应用数据挖掘分析和改进产品质量精密制造业的案例研讨.pdfVIP

704 2008中国发展进程中的管理科学与工程(卷I) 应用数据挖掘分析和改进产品质量： 精密制造业的案例研究 黄海量 上海财经大学信息管理与工程学院，上海200433 edtren hlhuang@mail．shufB 摘要：本文介绍了运用数据挖掘技术对精密制造企业的产品质量进行改进的方法和策略。2004年6月1日～8月31 日期间，基于对目标工厂11320件精密光学产品制造信息的数据挖掘技术，用决策树把影响产品质量的莺要因素反映出来。 结果显示，引起产品缺陷的主要因素是：工艺链、精度要求、产品类别和原材料。基于此，设计了一个决策支持系统来进行连 续的质最监控和分析。 关键词：质鼍改进；数据挖掘；精密制造 为了能成功实现生产质量改进，与产品生产过程 1 引 言 相关的信息和质量的影响因素必须能够实时提供。本 在制造业，企业采用多种质量改进方法来提高产 文运用数据挖掘技术发现影响产品质最的因素，并在 品的质量，例如，全面质量管理(TotalQualityManage—此基础上开发决策支持系统来实现面向过程的CQI。 ment，TQM)u1和持续质量改进(ContinuousQuality 数据挖掘(DataMining，DM)是一种川统计的算 Improvement，CQI)[21等。前者是对制造过程进行控法在数据中找出某些规律和关联性的数据检索[4]。它 制和榆测来达到最终质量要求；后者则是一种持续的 是从大规模信息库如数据仓库中，发现知识的方法。 质量改进，其策略是让组织中的全体人员都参与其中， 在本文案例中，使用数据挖掘方法从产品数据仓库中 不断改善产品和服务的质量。 找出与质量问题相关的各种因素。 CQI起初是基于质量保证(QualityAssurance， 2方法 QA)规范。然而制造业的经验显示，如果把QA项目 的焦点集中在对最终产品的考核上，对改进质量和节 2．1对象和范围 约成本的帮助不大[3]。在制造业，对生产过程进行质 本文选择了厂商A在2004年6月1日～8月31 量改善的策略已被证明比面向产品的质量控制更为有 日间生产的11320件精密光学产品。企业可使用多种 几个质量指标，但我们关注的焦点在于产品的次品率。 效。在20世纪90年代初期，质量改善方法由QA规 ofdefec— 范转移到TQM／CQI等面向过程的质量控制方法上，本文通过决策树方法对次品率(percentage 尤其在认识到后者的优势之后。 tives，POD)进行分析，试图以此发现影响产品质量的 从20世纪90年代起，中国的精密制造业大多数重要因素。在分析中要用到的产品属性信息包括：原 国有企业启动了QA项目。直到现在，许多精密制造 材料、生产小组、产品种类、工艺链类型、加工精度等。 企业已开发出自己的质量改进(QualityImprovement，2．2方法 QI)标准，并且建立了特别的QI部门。但因为其没有 决策树用来分析影响POD的因素。决策树是一 充分利用质量改进评估结果和反馈信息，加上沉萤的 种在多领域分析时非常有效的分类方法。大多数决策 工作量和缺乏动力，使得CQI在大部分的企业都没取 树的算法都是用一种标准的、从上到下的建树方式。 得预期的效果。此外，大部分的QI项目主要依赖于 Chi平方自动交叉决策CHAID和C5．0[53是两种主要 手工过程，例如，图表审核等。采用手工过程的QI项 的决策树生成法，都足荩于ID3分类算法的