质量管理工作中强化数据分析应用的探讨

尤耀华

摘要：质量工作一直是企业比较重视的环节，在质量控制中，数据分析是一种较为常见也较为有效的方式，通过这样的方式，能够对质量起到很好的提升作用。

关键词：质量管理 强化数据分析

引言

质量工作管理在各行各业都是一个比较重要工作环节，在组织单位中，需要相关人员对自身的职责进行具体化，同时能够对自身的工作质量有一个直观的感受。质量管理部门会通过一系列的数据对综合质量进行准确分析，这样就能够在反看质量的过程中有一个具体的参考。

一、数据分析

数据分析是一种较为常见的分析方法，在事物运行之中，数据是能够对事物发展进行持续记录以及观测的，而且数据在一般情况下，在事物的进程之中是存在一定规律的，这就需要对庞大的数据进行监控，同时能够对这些数据进行准确分析，找出其中的规律。

在数据的分析过程中，首先需要对大量的数据进行收集，其次就是通过取平均数、中位数等方式来确定数据的准确性，进而对整体进行分析讨论，最终找出问题所在，达到解决问题，控制质量的目的。

二、质量管理

GB/T19001-2000条款是对质量管理进行的一系列规定，在规定中明确指出了质量管理所要面对的问题以及标准。质量管理体系是在系统的组织下，对质量进行一定的监控管理，其中主要是对质量方针、目标和职责的管控，同时对质量体系中的质量策划、控制、改进等通过实践来实现。

三、质量管理工作中对数据分析的应用

在质量管理工作中，首先需要做到的就是对质量的数值进行记录，接着得出符合质量标准的数据，随后就是对整体产品质量的控制。一般情况下需要对产品进行数据分析，分析主要是通过三个方面来完成的，首先就是数据的聚集程度，在得知数据究竟在哪个方面进行聚集后，再对整体的质量进行计算，这样的计算会在一定程度上反映出此次产品的整体质量。其次是对数据的分散程度进行分析，这主要是为了说明产品的合格率，也能在一定程度上反映出产品在生产过程中哪一个环节出现了问题。最后就是对数据的分布规律进行记录，主要通过分析数据中存在的中位数、平均数、众数进而对整体的质量进行监控，对生产中存在的波动进行改进，以此实现对产品质量的控制。例如：在一组产品当中，检查总量为五百，分五次进行检查，其中每次出现质量不合格的数量一定不同，架设五次分别出现有质量问题的分别为：9、7、7、4、3，其中众数为7，平均数为6，中位数为7，如果按照这样的数据进行分析，那么不合格率就是在6%-7%之间，这是基于数据分析得出的，一旦对某批产品进行检验，得出的数据大于这个数字，那就表明此次质量管理方面出现了问题，需要积极对问题出现的地方进行改正，如果数据小于这个数字，那就说明工艺有可以改进的地方，需要将之整理成系统的理论，在生产过程中进行推广，进而提升自身的质量控制。

质量管理体系中并不只有数据分析，但数据分析能够确定质量管理体系中的实效性和适宜性。而数据分析则需要收集有效信息，最终才能得出结论。具体表现为：第一是数据分析的数据收集。首先是与产品有关的数据，其中包括生产过程中出现的产品损坏率，还有生产完成之后产品的不合格率，以及产品销售之后出现的用户投诉等方面，这些数据能够直观地反映出产品哪些地方出现了问题，需要改进的地方有哪些，对这些数据进行实时监控，就能够在最短的时间内对产品的质量进行控制。其次就是对对手的数据进行分析，在生产的过程中，产品需要面对的不仅仅是质量上的问题，竞争对手的质量也是产品最后能否成功的一个重要指标，对于对手产品数据的分析，主要是通过对对方质量进行评估来完成，同时对对方产品在市场中的表现进行数据分析，这样就能够在资料的引导下，对于产品进行整体的改进。最后则是对市场进行分析，要明白用户的需要。数据往往具有波动，在产品的质控上也难以做到一模一样，在这样的情况下，就需要对产品的数据进行一个范围的确定，在这个范围之内，就能够作为一个合格的产品，而范围的制定则需要从市场、生产条件以及自身的 预算等多方面进行考虑，这样才能让最终呈现的产品质量受到大家的认可。还有是关于生产过程中的质量控制，生产过程中出现的问题往往是没有任何规律可言的，在这样的基础之上，需要对整个生产过程进行数据的收集，最终了解到哪些生产流程需要进行严厉的要求，哪些地方需要进行严格的监控。

数据分析必须要对自身的流程进行规范关键就是对数据的收集，数据分析一切都来源于对数据本身，所以在收集的过程中，必须保证数据的准确性。在数据收集的过程中，首先需要明确的就是对哪些方面进行收集，对于内部，可以通过各个部门之间进行协商，在生产的过程中对产品的合格率、生产周期、质量特性、经济技术指标等进行观测和监视，保证能够得到准确的数据;对外则是需要对产品的竞争对手进行调研，包括质量、用料、以及成品的工艺指标等等。当数据被全面收集后用报表的形式將数据送往上级部门在上级部门的批示下，对产品进行改进，同时在改进的过程中，挑选合适的方法。在改进之后，重复上一个步骤，发现问题之后，用上述方式解决，循环直至质量达标。

质量报告在制作的过程中，需要注意以下几点：首先就是质量报告必须能够反映质量目标的实现程度。其次就是质量报告必须反映过程质量以及其趋势的问题，例如在生产过程中出现问题，返厂进行修复，必须对生产过程进行监控，防止质量问题出现在生产过程中，再次就是对问题的趋势进行预估，预估之后对其作出一定的风险防范，防止出现重大失误。同时要对产品的质量和趋势进行记录，如果产品能够一次生产合格，那么这样的经验就能够进行推广。最后则是对顾客以及供方进行追踪，在追踪的过程中，主要是对双方的满意程度、趋势进行记录，从而对整体的生产进行调整。

四、数据分析的方法、常用工具以及注意事项

（一）数据分析的方法及常用工具

1.分类分析法

此类分析方法主要是将问题产品进行分类，随后进行单独类型之间数据的记录，以此来达到分析的目的。此类的分析方法适用于产品种类较多的情况，需要对复杂的问题进行分割，转化为简单的问题进行分析，从而找出解决的方案。该类型的分析方法经常会使用排列图和统计表等工具进行记录、分析。

2.责任分析法

责任分析法主要是通过对整体部门的监控，找出其中出现问题最多的部门该分析方法是针对部门而并非产品找出失误较多的部门，对其进行专项整改，从而改善生产质量的方法。该方法主要借助排列图这—工具。

3.对比分析法

对比分析法主要是通过同类型或者相似类型之间的对比，从而直观分析其中出现的不足。对比分析法的对比对象不局限于现在，对于历史上的一些数据也能够进行对比，从而对产品的改进提出意见。该方法使用的工具多为柱状图和控制图。

4.趋势分析法

趋势分析法能够对未来的质量进行预估，一旦出现超标的现象，就能够对其进行预防。趋势分析法主要使用的工具是控制图。

5.工序能力分析法

工序能力分析法是通过对工序能力进行分析，从而找出工序中存在的问题或优势，从而对技术质量进行管控。工序能力分析法主要使用的工具是直方图。

（二）数据分析中存在的问题

1.数据来源不全面

首先对于数据的记录并不完善，缺少、遗漏的环节较多。数据的记录完成往往需要较长的时间，这就导致数据的时效性较差，不能满足质量管理的需要。其次监测装置不健全，这会让数据失真。再次对客户追踪不够完善，来源不够多，最后则是管理层面出现的问题，职能混乱的情况层出不穷，导致分析的效率不高。

2.数据分析缺乏步骤

数据分析有其独特的步骤与逻辑，在这一方面一旦出现问题，就会导致最终的结果出现偏差，其中问题一般出现在以下的情景之中：数据分析的目的性不强，目的性是数据分析中最为关键的存在，数据整理与分析的界定不够明确。

3.分析输出信息的全面性存在问题

分析输出的全面性直接关系到分析最终能否对质量进行改进，在这一点上，很多的数据分析没有做到位。首先是对客户的分析不够全面，最终导致市场反响不达标。其次是对生产过程没有做到足够的信息输出这就导致纠错难以实行。最后则是对组织方没有足够的信息，导致决策层对数据了解不够，做出错误的决策。

4.数据分析衔接缺乏资源

数据分析需要用到的资源也是不少的，很多单位在这一方面的投入不够，最终导致结果不准确，进而造成一系列的损失，其中主要表现在以下几个方面：监测装置不完善，导致监测数据大量失真。记录现场的可操作性较少，不能够对现场做出准确的记录。装置管理存在一定问题，不能及时维护、保养，导致很多微小数据失准。不能够将数据做成直观的报表，在观看的过程中，容易疏漏一些问题。管理方面存在一定问题，不能够将其中的问题进行落实，缺乏监督手段，导致执行的效率存在一定问题。

（三）数据分析中问题的解决建议

在现有的模式下，数据分析算是一个较为完善的流程，其中需要改进的有以下几个方面：

首先对数据分析的管理层进行整改对工作中出现的“得过且过”、“滥竽充数”现象进行坚决的治理。

其次，数据分析内部进行一定的整改，让数据的收集以及分析做到各司其职，互不干涉，提高数据分析的时效性。

同时，加强对工作环节的监督，防止出现任何耽误数据的收集以及数据分析之后制定出的政策实行问题。加强数据分析的设备建设以及维护工作，让数据分析能够在准确的机器支持下进行。加强对工作态度的改进，工作态度直接关系到最终质量的成效，这一点不管是在数据分析部门还是执行部门上都是如此。

最后则是对客户的追踪一定要及时，数量一定要控制在一个较大的范围内，只有这样才能够发现一些生产中难以察觉的问题，同时数据也能够更加准确。

例如企业内部实行六西格玛方案。六西格玛技术的出现和实施，对很多的企业质量管理都有很好的借鉴作用。六西格玛主要包括以下几种方式：对项目的资源进行确定，同时对需要改进的产品和过程进行辨认。其次对缺陷进行定义，建立改进的方向以及目标;同时对数据进行分析观测，对数据的变量进行确认;对方案进行优化，主要与实际情况进行结合，并且确认方案能够有效实施以及能够满足制定的质量改进目标;最后则是对改进结果进行确认，能够保证改进能够全面进行下去。这是一种典型的质量管理中数据分析的方式，效果也是十分明显的，在上世纪八十年代，摩托罗拉公司对该管理方式进行创制并且实施，创造了四年时间品质改进100倍的成绩，仅在19871997十年的时间之内，节省的成本累计达到140亿美元。

五、结束语

质量是一个企业或单位的命脉，只有将质量牢牢把握在手中，才能够在激烈的竞争中脱颖而出，在市场的角逐中占有一席之地。要想抓好质量，就必须在数据分析方面下一番功夫，这样才能够保证质量达到要求。

参考文献

[1]王岗，基于大数据的用户体验分析应用——“互联网+”环境下新品研发质量管理探索[J]，上海质量，2017（6）.

[2]郑琦.基于设备统计分析的数据质量治理和数据价值挖掘[J].科技风，2019（08）：78-79.

[3]霍文舒，杨宗民，王琳，王传有.基于数据分析的大数据质量管理平台应用研究[J]，信息通信，2019（02）：172-173.

[4]姜旭敏，周雪锋，吴广红.产品质量管理中的数据技术应用分析[J].化工管理，2019（02）：141-142.

[5]杨春红.数据治理在数据质量管理中的影响分析[J].电脑编程技巧与维护，2018（12）：92-93+107.

[6]孟春蕾，范广露，李家怡，吕素.產品质量管理中的大数据技术应用分析[J].电子质量，2017（07）：66-70.