在大数据冲击下的工业质量管理对策

来源：畅享网

2014/3/17 13:17:18

在大数据的冲击下，传统的质量管理方法无论是在概念宣传与培训的层面上，还是在实际应用与推广的层面上都面临着巨大的挑战。

说起大数据，人们很容易想起电商、银行、电信等行业。殊不知，传统的制造业也正在（甚至更早地）面临着大数据的冲击，在产品研发、工艺设计、质量管理、生产运营等各方面都迫切期待着有创新方法的诞生，来应对工业背景下的大数据挑战。

例如在半导体行业，芯片在生产过程中会经历许多次掺杂、增层、光刻和热处理等复杂的工艺制程，每一步都必须达到极其苛刻的物理特性要求，高度自动化的设备在加工产品的同时，也同步生成了庞大的检测结果。这些海量数据究竟是企业的包袱，还是企业的金矿呢？如果说是后者的话，那么又该如何快速地拨云见日，从“金矿”中准确地发现产品良率波动的关键原因呢？这是一个已经困扰半导体工程师们多年的技术难题。

再比如在电子行业，随着智能手机、平板电脑、高精度相机等新产品的层出不穷与升级换代，消费者的要求日益苛刻，企业运营成本压力的持续增加，衡量产品质量的技术维度早已从以前的一两个上升到几十个、乃至上百个的数量级。比较典型的应用有手机不同频点的电子信号收发测试，电脑结构中各个机械尺寸的精密度测量等等。传统的统计质量管理方法在面对这种新场景下往往会束手无策，即使有个别牛人级的工程师生搬硬套地开发了一些应用程序，但分析的效率依然很低，效果也远远达不到预期的要求。

其实，稍微深入地了解一下当前国外最热门的几家高科技公司的经营实践，就不难发现：充分发挥大数据优势的现代化质量管理对策已在近几年中逐渐崭露头角。下面通过一个实际案例来进一步说明：

某半导体科技公司生产的晶圆在经过测试环节后，每天都会产生包含一百多个测试项目、长度达几百万行测试记录的数据集。按照质量管理的基本要求，一个必不可少的工作就是需要针对这些技术规格要求各异的一百多个测试项目分别进行一次过程能力分析。如果按照传统的工作模式，我们需要按部就班地分别计算一百多个过程能力指数（如下图所示），对各项质量特性一一考核。这里暂且不论工作量的庞大与繁琐，哪怕有人能够解决了计算量的问题，但也很难从这一百多个过程能力指数中看出它们之间的关联性，更难对产品的总体质量性能有一个全面的认识与总结。