在近代生產(chǎn)型企業(yè)的管理進(jìn)程中，如何控制產(chǎn)品質(zhì)量穩(wěn)定性？一直是企業(yè)管理者的長期命題，圍繞該命題產(chǎn)生過諸多控制手段與方法論，但是都大多都面臨著管控流程復(fù)雜、無法有效實(shí)施等問題。隨著信息技術(shù)的發(fā)展，企業(yè)迫切需要一種更加高效簡捷的信息技術(shù)手段來解決質(zhì)量穩(wěn)定性管控存在的這一系列問題。

　　在二十世紀(jì)九十年代的家電市場上，美國與日本展開了一次圍繞質(zhì)量穩(wěn)定性的市場角逐。日本是一個野心勃勃的國家，想要超過美國，把自己生產(chǎn)的電視機(jī)占領(lǐng)美國的整個市場，而美國想要把日本從美國市場趕出去，這對美國來說應(yīng)該是輕而易舉的事情，畢竟美國生產(chǎn)電視機(jī)的相關(guān)技術(shù)十分先進(jìn)，對消費(fèi)者的吸引力高于日本的，但事實(shí)是美國失敗了，日本一些電視機(jī)廠商成功占領(lǐng)了美國市場。那么產(chǎn)生這種結(jié)果的原因到底是什么？后期通過統(tǒng)計(jì)發(fā)現(xiàn)，日本產(chǎn)的電視機(jī)的一致性和穩(wěn)定性比較好，符合一般的正態(tài)分布曲線。

　　由圖我們可以看到，日本的電視機(jī)整體來說質(zhì)量情況在40%以下和95%以上的較少，也就是說電視機(jī)質(zhì)量特別好和特別差的比較少，大部分產(chǎn)品質(zhì)量都在中等偏上的位置，很穩(wěn)定且保持一致。那么美國的是什么樣的呢？如下圖

　　我們可以看到，美國產(chǎn)的電視機(jī)的質(zhì)量情況分布較廣，質(zhì)量特別好和質(zhì)量較差的電視機(jī)都有很多，整體分布較為平均，買電視機(jī)就像買彩票一樣，質(zhì)量特別好買回來可能用了幾十年都不會壞，質(zhì)量特別差的買回來經(jīng)常壞，修都修不好。不同質(zhì)量的產(chǎn)品參差不齊，不呈正態(tài)分布，占得比重都很大，這就表明美國的產(chǎn)品一致性穩(wěn)定性很差。買到產(chǎn)品質(zhì)量不好的客戶群體，會對這個產(chǎn)品產(chǎn)生排斥，嚴(yán)重影響產(chǎn)品的口碑。

　　以上的情況最終就導(dǎo)致日本生產(chǎn)的電視機(jī)占領(lǐng)了整個的美國市場。可見質(zhì)量問題帶來的影響非常大，決定了一個行業(yè)的生死，很多生產(chǎn)電視機(jī)的企業(yè)倒閉后，還會導(dǎo)致員工下崗，嚴(yán)重可能會使整個產(chǎn)業(yè)不復(fù)存在。

　　那么對應(yīng)到國內(nèi)的制造業(yè)，是怎么樣的？說到國產(chǎn)的產(chǎn)品，大家可能想到的第一個問題就是穩(wěn)定性差，那么什么是穩(wěn)定？用汽車舉一個例子，現(xiàn)在大家提到汽車，都會想到日本車耐開，開了許多年都不會壞，其實(shí)這就說明日本汽車的穩(wěn)定性好。那么什么叫一致性好？還是用汽車這個例子，你買到的車和我買到的車，質(zhì)量一樣，不再像是抽獎一樣，質(zhì)量的好壞全憑借運(yùn)氣，任何人買到的車，買到的產(chǎn)品，質(zhì)量都是一樣的，這就是所謂的一致性。由此可見，一致性和穩(wěn)定性是衡量一個產(chǎn)品質(zhì)量的關(guān)鍵點(diǎn)。

　　除此之外，產(chǎn)品的一致性和穩(wěn)定性還是質(zhì)量控制的關(guān)鍵，那么何以見得？我們由一個常見的例子進(jìn)行講解。下面這兩張圖是小A和小B的射擊靶板圖，我們可以看到小A兩次正中靶心，小B打的都在9環(huán)以外，看上去好像是小A打的更好一點(diǎn)，但實(shí)際上小B打的更好，為什么呢？因?yàn)樾�A射擊的點(diǎn)散布面很廣，說明他完全不知道該如何控制自己的槍，對槍的控制力很差，而小B雖然沒有打到靶心，但是散布面很小，一致性和穩(wěn)定性很好，表明小B對槍的控制力很好，它只需要稍微調(diào)整一點(diǎn)角度就可以大部分都打中靶心，而小A完全不清楚自己該如何改進(jìn)。這便可以看出一致性和穩(wěn)定性是質(zhì)量控制的關(guān)鍵點(diǎn)。

　　我們將這個例子引到化工企業(yè)來看，假設(shè)一家化工企業(yè)的生產(chǎn)工藝中，需要一種含量為95%以上的原材料，此時有兩個供應(yīng)商，分別為C供應(yīng)商和D供應(yīng)商，C供應(yīng)商的原材料含量一直穩(wěn)定在94%，D供應(yīng)商的原材料含量一直保持在93%—99%之間，那么這家化工企業(yè)更愿意用誰的原材料？和上面射擊的例子一樣的道理，一定會更愿意用C供應(yīng)商的原材料，因?yàn)榉�(wěn)定性、一致性較好，生產(chǎn)過程中比較好處理，如后續(xù)需要往里邊再加入什么樣的材料、添加劑，或者加入其他的溶劑來進(jìn)行混合，可以清楚的知道加入多少，比較容易控制。但如果像D供應(yīng)商一樣，供給的原材料每一批次都不一樣，甚至是每一個都不一樣，那么后續(xù)要經(jīng)過什么樣的加工工藝、處理都不穩(wěn)定，不好控制。

　　就像買鞋，最起碼的一點(diǎn)就是應(yīng)該保證兩只鞋是一樣大的，如果賣家告訴你，這兩只鞋可能不一樣大，那么就算這雙鞋再便宜，你也不會買，因?yàn)樗�一致性太差了。所以說控制質(zhì)量的一致性，是制造業(yè)控制質(zhì)量的一個關(guān)鍵，也是制造業(yè)控制質(zhì)量的一個根本。

　　那么怎么去發(fā)現(xiàn)這個企業(yè)產(chǎn)品的一致性和穩(wěn)定性會不會、容不容易出問題？當(dāng)前是不是處于可控狀態(tài)？這時便需要用到一個工具：SPC分析(質(zhì)量過程控制)。以其中的C控制圖為例進(jìn)行講解，由圖一可見，產(chǎn)品質(zhì)量一直圍繞著平均線進(jìn)行上下往復(fù)波動，這是正常現(xiàn)象，就像買鞋，兩只鞋不可能完全保持一致，長度不可能一模一樣，上下可能相差幾毫米，只要一直在平均線周圍波動，且不超過上下限，是不會感覺到這兩雙鞋大小不一致的。

　　但是如果出現(xiàn)圖二這種情況，當(dāng)波動曲線偏向于某一側(cè)，或者是超出了上下限的范圍，那么就代表這個產(chǎn)品的質(zhì)量已經(jīng)失控了，已經(jīng)不在你的控制范圍之內(nèi)了。一旦出現(xiàn)偏向某一側(cè)的情況，那么遲早會出現(xiàn)超出了上下限范圍的現(xiàn)象。就好比這兩只鞋，長度相差了0.5厘米，消費(fèi)者買回去之后明顯感覺到兩只鞋大小不一樣，嚴(yán)重影響了消費(fèi)者對企業(yè)的信任度，不會再買這家的鞋子，時間久了這家企業(yè)就將面臨倒閉。

　　如果能夠用一個工具來監(jiān)控企業(yè)里面上萬個這種監(jiān)控點(diǎn)，那么一旦供應(yīng)商供應(yīng)產(chǎn)品的某一個參數(shù)出現(xiàn)失控的傾向時，企業(yè)就可以給供應(yīng)商打電話說他供應(yīng)的鞋底有問題，已經(jīng)開始出現(xiàn)失控的趨勢，如果供應(yīng)商無法控制質(zhì)量，那么就可以選擇終止合作。那么當(dāng)前大部分的企業(yè)在用MINITAB或者Excel來做質(zhì)量分析，但實(shí)際上MINITAB是一個工具化的軟件，要把數(shù)據(jù)導(dǎo)入進(jìn)去，然后再進(jìn)行分析得出結(jié)果。當(dāng)要監(jiān)控上萬個點(diǎn)的時候，依靠MINITAB和Excel是很難實(shí)現(xiàn)的，會耗費(fèi)大量的時間。

　　而國工智能的數(shù)據(jù)大腦產(chǎn)品融合了大量數(shù)據(jù)分析算法包含了SPC,CPK,DOE等質(zhì)量分析方法，可以實(shí)現(xiàn)服務(wù)化數(shù)據(jù)監(jiān)控，一旦出現(xiàn)問題，會主動推送報(bào)告到關(guān)聯(lián)人員和生產(chǎn)管理系統(tǒng)，提出建議處理措施，從而來預(yù)測企業(yè)的質(zhì)量是否可控，從而能使產(chǎn)品質(zhì)量保持在良好一致性和穩(wěn)定性的范圍內(nèi)。

　　國工數(shù)據(jù)大腦系統(tǒng)是一個集數(shù)據(jù)調(diào)度，數(shù)據(jù)清洗，機(jī)器學(xué)習(xí)、數(shù)據(jù)可視化的數(shù)據(jù)分析平臺。系統(tǒng)以簡單易用web操作方式進(jìn)行人機(jī)交互，屏蔽了數(shù)據(jù)分析業(yè)務(wù)的復(fù)雜性，大大降低了數(shù)據(jù)分析工作的技術(shù)門檻。以流程化的方式構(gòu)建整個數(shù)據(jù)分析業(yè)務(wù)。系統(tǒng)實(shí)現(xiàn)了對分散的數(shù)據(jù)進(jìn)行統(tǒng)一調(diào)度，實(shí)現(xiàn)多源數(shù)據(jù)整合，快速構(gòu)建數(shù)據(jù)倉庫。同時具備完備的數(shù)據(jù)清洗功能，準(zhǔn)確定位異常數(shù)據(jù)，完成數(shù)據(jù)過濾。提供多種機(jī)器學(xué)習(xí)算法組件，快速完成對歷史數(shù)據(jù)的增量/批量學(xué)習(xí)，基于機(jī)器學(xué)習(xí)成果，實(shí)現(xiàn)配分學(xué)習(xí)、質(zhì)量分析、銷售預(yù)測等等業(yè)務(wù)應(yīng)用，幫助企業(yè)優(yōu)化生產(chǎn)關(guān)鍵因素、安排生產(chǎn)與庫存計(jì)劃、制定銷售策略等提供分析和決策支持，實(shí)現(xiàn)數(shù)據(jù)的價(jià)值轉(zhuǎn)換。

責(zé)任編輯：胡金鵬