面向PDCA的裝備質量數據體系模型建設

劉松福，肖楚琬，梁寒濤

（1.海軍航空大學，山東煙臺264001；2.92919部隊，浙江寧波315000）

質量管理專家戴明指出，“系統改善需要統計學意義上的數據，需要基于事實的信息收集、處理和利用”[1]。隨著我軍裝備管理模式改革的不斷深入和裝備信息化程度的不斷提升，裝備質量管理工作逐漸建立和完善了以戴明環（Plan Design Check Act，PDCA）為核心的質量控制方法，強調了數據在質量管理過程中的支撐作用[2]。

為了強化裝備質量數據建設，美軍從20 世紀80年代起，建立了從國防部長辦公廳到基層一線的質量管理體系，構建了各類數據互聯的“網絡中心型”框架，依托政府與工業部門數據交互網（Government Industry Data Exchange Program，GIDEP）實現了質量數據共享和閉環反饋，并基于“全資產可視化系統”開展分析應用，支撐裝備質量決策，有效提升了裝備質量管理水平[3-4]。

我軍裝備質量信息系統建設成果豐碩，積累了大量質量數據，但質量數據尚存在體系性不強、管理薄弱、標準化水平低、共享不足等問題，造成裝備質量信息反饋不順暢、質量分析趨勢預測困難，這嚴重制約了我軍裝備質量水平的整體提升[5]。因此，建立適應我軍裝備管理實際，支撐PDCA過程的裝備質量數據體系就顯得尤為重要。

1 裝備質量數據基本概念探討

盡管“裝備質量數據”在實際工作中已被大范圍使用，但其定義、內涵和外延等基本概念尚未得到共識，如何界定裝備質量數據還存在一定爭議。因此，本文首先對裝備質量數據的基本概念進行探討。

1.1 裝備質量數據的定義范疇

軍語、國軍標、軍事百科詞典等權威資料都沒有對“裝備質量數據”有精確解釋。GJB 1405A定義質量信息為：“各種報表、資料和文件承載的有關質量活動的有意義的數據”[6]。GJB 1686定義裝備質量信息為：“反映裝備質量要求、狀態、變化和相關要素及相互關系的信息，包括數據、資料、文件等”[7]。很明顯，這些并不能作為裝備質量數據的定義。

根據工作經驗和相關資料，本文定義裝備質量數據如下：“裝備全壽命周期中產生的直接或間接反映裝備質量問題、狀態、變化和相關要素及相互關系的信息的數據及數據產品?！泵鞔_了以裝備質量問題為主線，形式上涵蓋數據和數據產品，為裝備質量數據界定提供了依據。這里的“裝備”是指“可用于實施和保障軍事行動的武器、武器系統和其他軍事技術器材的統稱”?！皵祿笔侵浮笆挛铩顟B、概念、指令等一種形式化的表示，適合于人工或自動方式進行通信、解釋或處理”[8]。

1.2 裝備質量數據的內涵和外延

從定義來看，裝備質量數據是裝備數據中的一個子集，兩者具有互相關性和重疊性。當裝備質量與設計要求不符時，相關裝備數據轉換為裝備質量數據，進入PDCA 循環。從某種程度上可以認為，與PDCA循環過程相關的數據都是裝備質量數據。

就其內涵來看，凡是直接反映裝備與其設計要求符合性的數據都應是裝備質量數據，它包含3個層次：一是直接反映裝備質量的數據。如，裝備故障、問題等。二是支撐裝備質量的數據。如，設計數據、試驗數據等。三是反映裝備宏觀趨勢的數據產品。如，MTBF、裝備完好率、質量經濟性指標等。

就其外延來看，所有的間接與裝備質量相關的數據都可以納入裝備質量數據范疇。比如，裝備管理過程數據；研制、生產、試驗等階段中的設計、工藝、試驗、使用等支撐裝備質量實現和保持的數據等。其內涵和外延示意圖如圖1所示。

圖1 裝備質量數據內涵和外延示意圖Fig.1 Schematic diagram of connotation and extension of equipment quality data

1.3 裝備質量數據的主要作用

一是直觀反映裝備質量水平。通過采集裝備的性能、試驗等直接數據[9]，可以驗證裝備對于技術指標的符合性情況，為把關裝備質量提供了直接依據。

二是監控質量問題處理。對于裝備在各個階段出現的故障或者質量問題，實現基于數據的全過程監管，促進故障和質量問題的快速解決，提升裝備保障能力。

三是促進提升裝備質量水平。通過裝備故障數據的不斷積累，可以基于FRACAS（Fault Report Analysis and Corrective Action System）有效完善裝備設計和制造水平[10]，對同類問題進行舉一反三，提升FMEA（Failure Mode and Effect Analysis）準確性[11]，促進提升裝備質量水平。

四是預防重大質量問題發生。根據海因里希法則，每個質量問題的背后都有一系列故障和隱患[12]。通過對具有相同因素集的質量數據進行分析，可分析研判裝備質量形勢，提前預防裝備質量問題發生。

五是促進軍地交流。裝備質量數據具有軍民通用性質，只有軍方使用數據及時反饋到研制部門，才能真正促進質量提升。在數據流通過程中，可以有效促進軍地信息交流和機制建立，從而在更廣泛的層面更好地促進軍地交流。

2 裝備質量數據基本特性分析

裝備質量數據內容多、形式多樣，涉及要素雜，具有較強的復雜性、融合性和客觀性。

1）復雜性。裝備質量數據就其范圍來說，涵蓋了裝備全生命周期、全維度的數據，彼此之間相互關聯。僅就生產階段而言，涉及裝備需求論證、生產競標、裝備制造以及監督、激勵和評價等過程中所采取的控制質量的行為，這一過程既涉及使用方自身的管理問題，又涉及使用方通過合同對裝備制造方進行監督和激勵的行為。對于表象簡單的一起裝備故障，其分析和處置的行為過程可能極其復雜。各類行為產生了大量相互交叉的質量數據，且受到財務、環境等很多復雜因素的影響，使得質量數據展現出其自身的復雜性。

2）融合性。PDCA 過程是裝備管理工作的一部分，其流程是裝備研制工作的組成部分。同理，裝備質量數據作為裝備數據的子集，涵蓋了設計、制造、使用等各個階段的專業數據，與專業設計、生產、器材等數據相互融合，共同支撐裝備研制和管理工作，無法獨立存在。

3）客觀性。戴明關于質量管理的基本思想之一就是：數據必須基于事實，只有真實反映客觀事物的數據才有使用和分析的價值。裝備質量數據用于驗證裝備技術要求的符合性，直接采集于裝備生命周期過程，反映了裝備質量的真實情況，是裝備決策的可靠支撐。

3 裝備質量數據體系模型

作為裝備質量管理的核心方法，PDCA 在問題解決的循環中不斷提升裝備質量水平。其數據體系建設必須基于PDCA循環理論要求，真實反映質量管理的對象、方法、問題和過程等要素，形成穩定的方法架構，為進入下一個PDCA循環提供支撐。

3.1 面向PDCA的數據模型需求分析

PDCA過程包括計劃、實施、檢查、處理4個階段，8個基本步驟，其基本思路是在概念設計、方案設計基礎上，開展設計和研制工作，針對檢查確定的問題制定改進方案，進入下一個PDCA 循環，從而在不斷循環的過程中完成質量水平提升。它不僅是一個質量管理模型，更是一個通用的工作模型[13]。

PDCA 循環建立了一條完整的質量管理鏈，各類質量數據作為鏈路中的“水流”，貫穿了全過程。基于PDCA 的特點和階段工作重點，面向PDCA 的數據體系需求模型如圖2所示。

在計劃階段，須要分解質量管理目標，建立計劃、規章等各類相關文件。質量管理目標的核心就是滿足用戶需求和消除質量問題。因此，在這個階段，建立以故障數據和論證數據為主的質量數據集，作為PDCA循環的系統輸入。

圖2 面向PDCA的數據體系模型Fig.2 Data architecture model for PDCA

PDCA在實施階段的重點是要根據計劃階段的各類文檔完成設計、生產等任務，產生大量專業數據；在檢查階段，以質量檢驗、定型試驗、應用試驗為主，將產生大量產品是否滿足技術性能指標要求的試驗類數據。通過對比試驗類和計劃類數據，將產生改進類數據，包括裝備問題，改進需求等，作為下一個PDCA循環的輸入。因在單一PDCA 循環過程中的質量數據具有融合性，并不是質量獨有，統稱為過程類數據。

為了評估質量目標實現程度，需要在以上數據的基礎上，建立質量專用評價類數據指標體系。具體內容根據質量管理目標和對象層次確定，如行業層面的指標重點考慮規律性指標，裝備層面重點考慮可靠性、安全性等通用質量特性指標。面向PDCA的各類數據類型的基本特性如表1所示。

表1 面向PDCA的質量數據特性表Tab.1 PDCA oriented quality data characteristics table

3.2 質量數據體系模型設計

質量數據分散在PDCA 的全過程和各個組織中，為了更好地發揮其決策支撐作用，設計涵蓋“4 個層次、2個體系”的質量數據體系模型如圖3所示。

圖3 質量數據體系模型Fig.3 Quality data construction model

3.2.1 數據層

數據層是質量數據體系的基礎。主要包括裝備質量元數據標準、基礎數據、專業數據集3個部分。其中，元數據標準規定了質量數據的基本要求，是開展各類質量數據采集的基礎。基礎數據是裝備生命周期中產生的直接質量數據，通過數據清洗、融合、匯總后，按照生命周期形成研制、生產、試驗等專業數據集，為數據分析做好準備。

3.2.2 知識層

知識層是質量數據體系的核心。它決定了質量評價的范圍、準確度等關鍵要素，其重點在于不斷發展完善質量數據分析模型，針對不同目標和層次要求，構建以質量評價、體系貢獻率、質量預測為核心的質量數據指標體系。隨著PDCA循環的不斷完善，逐漸完善知識模型，對各類指標體系進行優化升級。

3.2.3 服務層

數據服務是質量數據體系的推動力。由于裝備質量數據具有融合性和復雜性的特點，可以用于支撐各類裝備工作，是裝備工作體系中的重要一環。因此，打破獨立的數據條目化模式，設置質量數據服務，不僅提供質量預警、評估、改進跟蹤等通用質量數據服務，并根據用戶需求不斷更新，帶動基礎層和知識層進行數據升級，為裝備數據體系建設提供支撐。

3.2.4 產品層

質量數據產品是質量數據的最終表現形式。它通過直方圖、箱狀圖等各類可視化方式，為用戶提供可以直接使用的數據決策產品；通過數據分析報告、白皮書等方式，為用戶提供分析和決策建議；通過指標體系分析與論證等方式，支撐用戶全面掌握質量態勢，開展工作決策。

3.2.5 標準法規和組織管理支撐

標準法規和組織管理是保證質量數據體系順利運轉的基本條件。針對各個層級的數據建設和應用需求，建立從元數據標準到頂層規劃的法規標準體系，以及涵蓋軍地雙方、各個層級的質量數據管理組織，從而保證質量數據體系的順暢運行。

3.3 重點關注問題

1）元數據標準建設。造成當前裝備質量數據分析和處理困難的重要原因之一，就是缺乏元數據標準，比如各類質量數據與設計、生產等數據相互交融，難以分辨；手工填報類的質量數據不標準，需要花費大量精力進行二次清洗；各類要素不完備，導致無法分析等[14]。因此，急需建立裝備質量數據的元數據標準，統一質量數據的基本要素，為質量數據建設奠定基礎。

2）質量知識模型建設。質量數據長期粗放型建設，導致各類質量模型分散在相關行業中。須要綜合運用機器學習、人工智能、語義識別等數據分析技術，建立起跨類別、跨領域數據的內在聯系，實現知識的抽取和固化，建立質量服務的基礎。在這一過程中，須要注意建設基礎知識庫、專業知識庫和通用挖掘模型[15]。基礎知識庫將歷年來發生各類產品質量與可靠性問題的頻率、故障模式進行結構化表述，形成質量決策的基礎；專業知識庫以固定的知識模型為主，可以快速服務決策；通用挖掘模型可以針對臨時產生的需求，快速組織形成相應知識。在實現形式上，重點是從集中式向分布式發展，按照專業領域打通各類型數據之間的壁壘。

3）質量數據服務體系建設。質量數據服務面向的對象廣泛[16]，需要建立涵蓋基礎級和系統級的數據服務體系，形成快速響應、靈活配置、融合交互的質量數據服務，支撐各類決策應用。其中，基礎級服務是最小單元，由一般性統計，如人員統計、裝備統計等基礎服務構成；系統級服務主要是涉及高層次的跨領域綜合服務，比如裝備質量趨勢預測服務，裝備質量貢獻率服務等。同時，建立基于快速服務的數據結構，以滿足臨時機動服務需求。

4）數據交換網絡建設。目前在質量數據領域，軍地雙方都建立一系列行之有效的方法和手段。地方軍工企業以FRACAS 進行質量問題收集、處理和反饋；部隊通過質量控制系統進行裝備問題數據收集。但是，兩者之間尚未打通渠道，造成了數據脫節。同時，各單位內部之間由于質量數據管理制度不同、系統不同等問題，造成了單位內部之間數據無法交互，利于質量數據收集和處置。因此，打通各階段質量數據交換渠道，構建類似美國防部GIDEP的數據交互網絡，如圖4所示，是發揮質量數據支撐決策和改進功能的基礎。

圖4 故障類質量數據交互示意圖Fig.4 Interaction diagram of fault quality data

4 結論

本文圍繞裝備管理的PDCA 循環過程，在分析質量數據基本概念的基礎上，總結了裝備質量數據特點，構建了涵蓋“4 個層次，2 個體系”的質量數據體系模型，指出體系建設的重點關注問題，為開展裝備質量數據建設、提升裝備質量水平提供了參考借鑒。