分类： 信息化
2026-07-01 10:14:15
离心铸造场景中，设备侧数据、现场执行数据和质量检验数据往往分散在不同位置。离心机屏幕有转速，工艺卡有参数要求，质检系统或表单有探伤结果，仓储和发货又有批次状态。只要这些信息没有在工单维度关联，后续复盘就会出现断点。
宁波优德普MES+BI的设计思路，是先建立批次主线，再把设备数据、工艺规则、现场确认、质量结果和BI分析挂到这条主线下。这样，企业不是单独保存一条曲线，而是让曲线能够解释某批铸件当时的生产状态。
1. 数据对象：先定义批次主线
离心铸造的数据模型不宜只围绕设备展开。设备只是过程发生的位置，批次才是质量复盘的对象。一个可用的数据结构至少要包含工单、产品规格、工艺版本、设备编号、模具编号、原料炉号、班组、开工时间、转速曲线、探伤结果、返修记录和流转状态。
这些字段看起来并不复杂，但它们决定了后续能否按产品、设备、模具、炉号和时间段做交叉分析。优德普在实施时，会先梳理企业现有编码规则和现场单据，再确认哪些信息由ERP带入，哪些信息由MES采集，哪些信息由QMS或检测环节回写，哪些信息进入BI分析。
对信息化团队来说，这一步的价值在于减少后续接口返工。批次主线清楚，设备数据和质量结果才有可关联的锚点。
2. 采集边界：PLC、采集模块与人工确认并用
离心铸造设备基础差异较大。新设备通常可以通过PLC接口取数，老设备可能需要增加采集模块，也有部分状态需要由现场人员在终端确认。系统设计时，要先定义采集边界，而不是一开始就追求所有数据自动进入。
常见采集内容包括升速时间、目标转速、保速时长、转速波动、启停时间、电机电流、振动状态等。现场确认内容则包括模具安装、炉号确认、浇注状态、异常原因、处理动作和复判意见。自动采集与人工确认结合，才能兼顾数据连续性和现场真实操作。
宁波优德普MES可以把这些数据挂在工单和批次下。BI再按管理口径汇总，形成设备转速稳定性、异常批次占比、探伤异常分布、返修原因和交付影响等视图。
3. 流程配置：异常处置要分阶段处理
离心铸造的异常不能用单一规则处理。浇注前未达到转速条件，和浇注中的短时波动，对工艺风险和现场动作的要求不同。系统配置要区分浇注前、浇注中、保速中、出模前等阶段。
在优德普MES中，可以把不同阶段的异常处置做成流程：浇注前不满足放行条件，工单停留在待确认状态；浇注中出现波动，系统记录曲线片段并提示现场确认；生产完成后，存在风险记录的批次进入受控流转，由质量人员复判后再决定放行、返修、追加检验或隔离。
具备联动条件的产线，可以与PLC或设备控制系统配合，完成报警、暂停流转、工单管控等动作。涉及安全联锁和设备停机的动作，需要由现场设备权限和安全规范共同约束。
4. 质量回写：探伤结果要回到生产过程
如果探伤结果只停留在质检表里，生产过程就很难被验证。MES+BI方案里，探伤、压力试验、尺寸检测、返修、报废等结果需要回写到对应批次。质量人员复判时，可以同时查看转速曲线、设备状态、模具信息、炉号信息和操作记录。
例如某规格产品近期探伤异常上升，系统可以把相关订单、设备曲线、模具编号、炉号、返修数量、报废数量和交付节点放在同一视图中。信息化团队可以继续向下钻取到工单明细，质量团队可以查看批次处置记录，生产团队可以看到待处理任务。
这类闭环不是为了增加表单，而是让质量结果能反向校验过程数据。过程与结果放在一起，企业才有依据判断是工艺窗口需要调整，设备需要维护，还是某类模具组合需要复核。
5. BI输出：按管理问题组织数据
BI层不要只堆指标。离心铸造管理层更关心的是：哪些设备近期波动较多，哪些模具组合返修集中，哪些炉号关联的异常偏多，哪些订单因待确认批次影响交付。
优德普BI可以基于MES沉淀的数据，按设备、产品、模具、炉号、班组和时间段形成分析视图。设备侧看稳定性，质量侧看异常分布，生产侧看流转状态，经营层看返修报废和交付影响。
对IT和信息化团队而言，这类项目的落点不是做一个新看板，而是把设备采集、MES执行、质量回写和BI分析放到同一套数据口径下。离心转速从设备屏幕进入工单和批次档案后，才真正具备复盘和改进的基础。
