在制造設備設計中，一個常被忽視的方面是可維護性。設備是否具備可維護性相關特性，會顯著影響設備的運維成本；而這些運維成本，又直接關系到維護合同的盈利能力。因此，找到降低運維成本的有效方法，對于提升維護合同盈利能力至關重要。

PDF

統計過程控制是什么？

統計過程控制（Statistical Process Control，簡稱 SPC）采用成熟的統計方法監控生產過程的穩定性，助力減少浪費與返工。只要某個過程可測量，且其波動近似符合正態分布，SPC 就能應用于該過程。

例如，若某生產過程制造的零件目標長度為 1 單位，且長度波動符合正態分布，那么測量 100 個零件并將數據繪制成直方圖，得到的圖表會如下所示：

SPC 的核心原理是通過控制圖，將實際樣本測量值與預期值進行對比。其中，預期值基于 “基準期” 或 “訓練期” 收集的測量數據計算出的均值和標準差。一張控制圖通常包含三條關鍵參考線：

中心線（Center Line，簡稱 CL）：訓練期測量數據的平均值（均值）。

上控制限（Upper Control Limit，簡稱 UCL）：被認定為“過程受控”的最高值，對于符合正態分布的過程，通常設定為均值加 3 個標準差。

下控制限（Lower Control Limit，簡稱 LCL）：被認定為“過程受控” 的最低值，通常設定為均值減 3 個標準差。

當收集到新的樣本測量數據后，會將其繪制在過程控制圖上，并與控制限進行比對：若樣本測量值處于 UCL 與 LCL 之間，則認為過程 “受控”，符合預期運行狀態。此外，還可應用額外規則（如檢測趨勢、周期性波動，或多個連續數據點接近控制限等情況），以識別過程不穩定或潛在問題的早期跡象。

控制圖能夠檢測樣本均值和波動的雙重變化。例如，在下方圖表中，樣本均值隨時間下降，表明過程正趨于 “失控”；

而在另一張圖表中，樣本波動隨時間增大，這意味著過程穩定性下降，同樣正走向 “失控”。

PDF

故障檢測 OR 預測性維護

統計意義上的 “過程失控” 與 “過程故障” 并非同一概念。理想情況下，統計控制限應處于過程公差范圍（即規格限）之內 —— 因此，即使控制圖顯示過程 “失控”，其產出仍可能符合質量規格要求。

以之前的零件生產為例：假設零件長度均值為 1.000，上控制限（UCL）為 1.003，下控制限（LCL）為 0.997；而設計標稱長度為 1.000，公差為 ±0.005，那么上規格限（USL）即為 1.005，下規格限（LSL）為 0.995。此時計算得出的過程能力指數（Process Capability Index，簡稱 Cpk）為 1.67，表明該過程 “具備能力”，產出通常能符合規格要求。

當過程均值處于規格限中間時，Cpk 值等于質量規格限與統計控制限的比值，可量化過程產出符合規格要求的能力。Cpk 值越高，說明過程的能力越強、穩定性越好。

下方控制圖中已添加了上規格限（USL）與下規格限（LSL）的參考線。

若控制限處于規格限之內，控制圖就能有效指示何時需要進行預防性維護：此時若過程 “失控” 但仍在規格范圍內，設備可能需要預防性維護，但無需立即停機。

然而，若控制限超出規格限，則該過程被視為 “不具備能力”（Cpk 值小于 1.0）。這種情況下，在生產故障發生前，統計控制限無法可靠地指示預防性維護的時機。

PDF

聚焦過程監控，而非產出檢測

在許多情況下，制造設備并不清楚自己正在生產的具體產品，也不了解產品的生產質量。例如，一臺生產零件的設備，可能既不知道零件的目標長度是 1.000，也無法直接獲取零件的實際長度數據。這就引出一個問題：設備如何利用 SPC 監控質量？

盡管設備無法直接測量產出的質量，但通常可以監控生產過程中的各項參數 —— 即跟蹤那些會影響最終產品質量的過程參數與狀態。

以半導體制造設備為例，可監控的過程屬性包括：

光源強度

圖像質量（如焦距、對比度、亮度）

氣體流量

管路或腔室中的氣體壓力

電壓

電流

速度（如旋轉速度或平移速度）

環境壓力（大氣壓、真空度）

溫度

時長（如指令完成時間）

PDF

實際值 VS 預期值

用于過程控制的任何過程屬性，都必須滿足一個關鍵要求：可通過傳感器測量，且數據基于實際傳感器讀數。過程控制的核心是將測量值與預期值進行對比，但通常需要對原始測量數據進行預處理。

以閉環氣體冷卻系統為例：氣體流量由質量流量控制器（Mass Flow Controller，簡稱 MFC）控制，流量設定值由過程參數確定。在這種情況下，合適的控制測量指標是實際氣體流量。

數據預處理的第一步通常是確定氣體流量何時處于 “穩定狀態”。氣體關閉時的測量值，或設定值變更后立即出現的瞬態期測量值，通常不具備參考價值。流量穩定所需的時間可通過實驗確定。

若系統僅以一個流量設定值運行，過程則相對簡單：以流量設定值為預期值，以實際測量的流量為實際值即可。

但當系統存在多個流量設定值時，由于 SPC 要求過程具備單一均值和波動范圍，需進行額外預處理。以下是兩種常見的處理方法：

若離散設定值數量較少，可為每個設定值單獨創建控制圖，并計算其專屬的均值和波動范圍。

計算流量設定值與實際測量值的差值（即“流量誤差”），將該誤差的預期值設定為 0。若不同設定值對應的預期波動范圍存在差異，可通過實驗建立映射函數，以修正這些差異。

Cimetrix CIM 控制框架健康指標（HealthIndicators）

Cimetrix CIM 控制框架 (Cimetrix CIMControlFramework，簡稱 CCF)是基于微軟.NET 框架技術開發的設備自動化框架。該框架能幫助設備制造商滿足監控控制、物料處理、平臺與過程控制及工廠自動化等多方面需求。

通過與設備硬件對接并發布數據，CCF 具備了監控設備性能的獨特優勢。其“健康指標（HealthIndicators）” 功能將統計過程控制（SPC）與功能強大、操作直觀的圖形化界面（GUI）管理工具相結合，可實現對設備的全面監控。借助 CCF 健康指標功能，企業能夠提前開展預防性維護、及早發現潛在問題，從而有效降低維護成本。

用于演示講解及配置健康指標的 CCF（Cimetrix CIM 控制框架）界面

帶有所有健康指標匯總視圖的 CCF（Cimetrix CIM 控制框架）界面