范林，王铁民，张维兵

中国石油辽阳石油钢管制造有限公司（辽宁 辽阳111003）

产品质量是企业赖以生存的核心，为保证产品质量，推动企业持续、稳定、健康发展，有效的质量管理就成为了关键。产品质量管理工作是一项非常复杂并且繁重的任务，随着经济的发展，顾客对产品性能及产品服务要求不断提高，更多的企业开始研究如何持续提高产品质量管理水平，以使产品更加符合顾客的要求[1]，这也对质量管理人员提出了挑战。在科学和网络技术不断发展的今天，随着制管企业智能化和自动化程度不断提高，大数据分析技术也逐渐成为质量管理人员改进质量管理方法、促进工艺改进和提升员工质量意识的重要科学手段。

1 大数据促进质量管理方法变革

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[2]。但随着制管企业生产过程中执行管理系统(MES)和企业资源计划系统（ERP）的不断深化，也为质量管理人员提供了改变管理方式的途径与方法。在实际的质量管理和改进活动中，由于大数据相对于传统数据统计方式存在着无法比拟的优势和特点，因此利用大数据进行质量管理是理想的管理途径和提升产品质量的良好机遇[3]。通过合理、有机地使用大数据技术中的数据采集、数据处理和统计分析等，促使制管企业质量管理方法发生变革。

1.1 大数据技术带动产品全生命周期管控水平提升

2017年中石油提出智慧管道的概念[4]，其中提出通过“端+云+大数据”来构成管道全生命周期数据，这也促使制管企业对质量的关注重点逐渐由产品的过程质量管理转变为钢管的全生命周期的质量管理。

在某重点管线生产过程中，中国石油辽阳石油钢管制造有限公司（以下简称公司）开始引入大数据技术对板卷性能、钢管理化性能、生产过程质量和不合格品控制等钢管全生命周期进行质量管控。

以钢管理化性能为例说明。首先，按照板材生产厂商进行分类；然后，对按照检验标准要求进行钢管的理化性能数据采集、处理和统计分析；最后，对钢管的整体性能进行综合统计分析。按钢厂分类进行的数据统计分析见表1。

表1 按钢厂分类的钢管管体理化性能对比表（部分）

从表1中可以清晰地看出不同卷板厂商钢管性能的差异，结合生产钢管过程中采用的生产工艺参数，可以为后续的管线生产提供不同卷板厂商工艺参数的优化改进方向。通过钢管全生命周期的离线检验阶段所获的大数据，调整工艺方案及参数，促进了在线生产工艺参数改进，从而整体提高产品质量。

公司针对钢管全生命周期中的不同阶段，有机地选用大数据技术中的各种方法，使钢管在原料采购、生产、检验、防腐和发运等过程中的质量管理逐步标准化和模块化，在持续促进产品质量提升的同时，也带动产品全生命周期管控水平的全面提升。

1.2 大数据技术促使企业发现管理薄弱点

结合公司“追求卓越的产品质量”的经营理念，以及“持续改进质量管理体系有效性”的要求，采用大数据技术对公司在体系外部审核、体系内部审核和日常质量管理体系运行情况检查中发现的不符合项进行统计分析及有效利用，以达到促使公司发现企业质量管理薄弱点的目的（图1）。

图1 大数据分析促进体系持续改进流程

通过对各类审核中的不符合项进行统计和分析，可以有效地发现在质量管理体系运行过程中存在的薄弱点。例如，对每年200余次的日常质量管理体系运行情况检查中发现的问题进行统计分析后，可以形成生产现场质量管理、设备运行控制和产品实物质量管控中存在薄弱点的有效反馈，如生产现场原料管理不规范、设备维修存在滞后性和产品标识管理不符合要求等等，结合PDCA循环的质量管理方法，制定行之有效的纠正预防措施，以达到消除薄弱环节、持续提升质量管理有效性的作用。

1.3 大数据分析使培训更加高效准确

传统的企业质量培训往往存在培训重点不够突出、靶向思维不足以及偏重于质量知识和意识传授而实际指导作用不强的问题。随着大数据时代的到来，在工业生产节奏不断加快和产品质量水平要求不断提高的社会背景下，培训的有效性、准确性、靶向突出性和高效性就显得尤为重要。

在日常质量管理体系运行情况检查中发现的问题和MES系统中发现的产品质量问题，将其做成质量问题数据库，再与培训相结合构成与大数据相结合的全新的质量培训模式，如图2所示。首先，对质量管理部门和生产分厂的日常质量体系运行情况检查中发现的问题进行收集和归纳；然后，对MES系统数据库的数据进行收集和整理[5]，以得到所需的产品质量问题数据，再通过整理、标定和归纳获得各工序岗位所引发产品质量问题的可能性，进而计算出各工序岗位质量风险值；最后，将检查发现的问题和岗位质量风险值相结合，综合分析确定对相关岗位人员的培训内容，并通过考试、实地操作考核等多种方式保证培训的有效性，全面提高培训的准确性和高效性。

图2 与大数据结合后的培训模式

2 大数据促进工艺改进

在工艺改进模式中，生产过程产生的质量数据收集是必不可少的，通过对收集的质量数据进行分类、汇总和分析，以获得有效的工艺改进方案。但是，在传统的质量管理模式下，对收集的数据进行分析、过滤、挖掘的速度较慢，所得到的分析结果相对滞后[6]，难以做到对工艺改进活动的有力支撑，对企业的产品质量提升起到的作用也有限。

随着大数据时代的到来，制管企业自动化、智能化的进度不断加快。目前，在钢管制造生产过程中，MES系统已经能够做到对生产过程中产生的生产原料、生产工艺和产品质量特性等参数进行采集、分类和存储，并通过数据积累形成历史数据库。通过深入分析历史工艺流程数据，找到关键质量特性与工艺条件之间的模式和关系，实现对生产工艺的迭代优化（图3）[7]。例如，通过对焊接过程中工艺参数（焊接电流、焊接电压和焊接速度等）、焊接材料（焊丝和焊剂）和焊接过程中产生的缺陷进行分析研究，分析出不同焊接原料组合、工艺参数和焊接缺陷出现概率之间的关系，并针对PDCA循环改进的工艺优化策略，有效降低焊接缺陷产生的几率，全面提高产品的内在质量。

图3 工艺改进流程

3 大数据提升员工质量意识

在小数据时代，生产过程中的产品质量相关数据的收集和呈现通常比较滞后，难以做到实时报送和呈现。各种数据均采用纸质报表和文件的形式在每天的生产结束之后进行收集，并通过专职人员对其进行汇总、整理、分类和提交，各个生产工序无法实时获得产品质量的反馈。

在大数据时代背景下，随着制管企业的信息化、自动化、网络化的不断提高以及MES系统的不断深化应用，产品质量信息、设备运行状况、材料使用情况和工艺执行情况都通过各种形式不断地存入数据库中，最终形成有效和可靠的实时数据。对于采集实时数据，通过大数据的可视化处置，采用如监控屏幕显示、微信推送、APP实时查看等多种形式推送给各个工序，员工可以随时了解到本工序的产品质量情况、设备运行情况和材料使用情况等等，使员工对于产品质量的认知从感性的印象转变为可视化的数据；明确的数据分析图表会促使员工发现各工序在生产过程中所存在的不足，并通过有效的奖惩机制来激发员工改进操作的责任感和使命感，通过调整操作流程、优化操作方法来提升个人技能水平，在促进公司产品质量水平提升的同时，还提升了员工的质量意识（图4）。

4 大数据提高质量管理人员整体素质

随着制管企业自动化、智能化程度的不断提高，使得在生产和检验过程中产生了海量的数据。在质量管理的历史上，质量数据始终是质量管理的基础和源头，大数据时代来临，改变了质量数据产生和评价的方式，大数据带来的不仅是质量数据总量的大小变化，更是质量管理思维的变革[8]。这样的改变也迫使质量管理人员必须不断主动去思考，在新大数据时代下，如何将传统的质量管理工具和质量分析方法（如PDCA、离散分析、回归分析等等）与产生的大数据相结合，同时还需掌握新一代的数据分析工具，以增加对于产品质量过程有重要影响的海量质量数据的利用度。将预测质量趋势变化和质量问题出现的方式，由以自身经验为核心向以数据驱动转变。

图4 质量意识提升过程

公司在生产中，因焊丝卡丝造成生产线停车，影响产品的一次通过率。针对上述问题，收集生产中造成卡丝的相关数据，利用大数据分析工具Tableau对送丝阻力和卡丝原因进行分析，通过数据可视化、数据分析与数据整合等分析手段，找到主要原因，最终确定了解决问题的方法和策略，将焊丝卡丝机率降低了91%，使产品的一次通过率得到了有效的提高。

5 结束语

在自动化技术、信息网络技术和智能化技术飞速发展的今天，传统的制造企业向智能化制造企业转变已经成为必然，产品质量管理工作也在向着以数据为驱动的大数据质量管理模式发生着变革和创新。通过大数据技术的应用，促使了公司在质量管理方法、工艺改进方式、质量意识提升和人员素质提升这4个方面的变革和创新，有效地促进了产品质量管理工作地提升，在推动企业持续、稳定、快速、高质量发展方面发挥了重要作用。

摄影/晓明