实时质量管理系统应用的领域

是全面质量数智化的底座

质量规划层

基于CP的质量计划、质量任务、质量特性、SOP、AQL电子化

质量数据层

SPC、BI、OOC Action、闭环控制、数据分发(信息中心)

数据采集层

链接传感器、PLC、NC、IoT的工具，SCADA、检测算法、边缘计算

质量运行时应用场景(参考)

贯穿QA与QC

质量检验的改进之路

人工检测 vs. 自动化

传统方法：传统质量检测通常依赖于人工技能，主动性，作业规范等来保证检测。

现代方法：现代质量检测越来越倚重于自动化技术，如计算机视觉、传感器技术和机器学习。自动化有助于提高效率、减少人为错误，并实现更高的检测精度。

实时监测 vs. 批次检测

传统方法：通常采用合格性评定，判定NG/OK结果后数据即失效。

现代方法：现代质量管理更强调连续数据的特性反馈，除了合格性判定，还需要关注过程能力、趋势变化、异常躁动、分布形态等多个指标是否满足要求。

数据处理和分析

传统方法：数据即时处理判定后，后续的数据质量分析简单滞后，甚至数据从此沉寂，不再关注。

现代方法：借助先进的数据处理和分析工具，如统计分析软件、大数据分析和人工智能，对大量的实时数据进行分析，以提取有用的信息、模式和趋势。

多维度 vs. 单维度评估

传统方法：通常以较少的指标和维度进行评估，主要关注工件而不检验工况。

现代方法：更倾向于多维度的评估，除工件本身的检测特性外，还包括生产过程中的工况特性：环境特性；设备参数；工装、夹具、刀具损耗及寿命特性、4M1E等。

灵活性和定制化

传统方法：通常较为刚性，难以适应不同产品和生产环境的变化。

现代方法：更具灵活性，能够根据产品类型和生产需求进行定制，可以轻松适应不同的制造流程和要求。

质量过程控制的改进之路

即时性和实时性

传统的SPC通常以周期性的方式进行数据收集和分析，而现代质量管理更强调即时性和实时性。在当今快速变化的商业环境中，及时获得并处理质量数据对于迅速做出决策至关重要。传统SPC可能不足以提供足够的即时性。

大数据和高维度

随着技术的进步，现代企业生成的数据量迅速增加，而传统的SPC可能不够灵活以应对大数据和高维度的挑战。现代企业需要更先进的数据分析工具和技术，如数据挖掘和机器学习，以从大规模和多维度的数据中提取洞察。

全价值链的一体化

传统SPC通常局限于制造环境，而现代企业质量管理更强调全价值链的一体化。这包括从供应链到产品生命周期的各个阶段的质量管理。传统SPC可能难以跨足整个价值链，而现代方法更注重整合。

客户导向

现代企业质量管理强调客户满意度和客户期望的满足程度，而传统SPC可能过于内向，更专注于生产过程的内部控制而忽略了客户需求的直接反馈。

灵活性和敏捷性

传统SPC的方法可能相对刚性，而现代企业需要更大的灵活性和敏捷性以适应市场的快速变化。传统方法可能无法有效应对不断变化的产品需求和制造环境。

质量规划的改进之路

质量规划是落实质量
体系要求的重要纽带

质量规划工具既要能衔接质量体系形成的CP（控制计划），也要和质量现场检测作业进行自动化贯通。

检测任务流程化

对于产品的质量控制计划应该是具有时序流程化来规范和协作，是质量作业避免混乱的重要手段。

检测规范数字化

在每个检测工序上，检测项目、公差标准、检测方法、检测工具等都应该是由eSOP绑定的，且具有一致性。

检测操作傻瓜化

质量检测应尽量减少认为因素的影响，现场人员作业应在系统的指导和约束下进行，做到按需作业。

结论判定自动化

所有的基于数据的判断、以及对于质量状态的响应都应是自动化的快速执行。

抽检频次智能化

基于AQL的抽检时间间隔、频率、AC/RE数量应该根据动态的质量能力状况自动调整为最合理状态。

质量运行时工具模块

基于统一数据格式的Rohoon 数据湖（Data Lakes Lakes）将不同来源、不同维度的数据进行了打通，在此基础上，为客户提供了质量规划、动态SPC 、多维SOP 、动态AQL 、数据采集及检测数字化、信息分发器等实用工具

R-QPlan

质量规划及检测任务管理

R-SOP

基于Q4和MBD的SOP数字化

R-ME

基测量数字化终端、量仪

R-dSPC

基于多维、闭环和动态的SPC工具

R-Data Connector

基于AI的数据采集、检测数字化

R-Analysis

BI及质量大数据分析工具

Rohoon Quality Realtime
是为配合Quality4.0 提供的IT 工具
more quality...

Rohoon质量运行时工具包2025版

R-QPlan 质量规划管理工具

R-QPlan 质量规划管理工具可以应用于车间生产过程或者品监中心的质量规划、质量任务下达，及质量数据的收集、统计、分析、追溯，结合人、机、料、法、环的多维数据及CP规划，实现质量管理可穿透到生产的最底层，也可以与容恒或第三方的FMEA、QMS、CAPA等系统进行上下游串通。

灵活定义业务

对于业务要素及相关关系、CPCP，可以根据不同用户的业务要求及要实施的侧重点，进行灵活定义质量任务下发流程、工单界面、分析工具、报表等。

兼容各种基础设施

无论您希望系统落实在纯Web 构架上，还是要和某些客户端程序进行衔接，或者使用不同类型的数据库、不同类型的操作系统，我们都能很好地进行兼容。

丰富的接口

如果您希望和任何在现场的其它系统进行联动，我们提供极其丰富的上百个数据接口可以使用，以便您进行数据连接和功能扩展。

易于使用

系统的界面友好、直观，在不借助复杂使用说明书和大量培训的情况下，操作工或使用者都可以快速上手；同时借助MBD技术，大量的减少了一线人员的过于专业的技术性作业，如复杂的特性配置等。

R-dSPC 动态质量过程管理工具

R-dSPC中独创了大量的数据算法，不同于传统的SPC软件，它具有不同于简单统计学的非正态数据的检验、识别和特性提炼技术，使数据结论符合质量4.0模型，除了含有传统SPC的计算能力，更具备了支持多种数据连接、动态应用、5M1E+时间戳等多维数据的关联、反应脚本、扩展OOC、Al/BI的算法融合等特性，更贴近于制造业在线多因素数据的实用场景。

非正态控制

对于多因子的非正态数据，不再要求进行数据提炼、因子分解、数据转换等数据清洗过程，基于独立算法，自动识别特性和控制状态，在AI模型下进行变化变因的QC控制。

闭环

当SPC发现需要处理的OOC或某些指标信号（如稳态、正态性、偏倚、震荡、趋势、多因子等）时，根据状况，R-dSPC可自动反馈给上位设备、或让管理系统创建临时任务、或通过各种介质报警等。

可扩展

无论是新增OOC判异类型，增加自己定义的计算指标，或者设计自己格式的报告、设计一个自己需要的分析图， R-dSPC都配有相应的工具和脚本，帮助您把专家知识融入软件。

多维度

在传统SPC单因子控制图的基础上，R-dSPC 将人、机、料、法、环或其它业务要素都融进了数据模型，帮助您快速找到任何关注点的相关因子、切割数据或做出数据Cube。

R-ME 测量数字化终端

数字化测量除了专有的传感器技术、数字滤波技术、AD技术等之外，还需要一些特定的软件技术进行自动采集、去除干扰、自动判断、绑定系统任务、自动获取参数等作业， R-ME既可以用在通用检具（如常规的数字化卡尺、千分尺）外，又可应用在特殊工装的检具（如轴仪）、自动化检测设备、人工检测设备上，还可以用于专用检测设备（三坐标、轮廓仪、影像检测仪等）的数据自动采集上。

智能

R-ME在人工检测时，操作工甚至无需抬头看屏幕，它可以自动识别工件上位、自动启动测量采样、自动结束测量采样、自动判定、语音播报判定结果、自动等待下一工件；在自动化测量机上，支持程制化。

形式多样

R-ME有支持人工检测的版本，也有支持自动化测量机的版本，也有提供采集接口的支持三坐标、影像仪、轮廓仪的版本，也有集成了软硬件的Mini量仪版本。

MBD构架

如果部署了R-QPlan、R-SOP或IMCS，R-ME的所有工艺设定和参数设定（如公差标准、检测方法、检具参数、计算公式等）都可以从服务器上直接下载，避免现场人工输入的低效率和不宜的容错性。

兼容

从直接从各类传感器取值，到通过数码卡尺等通用检具取值，从PLC集成，到三坐标等复杂设备的取值，R-ME均有适宜的方案提供。

R-Data Connector 数据采集器工具

R-Data Connector是数据采集的一个既可以纯软，又可以软硬结合的方案，它可以为额外的SCADA系统服务，也可以接洽容恒的所有需要数据采集的产品，如R-dSPCdSPC，R-MEME，R-QPlan等。

兼容协议

支持ModBusModBus（TCP、UDP、RTURTU），TCP/IP，西门子S7S7，三菱PLC、发那科PLC、欧姆龙PLC、基恩士PLC、ProfiNetProfiNet，ProfiBus、OPC UA、MQTT 等200多个协议。

快速部署

R-Data Connector根据不同的应用场景，既支持纯软件部署（在线边服务器或SCADA服务器上），也支持通过不同通讯介质（如RS232RS232）的边缘计算小盒（RDC10RDC10）的部署。

R-SOP 标准作业规范电子化

基于质量4.0及MBD（基于模型的设计）理念， SOP在Q4信息化的过程中不应仅仅是针对于人的作业指导书，应该含有更多的业务数据化元素，如设备参数、检测方法、计算方法、QC或SPC管控参数、环境参数等，如果实现了这样的数字化SOP，在生产管理中，将更容易进行统一归口管理、5M1E协调配置，对于企业质量管理提升的同时，降低了一线工人的培训负担，使企业的鲁棒性更强。

多元化

SOP利用非结构化数据技术，使得工艺参数、图纸、工序设备参数、作业要求、点检明细、数据采集项目、QC 要求等等统统进行了一致化维护、管理、下发和变更，使得现场管理多维化。

数字孪生

数字SOP是数字孪生的极好的支撑工具。数字孪生是一种典型的数据驱动技术，这种特性使得数字孪生可以借助多维的SOP反映人们之前难以应付的复杂性和动态性。

R-Analysis 分析工具

质量4.0一个重大特性就是将数据作为圆心，通过数据工具向外扩展，如机器学习（ML）、人工智能（AI）等，最实际的应用就是对数据进行BI分析，并及时形成数据报告（配合IT系统的快速反应）而不是纸质报告（只能寄托于人的响应效率）

灵活定义

对于任意的OLAP分析也好、图形化分析也好、模态分析也好，使用者随时随地都可以根据自身需要进行重新设计、调整及发布到各个展示环境中。

快速触发

无论数据何时产生，只要设定了事件的脚本，系统既可以立即作出反应。

QR 给企业带来的价值变化

实时质量管理系统通过数字化、标准化和智能化手段，将客户价值从“被动补救”转向“主动预防”，最终实现质量可信度、服务敏捷性、成本可控性的全面提升，为企业赢得长期市场竞争力。

产品质量波动大

传统管理模式依赖人工检验，缺乏全流程监控，易导致产品缺陷率高、退货率增加。

响应速度慢

问题追溯依赖纸质记录，分析周期长，难以快速解决客户投诉。

透明度不足

客户无法实时了解生产进度和质量数据，信任度低。

合规风险高

缺乏标准化流程，难以满足国际质量认证（如IATF16949）要求，影响市场准入。

上线前

Rohoon Quality Realtime

上线后

提升产品质量一致性

通过实时监测生产数据（如SPC、MSA），缺陷率降低，合格率提升；闭环问题管理减少重复性问题，增强产品稳定性

优化客户服务体验

客户投诉率下降，问题解决效率提升（如自动预警推送）提供实时质量数据看板，客户可随时查询生产进度和检测报告，提升信任感。

降低客户成本风险

减少退货和赔偿成本（不良品率降低），供应链响应时间缩短；通过预防性维护和变更管理，避免因质量问题导致的停产损失。

增强合规性与市场竞争力

系统自动符合ISO 9001等国际标准，助力企业进入高端市场。数据驱动的持续改进机制（如PDCA循环）推动产品创新，满足客户个性化需求。

建立长期合作关系

通过透明化质量追溯（如二维码溯源），增强客户对品牌的忠诚度客户满意度提升，带动市场份额增长

核心竞争力

自研的算法技术

自主可控的自研质量大数据指标算法和检测数据清洗算法，为制造业客户提供可以充分信赖的质量数据

非正态分布的QC分析

对于传统的QC统计学工具，如SPC，进行了大幅度的独特改进，充分适应制造业客户多维、动态、闭环、非正态的实际需求和应用场景

基于Q4的闭环系统

在质量4.0（Q4）的场景中，利用独创的三特性闭环方法论，帮助客户实现质量管理的自动化向自洽化闭环系统的转变