数据与智能应用

摘要：控制图失控后才处置，往往已产生整批不良；均值缓慢漂移可在数周内不被 3σ 规则捕获。预测性质量（Predictive Quality）在经典 SPC 之上，用 EWMA/CUSUM、多变量监控与（可选）机器学习，把报警点前移。本文给出三层预警架构、规则设计模板、两个完整演算案例，以及误报控制与组织闭环方法——帮助质量与数字化团队把"报警系统"建成"改善系统"。

在过去五到十年的信息化建设中，绝大多数制造企业已经完成了多个质量相关系统的部署——QMS（质量管理系统）管理不合格品、审核和客诉；MES（制造执行系统）记录过程检验和SPC数据；LIMS（实验室信息管理系统）管理来料检验和计量校准；ERP（企业资源计划）处理供应商评价和批次追溯。每个系统都在产生数据，每个系统的数据都在各自的"孤岛"上沉睡。

质量数据治理是数字化质量建设的地基工程。本文从六大维度系统讲解如何建立质量数据的标准、质量、安全与可用性管理体系，帮助企业真正实现"数据驱动质量"。

质量数据中台是打破数据孤岛、实现质量数据驱动决策的基础设施。本文介绍其核心价值和轻量起步的建设思路。

在智能制造时代，质量控制的核心理念正从事后检验向实时预防转变。视觉检测（Vision Inspection）与统计过程控制（Statistical Process Control, SPC）作为两种成熟的质量技术，长期以来各自独立运作——视觉系统负责"看得见"的缺陷识别，SPC负责"算得出"的过程趋