大数据环境下的企业质量分析平台构建

2013-02-21袁进

上海质量 2013年6期

“大数据”时代已经悄然降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。企业的质量管理也不例外。企业必须改变他们对质量的看法，才能应对全球经济环境下的持续竞争挑战。2012年，美国的《产业周刊》（Industry Week）就制造商利用质量数据提升绩效的原因和方式在调查的基础上发表一篇主题文章，介绍了企业分析质量平台的工作原理，以及企业级质量平台如何帮助全球制造商将现有数据转化为长期的实际收入增长和成本节约。

尚待开发的质量潜能

对制造商或客户而言，质量并不是一个难以理解的概念。如果能够实现100%的客户满意度，则说明制造商已经达到了质量要求的最高标准。当然，情况并非总是如此。即便是六西格玛质量管理，也允许某些差错的发生。因此，质量成为制造商坚持不懈为之奋斗的目标，而实现这一目标最常用的工具就是数据。

数以百计的衡量标准主要都被用来评估以下质量问题：

——与上周相比，本周废品率的情况如何？

——更换供应商之后，我们的保修成本是否发生变化？

——如果缩短订单交付周期，我们的市场份额是否会相应提高？

客户通常看不见质量评估所涉及的各种测评、输入和分析，这没有关系。但是，令人感到忧虑的是，出于多方面的原因，获取和分析质量数据的活动越来越局限于内部范围。为什么会出现这种趋势？如何运用企业级的分析解决方案将这一普遍问题转化为竞争优势？《产业周刊》的这次研究报告给予了说明和解答。

过去，质量改进通常在极微观的层面上进行。质量团队发现缺陷，然后收集数据，从而了解产品设计和生产流程中出现的问题。企业在引入统计过程控制之后，对质量问题给予了更多的重视，因为这一工具能够在生产流程出现偏差时发出某些预警信号。这是实施质量控制的第一步。

在认识到收益的变量和质量目标的变量之间相互依存之后，制造商接下来就是着手开发他们的信息系统——过程工程。过程工程可以识别多种输入要素之间的相互关系，并促进跨功能环境下数据的汇集和展示。由此，信息可以更快地传递给那些执行改进或优化行动的群体。

但是，是否还能跨出第三步？我们是否能从过程工程过渡到过程认知，形成涵盖整个组织的一种全局性认识？一种从最基层的一手材料提炼出来的较高层次的认识？公司能否在收集全部相关过程、产品、设备和服务数据的基础上，掌握事实，形成一个战略性、预测性和最优化的愿景，形成一个承认功能与衡量标准之间相互依存关系（一度被视为孤立存在）的信息框架？

以上设想成为可能的前提，在于组织采取企业级或全局性的方法收集并分析质量数据，不仅把这些数据作为质量控制的工具，而且将其视为在关键领域指导行动的战略。

赛仕软件公司制造与供应链市场营销经理迈克尔·纽科尔克（Michael Newkirk）表示：“从企业文化来说，以全局性的视角看待过程改进令人难以适应。相当多的过程改进是通过质量活动的授权和去官僚化实现的。领导者和经理人常常认为‘在我们把所有数据归集到一起之前，我们的每个工程师早就找到并解决了消耗利润的诸多问题’。这在十年以前确是事实，但在今天，整体的过程改进早已成为触手可及的现实。”

《产业周刊》的这次质量调查和研究显示，对于全球的现代制造企业而言，企业级的质量管理仍然是一个尚待开发、潜力无限的黄金领域。利用企业分析质量平台（Enterprise Analytical Quality Platform， EAQP），企业可以把多种渠道收集并分析的质量数据统一整合，从而发现降低成本、提高利润的新机会；并按照对投资收益率（ROI）起效快慢和贡献大小来确定改进项目的优先顺序。

“绝大部分经验老道的制造商都已着手开展这项工作，”纽科尔克表示，“它们创建了知识集合动态档案，集中存储从组织各部门收集而来的数据，并提供给专注于过程和产品改进的工作人员使用。每一项工作的成果都会予以公布并接受评分。运转最有效的模型将得到推广普及，而那些运转效果不佳的模型则被弃之不用。”

“实际上，这相当于为整个企业各部门之间的合作构建了一个虚拟的工作平台。无论是最佳实践、最优模型，还是实验设计成果，所有的一切都将被记录存档并供人分享。”

最为重要的是，根据纽科尔克的观点，每个独立的质量项目仍然是整个过程不可分割的组成部分。企业平台可以扩展和升级，能够对大量数据进行深入分析，如数据挖掘、文本挖掘和精确预测。与此同时，该平台还向每个工程师和分析师提供分析工具的桌面应用端，以及可视化功能。借此，他们可以完成实验设计，实现数据、情境和结果的可视化，然后与企业中的其他员工分享他们的成果和模型。“整体性合作并不影响单个工程师在创新性流程改进方面的努力。同时，利用企业平台，工程师可以分享最佳实践、成功的模型和技术及其相关数据，并由此提升质量工艺带给公司的价值。”

通过更好的数据实现更好的质量

制造商在质量改进工作方面付出了巨大的努力。然而，即便如此，他们往往并未见到自己所期望的成效。根据《产业周刊》的企业质量调查显示，38%的受访者承认，在过去两年中，占销货成本一定比例的质量成本有所增加；而28%的受访者则表示该数据保持不变（参见图1）。

超过半数以上的受访者将降低废品率和返工成本视为质量管理面临的最大挑战（参见图2）。约半数受访者还将维持理想的质量和收益水平视为最大挑战。而被提及次数最多的第三大挑战是拥有充足的可提供有益信息的质量数据。

以下哪些选项是你的公司在质量方面面临的最大挑战？（请选择三项）

我们认为，第三项挑战是制造商在前两项挑战方面表现不佳的主要原因。我们的研究表明，在制造企业的员工中，只有一小部分人会查看质量数据。不言而喻，运营经理和质量工程师一般都会关注质量数据。但是，只有三分之一的持续改进经理关注数据，仅四分之一直接面向客户的员工（如销售人员）会查看数据。仅27%的受访者表示他们公司的每个人都会查看质量数据。

在你的公司或企业中，谁会关注质量信息（如废品率、返工率、保修成本）？

总之，制造商可以在数据整合、分析和利用方面做得更加出色，尤其是能提供战略层面观点的质量数据。究其原因，主要是由于大量的质量数据被日益复杂的IT资产及其带来的混乱和挫折所掩盖。无论规模大小，大多数公司普遍存在的一个现象是，领导者和非IT人员总是假定IT部门为他们提供的数据报告完全符合他们对高效工作的需要，并且他们所需要的一切信息都可以任意调用。但是，事实并非如此。为了改变这种状况，公司领导者必须洞察他们已收集的数据中蕴含的真正战略价值。

如果更仔细地审视制造环境下的IT全景，则不难发现数据实际来源于很多不同的系统：

——企业资源计划（ERP）和物料需求计划（MRP）：通常，由一个供货商提供的解决方案也存在多种安装版本，所有这些版本的发布时间都不尽相同，定制化水平也参差不齐。因企业并购导致的多个供应商，加剧了数据的可获得性问题。

——制造执行系统：拥有不同制造设备的公司极有可能要从多个不同的制造执行系统来源获取数据。按照企业标准统一制造执行系统通常是一件消耗巨大的工作，甚至可能造成损失无法弥补的生产中断。此外，即使应用了标准化平台，制造执行系统在实施层面同样存在着企业资源计划和物料需求计划在实施过程中面临的定制化问题。也就是说，即使针对不同设备应用同一平台，数据提取也绝非易事。

——测试：测试系统通常具有专用数据格式，并和存储应用程序相匹配。为了有效性而从多个供应商那里引进检测设备将使问题变得更为复杂。测试数据一般会被收集到质量管理系统（Quality Management Systems， QMS）和实验室信息管理系统（Laboratory Information Management System， LIMS）中，但因其只针对特定设备，因此很难实现整个系统范围内的数据共享。

——设备：随着越来越多的传感器和微处理器被纳入生产性资产，流程设备和机器所收集的数据日益增多，以求改善设备性能、过程和提高收益。然而，这部分数据并未得到充分利用。尽管该数据可以应用于预测分析，但设备工程师通常只在进行历史评估时才用到它们。

——缺陷：制造商对进料、半成品和成品实施检验，并对质量的异常征兆、缺陷和改进行动进行某种跟踪和分类，如设备检修、流程调整或产品重新设计等。这部分的质量数据至关重要，获取它们和类似数据，并结合其他生产线和工厂的情况加以分析，对企业的质量管理大有裨益。

——过程：生产运营数据收集的原始来源是生产车间，如可编程序逻辑控制器（Programmable Logic Controller， PLC）、射频识别标签、条形码扫描器和人工数据输入站（人机界面），但其聚集和整合的方式并未对质量勘察和分析过程产生任何促进作用。

——供应商：当制造商从供应商那里购入原料、零件和组装配件时，一般也会获得产品附带的质量数据。这些对分析颇具价值的信息将被保存留档，但质量分析师和工程师通常很难获得这些信息。

在复杂的环境下，得到数据的过程冗长繁琐、耗费时日，而且可能并不具有可重复性。问题在执行重复性的必要任务时表现得尤为突出，如根源分析和标准报告。此外，对于需要实时和准实时数据的战略分析而言，及时收集充足数据的可能性几乎为零。

在调查的受访者中，明显存在着上述需求。向调查参与者询问“可以改进其公司或生产设备的质量水平，进而促进利润增长的要素”时，他们的回答不外乎以下几种：

——49%的受访者：帮助操作者提前应对潜在的质量和性能问题，避免其向客户端发展的早期预警分析。

——49%的受访者：不同职能部门间通过企业级技术工具解决问题的协同能力。

——47%的受访者：更方便、快捷地获取质量数据和其他知识。

——37%的受访者：有利于最优过程建立的预测建模，从而提高资产利用率，优化物料消耗，减少返工率，降低废品成本。

企业分析质量平台可以实现以上所有期望，它将从微观战术层面到宏观战略层面全方位提升企业已收集到的质量数据的使用效能。

什么是企业分析质量平台？

图3表示的是一个企业解决方案的概念性结构体系。它包括：

——信息存储：左侧的数据来源是构建企业分析质量平台数据模型最重要的模块。右侧的数据来源能增加解决方案的价值。

质量生命周期分析：这一层级包括适合不同类型用户的多个界面。

——这些界面可能包含：

——显示关键性能指标（KPI）的仪表板。

——满足组织报告要求的报告装置。

——显示不间断监控结果的预警装置。

——用于根源分析的分析工作台。

——帮助事前质量管理的预测建模功能。

——支持预测模型相关过程（包括性能监控）的模型管理。

用户可以获得以下收益：

——从多种来源、平台和操作系统获得并整合关键数据。

——优化数据分析利用。

——为整个组织提供统一版本的实际情况说明。

——基于最佳实践的企业规则和过程的相关支出。适用于所有的报告和分析活动。

某钢铁制造商借助企业分析质量平台实现120万美元投资回报

通过启用一批训练有素的六西格玛黑带专家，一家韩国钢铁制造商实现了理想的增产过程。但是，他们认为，借助整个企业在数据整合、企业数据挖掘和建模方面的协同努力，企业可以取得更大的进步。

在设备和物料方面仍存在着巨大的潜力可挖；废品损失较高，无法达到理想状态。基于独立过程的传统分析方法作用有限。通过将不同设备和流程的数据整合在一起，该公司将15%的废品率降低了1.5个百分点，仅这一项就节省了15万美元。该公司可以确定冷轧钢设备和物料方面的利润变量，并在软件解决方案方面获得了120万美元的年均投资回报。在过去，这一过程是由六西格玛专家识别高附加值改进目标，然后由质量团队进行根源问题分析等活动来实现的。

此外，这家钢铁制造商还将标准热轧卷板生产的交付时间缩短了50%（从30天缩短到14天），存货则减少了60%。通过这些努力，计划和销售周期大大缩短，生产利用率达到最大。而且，这些改进活动并未耗费太长时间，实际上，分析周期的时长也明显缩短。

质量分析平台的主要收益：上市时间、问题解决、绩效改善

尽管运用企业分析质量平台获益良多，但该平台对制造竞争力贡献潜力最突出的三个方面主要包括：新产品上市时间、问题解决和绩效改善。下面将对这三个方面进行逐一分析。

在开发阶段，企业投入重金开发新产品或新模式。在早期尚不成熟时，新产品或新模式的收益通常较低，产品销售也不甚理想。一旦企业完成整个开发过程，准备将新产品或新模型投放市场时，必须将新的过程引入到生产之中。

初始阶段的收益一般较低，因此，该阶段的目标就是将收益提高到最优水平。与此同时，产量也必须有所增长。在很多企业，产量与收益的提升幅度并不显著。

在产品生命周期的早期阶段，市场可以承受较高的价格，但随着竞争的快速展开，单个产品的市场价格亦随之下降。这意味着可用于弥补前期研发投入的时间跨度非常有限。因此，企业提高产量和收益的速度越快，可收回研发费用和获取利润的数额也就越多。

在收益增长阶段，企业分析质量平台可以通过以下手段有效缩短理想收益的实现时间：

——快速反馈。

——丰富的分析工具组合。

——提升透明度以及对制造流程的辨察力。

当产品产量增加并实现理想收益时，各种意外情况的发生也将导致收益和质量问题频发。发生这些情况时，就要尽可能迅速地探查问题所在，深挖根源并解决问题。

企业分析质量平台可以帮助企业显著缩短利用监控解决问题、早期预警以及进行根源分析的时长。这意味着保持质量的较高水准将变得更易于实现。

当收益达到理想水平，企业可能希望在无需投入额外生产能力的条件下，突破现有纪录，继续提高产出和生产率。这是一项困难的工作，也很难取得成功和持续性的成果，组织需要强大的统计研究能力，才能发现最大的改进机会所在。

此外，企业分析质量平台还能帮助工程师和分析师通过丰富的分析研究工具组合得到确凿的统计事实，进而找到由此获得最大收益回报的机会。由于他们能够获取数据并在统一的平台上进行协同，这些机会也可以迅速地转化为现实可行的行动方案。考虑到绩效改进所需的时间、劳动和设备等各项投入，选择需要实施改进的重点领域绝对不能交由“直觉”去判断。

《产业周刊》的这次企业质量调查研究在上述三个收益方面和整合度高、获取面广的企业数据之间建立了关联。根据受访者调查的结果，拥有高度可获得性和整合性数据的企业，缩短了上市时间，降低了销货成本，客户满意度在过去两年的时间中也得到明显提升。