Controlul calității, detectarea defectelor și controlul statistic al procesului

Câștiguri:

• Abilitatea de a monitoriza datele de producție și de inspecție cu AI și de a detecta defectele și modelele de abatere din timp
• Abilitatea de a configura și interpreta controlul statistic al procesului (SPC), Cpk și diagramele de control cu suport AI
• Abilitatea de a verifica clasificarea defectelor AI cu rezultatul NDT, criteriile de acceptare și confirmarea inspecției autorizate

Este datoria constantă a inginerului metalurgic și de calitate să observe care dintre miile de piese care trec printr-o linie de producție este defecte și în ce moment procesul începe să alunece. Controlul calității, verificând dacă produsul îndeplinește cerințele specificate; detectarea defectelor, captarea erorilor din produs (zgarieturi, pori, fisuri, abateri dimensionale); Controlul statistic al procesului (SPC) este o metodă de a înțelege dacă procesul este sub control prin monitorizarea statistică a datelor de producție. Inteligența artificială accelerează clasificarea automată a defectelor din imagini, capturarea modelelor în date mari de măsurare și construirea și interpretarea graficelor SPC. Dar o alarmă nu este o decizie automată; Fiecare ieșire AI trebuie confirmată prin rezultatul NDT, criteriile de acceptare și aprobarea inspecției autorizate.

Concepte de bază ale SPC și rolul AI

• Diagrama de control: un grafic care arată modificarea unei măsurători (de exemplu, diametrul, duritatea) în timp, cu o linie centrală și limite de control (de obicei ±3 abateri standard). Trecerea limitei este un semn că procesul s-a schimbat.
• Limitele de control etc. Toleranță: Limitele de control provin din variația naturală a procesului; toleranța (limita de specificație) este ceea ce își dorește clientul. Cele două nu trebuie confundate.
• Cp și Cpk (indici de capacitate a procesului): Măsoară cât de ușor se încadrează procesul în toleranță. Cp evaluează spread-ul, iar Cpk evaluează împreună spread-ul + decentrare. Cpk ≥ 1,33 este în general considerat suficient.
• Cauză privată vs cauza comună: cauza comună este zgomotul inerent procesului; Cauza specifică (de exemplu, uzura sculei, lot greșit) este o abatere care necesită intervenție. Scopul SPC este separarea celor două.

AI este puternică în predarea acestor concepte, generând cod care calculează o diagramă de control/Cpk dintr-o dată și interpretând modele de diagramă (tendință, deriva, periodicitate). Dar inginerul determină cauza depășirii limitei și intervenția corectă.

Atenție: Extinderea limitelor de control „pentru a preveni o alarmă” este una dintre cele mai periculoase greșeli. Limitele sunt calculate din variația efectivă a procesului; Extinderea lor arbitrară face invizibile abaterile reale și mută produsul defect către client.

Pas cu pas: monitorizarea calității bazată pe inteligență artificială

1. Selectați caracteristica: Ce măsură critică va fi monitorizată (CQ: caracteristică critică de calitate)? Sistemul de măsurare este fiabil (Gage R&R)?
2. Colectarea datelor: Eșantionare regulată în subgrupe. Contorul este calibrat?
3. Configurați diagrama: solicitați AI tipul și codul diagramei de control adecvate (X-bar/R, raza de mișcare individuală).
4. Comentariu: Există reguli de depășire, tendință, lot (de exemplu, reguli Western Electric)?
5. Căutați cauza principală: alarma este un declanșator; Confirmați măsurarea, revizuiți procesul.
6. Decide: Pe baza criteriilor de acceptare și a rezultatului NDT; Separați lotul deviat și aplicați acțiuni corective.

Detectarea defectelor și testare nedistructivă

AI bazat pe imagini (clasificatori de învățare profundă) poate extrage rapid defecte de suprafață (zgârieturi, bavuri, oxizi, pori). Defectele interne necesită teste nedistructive (NDT): radiografie (RT), ultrasunete (UT), particule magnetice (MT), penetrant (PT). AI poate examina în prealabil imaginile RT/UT, dar evaluarea finală este efectuată de personalul NDT certificat și criteriile standard de acceptare.

Tip de defect

Metodă tipică

Contribuția AI

decizie finală

Zgârietură/bavuri la suprafață

imagine optică

clasificare automată

Criteriu de acceptare + operator

Por intern/crăpătură

RT/UT

Pre-screening imagine

Standard certificat NDT+

Fisura (deschisa la suprafata)

MT/PT

marcaj indicativ

Aprobare NDT nivel II/III

Abaterea mărimii

CMM / măsurare

Urmărirea tendințelor cu SPC

Toleranță + decizie

trei mini cutii

Cazul 1 — Capcană de extindere a frontierei. Limita superioară de control este depășită frecvent în măsurarea diametrului pe o linie. Operatorul recomandă extinderea limitelor pentru a reduce alertele. Inginerul de calitate se opune la aceasta; El pune AI să analizeze datele SPC și constată că există o schimbare sistematică (cauza specifică) în tura de după-amiază, posibil din cauza uzurii sculei. Când perioada de schimbare a sculei este scurtată, procesul revine la anumite limite. Lecția: alarma este o sursă de informații; Este necesar să nu-l tăcem, ci să găsim motivul.

Cazul 2 — Interpretare greșită Cpk. Un raport spune că procesul este „Cpk = 1,8, perfect”, dar piesele dau probleme clientului. Inginerul pune AI să examineze datele; El constată că schimbarea reală este ascunsă deoarece rezoluția sistemului de măsurare este insuficientă (Gage R&R este proastă), Cpk-ul ridicat provine din orbirea măsurătorilor. În primul rând, sistemul de măsurare este corectat și Cpk real este 1,1. Lecție: orice statistică bazată pe un sistem de măsurare prost este înșelătoare; Verificați mai întâi măsurarea.

Cazul 3 – Eliminarea corectă a NDT. Un producător folosește precalificarea RT alimentată de AI pentru piese turnate; semnalează părțile suspecte și le direcționează către personalul NDT certificat. AI trece rapid prin majoritatea pieselor curate, personalul concentrându-se doar pe cele marcate. Cu toate acestea, într-o serie critică pentru siguranță, părțile pe care AI le numește „curate” sunt, de asemenea, prelevate și verificate cu NDT; deoarece AI este un instrument de screening, nu o autoritate de admitere. Lecție: AI îmbunătățește eficiența, dar acceptarea finală vine cu NDT standard și aprobarea autorizată.

Șabloane de prompt copiabile

Șablon de configurare a diagramei de control "Rol: sunteți SPC / asistent calitate. Am următoarele date de măsurare: [date subgrup]. Caracteristică: [diametru/duritate]. Recomandați-mi tipul adecvat de diagramă de control (X-bar/R sau I-MR) cu justificare și calculați linia centrală + limitele de control cu codul Python. motivul ar trebui investigat”.

Cpk MODEL DE COMENTARII „Cp = [...], Cpk = [...], toleranță = [...], distribuția măsurată = [...]. Interpretați aceste valori: este procesul adecvat, există decentrare? Amintește-mi să întreb ÎNTÂI dacă sistemul de măsurare este fiabil (Gage R&R). Explicați capcana că Cpk ridicat poate proveni de la decizia firmei de măsurare orbirea/inspecția potrivită.

Șablon de evaluare a defecțiunilor „Modelul de imagine AI a marcat următoarele defecte: [listă]. Pentru fiecare: în funcție de ce criterii de acceptare (standard) ar trebui evaluat, ce metodă NDT este necesară pentru confirmare, care este riscul de fals pozitiv/negativ? Specificați că acceptarea finală ar trebui acordată cu NDT certificat și aprobare autorizată de AI ca „pre-screening”.

Șablon de analiză a modelului SPC"Examinați următoarele date ale diagramei de control: [date/serie temporală]. Există o tendință, o deviere, o periodicitate sau o încălcare a regulii seriei (Western Electric)? Pentru fiecare model, enumerați cauza posibilă a procesului (uzura sculei, schimbarea lotului, temperatură) ca IPOTEZA și scrieți cum va fi verificată. Nu declarați cauza exactă."

Prompt slab / Prompt puternic

PROMPT SLAB: „Este calitatea acestor date bună?”

SOLICITATE PUTERNICĂ: „Rol: sunteți asistentul SPC. Am următoarele date despre diametrul arborelui (25 subgrupe, n=5): [date]. Toleranța este de 20,00 ± 0,05 mm. Spuneți-mi: (1) să calculez limitele de centru și de control pentru compararea rezultatului cu criteriile de acceptare, dar reamintiți că trebuie verificat sistemul de măsurare.”

Promptul slab oferă un răspuns vag și fără comentarii. Un prompt puternic oferă date clare, toleranță și rezultate dorite; Acesta prevede distincția limită de control/toleranță, controlul Gage R&R și că decizia finală rămâne la inginer.

Greșeli comune

• Confundarea limitelor de control cu toleranța sau extinderea acestora astfel încât să nu apară nicio alarmă.
• Bazându-se pe Cpk fără a verifica sistemul de măsurare (Gage R&R).
• Considerând depășirea limitei drept „cauza rădăcină” automată și hotărârea de a elimina fără a confirma măsurarea.
• luați în considerare clasificarea defectelor AI ca decizia finală de acceptare; Ocolirea NDT și aprobarea autorizată.
• Intervenind în fiecare fluctuație fără a face distincția între cauza comună și cauza specifică (supra-ajustare).
• Într-o serie critică pentru siguranță, a avea deplină încredere în ceea ce AI spune că este „curat” și nu efectuează verificarea prin eșantionare.

Pe scurt

AI în controlul calității mărește ochiul și viteza inginerului de calitate cu clasificarea defectelor, capturarea modelelor în big data și calculul grafic SPC/Cpk. Cu toate acestea, dacă distincția limită-toleranță de control, fiabilitatea sistemului de măsurare și distincția cauza specială/comună nu sunt făcute corect, statisticile pot induce în eroare. Tratați fiecare alarmă ca un declanșator, confirmați măsurarea, investigați cauza principală și legați acceptarea finală la criteriile de acceptare, NDT standard și aprobarea autorizată. AI face o selecție preliminară, inginerul ia decizia.

Sarcina de aplicare

Specificați o serie reală sau fictivă de măsurători (de exemplu, 20-25 de subgrupe de date despre diametru/duritate) și o toleranță. Cu șablonul „SETUP CONTROL HART”, cereți AI pentru tipul de diagramă și codul de calcul adecvat și cereți-i să calculeze limitele de control. Apoi comentați adecvarea procesului folosind șablonul „COMENTARIU Cpk” și notați verificarea Gage R&R. În cele din urmă, creați un scenariu de depășire a limitei și scrieți într-un paragraf ce pași veți decide (confirmarea măsurării, cauza principală, criteriile de acceptare).

lista de verificare

• [ ] Am identificat atributul critic de calitate care trebuie monitorizat și fiabilitatea sistemului de măsurare.
• [ ] Am selectat tipul de diagramă de control adecvat și am calculat limitele din proces.
• [ ] Am separat limita de control și toleranța; Nu am extins granițele în mod arbitrar.
• [ ] Am interpretat Cpk împreună cu fiabilitatea sistemului de măsurare.
• [ ] Am considerat alarma ca pe un declanșator, am confirmat măsurarea și am investigat cauza principală.
• [ ] Am bazat acceptarea finală pe criterii de acceptare, NDT standard și aprobarea autorizată.