质量管理 | Q-DAS 时间序列分析与预测

时间序列分析和预测 (TSAF)，是Q-DAS软件的新的AI组件，可以作为附加组件集成到Q-DAS 用户现有的模块之中。

假设Q-DAS 用户输入一系列随时间变化的值，例如：随时间变化的任意参数或随时间变化的测量值，TSAF 将 100% 自动预测并输出未来值。此外，TSAF 可以识别并输出所有发现的异常值，并可根据要求，发现异常趋势的变化点。

图 1：TSAF 图示-输入和输出，包括与测试数据的比较。

qs-STAT 里的 TSAF

在 qs-STAT 中，有两种可能的模式可以利用 TSAF：验证模式和预测模式。通过验证模式，用户可以得到预测结果与对应测量值。这让用户有更好的了解 TSAF 的运行逻辑与准确性。在预测模式下，TSAF会预测未来值以及预测的置信水平区间给用户进行参考。

M-QIS自动报告系统里的 TSAF

在M-QIS中，TSAF可自动运行，并预测质量测量值。TSAF可以从之前的测量中学习，并提供对测量结果未来趋势的准确预测，达到自动化，快速和准确的目的。M-QIS里的 TSAF可以随时了解未来的质量指标的不符合项，并在过程失控之前及时给到用户反馈。

如果用户的Q-DAS许可已经包含TSAF，则可以在 qs-STAT 的 TSAF 评估菜单以及 M-QIS 报告的 TSAF 设置菜单中轻松激活和配置它。预测的可配置参数包括：预测项的值数量、时间长度和所需的置信水平。并且，预测值可在值图表中可视化：例如，预测置信水平区域的颜色区分，预测值和异常值的标识。

TSAF 与预测质量有什么区别？

术语“预测质量”通常是指根据给定的生产和工艺参数预测已经生产的单个工件的质量。与 TSAF 的区别在于，TSAF 根据一系列历史质量测量值而不是基于生产或过程参数值，来预测未来的质量值。总结而言，TSAF是预测未来与评估质量价值的趋势，“预测质量”是指根据其单个生产信息预测给定零件的质量。

TSAF 有什么典型优势？ 

• 了解当前稳定的过程，在未来是否会继续保持稳定：持续确保重要工艺特性的稳定性；

• 识别存在风险的特征，质量结果有变差趋势的被测参数：将注意力集中在面临风险的过程；

• 知道风险被测参数过程何时会违反规格限制：在流程失控之前及时做出反应；

• 预测明天、下周和下个月的 Cp/Cpk 值：通过事先了解KPI并在需要时采取行动，确保达到报告中要求的目标。

更多了解更多收获请微信搜索关注海克斯康工业软件微信公众号，我们将每周持续为你带来工业软件领域最新前沿信息和深度行业案例！