2. Hexagon质量数据体系总览

在Hexagon的产品版图中，质量数据并不是单一系统里的一个数据库表，而是分散在计量硬件、检测软件、制造执行系统与集团级平台之间的一整套数据资产。理解这套体系，关键要回答四个问题：数据从哪里来、有哪些类型、按什么层级组织、多工厂之间如何协同治理。本节先建立一张“全景地图”，后续章节再逐层展开。

一、质量数据的四类来源

从产生位置看，Hexagon质量数据可归为四类来源，它们的数据形态、更新频率和治理重点差异明显。

• 测量设备层（传感器与采集卡）：三坐标测量机（CMM）、激光跟踪仪、绝对臂、蓝光扫描仪、影像测量仪等设备在采集瞬间产生的原始信号与点云。典型对象如Leica绝对跟踪仪输出的距离、角度观测值，或扫描仪输出的百万级点云。这类数据体量大、时效性强，通常先在设备端或边缘端做压缩与坐标转换。
• 检测软件层：PC-DMIS、QUINDOS、Inspire、Metrology Reporting等软件对原始数据做特征拟合、公差判定与报告生成，产出的是“已解释”的测量结果，如圆度0.012 mm、位置度φ0.15 mm。
• 制造执行层：MES、SCADA、PLC中与质量相关的过程参数，如拧紧扭矩、焊接电流、压装力、环境温湿度。它们解释“为什么这个尺寸会漂移”。
• 业务管理层：QMS、ERP、供应商门户中的不合格品单（NCR）、纠正预防措施（CAPA）、来料检验记录、供应商批次信息，属于质量事件与流程数据。

四类来源的协同关系可以概括为：设备层提供“事实”，软件层提供“判定”，执行层提供“原因”，业务层提供“处置”。缺少任何一层，质量追溯都会断链。

二、数据类型与结构差异

按数据形态，可进一步分为结构化、半结构化和非结构化三类。结构化数据包括测量值、公差、判定结果、过程参数，适合入库和统计过程控制（SPC）；半结构化数据包括检测程序、报告模板、设备配置；非结构化数据包括点云、扫描网格、检测影像、PDF报告。多工厂协同治理的难点，恰恰在于非结构化数据难以直接跨厂比对——同一零件在两厂扫描的点云，若坐标系、基准、滤波参数不一致，数值上根本无法对齐。

三、层级关系：从特征到集团指标

Hexagon质量数据在逻辑上分为五层，自下而上依次是：

1. 信号/点云层：原始观测值，未做任何工程解释。
2. 特征层：由点云拟合出的圆、平面、圆柱、槽等几何特征及其尺寸。
3. 零件层：单个零件的完整检测报告与合格判定。
4. 批次/工单层：同一工单或批次内多个零件的统计结果，如Cpk、均值漂移。
5. 工厂/集团层：跨工厂、跨产品线的质量指标，如一次合格率（FTT）、百万分之不良率（PPM）、供应商质量评分。

层级越高，数据越聚合、越抽象，但对管理决策的价值越大。治理的核心原则是：下层数据必须可向上追溯，上层指标必须可向下钻取。例如集团看到某工厂PPM异常，应能逐层下钻到具体工单、具体零件、具体特征，最终定位到某台CMM的测针校准记录。

四、多工厂协同治理的总体架构

多工厂场景下，最大的挑战不是“数据能不能传”，而是“传过去之后能不能比”。同一零件在A厂和B厂检测，若A厂用最小二乘拟合圆、B厂用最小区域法，圆度结果可能相差数微米，直接对标就会得出错误结论。因此，协同治理架构必须包含四个支柱。

第一，统一数据模型。定义集团级的特征命名规范、基准体系、单位制与坐标系约定。例如规定所有位置度均以A-B-C基准体系表达，所有长度单位为毫米，所有角度为度。这是跨厂可比的前提。

第二，统一判定规则。将公差、滤波参数、拟合算法、采样策略固化为集团标准检测模板。各厂可以有自己的检测程序，但输出到集团层的数据必须按统一规则重新计算或标注规则版本。

第三，主数据同步。零件号、工单号、设备台账、供应商代码等主数据由集团主数据管理（MDM）统一分发，避免各厂各自编码导致关联失败。

第四，分层治理与权限。工厂层负责数据采集与本地判定，集团层负责指标汇总与跨厂对标。数据血缘记录每一次转换、合并与规则变更，确保审计可追溯。

五、一个可参考的治理检查清单

下表可作为集团质量数据治理启动阶段的快速自查工具，字段和判断依据均围绕Hexagon质量数据体系设计。