數據分析在車間刀具及設備管理方面的探索

吳家興 張海軍 張新煒 王怡然 王洪峰 王 美

（內蒙古北方重型汽車股份有限公司 內蒙古包頭）

一、前言

在精益管理推行之初，一項重要的工作就是各種管理數據的收集整理。機加車間作為精益工作的試點單位，于2013年正式開始記錄車間的刀具消耗量、設備運行時間、工時數、設備故障次數、總停機時間等數據。經過17個月的數據收集，車間已掌握了一套具有參考性的管理數據。以所掌握的管理數據為基礎，運用統計工具對其進行分析，探索數據背后的玄機。

首先，將所需要的數據進行整理。目前的數據統計可以覆蓋到單臺設備的月時段，本次選取車間2013年1月至2014年5月的58臺設備數據為數據樣本。其運行時間、工時數及故障次數見表1。

表1 機加車間2013年1月～2014年5月數據統計表

這些數據之間是否具有某些聯系？數據背后是否隱藏著某些規律？下面運用統計工具大膽假設，小心求證。選用最小二乘法對數據進行回歸分析。最小二乘法是利用已知數據點位與未知曲線方程誤差的平方和為最小原理，利用對其最小值求各系數一階偏導數為0的方法，求出回歸方程的分析法。其具體計算過程，不再贅述。EXCEL作為出色的數據處理軟件，可以非常方便的對數據進行回歸分析。利用EXCEL的2013版進行回歸分析。

二、工時與設備開機時間的關系探索

首先確定以ERP為主統計出的總工時與實際記錄的設備開機運行時間的關系。橫坐標為設備開機運行時間，縱坐標為總工時。分別使用線性回歸、指數回歸、二項回歸對其對其分析，見圖 1～圖 3。

圖1 線性回歸分析圖

圖2 二次回歸分析圖

從相關系數R2及曲線趨勢圖來看，無論是哪種擬合都反映出數據間有強正相關性。結合數據特性分析，可得出結論，現有工時與機床開機時間具有線性相關性，線性回歸方程約為y=0.61x+4.3

圖3 指數回歸分析圖

三、設備運行時間與刀具消耗金額及故障次數間的關系探索

選取橫坐標為設備開機運行時間，主縱坐標為刀具消耗金額，次縱坐標為故障次數，對其進行回歸分析。A線為開機時間與刀具金額的回歸曲線，曲線為二項式。回歸系數為R=0.92，有強相關性。B線為假設的工時與效益的線性曲線，方程為y=200x（每工時創造200元效益）。C線為開機時間與故障次數的回歸曲線，回歸方程為三項式，相關系數R=0.68，見圖4。

從回歸曲線可以初步分析，設備的開機運行時間與故障次數及刀具消耗均不是線性關系。對回歸方程分別求導可得：f＇（x）=0.0082x－22.275，方程在x=2716處出現拐點。設備的開機時間與故障次數回歸方程求導f＇（x）=3×10－10x2-4×10-6x+0.0164拐點出現在8000左右。由方程和圖像可近似得出以下結論。

（1）在加工量較少時刀具消耗較小，且消耗金額增長緩慢，但隨著加工工時量的增加，刀具消耗金額將會大幅上升，并將在53 904 h運行時間處超越創造的效益（盡管這是不可能達到的），這可能是由于機床的某些特性造成的。

圖4 多因素回歸曲線

（2）故障次數增加率在設備運行時間2000～5000 h范圍較大，但在5000～9000 h間放緩。這可能也是由于設備的某些特性造成的，當設備達到一定的穩定運轉范圍，故障反而不會上升，當超過某一臨界值時，設備故障率才會大幅升高。

（3）在設備運行5000～8000 h的范圍內，設備加工工時將同刀具消耗和故障次數取得一個相對較好的平衡，因此建議車間任務量盡量保持在這樣一個范圍內。

四、小數據分析的不足

以上所做的分析，僅基于17個月的數據，當然存在著不足和問題。

（1）數據的取得均來源于人為統計，與真值之間必然存在著差異，需要日后通過采用自動化及信息化統計手段，提高數據的準確性。

（2）數據樣本為17個月的統計數據，樣本相對較小，結論合理性仍需要長期觀察檢驗。

（3）設備樣本數據來源較雜，為50多臺設備的綜合數據，缺乏針對性分析，因此結論的合理性仍需細化分析。