统计质量技术让信息化建设更有价值

中国正在努力逐步由“制造大国”转变为“智造大国”，而在这种转变的过程中面临着很多实际的挑战，比如全球金融危机的影响，劳动力成本的上升，人民币汇率的提高等等。诚然，这些对于很多企业来说或许都是不利因素，不过不可否认的是，今天的企业也拥有了过去不曾有过的优势，那就是日趋成熟的信息化手段使得企业的生产方式发生了很大的变化。其中一个显著特点是，计算机软硬件的普及，加上MES、ERP等信息化系统的应用，这些帮助企业在经营管理的过程中积累了大量的数据，

这些数据正在成为企业获得竞争优势的有力武器，在质量管理领域同样如此。

“二十一世纪是质量的世纪”，就质量管理而言，合理地应用统计质量方法，对这些数据加以利用，会使我们质量管理决策更加科学，将企业信息化建设的在质量管理方面的作用充分发挥出来。从某种意义上说，这就是信息化与工业化的融合。而在这种融合的过程中，质量技术方法的选择和应用至关重要，常见的实用质量技术大致有以下几个大类。

第一，运用可视化分析手段发现客观事实。

一般来说，企业刚开始尝试从数据中挖掘价值时，并不需要什么高深的统计分析方法，实践证明，简明易懂的可视化手段与我们的日常工作联系性强，又容易出成效，往往是一种很好的切入方式。这里所说的可视化分析手段并不仅仅是指我们大部分人已经很熟悉的柱图、饼图、线图等普通图表，它还包括像三维立体图、动态图形、探索性图形生成器以及图形之间的动态交互等多种生动形象的可视化方式。作为全球统计分析软件领导厂商的SAS公司在这方面做了很多的研究，发现可视化分析手段能很好地帮助那些非统计专业科班出身的人大幅提高从数据中发现有用信息的能力和效率。我们借用SAS旗下的可视化软件JMP举一个简单的例子（在质量管理领域，JMP是高端的六西格玛质量管理专业软件）：下图显示的是某生产车间为了进行一段时间内5条生产线单位产品缺陷数DPU（大于40时不可接受）的同步监控，运用JMP中的“泡泡图”工具实时地对不同生产线之间的质量变异进行监控和比较。与传统的控制图相比，这种方法既通俗直观，便于高层管理人员的理解，又能大幅提高了现场工作人员的监控效率。

图一  多条生产线的同步监控

 

第二，运用数据挖掘方法深入理解流程实质，预测流程能力。

当企业的质量管理水平发展到一定程度时，就不会满足于仅仅制作一些基于数据的报表、图形了，而是期望从日益丰富的历史数据资源中提炼出更有价值的、用以往的经验无法替代的重要信息。这时常常是运用数据挖掘方法的大好时机。这里所说的数据挖掘是一个广义的概念，既包括像线性回归、逻辑斯蒂回归、判别分析等传统统计方法，也包括像决策树、神经网络等高级计算方法。合理地选择和应用这些统计质量技术，为我们的流程建立合适的统计模型，会让我们“不可思议”地具备“未卜先知”的能力。图二中我们借用JMP中的一个“预测刻画器”工具来研究一家印刷电路板公司利用以往的生产工艺数据构建出来的回归模型，从中可以看到温度、压力、供应商对最终产品质量的影响程度。如果再配合使用蒙特卡洛的模拟(Simulation)方法，还能预测出各种工艺条件下的缺陷比率，为我们的最终决策提供宝贵的技术参考依据。

图二  生产工艺的建模与预测

 

第三，运用试验设计DOE提高产品研发和创新效率。

经验表明，企业如果想要真正增强创新实力，提高产品的科技含量，需要让研发、设计、工艺等部门也进入企业的信息化与工业化的融合中。当然，研发设计部门对质量技术手法的要求会与生产制造相关部门有所不同，试验设计DOE就是一种研发设计部门需要使用的有效方法。简单地说，试验设计不会单纯地满足于被动地收集现有的数据资源，它还会主动的设计出一个数据收集计划，有目的地对产品或流程做出一些有益的新尝试，这样一来，获得突破性改善的概率就大大增强了。同时试验设计计划所具备的特性确保了样本数量的最优化，从而确保实施的成本也会被尽可能地降低。图三就是某化工企业研发部技术人员运用JMP(单就试验设计DOE而言，JMP目前提供全球最顶级的试验设计解决方案)中“混料设计”及“三元图”功能制作出来的一组为优化涂料配方设定而度身定制的试验设计方案。不难发现，如果遵循这组试验设计方案，我们仅用9次试验就能找到A、B、C三种成分的最佳配比。

 

图三  涂料配方设定的试验设计方案

 

以上是笔者对企业如何利用现阶段信息化建设的成果提高质量管理水平的几点想法，谨借此抛砖引玉，如有纰漏，敬请指正。随着应用的深入，我们将很快认识到在现有信息化建设成果的基础上融入统计质量技术对发展现代先进制造业、保持企业创新能力和竞争优势的重要性，而且这个认识将越来越具体，越来越深入。