数据分析方法在不同质量管理角色中的应用

数据分析方法在不同质量管理角色中的应用

王迎1，吴新春2

(1.武汉工程职业技术学院，湖北 武汉 430080；武汉钢铁集团公司信息与创新部，湖北 武汉 430080)

摘要：钢铁产品质量管理贯穿产品研发、制造和使用全过程，影响因素多、管理难度大。根据企业不同质量管理角色的责任和要求，针对性设计了一套质量操作人员、质量控制人员、质量设计人员的分析方法，并结合具体案例展示了其良好的应用效果，使企业快速实施基于数据的分析方法、提升质量管理水平成为可能。

关键词：钢铁产品；数据分析；质量管理；角色；应用

中图分类号：F273.2

收稿日期：2015-08-15

作者简介：王迎(1969-)，女，湖北汉川人，武钢大学人力资源开发中心副教授；吴新春(1970-)，男，武汉钢铁集团公司信息与创新部教授级高工。

一、钢铁企业数据分析方法应用的背景

钢铁产品品种规格多、生产流程长、工艺复杂，现场所收集到的原始数据，必须加以有效的整理、分类、展示和管理，才能成为有价值的数据，进而通过数据分析，萃取、提炼、挖掘信息，找出内在规律，掌握问题点及其重要原因，指导产品质量设计和质量过程控制。

长期以来，由于钢铁企业质量数据采集困难、数据分析方法复杂、质量管理人员应用能力欠缺，严重的阻碍了企业整体质量水平的提升。同时，钢铁产品质量的实现，从研发到量产，从原材料到成品，需要全体员工的共同参与、相互协作。不同层次的员工在产品质量实现过程中的职责和所起的作用各不相同，对于数据分析方法的掌握，也应要求不同、侧重点不同。针对性地选择并推广使用科学、高效、便捷的数据分析方法对于提升企业质量管理水平具有十分重要的意义。

本文结合钢铁企业质量操作、质量控制、质量设计人员的实际案例，根据不同质量管理角色要求，设计了一套数据分析工具和方法，并展示其卓越的可视化效果，大大降低实施数据分析的进入门槛，便于使用者迅速学会基于数据的质量管理工作方法和思维方式，快速全面展开数据分析工作，使企业快速实施基于数据的质量管理成为可能。

二、质量操作人员的分析方法与应用

质量操作人员按照技术操作标准的要求作业，将设计好的产品从原材料、半成品加工成成品，是实现产品质量的操作者，要有良好的执行力。操作人员以提高质量的稳定性为目标，考察工艺规范的执行情况，及时快速地发现质量的异常波动，积极采取正确恰当的措施，及时消除异常波动，并配合专业技术人员分析较复杂的质量问题，理解并实施改善措施。

“一图胜千言”，质量操作人员主要是运用分层分析的思想，灵活运用数据分析方法中的一些图形分析工具如排列图、直方图、箱线图、控制图、散点图、决策树等进行探索性数据分析，来探索不同操作人员、不同设备、不同的原材料批次、不同工艺设置等生产条件变化对产品质量的影响，以下举例说明：

1. 排列图：又称帕累托图、八二法则，根据“关键的少数和次要的多数”的原理开发，用于寻找主要问题或影响质量的主要原因，确定应该先集中资源解决哪些问题。在实际应用中，排列图的应用长期停留在一个非常初级的阶段，功效常常没有被充分发挥出来，现以下例详细说明排列图的用法：

某产品近期质量问题严重，经统计，瓦楞状、夹杂、重皮、探伤不合、裂纹、结疤等六种质量缺陷发生频次差异不大，分析到此，很难抓住主要问题，分析缺陷产生的原因也没有方向(见图1)。

图1　缺陷的排列图

采用用分层分析的思想深入研究，发现这些产品分别由1#、2#生产线用A、B两种工艺方案生产，1#生产线用A方案容易产生夹杂，用B方案容易产生重皮，2#生产线用A方案容易产生探伤不合，用B方案容易产生瓦楞状缺陷(见图2)，于是，问题得到有效聚焦，便于分析缺陷产生的根本原因，制定针对性强的改善措施。

2.直方图：是用一系列宽度相等、高度不等的长方形直观地表现数据的分散情况和中心趋势。可以将质量或工艺数据的直方图与要求的分布进行比较，发现生产过程的不正常状态，分析原因，采取相应措施。还可以将不同变量的直方图放在一起，寻找变量间的相互影响关系，以下例加以说明：

图2　分层排列图

研究某产品的某项性能指标是否合格(合格/1，不合格/2)与三个变量(X1、X2、X3)间的关系，用以下直方图组来分析，按是否合格分层，发现只有当变量90

图3　直方图例

3.分割与决策树：“分割”平台可以使用因子X的值有目的地分隔数据，来寻找影响结果的主要原因，产生的分割显示为决策树(条件树)。仍以上例加以说明，当90

“性能(合格/1，不合格/2)”分割

4.控制图：质量操作人员应该熟练使用控制用控制图监控生产是否稳定运行，控制用控制图上的各控制限应由质量控制、质量设计人员通过分析用控制图并结合过程能力要求得出，纳入技术操作标准。当控制用控制图上出现失控点时，操作人员需要迅速找到失控原因，及时采取对策措施，稳定流程。但是，影响流程稳定的因素往往较多，分析时容易茫无头绪，借用控制图生成器，常常能够快速得到提示信息。

例如，某生产线监控冷轧板的强度，运用控制图发现有较多失控点(超上控制限，见图5)，分析原因时考虑了原料批次、生产班组等多个因素，都被排除。

图4　分割法与决策树

图5　控制用控制图

运用控制图生成器寻找失控原因，当把“批次”和“卷号”作为分层信息加入到基本图形上后，很容易看出，“强度”超上控制限的点，都出现在某些批次的第1卷和第5卷(见图6)，这就为分析问题指明了方向。

图6　控制图生成器

在使用图形工具时需要注意，如果数据来源是全数统计或非常大的样本，图形工具得到的结论有很好的指导作用；如果数据来自抽样检验，要基于科学的抽样方法，图形工具得到的结论可以作为提出假设的依据，再运用假设检验、回归分析等方法进行验证。

三、质量控制人员的分析方法与应用

质量控制人员是衔接质量设计与质量操作的关键环节，负责产品制造过程各个环节的质量一贯管理与控制，协调原材料及上、下游工序。好的质量设计需要通过组织生产来实现产品的价值，体现产品的设计质量。

质量控制人员需要充分考虑销售合同的执行、设备条件、生产成本、生产节奏、人员安排等各方面因素，安排好生产时间、数量、人员及品种切换和过渡，实时监控生产实施过程中技术标准的执行情况，产品质量及过程控制是否实现了设计能力，发现差距，及时研究，查明原因，实施整改，需要时及时调整修正标准。

寻找质量问题的原因和解决方案，验证改善措施实施效果，常常在用图形工具进行探索性分析的基础上，用假设检验、回归分析等进行验证。

质量控制人员还需要运用过程能力指数和过程绩效指数分析，评价过程设计水平和控制水平，明确改善方向。

1.过程能力指数：Cp、Cpk、Cpm

Cp：描述过程能力的最重要的指标，反映过程的潜在能力，即过程在仅受到随机因素影响时满足预期要求的能力，值越大，潜在能力越强。

Cpk：反映过程中心的偏离程度， Cpk与Cp的差距越大，说明过程均值μ偏离公差中心M越远。

Cpm：反映过程中心偏离目标造成的质量损失，Cpm与Cp的差距越大，质量损失越大。

2. 过程绩效指数：Pp、Ppk

Pp：反映过程长期控制水平，从过程总波动的角度考察过程输出满足顾客要求的能力。

Ppk：反映过程中心的偏离程度，Ppk与Pp的差距越大，说明过程均值μ偏离公差中心M越远。

3.过程能力指数与过程绩效指数分析

Cp与Pp之间的差距，反映了过程潜在能力与长期运行控制能力之间的差距，即过程是否受到较大异常因素的影响。

4. 评价过程现状与改进方向和目标

质量控制人员通过对比Cp、Cpk、Pp、Ppk、Cpm之间的差距，以及现状与设计能力之间的差距，对照分组原则，可以明确改善方向。

本文以好的过程Cp≥1为参照标准，讨论目标值m=M时过程能力的各种表现类型，当m≠M时，情况更复杂，需结合具体问题综合分析。

表1中插图用正态分布(实线)表示过程短期表现，用正态分布(虚线)表示过程长期表现(实际工作中对长期表现不要求服从正态分布)，以μ>M为示例。

表1　过程长、短期表现类型(举例)

类型1：理想状态,过程控制较好，过程潜在能力较高，且长期控制较好，均值微小偏移或受较小异常因素影响或二者兼而有之，质量损失小。最理想状态是5个指数相等并较大，长、短期表现的正态分布曲线重合，μ=M，说明过程在长期运行中仅受较小的随机因素影响，潜在能力得到完全发挥。理想状态是质量控制追求的目标，实际状态与理想状态之间的差距是改善的方向。

类型2：潜在能力较高，长期运行也较稳定，但均值偏移，质量损失大。过程受较小随机因素和较小的异常因素影响，但过程均值偏移较大，改善方向为调整相关影响因子的设置值，使过程均值趋近公差中心M。

类型3：潜在能力较高，均值控制较好，质量损失小，但长期运行不稳定。过程受到较小的随机因素和较大的异常因素影响，改善方向为根据分组信息查明并消除影响较大的异常因素。

类型4：潜在能力较高，但长期运行不稳定，均值也偏移。过程受到较大的异常因素影响，均值也发生偏移，改善方向为不仅要调整相关影响因子的设置值，使过程均值趋近公差中心M，还要查明并消除影响较大的异常因素。

类型5：潜在能力较低，但长期运行稳定，均值控制较好。过程仅受到较大的随机因素影响，改善方向为提高过程的设计水平，减小随机因素的干扰。

类型6：最差的状态，潜在能力较低，且长期运行不稳定，均值偏移较大。随机因素和异常因素对过程的影响都较大，均值也发生偏移，改善方向首先要提高设计水平，减小随机因素的影响，还要调整相关影响因子的设置值，查明并消除影响较大的异常因素。

5．正确分析计算过程能力指数和过程绩效指数

要充分发挥过程能力分析的作用，正确分组收集数据，并正确计算过程能力指数和过程绩效指数是关键，常见的问题及影响有下面几个方面：

(1)不分层：将不同规格、不同产品、不同产线的数据混在一起讨论，结果常常满足不了流程稳定、数据独立等分析的基本条件，分析结果也不正确。

(2)忽视分组的作用：如果不根据合理子组原则分组，并在短期内完成子组抽样，当发现Cp、Pp差距较大时，分析异常原因就会思路不清晰。实际工作中应从多角度分组分析，以查明异常原因。

(3)忽视过程能力指数对过程处于统计控制状态的要求：失控的过程中包含异常因素的干扰，将所有收集到的数据不经判稳就计算，得到的Cp值偏低，不能正确反映过程的潜在能力。

(4)忽视过程长期表现应包含异常因素的影响：用判稳的数据在计算过程能力指数的同时，计算过程绩效指数，得到的Pp值偏高，不能正确反映过程的长期表现，并且由于在判稳过程中删除了异常点，因而漏掉了改善机会。

四、质量设计人员的分析方法与应用

质量管理大师朱兰曾经说过：归根到底，质量是设计出来的。这充分说明产品研发设计对产品质量的影响最大，决定了产品的固有质量。如何高效研发出适合大规模生产、满足甚至超出客户期望的产品是产品研发质量管理中的一个关键问题。

质量设计人员主要负责在产品研发阶段设计制定产品标准、预测过程能力、筛选关键因子、制定工艺技术方案，确定对原材料的要求和工艺技术标准。以前质量设计人员主要依据技术分析和经验设计产品、制定标准，缺乏足够的数据支撑。随着用户对产品质量及其稳定性的要求越来越高，质量设计人员需要运用数据分析方法来制定科学严谨的技术标准。

建立、修正技术标准常用的方法是首先运用设计、实施试验收集的数据或收集的历史数据建立模型、分析模型、设定标准及公差，然后小规模试生产验证标准，最后将标准下发到操作岗位。

下面举例说明建立、分析模型、设定标准及工艺控制的工作：经前期分析得知，3个自变量X1、X2、X3是影响某产品性能Y的关键因素，收集118组数据，分布情况如图7所示：

图7　Y与各自变量的直方图

目前对Y的控制能力较低，长期不合格率达到99793ppm(见图8)。希望分析拟合Y与3个自变量的关系模型，找到各自变量的最佳设置及允许标准差，提高对Y的控制能力。

图8　Y的过程绩效指数及缺陷率

1.通过逐步筛选的响应曲面回归，建立分析模型(见图9)：

2.用预测刻画器寻找各自变量的最佳设置组合(见图10)：根据工艺、设备、成本等限制条件，调整各自变量的设置，使Y达到目标值。

3.分析各自变量的允许标准差：响应Y的变异与自变量X的变异相关，为控制误差传递的影响，需要控制各自变量X的允许标准差，过去通常的做法是减小X的公差，会导致成本提高，现在可以利用蒙特卡罗模拟，选择合适的自变量标准差，降低工艺优化成本，同时满足响应Y的能力要求。

图9　Y与各自变量的关系模型

可以看到，当各自变量按图11控制时， Y可以达到目标值，且长期不合格率(200ppm)比现状(99793ppm)大为降低。

模型方案与现状相比，对标准差的要求并没有加严，只需控制好分布(类型、均值及标准差)，就能取得满意的效果。

图10　预测刻画器结果

图11　调整各自变量的波动范围

参考该分析结果，可以得到过程的潜在能力和控制用控制图的控制限。

五、结束语

随着钢铁行业面临越来越严峻的形势，以质量为核心，提升产品质量设计水平、保证过程质量稳定性、降低劣质成本、提升服务质量，已成为企业应对危机、求生存、谋发展的共识。本文根据企业不同质量管理角色的责任和要求，针对质量操作人员选择设计了运用直方图、排列图、控制图、决策树为代表的数据分析方法，实现分层分析，实现标准化作业的方法；针对质量控制人员设计选择了运用假设检验、回归分析及过程能力分析控制产品质量的方法；针对质量设计人员设计了基于数据建模、响应优化和蒙特卡罗模拟，设定标准、分析工艺方案和控制标准的方法，并分别结合具体案例展示了其良好的应用效果，使企业实施基于数据的分析方法，快速提升质量管理水平成为可能。

参考文献：

[1]何帧.六西格玛管理[M].中国人民出版社,2014.

[2]马逢时,周暐,刘传冰.六西格玛管理统计指南[M].中国人民出版社,2010.

责任编辑：雷三容