3. 检测数据模型与数据结构

在Hexagon生产检测数据管理与质量分析平台中，数据模型决定了系统能否把“现场测了什么、按什么要求测、测出来是多少、属于哪一批、为哪张工单服务”这些信息完整地串起来。如果只把测量结果当成一张孤立表格，后续的质量追溯、趋势分析、SPC控制和报告输出都会变得困难。因此，理解检测特征、公差、测量值、批次、工单这几个核心对象及其关系，是使用平台进行数据管理与分析的基础。

一、核心数据对象是什么

Hexagon平台中的检测数据模型通常围绕几个关键实体展开。检测特征（Characteristic）是零件上被检测的具体几何或属性对象，例如孔径、轴径、平面度、位置度、圆度、粗糙度或某个角度。它描述的是“测什么”，并通常带有唯一标识、名称、类型、所属零件或图纸区域等信息。

公差（Tolerance）是检测特征允许的偏差范围，描述“合格判定标准”。一个特征可以关联一个或多个公差项，例如上偏差、下偏差、名义值、公差带类型、单位以及是否对称公差。公差不是测量结果本身，而是判断测量值是否合格的依据。

测量值（Measured Value）是实际检测得到的数值，描述“测出来是多少”。它通常包含实测值、测量时间、测量设备、操作员、测量程序、单位以及对应的检测特征。一个检测特征在多次检测中会产生多个测量值，因此测量值与检测特征之间通常是一对多关系。

批次（Batch/Lot）是生产或检测过程中按一定条件划分的一组产品集合，描述“这批零件是什么”。批次通常包含批次号、生产日期、物料号、数量、供应商或生产线等信息。一个批次可以包含多个工单或多次检测任务，是质量追溯的重要粒度。

工单（Work Order）是生产执行层面的任务单元，描述“为谁生产、生产多少、何时完成”。工单通常包含工单号、产品型号、计划数量、实际数量、开始与结束时间、状态等。一个工单可以关联多个批次，也可以直接关联检测任务和测量值。

二、对象之间的关系

这些对象不是彼此孤立的，而是通过主外键关系形成一张可追溯的数据网络。典型关系可以概括为：工单驱动生产，生产形成批次，批次包含待检产品，检测任务针对产品上的检测特征执行测量，测量值依据公差进行合格判定。

更具体地说，一个工单可以对应一个或多个批次；一个批次可以包含多个零件或检测对象；每个检测对象上定义多个检测特征；每个检测特征绑定一个或多个公差；每次检测针对检测特征产生一个测量值。这样，当发现某个测量值超差时，可以沿着“测量值→检测特征→公差→批次→工单”的路径快速定位问题来源。

三、关键字段与数据组织方式

在实际平台中，这些对象通常以表或数据集的形式组织。检测特征表存储特征定义，公差表存储判定标准，测量值表存储每次检测结果，批次表和工单表存储生产上下文。它们之间通过外键关联，例如测量值表中会包含特征ID、批次ID、工单ID等字段，从而把一次测量放回完整的生产语境中。

以孔径检测为例，假设某工单WO-2024-0512生产一批法兰盘，批次号为LOT-240512-A，数量200件。图纸要求孔径名义值为Φ10.00 mm，上偏差+0.02 mm，下偏差-0.01 mm。平台中会建立检测特征“法兰盘中心孔径”，绑定该公差，并在测量值表中记录每次实测值，例如10.008 mm、10.015 mm、9.995 mm等。系统根据公差自动判定合格或超差，并可按批次、工单汇总合格率与趋势。

四、实际使用中的注意点

第一，检测特征与公差的绑定关系要稳定。如果同一特征在不同工单中公差不同，应通过版本或工单级公差覆盖来管理，避免用错判定标准。第二，测量值必须携带足够的上下文，至少包括特征ID、批次ID、工单ID、测量时间和设备信息，否则后续追溯会断链。第三，批次与工单的关系要明确是一对多还是多对多，这直接影响合格率统计口径。第四，对于位置度、轮廓度等复杂特征，测量值可能是一组坐标或点云，平台中通常以结构化结果或关联子表存储，不能简单当成单个数值处理。

总体而言，Hexagon平台中的检测数据模型不是简单的表格堆叠，而是一张以工单和批次为上下文、以检测特征为枢纽、以公差为判定规则、以测量值为结果记录的关系网络。掌握这张网络，是后续进行质量分析、趋势监控和追溯管理的前提。