可视化数据分析在质量管理中的应用

[摘 要] 可视化数据分析是近几年出现的一种新的数据分析技术,用它来分析数据不但直观易懂,且效果较好,目前已在各个学科中得到广泛的应用。本文探讨了可视化数据分析的概念,鉴于数据分析在质量管理中的重要地位及传统统计分析方法较难的问题,本文将可视化数据分析应用于质量管理中,通过应用实例,说明该方法不但直观易懂且非常有效。

[关键词] 质量管理 可视化数据分析 JMP

一、引言

目前我国正处于经济蓬勃发展时期,中国已经成为世界制造业大国,现代服务业也颇规模,但是我国企业也正面临着严峻挑战,主要是我国大部分的产品的质量还得不到普遍认可,产品质量与美、日、欧相比还有很大的差距。在经济全球化时代,并且21世纪又是质量世纪,这就大大降级了我国企业在全球市场的竞争力。我们只有不断的加强创新,不断改进和采用新的质量管理方法和理念,才能从根本上提高我国企业的质量管理水平,最终提高产品的质量。现在各个领域强调用数据说话,质量管理活动当然也不例外,从过去的统计质量控制到现在六西格玛管理,质量管理活动都是建立在各种质量数据如不良品数、合格率以及实验数据等之上的。如何从各种各样的数据中获取用于质量改进的信息,从而提高产品的质量?统计技术是一个很好的方法,各种传统的高级的统计方法,如方差分析,回归分析等。但是企业很多从事质量管理的工程师,都不是统计专业出身,没有深厚的统计分析功底,传统的统计方法的应用将受到很多限制,但是他们确实有对质量数据进行分析的需要。针对这种情况,本文提出了可视化的数据分析方法。

二、可视化数据分析的概念及JMP简介

在说明什么是可视化数据分析之前,先说明一下可视化的概念。可视化由英文单词“Visualization”翻译而来,本意是使某物图像化、图形化,从而能够清晰、直观地呈现 。事实上,将任何抽象的事务、过程变成图形图像的表示都可以称为可视化。人们用可视化符号展现事物的方法可以追溯到远古时代,但作为学科术语,“可视化”一词正式出现于20世纪80年代。1987年2月美国国家科学基金会 (National Science Foundation,NSF)召开的图形图像专题研讨会上第一次给出了科学计算可视化的定义、覆盖的领域,并对可视化的需求、近期目标、远景规划和应用前景方面作了相应的阐述,这标志着“科学计算可视化”作为一个新的学科在国际范围内的确立 。随着社会和计算机技术的发展,到今天,可视化技术的大家庭中不仅仅只有科学计算可视化,它还包括了数据可视化(Data Visualization)、信息可视化(Information Visualization)、 知识可视化(Knowledge Visualization)等一系列的分支 。

可视化数据分析数据可视化的具体应用,是指将数据库中、科学实验或工程应用中产生的各种数据用图形、动画、报表等可视的方法直观的展示出来。可视化数据分析的应用十分广泛,几乎可以应用于自然科学、工程技术、金融、通信和商业等各种领域。数据可视化有非常重要的意义。它可以大大加快数据的处理速度,使时刻都在产生的海量数据得到有效利用。可以在人与数据、人与人之间实现图像通信,从而使人们能够观察到数据中隐含的现象,为发现和理解科学规律提供有力工具。现代的数据可视化是通过计算机软件,将数据转换为图形或图像在屏幕上显示出。JMP就是一款在数据可视化方面功能非常强大的软件。

JMP是全球统计学软件领袖SAS公司的重要事业部,致力于帮助企业客户提升质量管理、优化业务流程和改进产品研发,帮助高校师生及科研人员提高统计学相关课程的教学质量以及科研工作的成效。JMP软件应用领域包括业务可视化、六西格玛及持续改善、试验设计DOE、研发创新、探索发现、教学科研等各个方面。尤其在可视化数据分析和试验设计方面功能尤为强大。本文的实例分析将基于JMP软件完成。

三、实例分析

1. 问题描述

某电子企业生产一种电子元器件,每天的合格率在87.5%以上的就算正常。最近今几月以来,合格率的波动较大,不正常的天数很多。企业的QC人员为了找出合格率下降的原因,根据历史数据和经验,发现影响的合格率的因素可能有电流的大小、原材料的厚度、设备和工人。为了找出影响合格率的确切因素,以便而取相应措施,提高每天的合格率,QC人员收集了最近50天的数据,数据如下:

2.可视化数据分析

按照传统的分析思维,要找出影响合格率的因素,一般采用方差分析或者回归分析的方法,通过P值确定哪个因素对合格率的影响是显著的。确定和显著因素之后再对显著因素采取相关控制措施,从而来提高合格率。这种方法有效,但是需要较好的统计基础,可能会使那些没有什么统计基础的QC技术人员望而却步。可视化数据分析直观易懂,不需要多少统计知识,本文借助JMP软件,采用可视化数据方法来找出影响合格率的显著因素。首先做出合格率、电流、原材料厚度、设备、工人的分布图,再借助JMP独有的动态链接功能(利用该功能用户可作出各个图形之间、数据表和图形之间实时动态链接,即点击任何图形,该图形在数据表和其他图形中的相应部分会自动加亮),选中合格率在87.5%及以上的工作日,此时合格率和它的影响因素的分布图将发生变化,即合格率在87.5%及以上的部分高亮显示了。此时得到的分布图如下:

分析以上的分布图,从电流的那张分布图看可以看出,合格率大于87.5%的情况都出现在电流大于6时,而在电流小于6时一次都没出现。由此我们可以初步断定,电流是影响合格率的重要因素,并且应该控制电流值大于6。再看工人那张分布图,合格率大于87.5%的情况都出现在工人1和工人2工作操作时,而在工人3那里一次都没出现。由此也可以得出,工人也是影响合格率的重要因素,还可以看出工人1可能是技术不合格,需采取相应的措施提高他的技能。合格率在原材料厚度和设备的分布图都很分散,它们可能不是影响合格率的重要因素,可以暂时不需要引起重视。通过以上可视化数据分析,非常快速而直观的找到了电流和工人是影响合格率的显著因素,应该对它们采取相应的控制措施,这样才能提高合格率。

四、结语

可视化数据分析是近几年出现的一种新技术,应用十分广泛,几乎可以应用于自然科学、工程技术、金融、通信和商业等各种领域,它在实际中的应用价值已被工程技术人员所认识。 现在质量管理活动都是基于数据之上的,如何才能更好的挖掘数据背后的信息,传统的统计分析方法是一个重要的方法。但这一方法需要较好的统计基础,一般企业可能有很多QC人员用不了。从上面的例子看出,可视化数据分析直观易懂,不需要较多的统计学知识,借助像JMP这样的统计软件很容易就能实现。所以使用可视化数据分析方法来开展质量管理活动,无疑会大大提高工程技术人员的积极性,对提高企业的质量管理水平大有裨益。

参考文献:

[1] 贺全兵:可视化技术的发展及应用[J]. 中国西部科技,2008年2月(上旬)

[2] 温庆庆: 可视化技术及其应用初探[J].科技情报开发与经济,2007,17(28)

[3] 周定照:可视化技术在石油行业的应用[J].2010,65(1)