e-works数字化企业网  »  文章频道  »  管理信息化  »  BI

观数台BI 数据驱动质量管理

2021/2/22    来源:e-works    作者:e-works  王丽伟      
关键字:商业智能  观数台  质量数据可视化  
数据统计分析是企业质量管理工作的基础,近年来,基于大数据的商业智能技术的出现,为质量工作的改善带来了更多可能。

    在市场竞争日趋激烈的形势下,先进的质量管理成为制造企业增强核心竞争力的重要一环。从休哈特等人创立统计质量控制理论开始,人们已经非常关注对生产中质量数据的利用,研究人员先后创立了数十种质量控制图,同时对质量控制的对象也从一元发展到多元。但传统的质量管理方法大多基于数理统计理论,对管理人员专业知识要求较高,工作量巨大,且多是滞后分析,实施性差,缺少预警与预测功能。制造企业一方面花费大量的人力、物力、财力,建立质量管理信息系统,收集了海量的质量数据;另外一方面,对海量质量数据的分析仍在沿用传统的数理统计方法,只能收到事倍功半的效果。

    随着数据仓库和数据挖掘技术的迅猛发展,对于海量数据的处理能力不断提高,基于此的商业智能BI,Business Intelligence)也成为企业预测和决策的核心支持技术。它允许业务人员在不具备较高专业数理统计知识的前提下,能够深入探索海量数据,并能将数据之间的关联可视化呈现,以帮助业务人员更加便捷的发现业务之间隐藏的关联关系。该技术应用于质量管理方面,一方面能够提高质量分析的效率,节约大量的时间和人力成本,同时支持质量监控从事后检测转移到生产过程监控上;另一方面,还可以使用机器学习模型,代替早期基于特征的模型,针对影响质量的多个相关因素进行计算分析,预测质量检验的结果,为质量优化决策提供依据。

    上海亦策软件科技有限公司作为一家专注于分析预测与行业应用的大数据公司,其BI产品观数台,采用了数据挖掘技术,对海量数据的处理能力更优,为用户提供了相关的洞察分析和可视化功能,支撑用户实现基于数据的科学管理决策。

    观数台BI构建的高性能关联引擎,与一般可视化工具查询基础不同,它支持用户向任何方向探索,没有边界或盲点。用户每次点击后,引擎都会立即重新计算新环境中的所有内容,让用户可以根据所看到的内容以新的方式调整思路。通过了解和揭示相关和不相关的数据,帮助用户发现隐藏在数据背后的关联。观数台BI洞察引擎还可以根据一些高级算法自动生成相关见解和分析,并对其进行优先级排序。用户可以评估整体数据集的细节,选择数据中的维度,或输入搜索条件以针对特定区域。随着时间的推移,洞察引擎可以从用户行为中进行学习,从而提供更相关的见解。

    观数台BI可应用于制造企业的质量分析与管理,帮助制造企业深挖质量数据,在产品质量分析、预测及优化等方面发挥作用。

应用一:质量数据可视化呈现

    对于整车制造企业而言,焊装工艺是车身制造工艺的重要组成部分,焊接质量的好坏直接影响车身强度。在过去,为了检验焊点的质量,主要采用在样本焊接点上进行破坏性试验来获取焊接质量数据。这种检验方式属于事后检验,且破坏性试验质量成本投入较高,同时,由于是针对个别样本的离线检测,不能满足现代整车制造企业对过程质量控制的高要求。

    某整车制造厂累积了大量焊接工艺的原始参数控制和质量数据,期望通过对数据的挖掘,找到影响焊接质量的参数变化规律,实现焊接质量的管控由事后检验转变为事中控制。但对于质量分析人员而言,从海量的数据集中发现隐含的规律并不是一件容易的事情。为了让枯燥的数据看起来更加直观,让分析人员能够更快读懂数据,达到发现、解释、分析、探索、决策和学习的目的,将海量的数据转化成为交互的图像,以视觉可以感受的方式表达,成为辅助数据分析的重要手段。

质量数据可视化

质量数据可视化

    引入BI解决方案以后,质量分析人员通过数据钻取与可视化呈现,能够直观发现焊接电流、焊接时间、电极压力等工艺参数和装配精度、作业环境洁净度、设备状态等环境因素对电阻点焊的质量影响,并通过质量预测,为下一步质量控制决策优化提供参考。

应用二:针对质量改善的决策优化

    随着自动化、信息化技术的普及,使得企业能够将设计、工艺、计划、制造、设备及质量等多个环节的历史数据保留下来,为开展全面质量管理提供基础数据源。

    某装备制造企业在生产过程中日益积累的加工数据与质量检验数据超过数百万条,在经过预处理后抽取了七千余条记录作为研究对象。通过对七千余条记录的关联分析与挖掘,从人员、设备、材料、方法、测量、环境等诸多因素中确定了对生产质量影响较大的具体因素:生产设备、工作班段、操作员工。

    同时该企业对记录的分析还得出以下结论:不同设备加工的合格率存在差异,操作员工(设备操作与产品检验)的技能水平不一致,也会造成产品合格率的波动;工作班段亦会影响部分操作员工的加工质量。

生产质量影响因素分析

生产质量影响因素分析

    根据上述结论,针对质量的改善可尝试以下管理改进措施:完善生产加工设备的保养、维护、校验工作;改善晚班工作环境,提高晚班舒适度;灵活调班,找出操作员、加工设备和工作班段的适宜排产组合;对操作员、检验员进行技能培训,并建立考核机制,保障生产和质检标准的一致性等等。

    目前,基于数据挖掘技术的观数台BI产品除了在上述汽车、装备等行业外,还在钢铁、化工、纺织、烟草等多个行业的质量管理场景中得到有效应用,解决了制造企业质量管理的实际需求。未来,随着BI技术的发展与行业应用的成熟,必将带给制造企业更多更新的质量管理解决方案。

责任编辑:程玥
本文为e-works原创投稿文章,未经e-works书面许可,任何人不得复制、转载、摘编等任何方式进行使用。如已是e-works授权合作伙伴,应在授权范围内使用。e-works内容合作伙伴申请热线:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐