质量检测全生命周期管理实践教学平台及课程建设

刘江丽，胡庆夕，b，姚 远，b

（上海大学a.工程训练国家级实验教学示范中心；b.快速制造工程中心，上海 200444）

0 引言

智能制造“十三五”发展规划以及“中国制造2025”明确提出了质量强国战略，质量管理不再仅仅是生产流程后的符合性监督，而是贯穿产品全生命周期的全面质量管理，是现代制造的基石，也是保证智能制造质量的基础。在人工智能、工业互联网、大数据的背景下，复杂装备制造过程的自动化水平日益提升，工艺过程复杂程度也不断增加，而传统的质量管理模式，面临着诸多问题：工艺数据结构化瓶颈、MBD（Model Based Definition）实践、计量检测业务复杂、SPC（统计过程控制）应用困难、计量设备与器具种类繁多、现场计量器具使用的易用性与高效性、质量数据如何最大化利用、高保密要求与智能制造平衡等，显然已不能满足发展需求，因此，智能化质量管理势在必行［1-5］。

智能化质量管理，本质上是将质量融入企业制造全流程，凭借一系列前沿技术，例如仿真技术、自动化技术、AI 技术、物联网、可穿戴设备等，构建以测量为主体的全面质量检测系统，与企业的ERP（企业资源计划），PLM（产品生命周期管理），MES（制造执行系统）等产生关联，各个系统数据互联互通，实时交互，形成一个有机的整体，最终通过数字主线将有价值的质量大数据充分采集、加工、分析，形成有价值的质量控制方案。

如何将现代制造流程中的智能化质量管理理论及质量检测全生命周期管理流程转移为教学场景，为国家培养符合企业需求的人才，是高校工程实践教学中迫切需要解决的问题。在教学实践过程中，一直缺少相应的实践环节，难以使学生深入理解生产实践中的数字化质量检测、大数据分析、过程控制，以及质量改善以及质量体系建立的重要性，这种缺失也导致学生对概率统计等理论知识缺少感性认知。在工程训练实践课程体系中，建立质量检测全生命周期管理实践教学平台，为培养理工、管理等专业本科生的质量管理技能与意识提供平台支撑，让学生了解最新的质量控制技术，从而为国家制造业高质量发展提供重要保证。

1 实践教学平台建设体系

1.1 实践教学平台体系总体架构

质量检测全生命周期管理实践教学平台是基于数字化精密测量实训平台内部局域联网系统的质量检测任务管理、测量设备数据采集、质量业务管理、质量数据管理分析及展示的综合智能化质量管理平台。实践教学平台分为：海克斯康SmartQuality 智慧质量综合管理系统（简称SQ系统），海克斯康Q-DAS 质量大数据分析系统，数字化精密测量实训平台，如图1 所示。平台以MES 制造管理平台作为任务发起模块，SQ 系统承担任务接受、任务分解、检验计划、测量程序与任务关联、检验任务排程、检验任务执行、数据及检验结论反馈以及全过程检验任务状态监控，数字化精密测量实训平台执行检测任务，采集测量数据，并与SQ 系统以及Q-DAS系统实现信息交互，Q-DAS系统实现质量大数据的集中储存、管理、统计分析及监控等［6-7］。

图1 全生命周期质量管理实践教学平台体系架构

该平台主要用于智能制造中的质量检测全生命周期管理实践课程，建立以质量为核心的数字化测量场景及质量检测流程工程实践训练场景的演示及教学，让学生理解通过质量检测任务的规划、数据的测量采集、整理、展示与分析将质量数据转换为知识指导质量控制过程的基本理论、方法以及控制流程。

1.2 SmartQuality智慧质量综合管理系统

SQ智慧质量综合管理系统是立足质量管控与质量优化的协同执行平台，是以测量与质量为核心的智能化质量综合管理系统，它与智能制造企业的ERP，PLM，MES 等产生关联，打破各系统的信息孤岛，实现生产上下游的数据贯通，贯穿于产品设计、加工、检测、分析与控制等全生命周期，如图2 所示。

图2 SmartQuality智慧质量综合管理系统

质量检测全生命周期管理实践教学平台中的SQ智慧质量综合管理系统能够保证数字化精密测量实训平台中所有测量设备的互联互通，完成测量设备的状态监控及分析。借由SQ 系统，将产品设计环节的质量检验规划的结构化、数字化，生产制造环节的检测任务执行和数据采集监控的网络化、自动化以及质量大数据分析、质量问题反馈的智能化全面贯通。通过SQ系统可以方便地完成检验任务的业务管理、测量数据的采集、预警、可视化以及统计报表分析工作，并且系统可以将各类定制质量报告自动推送给相关负责人，实时完成质量数据的统计分析，包括方差分析、相关性分析、回归分析和趋势预测分析等［8］。

1.3 Q-DAS质量大数据分析系统

随着制造业数字化转型、高档数控机床的应用和数字化精密测量设备的广泛应用，工业装备产生的质量数据，逐渐被全方位采集和多形式记录，数据量、数据类型、数据传输均得到大幅提升和扩展，不断采集和积累的质量数据将质量管理推进到大数据时代。推动智能制造发展的并非大数据本身，而是大数据的数据采集、质量分析、质量应用等技术，这些大数据的管理和应用影响着以产品质量为导向的设计优化过程、以生产质量为导向的工艺优化过程、以设备质量为导向的预测性维护模式、以质量预警为中心的供应链协同模式等［7-9］。

海克斯康Q-DAS 智能质量大数据分析系统，以人、机、料、法、环为主线，贯穿并涵盖制造PDCA 全过程。它通过结构化的图、表和大数据统计分析理论，机器自学习等技术，实现以数据感知、数据处理分析、制造过程决策与支持、数据可视化技术为核心的智能制造全生命周期质量管理。Q-DAS 系统可以提供先进的统计过程控制理论及方法，减小生产过程中的变差；提供对质量数据的可视化及更好地人机交互；对测量系统分析、加工及装配设备验收、过程能力评定提供一致的统计分析评价策略；实时监控生产过程质量状态；提供质量大数据归档全面解决方案；实现质量数据的集中储存、管理及分析等服务，如图3 所示［7，10-11］。

图3 质量大数据统计分析系统Q-DAS

DAS 质量大数据分析系统拥有不同的功能模块用于不同的生产制造过程及产品质量控制环节中。质量检测全生命周期管理实践教学平台中提供的主要功能模块如下：

（1）qs-STAT过程能力验证模块。不仅可以用于创建机器和过程能力的验证，还可以使用过滤器和选择条件来检验过程是否存在异常。通过分析机器、批次、检验员、工具、温度等因素的影响，从而找到过程改进的方向。

（2）solara.MP测量过程能力分析模块。可以基于MSA（测量系统分析）和VDA5（测量过程能力）建立测量过程能力的评估，或基于GUM（测量不确定度表述指南）进行扩展测量不确定度的计算。确保测量系统获得的测量值足够准确地反映当前的实际情况，即测量过程必须能够执行各特定情况下所要求的任务。

（3）O-QIS实时监控可视化模块。用于检验和过程数据的实时展示和评估。所有测量数据到达数据库后由O-QIS模块进行监控，其涵盖了传统的统计过程控制（SPC）、在线报警监控、警报功能和在线可视化。

（4）BI（Business Intelligence）商业智能质量看板。一种信息管理工具，通过智慧质量综合管理系统SQ平台，BI质量看板参考大数据和云计算的技术路径，将Q-DAS核心算法生成的分析结果以更人性化的方式呈现出来，满足多维度的组织管理需要。

1.4 数字化精密测量实训平台

对制造全流程的几何量、尺寸、位置等信息进行有效的测量测试和检验是生产制造必不可少的环节。随着数字化、模拟仿真、大数据等智能制造技术的不断发展以及精密加工技术对于精度、质量和效率要求的不断提高，大视场复杂形面测量、短小几何特征的测量、微纳尺寸测量、大型动态工件校准与测量，采用传统的测量技术已经无法满足制造企业的需求，高精度的测量仪器被越来越多的制造企业所采用，数字化非接触精密测量、在线无损检测、激光扫描检测、视觉识别技术以及跟踪测量等方式得到了广泛应用［12-15］。

数字化精密测量实训平台为产品全生命周期质量管理实践教学平台的硬件基础。该平台设备齐全，主要由蓝牙卡尺、蓝牙千分尺、二维测高仪、自动化影像测量系统、三坐标测量机、三坐标全息测量仿真教学系统、三维激光扫描仪、激光跟踪仪、激光干涉仪等组成，从传统机械测量到现代数字化精密测量，从静态精密测量到动态精密测量，从接触式测量到非接触式测量，从二维测量到三维测量，从虚拟测量到实践测量，全面覆盖各种对象和实践项目的测量需求，同时引入丰富多彩的场景案例，应用场景涉及航空、重工、医疗、新能源、文物保护等，向学生展示讲授先进的现代数字化精密测量技术，了解测量技术的基本概念以及发展的同时，让学生熟悉数字化精密测量的实际应用。

数字化精密测量实训平台中的所有测量设备通过无线局域网与SQ智慧质量综合管理系统及Q-DAS大数据分析系统网络联通，接收并执行来自SQ 系统的检验任务，同时将测量采集到的数据反馈给数据分析和数据管理系统进行大数据的统计分析、管理、监控及可视化展示。让学生不仅仅实践测量设备的使用和数据采集，更重要的是理解数据采集后数据的使用去处，从而让学生理解数字化精密测量的数据来源与数据统计分析的方法和意义，了解质量检测全生命周期管理的工作流程。

2 实践课程教学流程

基于网络互通的质量检测全生命周期实践教学平台构建实践教学课程，教学实践流程从MES，ERP，PLM系统的生产订单到SQ 系统的检验订单，从检验订单到生成检验任务到执行检验，到数据采集后的分析、监控、报警、可视化，根据数据分析进行质量闭环改进，让学生体验与了解整个质量检测全生命周期管理流程，如图4 所示。

图4 实践课程教学流程

SQ 智慧质量管理系统可以根据生产与检验要求发布检验任务，精密测量实训平台的各种测量设备采集测量数据并发送到中央数据库，所有测量数据到达数据库后由Q-DAS系统中的O-QIS模块进行监控，并可以使用qs-STAT模块进行统计过程分析控制，所有的测量数据可以依据SQ平台通过SQ中BI看板进行分类展示，模拟工厂实际质量检测全生命周期管理情况。

（1）从生产订单到检验订单。ERP 或者MES 系统中的生产订单与检验订单绑定，将检验要求发送给SQ系统建立检验订单。

（2）从检验订单到测量任务。SQ 管理系统根据收到的检验订单要求发布具体测量检验任务。

（3）接收测量检验任务。登录SQ 系统数据采集端，接收到测量检验任务（见图5）。

图5 接收测量检验任务

（4）执行测量检验任务。根据测量检验任务基于现代精密测量实训平台，采用正确的测量设备执行测量检验任务，进行数据采集（见图6）。各种测量设备将采集到的测量数据直接反馈给SQ系统，SQ 系统得到订单完成的信息，再和其他系统交互，同时测量数据进入Q-DAS系统进行实时统计分析。

图6 执行测量检验任务

（5）测量数据分析。质量大数据统计分析系统Q-DAS根据采集到的大量测量数据，使用qs-STAT 模块进行统计过程控制（SPC），分析生产过程；使用solara.MP模块分析测量系统（MSA）及测量过程能力（见图7）。

图7 测量数据分析

（6）测量数据实时监控。质量大数据统计分析系统Q-DAS中的O-QIS 模块对测量及分析数据进行监管，实时报警，查找到对应报警的设备进行分析并显示再次测量（见图8）。

图8 测量数据监控报警

（7）测量数据展示与管理。采集到的测量数据可以通过智慧质量综合管理系统SQ 平台基于各种预先设定的BI看板进行展示（见图9），同时如果分析测量数据得到警报，则需要通知SQ 系统，SQ 系统再和其他系统及设备进行交互，通知对应报警的设备进行改善或者重新测量。

3 结语

在人工智能、工业互联网、大数据背景下，智能化质量管理是现代制造的基石，也是保证智能制造质量的基础。质量检测全生命周期管理实践教学平台，以现代精密测量实训平台为基础，以SQ 系统为智慧质量管理系统，以Q-DAS 为大数据统计分析监控系统，将现代制造流程中的质量控制理论及流程转移为教学场景。以该平台构建课程，提供从生产线上采集数据，质量业务管理、质量数据分析的实践场景与教学，实现质量检测全生命周期管理过程演示。让学生理解通过质量数据的提取、整理、展示与分析将质量数据转换为知识指导生产过程的基本理论、方法和现代质量控制流程，了解最新的智能制造时代的质量控制技术，培养学生质量管理的意识，为国家制造业高质量发展提供重要保证。

图9 SQ平台BI质量看板展示