论文部分内容阅读
【摘要】 随着信息技术的不断发展，智能制造业已成为制造行业的发展趋势。本研究中通过对智能制造业生产过程的质量改进进行深入的分析，结合当前智能制造领域的一些现状，有效地总结了一些经验和理论，这对于促进未来智能制造业的发展有着积极的影响。
【关键词】 智能制造;生产过程;质量
【DOI编码】 10.3969/j.issn.1674-4977.2021.04.031
Research on the Quality Improvement of Intelligent Manufacturing Production Process
WEI Qian
（Shenzhen Skyworth-RGB Electronics Co.，Ltd.，Guangdong 518108，China）
Abstract： With the continuous development of information technology. Intelligent manufacturing industry has become the development trend of the manufacturing industry. In this research，the quality improvement of the intelligent manufacturing process. Combined with the current intelligent manufacturing field. Effectively summarizing some experiences and theories. It has a positive impact on promoting the future development of intelligent manufacturing industry.
Key words： intelligent manufacturing;production process;quality
在大數据技术、云计算和互联网等信息技术的推动下，制造业实现了从传统制造模式向智能制造模式的改变，智能制造已成为当前制造领域的主要生产方式。所谓智能制造就是利用智能系统，在智能设备和人类的共同操作下实现生产。和传统的制造模式相比，智能制造具有明显的智能化优点，且具有较强的协作型，是将标准的数据信息作为基础[1]。可以说，智能制造模式不仅是对过去传统制造模式的挑战，更是为今后制造领域的新方法和新理论提出了更高的要求。
1 智能生产目前存在的问题
智能化的生产系统，可以让整个生产过程实现智能化、自动化，且可以对其中各个环节实现有效的调度和控制，随时能够监测设备的运行状况，对产品的质量可以实现有效管理。一旦生产过程中设备出现异常或者质量不达标，智能化生产系统可以做出正确的判断，实现制作与管理、设计一体化。很长时间以来，我国在自动化和智能化的生产投入不足，国内的制造领域智能化和自动化的水平需要加强[2]。总结起来，当前国内智能生产管理存在以下几个不足的地方。
1）制造业的生产装备联网率不高，整体的智能化水平和数字化技术没有完全普及，智能化的生产车间建设仍然需要加大投入;2）由于生产智能化水平的不足，导致生产现场的物料传输自动化水平不高，生产现场物料的配送也有待完善和优化;3）制造车间没有全面开展MES，整体的生产计划不够精细化，导致生产设备经常出现负荷，物料供应也会缺少协同性，在车间作业监督方面也有所欠缺;4）个别制造企业虽然购置了自动化生产线、数控设备，但是整体的集成性不高;5）有的企业在生产过程中，没有进行有效的数据采集，不能及时了解生产的流程、进度，对设备的运行状态不能实时监测，整个生产系统缺少可视化，这就降低了生产环节的质量管理和控制。
任何行业，都应将质量作为生产和发展的核心。在智能制造领域，质量管理作为企业管理的重要内容和生产的重要部分，需要创新工作理念和方法，来有效规避一些智能制造环节中出现的问题，以更好地实现生产过程的高质量发展，这对于智能制造业的持续发展有着积极的意义[3]。
2 智能制造业生产过程质量改进研究
2.1 质量检验阶段
工业革命后随着企业自动化程度提高，专业化分工日益加深。社会各界对于泰勒的管理思想逐渐认同，也就是计划与执行是独立的，而对于产品的检验则开始向着专业化的质量检验部门和人员靠拢。换言之，质量管理经过手工业发展时代，已经从过去的经验管理阶段开始转变为质量检验阶段，且管理方式更为科学。在智能化制造领域，一旦出现异常的质量问题，自动化生产系统就会很快对问题出现的原因进行追溯，且有一定的检测范围。检测设备不仅仅可以在生产线上进行检测，还能短时间内掌握规则[4]。例如2个小时对在线监测设备进行监控测试，如果出现异常，那么对异常的地方就要进行追溯，一直到2小时内的产品检测达标为止。在这个过程中要做好隔离，在另外区域安置好2小时内生产的产品。同时，需要停止智能系统中诊断问题的程序，若可以使用软件来有效解决，则需要对系统软件采取重新安装的方式，这样时间较短，可以重启运行智能系统。但若系统的硬件不能解决，则可以使用设备维护的机器人，对损坏的配件进行维护和更换。一旦维护设备的机器人也解决不了问题，运行系统则会发出警报，由专业的维修技术人员进行处理。针对不容易进行监测的部分，可以通过智能图像系统进行判断，同时还要定期优化智能图像系统，以更好地对一些主观检测内容实现有效的处理[5]。
2.2 统计质量控制阶段
上世纪二三十年代质量检验已不能适应自动化大规模生产的需要，以休哈特为代表的统计思想和方法论开始受到重视，在对生产数据进行有效分析后，可以提升各项工序不合格生产的预防力度，降低生产成本，质量控制点从生产末端延伸到生产前端，质量职能扩展到专业的质量控制人员。如此一来，不仅可以提高专业化水平，也促进智能生产的质量管理迈向统计质量控制阶段。质量受控是任何制造企业都关心的问题，只要规模稍大的制造企业都有其相应的品质控制规定，同时还有较为完善和详细的文件资料。即便如此，在生产环节仍然会出现各种质量问题，从表面现象看可能是管理执行不到位，品质人员责任心不强导致，实际情况是面对现在人力成本不断增加的情况，不但高素质的品质人才难招，而且企业为了控制成本，品质人员的数量也在不断缩减，从而导致品质控制执行不到位，质量问题不断出现。 事实上是可以通过统计学的知识来使得生产过程受控，也就是统计受控，统计受控通行的方法是SPC（统计过程分析），也就是生产过程中对影响生产品质人、机、料、法、环、测进行持续数据收集，并通过SPC工具对数据进行持续的分析，实时监控品质问题。在生产的环节，一旦发生不可控的情况，即进行预警，工程人员根据数据解决问题。SPC可以用在来料质量控制，对生产全过程实现实时的监测和控制，减少不良产品的出现几率，实现缺陷率的控制。
2.3 全面质量管理阶段
上世纪六十年代，大规模生产蓬勃发展，企业供应链关系日益复杂，影响质量的因素越来越多，系统科学理论开始在质量管理领域受到重视。朱兰、戴明等质量专家相继提出除了要重视质量检验、统计质量控制阶段外，还要关注其他的管理职能。全面质量管理的概念是费根堡姆提出来的，其主要是将生产的质量问题落实在生产制造的各个过程和智能管理，对产品形成的全过程进行有效的控制和管理。在全面管理阶段，重点在于规避失误，及时发现问题，进行有效预防，从而实现质量的改进，让产品生产的质量达到标准水平[6]。在21世纪，对于产品的质量管理已经步入了全面质量创新的阶段，我们不仅要避免问题和错误，还要提升和优化解决的办法。
质量管理要以顾客为中心，加强预防和改进，有效控制每一个过程，控制住人、机、料、法、环、测、信息等影响因素，加强产品全生命周期管理，产品（服务）质量才能满足顾客需要。当前，国内许多企业仍忽视产品研发、供应链、售后服务等环节质量，企业在探索智能制造过程中，必须协同解决设计、供应、生产、管理、服务等全过程质量问题，才能实现向中高端迈进。
3 结语
智能制造业的发展是当前世界上普遍关注的话题，且随着技术水平的日益提升，各行业会日渐涌现出更多的高端技术人才，这些为未来智能制造業的发展带来动力的同时，也加剧了行业的竞争。综合当前智能制造业的发展现状，我们要紧握时代发展的脉搏，抓住科学技术发展的机遇，从生产到管理，各个环节加大管理力度，以数据技术作为核心力量，结合互联网、云计算等先进前沿技术，打造数字化的生产车间，保证生产质量，实现有效的智能化生产和管理。
【参考文献】
[1] 刘星星.智能制造推动我国装备制造业升级发展研究[D].福州：福建师范大学，2017.
[2] 苏贝.制造业智能化转型升级影响因素及其实证研究[D].西安：西安理工大学，2018.
[3] 刘海蓉.智能制造背景下高职技能人才培养研究[J].广州城市职业学院学报，，2017（1）：93-96.
[4] 杨成玮.A公司智能制造生产管理体系构建研究[D].长春：吉林大学，2019.
[5] 蒙剑.智能制造企业质量管理人员素质提升的研究[J].电子世界，2020（5）：15-16.
[6] 赵文博.工业大数据在智能制造中的应用价值[J].造纸装备及材料，2021（1）：122-124.
【作者简介】
魏茜（1986-），女，工程师，学士，研究方向为质量管理。
【关键词】 智能制造;生产过程;质量
【DOI编码】 10.3969/j.issn.1674-4977.2021.04.031
Research on the Quality Improvement of Intelligent Manufacturing Production Process
WEI Qian
（Shenzhen Skyworth-RGB Electronics Co.，Ltd.，Guangdong 518108，China）
Abstract： With the continuous development of information technology. Intelligent manufacturing industry has become the development trend of the manufacturing industry. In this research，the quality improvement of the intelligent manufacturing process. Combined with the current intelligent manufacturing field. Effectively summarizing some experiences and theories. It has a positive impact on promoting the future development of intelligent manufacturing industry.
Key words： intelligent manufacturing;production process;quality
在大數据技术、云计算和互联网等信息技术的推动下，制造业实现了从传统制造模式向智能制造模式的改变，智能制造已成为当前制造领域的主要生产方式。所谓智能制造就是利用智能系统，在智能设备和人类的共同操作下实现生产。和传统的制造模式相比，智能制造具有明显的智能化优点，且具有较强的协作型，是将标准的数据信息作为基础[1]。可以说，智能制造模式不仅是对过去传统制造模式的挑战，更是为今后制造领域的新方法和新理论提出了更高的要求。
1 智能生产目前存在的问题
智能化的生产系统，可以让整个生产过程实现智能化、自动化，且可以对其中各个环节实现有效的调度和控制，随时能够监测设备的运行状况，对产品的质量可以实现有效管理。一旦生产过程中设备出现异常或者质量不达标，智能化生产系统可以做出正确的判断，实现制作与管理、设计一体化。很长时间以来，我国在自动化和智能化的生产投入不足，国内的制造领域智能化和自动化的水平需要加强[2]。总结起来，当前国内智能生产管理存在以下几个不足的地方。
1）制造业的生产装备联网率不高，整体的智能化水平和数字化技术没有完全普及，智能化的生产车间建设仍然需要加大投入;2）由于生产智能化水平的不足，导致生产现场的物料传输自动化水平不高，生产现场物料的配送也有待完善和优化;3）制造车间没有全面开展MES，整体的生产计划不够精细化，导致生产设备经常出现负荷，物料供应也会缺少协同性，在车间作业监督方面也有所欠缺;4）个别制造企业虽然购置了自动化生产线、数控设备，但是整体的集成性不高;5）有的企业在生产过程中，没有进行有效的数据采集，不能及时了解生产的流程、进度，对设备的运行状态不能实时监测，整个生产系统缺少可视化，这就降低了生产环节的质量管理和控制。
任何行业，都应将质量作为生产和发展的核心。在智能制造领域，质量管理作为企业管理的重要内容和生产的重要部分，需要创新工作理念和方法，来有效规避一些智能制造环节中出现的问题，以更好地实现生产过程的高质量发展，这对于智能制造业的持续发展有着积极的意义[3]。
2 智能制造业生产过程质量改进研究
2.1 质量检验阶段
工业革命后随着企业自动化程度提高，专业化分工日益加深。社会各界对于泰勒的管理思想逐渐认同，也就是计划与执行是独立的，而对于产品的检验则开始向着专业化的质量检验部门和人员靠拢。换言之，质量管理经过手工业发展时代，已经从过去的经验管理阶段开始转变为质量检验阶段，且管理方式更为科学。在智能化制造领域，一旦出现异常的质量问题，自动化生产系统就会很快对问题出现的原因进行追溯，且有一定的检测范围。检测设备不仅仅可以在生产线上进行检测，还能短时间内掌握规则[4]。例如2个小时对在线监测设备进行监控测试，如果出现异常，那么对异常的地方就要进行追溯，一直到2小时内的产品检测达标为止。在这个过程中要做好隔离，在另外区域安置好2小时内生产的产品。同时，需要停止智能系统中诊断问题的程序，若可以使用软件来有效解决，则需要对系统软件采取重新安装的方式，这样时间较短，可以重启运行智能系统。但若系统的硬件不能解决，则可以使用设备维护的机器人，对损坏的配件进行维护和更换。一旦维护设备的机器人也解决不了问题，运行系统则会发出警报，由专业的维修技术人员进行处理。针对不容易进行监测的部分，可以通过智能图像系统进行判断，同时还要定期优化智能图像系统，以更好地对一些主观检测内容实现有效的处理[5]。
2.2 统计质量控制阶段
上世纪二三十年代质量检验已不能适应自动化大规模生产的需要，以休哈特为代表的统计思想和方法论开始受到重视，在对生产数据进行有效分析后，可以提升各项工序不合格生产的预防力度，降低生产成本，质量控制点从生产末端延伸到生产前端，质量职能扩展到专业的质量控制人员。如此一来，不仅可以提高专业化水平，也促进智能生产的质量管理迈向统计质量控制阶段。质量受控是任何制造企业都关心的问题，只要规模稍大的制造企业都有其相应的品质控制规定，同时还有较为完善和详细的文件资料。即便如此，在生产环节仍然会出现各种质量问题，从表面现象看可能是管理执行不到位，品质人员责任心不强导致，实际情况是面对现在人力成本不断增加的情况，不但高素质的品质人才难招，而且企业为了控制成本，品质人员的数量也在不断缩减，从而导致品质控制执行不到位，质量问题不断出现。 事实上是可以通过统计学的知识来使得生产过程受控，也就是统计受控，统计受控通行的方法是SPC（统计过程分析），也就是生产过程中对影响生产品质人、机、料、法、环、测进行持续数据收集，并通过SPC工具对数据进行持续的分析，实时监控品质问题。在生产的环节，一旦发生不可控的情况，即进行预警，工程人员根据数据解决问题。SPC可以用在来料质量控制，对生产全过程实现实时的监测和控制，减少不良产品的出现几率，实现缺陷率的控制。
2.3 全面质量管理阶段
上世纪六十年代，大规模生产蓬勃发展，企业供应链关系日益复杂，影响质量的因素越来越多，系统科学理论开始在质量管理领域受到重视。朱兰、戴明等质量专家相继提出除了要重视质量检验、统计质量控制阶段外，还要关注其他的管理职能。全面质量管理的概念是费根堡姆提出来的，其主要是将生产的质量问题落实在生产制造的各个过程和智能管理，对产品形成的全过程进行有效的控制和管理。在全面管理阶段，重点在于规避失误，及时发现问题，进行有效预防，从而实现质量的改进，让产品生产的质量达到标准水平[6]。在21世纪，对于产品的质量管理已经步入了全面质量创新的阶段，我们不仅要避免问题和错误，还要提升和优化解决的办法。
质量管理要以顾客为中心，加强预防和改进，有效控制每一个过程，控制住人、机、料、法、环、测、信息等影响因素，加强产品全生命周期管理，产品（服务）质量才能满足顾客需要。当前，国内许多企业仍忽视产品研发、供应链、售后服务等环节质量，企业在探索智能制造过程中，必须协同解决设计、供应、生产、管理、服务等全过程质量问题，才能实现向中高端迈进。
3 结语
智能制造业的发展是当前世界上普遍关注的话题，且随着技术水平的日益提升，各行业会日渐涌现出更多的高端技术人才，这些为未来智能制造業的发展带来动力的同时，也加剧了行业的竞争。综合当前智能制造业的发展现状，我们要紧握时代发展的脉搏，抓住科学技术发展的机遇，从生产到管理，各个环节加大管理力度，以数据技术作为核心力量，结合互联网、云计算等先进前沿技术，打造数字化的生产车间，保证生产质量，实现有效的智能化生产和管理。
【参考文献】
[1] 刘星星.智能制造推动我国装备制造业升级发展研究[D].福州：福建师范大学，2017.
[2] 苏贝.制造业智能化转型升级影响因素及其实证研究[D].西安：西安理工大学，2018.
[3] 刘海蓉.智能制造背景下高职技能人才培养研究[J].广州城市职业学院学报，，2017（1）：93-96.
[4] 杨成玮.A公司智能制造生产管理体系构建研究[D].长春：吉林大学，2019.
[5] 蒙剑.智能制造企业质量管理人员素质提升的研究[J].电子世界，2020（5）：15-16.
[6] 赵文博.工业大数据在智能制造中的应用价值[J].造纸装备及材料，2021（1）：122-124.
【作者简介】
魏茜（1986-），女，工程师，学士，研究方向为质量管理。