大數據環境下的企業質量分析平臺構建

“大數據”時代已經悄然降臨，在商業、經濟及其他領域中，決策將日益基于數據和分析而作出，而并非基于經驗和直覺。企業的質量管理也不例外。企業必須改變他們對質量的看法，才能應對全球經濟環境下的持續競爭挑戰。2012年，美國的《產業周刊》（Industry Week）就制造商利用質量數據提升績效的原因和方式在調查的基礎上發表一篇主題文章，介紹了企業分析質量平臺的工作原理，以及企業級質量平臺如何幫助全球制造商將現有數據轉化為長期的實際收入增長和成本節約。

尚待開發的質量潛能

對制造商或客戶而言，質量并不是一個難以理解的概念。如果能夠實現100%的客戶滿意度，則說明制造商已經達到了質量要求的最高標準。當然，情況并非總是如此。即便是六西格瑪質量管理，也允許某些差錯的發生。因此，質量成為制造商堅持不懈為之奮斗的目標，而實現這一目標最常用的工具就是數據。

數以百計的衡量標準主要都被用來評估以下質量問題：

——與上周相比，本周廢品率的情況如何？

——更換供應商之后，我們的保修成本是否發生變化？

——如果縮短訂單交付周期，我們的市場份額是否會相應提高？

客戶通常看不見質量評估所涉及的各種測評、輸入和分析，這沒有關系。但是，令人感到憂慮的是，出于多方面的原因，獲取和分析質量數據的活動越來越局限于內部范圍。為什么會出現這種趨勢？如何運用企業級的分析解決方案將這一普遍問題轉化為競爭優勢？《產業周刊》的這次研究報告給予了說明和解答。

過去，質量改進通常在極微觀的層面上進行。質量團隊發現缺陷，然后收集數據，從而了解產品設計和生產流程中出現的問題。企業在引入統計過程控制之后，對質量問題給予了更多的重視，因為這一工具能夠在生產流程出現偏差時發出某些預警信號。這是實施質量控制的第一步。

在認識到收益的變量和質量目標的變量之間相互依存之后，制造商接下來就是著手開發他們的信息系統——過程工程。過程工程可以識別多種輸入要素之間的相互關系，并促進跨功能環境下數據的匯集和展示。由此，信息可以更快地傳遞給那些執行改進或優化行動的群體。

但是，是否還能跨出第三步？我們是否能從過程工程過渡到過程認知，形成涵蓋整個組織的一種全局性認識？一種從最基層的一手材料提煉出來的較高層次的認識？公司能否在收集全部相關過程、產品、設備和服務數據的基礎上，掌握事實，形成一個戰略性、預測性和最優化的愿景，形成一個承認功能與衡量標準之間相互依存關系（一度被視為孤立存在）的信息框架？

以上設想成為可能的前提，在于組織采取企業級或全局性的方法收集并分析質量數據，不僅把這些數據作為質量控制的工具，而且將其視為在關鍵領域指導行動的戰略。

賽仕軟件公司制造與供應鏈市場營銷經理邁克爾·紐科爾克（Michael Newkirk）表示：“從企業文化來說，以全局性的視角看待過程改進令人難以適應。相當多的過程改進是通過質量活動的授權和去官僚化實現的。領導者和經理人常常認為‘在我們把所有數據歸集到一起之前，我們的每個工程師早就找到并解決了消耗利潤的諸多問題’。這在十年以前確是事實，但在今天，整體的過程改進早已成為觸手可及的現實。”

《產業周刊》的這次質量調查和研究顯示，對于全球的現代制造企業而言，企業級的質量管理仍然是一個尚待開發、潛力無限的黃金領域。利用企業分析質量平臺（Enterprise Analytical Quality Platform， EAQP），企業可以把多種渠道收集并分析的質量數據統一整合，從而發現降低成本、提高利潤的新機會；并按照對投資收益率（ROI）起效快慢和貢獻大小來確定改進項目的優先順序。

“絕大部分經驗老道的制造商都已著手開展這項工作，”紐科爾克表示，“它們創建了知識集合動態檔案，集中存儲從組織各部門收集而來的數據，并提供給專注于過程和產品改進的工作人員使用。每一項工作的成果都會予以公布并接受評分。運轉最有效的模型將得到推廣普及，而那些運轉效果不佳的模型則被棄之不用。”

“實際上，這相當于為整個企業各部門之間的合作構建了一個虛擬的工作平臺。無論是最佳實踐、最優模型，還是實驗設計成果，所有的一切都將被記錄存檔并供人分享。”

最為重要的是，根據紐科爾克的觀點，每個獨立的質量項目仍然是整個過程不可分割的組成部分。企業平臺可以擴展和升級，能夠對大量數據進行深入分析，如數據挖掘、文本挖掘和精確預測。與此同時，該平臺還向每個工程師和分析師提供分析工具的桌面應用端，以及可視化功能。借此，他們可以完成實驗設計，實現數據、情境和結果的可視化，然后與企業中的其他員工分享他們的成果和模型。“整體性合作并不影響單個工程師在創新性流程改進方面的努力。同時，利用企業平臺，工程師可以分享最佳實踐、成功的模型和技術及其相關數據，并由此提升質量工藝帶給公司的價值。”

通過更好的數據實現更好的質量

制造商在質量改進工作方面付出了巨大的努力。然而，即便如此，他們往往并未見到自己所期望的成效。根據《產業周刊》的企業質量調查顯示，38%的受訪者承認，在過去兩年中，占銷貨成本一定比例的質量成本有所增加；而28%的受訪者則表示該數據保持不變（參見圖1）。

超過半數以上的受訪者將降低廢品率和返工成本視為質量管理面臨的最大挑戰（參見圖2）。約半數受訪者還將維持理想的質量和收益水平視為最大挑戰。而被提及次數最多的第三大挑戰是擁有充足的可提供有益信息的質量數據。

以下哪些選項是你的公司在質量方面面臨的最大挑戰？（請選擇三項）

我們認為，第三項挑戰是制造商在前兩項挑戰方面表現不佳的主要原因。我們的研究表明，在制造企業的員工中，只有一小部分人會查看質量數據。不言而喻，運營經理和質量工程師一般都會關注質量數據。但是，只有三分之一的持續改進經理關注數據，僅四分之一直接面向客戶的員工（如銷售人員）會查看數據。僅27%的受訪者表示他們公司的每個人都會查看質量數據。

在你的公司或企業中，誰會關注質量信息（如廢品率、返工率、保修成本）？

總之，制造商可以在數據整合、分析和利用方面做得更加出色，尤其是能提供戰略層面觀點的質量數據。究其原因，主要是由于大量的質量數據被日益復雜的IT資產及其帶來的混亂和挫折所掩蓋。無論規模大小，大多數公司普遍存在的一個現象是，領導者和非IT人員總是假定IT部門為他們提供的數據報告完全符合他們對高效工作的需要，并且他們所需要的一切信息都可以任意調用。但是，事實并非如此。為了改變這種狀況，公司領導者必須洞察他們已收集的數據中蘊含的真正戰略價值。

如果更仔細地審視制造環境下的IT全景，則不難發現數據實際來源于很多不同的系統：

——企業資源計劃（ERP）和物料需求計劃（MRP）：通常，由一個供貨商提供的解決方案也存在多種安裝版本，所有這些版本的發布時間都不盡相同，定制化水平也參差不齊。因企業并購導致的多個供應商，加劇了數據的可獲得性問題。

——制造執行系統：擁有不同制造設備的公司極有可能要從多個不同的制造執行系統來源獲取數據。按照企業標準統一制造執行系統通常是一件消耗巨大的工作，甚至可能造成損失無法彌補的生產中斷。此外，即使應用了標準化平臺，制造執行系統在實施層面同樣存在著企業資源計劃和物料需求計劃在實施過程中面臨的定制化問題。也就是說，即使針對不同設備應用同一平臺，數據提取也絕非易事。

——測試：測試系統通常具有專用數據格式，并和存儲應用程序相匹配。為了有效性而從多個供應商那里引進檢測設備將使問題變得更為復雜。測試數據一般會被收集到質量管理系統（Quality Management Systems， QMS）和實驗室信息管理系統（Laboratory Information Management System， LIMS）中，但因其只針對特定設備，因此很難實現整個系統范圍內的數據共享。

——設備：隨著越來越多的傳感器和微處理器被納入生產性資產，流程設備和機器所收集的數據日益增多，以求改善設備性能、過程和提高收益。然而，這部分數據并未得到充分利用。盡管該數據可以應用于預測分析，但設備工程師通常只在進行歷史評估時才用到它們。

——缺陷：制造商對進料、半成品和成品實施檢驗，并對質量的異常征兆、缺陷和改進行動進行某種跟蹤和分類，如設備檢修、流程調整或產品重新設計等。這部分的質量數據至關重要，獲取它們和類似數據，并結合其他生產線和工廠的情況加以分析，對企業的質量管理大有裨益。

——過程：生產運營數據收集的原始來源是生產車間，如可編程序邏輯控制器（Programmable Logic Controller， PLC）、射頻識別標簽、條形碼掃描器和人工數據輸入站（人機界面），但其聚集和整合的方式并未對質量勘察和分析過程產生任何促進作用。

——供應商：當制造商從供應商那里購入原料、零件和組裝配件時，一般也會獲得產品附帶的質量數據。這些對分析頗具價值的信息將被保存留檔，但質量分析師和工程師通常很難獲得這些信息。

在復雜的環境下，得到數據的過程冗長繁瑣、耗費時日，而且可能并不具有可重復性。問題在執行重復性的必要任務時表現得尤為突出，如根源分析和標準報告。此外，對于需要實時和準實時數據的戰略分析而言，及時收集充足數據的可能性幾乎為零。

在調查的受訪者中，明顯存在著上述需求。向調查參與者詢問“可以改進其公司或生產設備的質量水平，進而促進利潤增長的要素”時，他們的回答不外乎以下幾種：

——49%的受訪者：幫助操作者提前應對潛在的質量和性能問題，避免其向客戶端發展的早期預警分析。

——49%的受訪者：不同職能部門間通過企業級技術工具解決問題的協同能力。

——47%的受訪者：更方便、快捷地獲取質量數據和其他知識。

——37%的受訪者：有利于最優過程建立的預測建模，從而提高資產利用率，優化物料消耗，減少返工率，降低廢品成本。

企業分析質量平臺可以實現以上所有期望，它將從微觀戰術層面到宏觀戰略層面全方位提升企業已收集到的質量數據的使用效能。

什么是企業分析質量平臺？

圖3表示的是一個企業解決方案的概念性結構體系。它包括：

——信息存儲：左側的數據來源是構建企業分析質量平臺數據模型最重要的模塊。右側的數據來源能增加解決方案的價值。

質量生命周期分析：這一層級包括適合不同類型用戶的多個界面。

——這些界面可能包含：

——顯示關鍵性能指標（KPI）的儀表板。

——滿足組織報告要求的報告裝置。

——顯示不間斷監控結果的預警裝置。

——用于根源分析的分析工作臺。

——幫助事前質量管理的預測建模功能。

——支持預測模型相關過程（包括性能監控）的模型管理。

用戶可以獲得以下收益：

——從多種來源、平臺和操作系統獲得并整合關鍵數據。

——優化數據分析利用。

——為整個組織提供統一版本的實際情況說明。

——基于最佳實踐的企業規則和過程的相關支出。適用于所有的報告和分析活動。

某鋼鐵制造商借助企業分析質量平臺實現120萬美元投資回報

通過啟用一批訓練有素的六西格瑪黑帶專家，一家韓國鋼鐵制造商實現了理想的增產過程。但是，他們認為，借助整個企業在數據整合、企業數據挖掘和建模方面的協同努力，企業可以取得更大的進步。

在設備和物料方面仍存在著巨大的潛力可挖；廢品損失較高，無法達到理想狀態。基于獨立過程的傳統分析方法作用有限。通過將不同設備和流程的數據整合在一起，該公司將15%的廢品率降低了1.5個百分點，僅這一項就節省了15萬美元。該公司可以確定冷軋鋼設備和物料方面的利潤變量，并在軟件解決方案方面獲得了120萬美元的年均投資回報。在過去，這一過程是由六西格瑪專家識別高附加值改進目標，然后由質量團隊進行根源問題分析等活動來實現的。

此外，這家鋼鐵制造商還將標準熱軋卷板生產的交付時間縮短了50%（從30天縮短到14天），存貨則減少了60%。通過這些努力，計劃和銷售周期大大縮短，生產利用率達到最大。而且，這些改進活動并未耗費太長時間，實際上，分析周期的時長也明顯縮短。

質量分析平臺的主要收益：上市時間、問題解決、績效改善

盡管運用企業分析質量平臺獲益良多，但該平臺對制造競爭力貢獻潛力最突出的三個方面主要包括：新產品上市時間、問題解決和績效改善。下面將對這三個方面進行逐一分析。

在開發階段，企業投入重金開發新產品或新模式。在早期尚不成熟時，新產品或新模式的收益通常較低，產品銷售也不甚理想。一旦企業完成整個開發過程，準備將新產品或新模型投放市場時，必須將新的過程引入到生產之中。

初始階段的收益一般較低，因此，該階段的目標就是將收益提高到最優水平。與此同時，產量也必須有所增長。在很多企業，產量與收益的提升幅度并不顯著。

在產品生命周期的早期階段，市場可以承受較高的價格，但隨著競爭的快速展開，單個產品的市場價格亦隨之下降。這意味著可用于彌補前期研發投入的時間跨度非常有限。因此，企業提高產量和收益的速度越快，可收回研發費用和獲取利潤的數額也就越多。

在收益增長階段，企業分析質量平臺可以通過以下手段有效縮短理想收益的實現時間：

——快速反饋。

——豐富的分析工具組合。

——提升透明度以及對制造流程的辨察力。

當產品產量增加并實現理想收益時，各種意外情況的發生也將導致收益和質量問題頻發。發生這些情況時，就要盡可能迅速地探查問題所在，深挖根源并解決問題。

企業分析質量平臺可以幫助企業顯著縮短利用監控解決問題、早期預警以及進行根源分析的時長。這意味著保持質量的較高水準將變得更易于實現。

當收益達到理想水平，企業可能希望在無需投入額外生產能力的條件下，突破現有紀錄，繼續提高產出和生產率。這是一項困難的工作，也很難取得成功和持續性的成果，組織需要強大的統計研究能力，才能發現最大的改進機會所在。

此外，企業分析質量平臺還能幫助工程師和分析師通過豐富的分析研究工具組合得到確鑿的統計事實，進而找到由此獲得最大收益回報的機會。由于他們能夠獲取數據并在統一的平臺上進行協同，這些機會也可以迅速地轉化為現實可行的行動方案。考慮到績效改進所需的時間、勞動和設備等各項投入，選擇需要實施改進的重點領域絕對不能交由“直覺”去判斷。

《產業周刊》的這次企業質量調查研究在上述三個收益方面和整合度高、獲取面廣的企業數據之間建立了關聯。根據受訪者調查的結果，擁有高度可獲得性和整合性數據的企業，縮短了上市時間，降低了銷貨成本，客戶滿意度在過去兩年的時間中也得到明顯提升。

結論

盡管業務領域的方方面面都經歷著技術的飛速進步，企業也在關注溝通的工具，但企業明顯低估了數據分析作為一項競爭利器的巨大作用。

制造企業中隨處可見的質量數據，是尚待開發且最具潛力的寶藏之一。提升其使用效率并使其成為一項戰略動力，關鍵在于企業分析質量平臺的應用。

已在眾多一流企業廣泛應用并廣受好評的企業分析質量平臺，可以建立一種全局性的制造智能結構體系，并通過切實有效的持續性成果為企業帶來快速而可觀的收益回報。

企業（特別是制造企業）為了保持競爭力，必須面對現有資源條件下績效改進的持續壓力，高管們都希望企業在運營和交易IT系統方面連續30多年的投資可以獲得更大的回報。挖掘現有質量數據的潛能恰恰可以在支持長期流程改進工作的同時實現這個目標。