失效归因分析助力质量改进和与可靠性提升,达观智能制造知识图谱全面升级
归因分析是分析者对某些特定事件行为过程所进行的因果解释和推理,简而言之就是因果解释和推论。归因分析在数据分析、深度学习、广告营销、心理学、投资都有相关的理论研究,在制造业中主要应用于设备、产线的故障问题分析,通过分析结果反哺产品设计以此提升产品质量和工艺水平。
众所周知,制造业生产过程中涉及到复杂的物理、化学、机械、电子电气、材料等学科知识,在分析设备产品故障的归因分析时,需结合产品设计、生产、运营各个环节运用各类专业知识才能分析出某一故障真正的原因而非表面原因,例如,汽车为什么经常打不着火?其表面原因可能是火花塞老化,但真正的原因是汽车燃烧室内积炭。若未找到故障的真正原因而一直替换火花塞会由于积炭导致油耗增加、引擎抖动和尾气超标等新问题。
由此可见,通过因果解释推论出故障原因的归因分析极其重要,而实际生产过程中会面临如下问题:
1.故障归因分析过程通常由经验丰富的高级工程师来进行,普通工程师无法胜任此类工作。
2.分析过程需要结合各类专业知识,依赖工程师过往的经验,主观性强,归因分析结果容易分析不全或者错误分析。
达观数据作为业内首个利用知识图谱技术提供工业制造领域数据图谱化应用服务的企业,创新的将归因分析与知识图谱进行有效结合,细粒度解析FMEA、FTA、失效分析报告、失效案例等文档,结合设备、工艺、产品、原材料和供应商数据,构建出失效模式知识图谱,将电气、机械、工艺、动力和装备等行业的知识在企业内部沉淀下来。通过输入失效现象问题就可以全面、高效和准确的获得该失效与故障的归因分析结果,借助可视化图表展示某一产线的故障原因、故障频率和占比,提供科学依据持续提升产品的质量和工艺水平。
1、归因分析
失效归因分析对输入的失效模式、位置、现象等内容进行解析生成与图谱关联的失效信息,可手动添加信息辅助分析结果更准确,以此排查深度原因。例如,在输入框内输入“清洗机压力不足的原因是什么”,平台会将这段话解析成“实体类型:实体”形式,诸如“machine:清洗机”、“SubSystem:高压系统”、“Potential Effects of Failure:压力不足”,需要深度挖掘的真正原因可以手动补充信息,诸如“PartSystem:高压泵”增加结果的可信度。归因分析解析结果页提供所有可能的原因,原因之间能做到相互独立,完全穷尽,每一条结果支持查看失效原因的图谱,并提供原始FTA、FA数据的溯源信息。
2、失效统计
通过输入模块、平台、部件、失效类型等信息,选择统计周期,可查询该失效原因所有历史数据统计结果,包含故障率趋势、可靠性增长趋势、失效模式累计计数、主要部件故障数量排名、项目故障数量排序等。例如,在输入框内输入“锂电池各生产线故障发生占比是多少?”,失效统计页会给出搅拌、涂布、分切等产线分类统计的失效原因、频次,发生占比,并提供饼状图、柱状图和柏拉图三种可视化的展示方式,其中柏拉图是质量改进项目从最重要到最次要顺序排列而采用的一种图表,按重要顺序显示出每个质量改进项目对整个质量问题的作用以及识别进行质量改进的机会。
从实际企业的应用成效来看,基于知识图谱的归因分析系统对企业日常的故障原因分析、供应商设备选型和产线工艺水平提升等场景中有比较高的应用价值,具体表现为:
1、一线维修人员对工作经验的要求降低,同时减少了高级工程师的支撑成本,借助归因分析系统对故障原因分析可以相互独立且完全穷尽,解决故障问题效率也大幅度提升。
2、管理人员可根据分析结果了解产线故障发生现状,依据分析故障故障关联的设备型号发生频率,指导采购环节对设备供应商的选型。
3、产线管理人员依据失效统计结果,能全方位了解当前产线在设计、生产、客服等环节故障发生频率,依据重要程度有针对的对产品质量和工艺水平进行提升。
往期推荐
1、火力发电行业三大知识图谱应用场景,助力火力发电厂清洁高效智慧化运营
3、资产管理AI八大落地场景,达观OCR、NLP、知识图谱等多项技术赋能资产管理行业
4、达观推出汽车维修智能问答智库系统,知识图谱助力汽车维修更快、更精、更高效