劉 燁 胡昌平 張國政

(連云港杰瑞深軟科技有限公司 江蘇 連云港 222006)

0 引 言

隨著新一輪科技革命和產(chǎn)業(yè)變革的爆發(fā)，全球各國為占領(lǐng)制高點(diǎn)，加快物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等新一代信息技術(shù)研究和應(yīng)用。國內(nèi)外知名企業(yè)為增強(qiáng)全球的核心競爭力，不遺余力地積極推進(jìn)數(shù)字化、網(wǎng)絡(luò)化、智能化建設(shè)，提高科技和管理創(chuàng)新能力，實(shí)現(xiàn)提質(zhì)增效，促進(jìn)企業(yè)轉(zhuǎn)型升級。如何持續(xù)改進(jìn)產(chǎn)品質(zhì)量，不斷提高滿足產(chǎn)品質(zhì)量要求的能力，成為企業(yè)轉(zhuǎn)型升級面臨的最重要的課題。

產(chǎn)品質(zhì)量改進(jìn)必須建立在產(chǎn)品質(zhì)量數(shù)據(jù)分析的基礎(chǔ)之上，而產(chǎn)品質(zhì)量數(shù)據(jù)貫穿于產(chǎn)品研發(fā)設(shè)計(jì)、物料供應(yīng)、制造裝配、調(diào)試試驗(yàn)、售后服務(wù)等產(chǎn)品全生命周期過程。傳統(tǒng)的手工、紙質(zhì)質(zhì)量管理方式、手段存在產(chǎn)品質(zhì)量數(shù)據(jù)量大而分散、采集難，紙質(zhì)化數(shù)據(jù)差錯(cuò)率高、反饋不及時(shí)、利用率低等問題，已無法滿足新時(shí)期產(chǎn)品質(zhì)量改進(jìn)的要求。需要運(yùn)用大數(shù)據(jù)技術(shù)，集成采集、存儲處理、分析挖掘產(chǎn)品全生命周期過程質(zhì)量數(shù)據(jù)，為產(chǎn)品質(zhì)量改進(jìn)的模式創(chuàng)新提供必要技術(shù)支持。

1 產(chǎn)品質(zhì)量改進(jìn)定義

產(chǎn)品質(zhì)量改進(jìn)[8]是為向本企業(yè)及其顧客提供產(chǎn)品增值效益，在整個(gè)企業(yè)范圍內(nèi)所采取的提高活動和過程效果與效率的措施。它致力于消除產(chǎn)品系統(tǒng)性的問題，對現(xiàn)有的產(chǎn)品質(zhì)量水平在控制的基礎(chǔ)上加以提高，使產(chǎn)品質(zhì)量達(dá)到一個(gè)新水平、新高度，最終效果是獲得產(chǎn)品的質(zhì)量比原來目標(biāo)高得多。產(chǎn)品質(zhì)量改進(jìn)活動必須遵循一個(gè)PDCA循環(huán)[7]的科學(xué)規(guī)則，即：計(jì)劃(Plan)，實(shí)施(Do)， 檢查(Check)，處置(Action)。

工業(yè)大數(shù)據(jù)驅(qū)動下的產(chǎn)品質(zhì)量改進(jìn)PDCA循環(huán)具有以下特點(diǎn)：① 工業(yè)大數(shù)據(jù)是方向盤、驅(qū)動力，四個(gè)階段一個(gè)都不能少，如圖1(a)所示；② 數(shù)據(jù)驅(qū)動PDCA循環(huán)，大環(huán)套小環(huán)，即在PDCA大循環(huán)中可利用小PDCA循環(huán)，以制定更低層次的計(jì)劃、執(zhí)行、檢查和處置，如圖1(b)所示；③ 大數(shù)據(jù)驅(qū)動PDCA不斷螺旋式上升，每循環(huán)一次，產(chǎn)品質(zhì)量提高一次，如圖1(c)所示。

圖1 產(chǎn)品質(zhì)量改進(jìn)PDCA循環(huán)特征圖

在工業(yè)大數(shù)據(jù)條件下， 產(chǎn)品質(zhì)量改進(jìn)PDCA循環(huán)被賦予新的內(nèi)涵，綜合運(yùn)用大數(shù)據(jù)技術(shù)，能夠更加高效、靈活、精準(zhǔn)、持續(xù)改進(jìn)產(chǎn)品質(zhì)量，快速響應(yīng)客戶對產(chǎn)品多樣化的質(zhì)量要求。

2 產(chǎn)品質(zhì)量大數(shù)據(jù)管理

隨著“中國制造2025”國家戰(zhàn)略政策的不斷深化推進(jìn)，國內(nèi)各行各業(yè)掀起了智能工廠、智能車間、數(shù)字化車間等建設(shè)，為產(chǎn)品質(zhì)量改進(jìn)提供了工業(yè)大數(shù)據(jù)應(yīng)用的生態(tài)土壤。產(chǎn)品質(zhì)量數(shù)據(jù)是工業(yè)大數(shù)據(jù)的重要組成部分，為產(chǎn)品質(zhì)量改進(jìn)提供了基礎(chǔ)支撐。

產(chǎn)品質(zhì)量大數(shù)據(jù)管理主要針對產(chǎn)品全生命周期過程質(zhì)量數(shù)據(jù)進(jìn)行采集、處理、傳輸、存儲和挖掘分析等管理。對產(chǎn)品質(zhì)量大數(shù)據(jù)管理規(guī)劃研究的設(shè)計(jì)[4]如圖2所示。

圖2 產(chǎn)品質(zhì)量大數(shù)據(jù)管理規(guī)劃架構(gòu)圖

2.1 質(zhì)量數(shù)據(jù)集成采集

產(chǎn)品質(zhì)量數(shù)據(jù)采集主要是從制造車間物聯(lián)網(wǎng)、企業(yè)信息化應(yīng)用系統(tǒng)、互聯(lián)網(wǎng)的網(wǎng)站，采集產(chǎn)品研發(fā)設(shè)計(jì)、物料供應(yīng)、制造裝配、調(diào)試試驗(yàn)、售后服務(wù)等產(chǎn)品全生命周期過程質(zhì)量數(shù)據(jù)，國內(nèi)外產(chǎn)品質(zhì)量標(biāo)準(zhǔn)、質(zhì)量改進(jìn)分析參考模型、經(jīng)驗(yàn)方法等知識數(shù)據(jù)，以及競爭對手的產(chǎn)品質(zhì)量相關(guān)信息等。采集的數(shù)據(jù)有結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)；有批量和增量數(shù)據(jù)；有實(shí)時(shí)和非實(shí)時(shí)數(shù)據(jù)。針對不同類型、不同時(shí)效要求的數(shù)據(jù)，需采用多種不同的采集、集成技術(shù)，例如：現(xiàn)場質(zhì)量數(shù)據(jù)采用DCS、SCADA、傳感器采集技術(shù)，記錄、報(bào)表、單據(jù)等關(guān)系數(shù)據(jù)采用信息系統(tǒng)采集。

2.2 質(zhì)量數(shù)據(jù)存儲和處理

面向產(chǎn)品規(guī)劃、設(shè)計(jì)、制造、檢測、計(jì)量、運(yùn)輸、存儲、銷售、售后等全過程采集的產(chǎn)品內(nèi)在質(zhì)量屬性(包括產(chǎn)品性能、壽命、可靠性、安全性、經(jīng)濟(jì)性等)和外部質(zhì)量屬性(包括光潔度、造型、色澤、包裝等)數(shù)據(jù)，有結(jié)構(gòu)化、半結(jié)構(gòu)化、實(shí)時(shí)、非結(jié)構(gòu)化等存在形式，需要采用分布式文件系統(tǒng)、行式數(shù)據(jù)庫(分布式關(guān)系型數(shù)據(jù)庫、鍵值數(shù)據(jù)庫、實(shí)時(shí)數(shù)據(jù)庫、內(nèi)存數(shù)據(jù)庫)、列式數(shù)據(jù)庫等業(yè)界典型功能系統(tǒng)支撐數(shù)據(jù)處理高級應(yīng)用，實(shí)現(xiàn)產(chǎn)品質(zhì)量數(shù)據(jù)的海量規(guī)模存儲、快速查詢讀取。數(shù)據(jù)存儲主要采用分布式文件系統(tǒng)及基于分布式文件系統(tǒng)的各類數(shù)據(jù)庫，提供歷史數(shù)據(jù)存儲、面向SQL的數(shù)據(jù)訪問等能力。數(shù)據(jù)處理主要采用計(jì)算(數(shù)據(jù)查詢、內(nèi)存計(jì)算、流式計(jì)算)、數(shù)據(jù)分析算法以及分析挖掘工具組成的數(shù)據(jù)處理功能。

2.3 質(zhì)量數(shù)據(jù)分析和挖掘

產(chǎn)品質(zhì)量數(shù)據(jù)挖掘主要針對采集、存儲的產(chǎn)品質(zhì)量數(shù)據(jù)，采用高性能計(jì)算、分布式計(jì)算、并行計(jì)算等大數(shù)據(jù)處理技術(shù)和可視化拖拽技術(shù)[1]，進(jìn)行數(shù)據(jù)處理、可視化理解、樣本選擇、模型構(gòu)建、模型展示、模型評估、模型發(fā)布，挖掘出潛在的產(chǎn)品質(zhì)量改進(jìn)機(jī)會和影響質(zhì)量因素等有用信息，不斷持續(xù)改進(jìn)產(chǎn)品質(zhì)量。數(shù)據(jù)處理可以采用數(shù)據(jù)關(guān)聯(lián)、數(shù)據(jù)降維、格式轉(zhuǎn)換、篩選、異常處理等方法。數(shù)據(jù)分析可以采用共性結(jié)構(gòu)分析、判別分析、因果關(guān)系分析、關(guān)聯(lián)性分析、隱變量分析等方法。

3 大數(shù)據(jù)驅(qū)動產(chǎn)品質(zhì)量改進(jìn)實(shí)施

在產(chǎn)品質(zhì)量改進(jìn)PDCA循環(huán)實(shí)施中，根據(jù)GB/T 19000族標(biāo)準(zhǔn)和《GJB9001C-2017質(zhì)量管理體系要求》，在采集、存儲、處理和分析大量的產(chǎn)品質(zhì)量數(shù)據(jù)基礎(chǔ)上，采用大數(shù)據(jù)分析、挖掘和工作流引擎技術(shù)，優(yōu)化、創(chuàng)新產(chǎn)品質(zhì)量改進(jìn)方法和工具，促進(jìn)產(chǎn)品質(zhì)量改進(jìn)管理模式創(chuàng)新，幫助企業(yè)構(gòu)建快捷高效、精準(zhǔn)規(guī)范、透明可控的產(chǎn)品質(zhì)量改進(jìn)管理體系，為企業(yè)快速提質(zhì)增效注入新動能。

工業(yè)大數(shù)據(jù)驅(qū)動下的產(chǎn)品質(zhì)量改進(jìn)實(shí)施過程如圖3所示。

圖3 工業(yè)大數(shù)據(jù)驅(qū)動下產(chǎn)品質(zhì)量改進(jìn)流程圖

3.1 識別和確認(rèn)改進(jìn)機(jī)會

從產(chǎn)品質(zhì)量大數(shù)據(jù)中獲取產(chǎn)品質(zhì)量數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)和情報(bào)數(shù)據(jù)，挖掘出企業(yè)自身產(chǎn)品質(zhì)量情況和產(chǎn)品成熟度，同行業(yè)產(chǎn)品質(zhì)量標(biāo)準(zhǔn)，用戶對產(chǎn)品的質(zhì)量要求，競爭對手的同種或同類產(chǎn)品質(zhì)量情況等有用信息數(shù)據(jù)，并依托工業(yè)大數(shù)據(jù)管理對接差距統(tǒng)計(jì)分析、對比評分、技術(shù)分析、經(jīng)濟(jì)性分析等方法，構(gòu)建產(chǎn)品質(zhì)量改進(jìn)項(xiàng)目選擇綜合分析模型。通過綜合分析，識別產(chǎn)品質(zhì)量改進(jìn)機(jī)會，確認(rèn)經(jīng)濟(jì)上合理，技術(shù)上可行的產(chǎn)品質(zhì)量改進(jìn)項(xiàng)目[2]，并確定產(chǎn)品質(zhì)量改進(jìn)項(xiàng)目目標(biāo)值、經(jīng)費(fèi)預(yù)算和改進(jìn)活動時(shí)間表。

3.2 掌握產(chǎn)品質(zhì)量現(xiàn)狀調(diào)查

針對選定的產(chǎn)品質(zhì)量改進(jìn)項(xiàng)目，對產(chǎn)品研發(fā)設(shè)計(jì)、物料供應(yīng)、制造裝配、調(diào)試試驗(yàn)、售后服務(wù)等產(chǎn)品全生命周期過程歷史質(zhì)量數(shù)據(jù)進(jìn)行分析，綜合運(yùn)用大數(shù)據(jù)分析和挖掘技術(shù)，結(jié)合排列圖、分層法等質(zhì)量改進(jìn)方法，從時(shí)間、地點(diǎn)、種類、特征等多維度、多角度，對影響產(chǎn)品質(zhì)量的歷史數(shù)據(jù)進(jìn)行匯總、查詢、統(tǒng)計(jì)、分析，能更精準(zhǔn)地把握產(chǎn)品質(zhì)量問題的規(guī)律。

3.3 分析影響產(chǎn)品質(zhì)量因子

在掌握影響產(chǎn)品質(zhì)量問題規(guī)律基礎(chǔ)上，對產(chǎn)品歷史質(zhì)量數(shù)據(jù)進(jìn)行分類、統(tǒng)計(jì)和分析，歸納問題類型，綜合運(yùn)用因果圖、排列圖等產(chǎn)品質(zhì)量改進(jìn)方法和回歸、聚類、決策樹、神經(jīng)網(wǎng)絡(luò)、邏輯回歸等工業(yè)大數(shù)據(jù)算法[3]，有針對性地對產(chǎn)品研發(fā)設(shè)計(jì)、物料供應(yīng)、制造裝配、調(diào)試試驗(yàn)、售后服務(wù)等產(chǎn)品全生命周期過程影響產(chǎn)品質(zhì)量的人、機(jī)、料、法、環(huán)等質(zhì)量因子開展機(jī)理分析和數(shù)據(jù)發(fā)掘分析，獲得影響產(chǎn)品質(zhì)量的規(guī)律和因素。基于這些因素再開展質(zhì)量問題定性溯源和質(zhì)量問題定量溯源，并確定各質(zhì)量因子的影響程度。

3.4 制定對策計(jì)劃(Plan)

在產(chǎn)品質(zhì)量持續(xù)改進(jìn)過程中，積累了大量的產(chǎn)品質(zhì)量改進(jìn)方法、經(jīng)驗(yàn)、算法和決策模型等知識，在此基礎(chǔ)上，可以為影響產(chǎn)品質(zhì)量因子的對策計(jì)劃制定提供智能決策支持。制定對策計(jì)劃時(shí)，需要明確5W1H(Why：為什么制定；What：預(yù)期目標(biāo)；Where：何處實(shí)施；Who：由誰實(shí)施；When：何時(shí)開始和完成；How：如何實(shí)施)，并以此作為約束條件，并且充分考慮人、機(jī)、料、法、環(huán)等企業(yè)資源狀況，以及當(dāng)前的生產(chǎn)任務(wù)情況，通過智能決策分析系統(tǒng)工具，制定經(jīng)濟(jì)合理，技術(shù)可行的決策計(jì)劃。

3.5 實(shí)施對策計(jì)劃(Do)

按照制定的對策計(jì)劃，以產(chǎn)品質(zhì)量改進(jìn)知識為向?qū)?，組織企業(yè)相關(guān)部門和人員通力合作，協(xié)同完成對策計(jì)劃的實(shí)施。實(shí)施過程中，可以通過產(chǎn)品質(zhì)量大數(shù)據(jù)的集成采集、處理、分析、挖掘和反饋功能，實(shí)時(shí)跟蹤、監(jiān)控對策計(jì)劃實(shí)施過程，對延期或違規(guī)執(zhí)行等情況進(jìn)行預(yù)警提醒，并可以及時(shí)調(diào)整對策計(jì)劃，高效、快速、精準(zhǔn)、低成本地完成產(chǎn)品質(zhì)量改進(jìn)工作。

3.6 驗(yàn)證、確認(rèn)改進(jìn)效果(Check)

運(yùn)用排列圖、分層法等產(chǎn)品質(zhì)量改進(jìn)方法，借助產(chǎn)品質(zhì)量大數(shù)據(jù)管理的數(shù)據(jù)分析和挖掘技術(shù)優(yōu)勢，從一次交驗(yàn)合格率，質(zhì)量成本，產(chǎn)品壽命、性能，策劃預(yù)期目標(biāo)等多維度對產(chǎn)品質(zhì)量改進(jìn)的結(jié)果進(jìn)行分析、驗(yàn)證，并與實(shí)施產(chǎn)品質(zhì)量改進(jìn)活動前的調(diào)查現(xiàn)狀進(jìn)行對比、分析、評估，從而驗(yàn)證產(chǎn)品質(zhì)量改進(jìn)效果。

3.7 鞏固和分享改進(jìn)成果(Action)

通過產(chǎn)品質(zhì)量改進(jìn)效果的評估、驗(yàn)證、確認(rèn)和總結(jié)，對產(chǎn)品質(zhì)量改進(jìn)效果好“糾正措施”的對策、方法、算法、經(jīng)驗(yàn)進(jìn)行知識化積累，形成產(chǎn)品質(zhì)量改進(jìn)知識庫，為持續(xù)改進(jìn)產(chǎn)品質(zhì)量提供知識資產(chǎn)；對存在的遺留問題，將自動轉(zhuǎn)入下一輪PDCA循環(huán)。同時(shí)，進(jìn)一步優(yōu)化產(chǎn)品設(shè)計(jì)、工藝設(shè)計(jì)、生產(chǎn)設(shè)計(jì)，標(biāo)準(zhǔn)化產(chǎn)品設(shè)計(jì)、生產(chǎn)、試驗(yàn)、服務(wù)和管理流程，并納入企業(yè)管理標(biāo)準(zhǔn)體系，鞏固產(chǎn)品質(zhì)量改進(jìn)成果。

4 產(chǎn)品質(zhì)量改進(jìn)的大數(shù)據(jù)應(yīng)用驗(yàn)證

某科研院所的慣性測量系統(tǒng)(下文簡稱“系統(tǒng)”)是重要科研生產(chǎn)項(xiàng)目之一，由光學(xué)傳感器(G1，G2，G3)、傳感器(A)、電路板等部件裝配而成。即便采用質(zhì)檢合格的所有部件，并且嚴(yán)格控制裝配過程，系統(tǒng)裝配合格率也可能僅為50%，造成嚴(yán)重的經(jīng)濟(jì)損失，也嚴(yán)重影響顧客的滿意度。

針對上述問題，科研院所組建由工藝人員、質(zhì)量管理人員、質(zhì)量分析人員構(gòu)成的系統(tǒng)裝配質(zhì)量改進(jìn)小組。質(zhì)量改進(jìn)小組嘗試按照大數(shù)據(jù)驅(qū)動的產(chǎn)品質(zhì)量改進(jìn)實(shí)施步驟對系統(tǒng)裝配工藝進(jìn)行了優(yōu)化，取得較好的效果，最終將系統(tǒng)的裝配合格率提高到80%。

在系統(tǒng)裝配質(zhì)量改進(jìn)的實(shí)施過程中，提出了大數(shù)據(jù)解決方案。開展了運(yùn)用Logistic (邏輯斯蒂回歸)的大數(shù)據(jù)算法研究，構(gòu)造預(yù)測函數(shù)來尋找影響系統(tǒng)裝配合格率的質(zhì)量因子。通過對大量的系統(tǒng)裝配過程歷史工藝數(shù)據(jù)和質(zhì)量數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)同一批次、同一型號、同一款式的合格光學(xué)傳感器(G部件)分別安裝在三個(gè)軸向，安裝軸向不同，裝配結(jié)果也不同。從而可以推斷：影響系統(tǒng)裝配質(zhì)量因子是G部件的安裝軸向。

構(gòu)造預(yù)測函數(shù)：

p(y|x,θ)=(hθ(x))y(1-hθ(x))1-yy=1或0

同時(shí)，通過構(gòu)造損失函數(shù)和梯度下降最小化損失函數(shù)，并建立XYZ軸向識別模型(如圖4所示)對系統(tǒng)裝配G部件的安裝軸向進(jìn)行分析，從而識別出光學(xué)傳感器的最佳安裝位置，即G1安裝在X軸向，G2安裝在Y軸向，G3安裝在Z軸向。

圖4 XYZ三軸向設(shè)別模型

構(gòu)造損失函數(shù)：

梯度下降最小化損失函數(shù)：

運(yùn)用軸向設(shè)別模型對系統(tǒng)裝配過質(zhì)量數(shù)據(jù)進(jìn)行應(yīng)用驗(yàn)證，驗(yàn)證結(jié)果如圖5所示。

圖5 應(yīng)用驗(yàn)證結(jié)果圖

可以看出，值在[0.5，1]為系統(tǒng)G部件的最佳安裝位置，相反，值在[0,0.5]為系統(tǒng)G部件的不適合安裝位置。同時(shí)可以看出，通過大數(shù)據(jù)的Logistic 算法，可以尋找優(yōu)化系統(tǒng)裝配工藝，改進(jìn)系統(tǒng)裝配質(zhì)量。

科研院所將系統(tǒng)裝配的G部件三軸向最佳安裝工藝進(jìn)行了規(guī)范化、體系化，最終使系統(tǒng)的裝配合格率提高到80%。

5 結(jié) 語

本文提出了在工業(yè)大數(shù)據(jù)條件下，研究充分利用大數(shù)據(jù)的采集、存儲、處理、分析和挖掘技術(shù)，探索和研究產(chǎn)品質(zhì)量改進(jìn)新模式，并進(jìn)行了一定的實(shí)例驗(yàn)證。但是產(chǎn)品質(zhì)量改進(jìn)的創(chuàng)新模式實(shí)現(xiàn)，還需要進(jìn)一步細(xì)化，形成落地方案，并通過數(shù)字化、網(wǎng)絡(luò)化和智能化手段，將產(chǎn)品質(zhì)量改進(jìn)活動融入到產(chǎn)品研發(fā)設(shè)計(jì)、物料供應(yīng)、制造裝配、調(diào)試試驗(yàn)、售后服務(wù)等產(chǎn)品全生命周期業(yè)務(wù)過程，構(gòu)建一體化集成應(yīng)用系統(tǒng)，為產(chǎn)品質(zhì)量改進(jìn)提供工業(yè)大數(shù)據(jù)的平臺支撐，優(yōu)化、規(guī)范產(chǎn)品質(zhì)量改進(jìn)流程，提高產(chǎn)品質(zhì)量改進(jìn)效率。同時(shí)，可以考慮引進(jìn)6σ統(tǒng)計(jì)評估等產(chǎn)品其他質(zhì)量改進(jìn)方法，不斷追求零缺陷產(chǎn)品生產(chǎn)，防范產(chǎn)品責(zé)任風(fēng)險(xiǎn)，降低成本，提高生產(chǎn)率和市場占有率，提高顧客滿意度和忠誠度。