對於複雜的製程測量（如曲線和分佈），採用不同的控製圖方法，以及如何將統計工具與自動化和資料管理結合使用，對於高效和永續的製造流程至關重要。
研發階段更注重提取大量複雜測量數據來表徵產品，而生產製造階段的合格/不合格標準往往基於數量較少的指標，通常是單一數值數據。我們致力於彌合研發和生產製造之間的差距，探索利用分析工具來獲取有價值的製程複雜測量數據，從而監控和控制生產過程。
大家好，我叫 Patricia Blanco García。我是莊信萬豐 (Johnson Matthey) 技術中心配方團隊的首席科學家，該中心位於英格蘭南部雷丁附近。我接受過化學的專業訓練，使用莊信萬豐的軟體已有四、五年了。在本文中，我將探討資料分析在新製程分析技術中的作用。如果您還不了解莊信萬豐，它是一家全球領先的永續技術解決方案供應商，致力於幫助領先的能源、化學和汽車公司實現脫碳、減少有害排放並提升其永續發展能力。
例如，每三輛汽車中就有一輛安裝了莊信萬豐（Johnson Matthey）的觸媒轉換器。 2023年11月，莊信萬豐協助全球首次完全使用永續航空燃料的商業跨大西洋飛行。莊信萬豐的大部分產品都採用配方，下圖對此進行了說明。從左到右，我們看到的是安裝在汽車廢氣排放系統中的觸媒轉換器，它們表面塗覆著一層含有活性催化劑的漿料。
第二張圖展示的是燃料電池油墨，這些物質被沉積下來，形成用於全電池和電解槽的塗層。此外，還有一些粉末狀物質，它們不僅用於油墨，還用於製造顆粒狀或球狀催化劑，這些催化劑用於化學品的生產。
這些配方包含分散顆粒、聚合物和添加劑的混合物，並溶於溶劑中。正如我之前提到的，一個例子是排放控制系統中的汽車催化劑。在這種情況下，汽車催化劑的活性物質分散在混合金屬氧化物粉末上，這些粉末被配製成漿料，然後將該漿料塗覆到汽車排氣系統中的載體上。
在JM公司，我們生產數百公斤的這類漿料，並依照特定規格進行研磨。對我們而言，優化這些物料加工流程中的每一個步驟對於永續發展至關重要，這不僅關乎材料利用，也關乎能源利用。因此，引入線上測量對於實現這一目標至關重要。
我所在的團隊參與了歐盟「地平線2020」計畫的一個項目，該計畫旨在開發用於無機催化劑分散體加工過程中粒度分析的即時雷射衍射技術。粒度分析是JM公司許多產品的關鍵測量指標，也是用於定義不同業務領域產品性能指標的表徵套件的一部分。
然而，粒度測量並非在線上進行。理想情況下，我們希望能夠現場測量，但實際上，樣本大多需要手動採集，並指定採集時間，然後在實驗室進行測量。樣品可能會老化，也可能由不同的操作人員進行測量。這種方式效率低下，並且容易導致重複性和再現性誤差。因此，即時測量至關重要，因為它能夠對昂貴的研磨過程進行精確的終點評估，並最大限度地降低過度加工的風險。
我要在這張海報中討論的是，如何運用不同的控製圖方法來測量複雜的過程測量數據，例如曲線和分佈，以及如何將統計工具與自動化和數據管理相結合，從而實現高效和可持續的製造過程。
在研發階段，人們更著重在提取大量複雜的測量數據來表徵生產中的產品。而以往的失敗標準往往基於較少的指標，通常只基於單一數值資料。例如，像右圖所示的尺寸分佈百分位數，但對於複雜的粒徑分佈，使用像左圖所示的完整曲線則更為合適。
左側的不同顏色對應著中間不同的時間間隔。兩種情況下，我們都展示了線上數據和離線數據的對比。我們可以看到趨勢相似，但這非常主觀。使用統計工具可以幫助我們減少主觀。我要向您展示的第一個工具是控製圖。控製圖專門用於監控一個或多個製程變數。這些過程變數可以是溫度、壓力等等。 X軸代表時間。
在這個例子中，我們正在測量粉末樣品的粒徑，並獨立監測各粒徑分佈的百分比。我們測量了 D10、D50 和 D90。雖然我們經常使用百分位數，但它們作為多峰分佈的指標並不理想。因此，最終目標是監測或視覺化整個分佈曲線，而不僅僅是百分位數。
我們可以建立曲線控製圖來幫助我們視覺化整個分佈，而不僅僅是某個數值。這種方法借鑒了索爾維公司的Nicola Brammer，她曾在去年的峰會上介紹過這種方法。她用這個工具來監控批次生產過程，而我們則將其應用於顆粒尺寸測量的監控。
為了建立曲線控製圖，需要為每個尺寸等級分別建立單獨的控製圖。控制限代表了製程中的固有變異。我們使用歷史測量數據，根據先前的測量結果計算控制限。透過視覺化，我們可以判斷過程是否失控，即曲線是否超出控制限。圖中綠色曲線表示目前測量值，實線（黑色）表示測量值的平均值，虛線（上下控制限）表示上下控制限。此外，我們還可以根據需要添加規格限。
這或許比之前的控製圖更好，因為它展現的是整個分佈，而不僅僅是一組數值，但它仍然只是可視化的。如果更進一步，使用主成分分析，就可以監控規模分佈，也就是每條曲線的主成分。在這種情況下，基於主成分分析模型的控製圖允許我們使用每條曲線的函數和主成分來監控分佈。我們可以建立一個控製圖來表示整個分佈，該控制圖基於函數主成分。
我希望我已經向各位展示了即時測量製程參數對於製程控制至關重要，以及統計工具如何幫助我們最大限度地挖掘資料價值。我們正致力於將這種方法應用於研發和生產環境中的實際案例研究。最後，我要感謝George Platt和Chand Malde為本次示範提供了一些銑削資料。同時，我也要感謝Pilar Gomez，她幫助我將想法轉化為我們可以應用於自身數據的工具。謝謝大家的聆聽。
