面向PDCA的装备质量数据体系模型建设

刘松福，肖楚琬，梁寒涛

（1.海军航空大学，山东烟台264001；2.92919部队，浙江宁波315000）

质量管理专家戴明指出，“系统改善需要统计学意义上的数据，需要基于事实的信息收集、处理和利用”[1]。随着我军装备管理模式改革的不断深入和装备信息化程度的不断提升，装备质量管理工作逐渐建立和完善了以戴明环（Plan Design Check Act，PDCA）为核心的质量控制方法，强调了数据在质量管理过程中的支撑作用[2]。

为了强化装备质量数据建设，美军从20 世纪80年代起，建立了从国防部长办公厅到基层一线的质量管理体系，构建了各类数据互联的“网络中心型”框架，依托政府与工业部门数据交互网（Government Industry Data Exchange Program，GIDEP）实现了质量数据共享和闭环反馈，并基于“全资产可视化系统”开展分析应用，支撑装备质量决策，有效提升了装备质量管理水平[3-4]。

我军装备质量信息系统建设成果丰硕，积累了大量质量数据，但质量数据尚存在体系性不强、管理薄弱、标准化水平低、共享不足等问题，造成装备质量信息反馈不顺畅、质量分析趋势预测困难，这严重制约了我军装备质量水平的整体提升[5]。因此，建立适应我军装备管理实际，支撑PDCA过程的装备质量数据体系就显得尤为重要。

1 装备质量数据基本概念探讨

尽管“装备质量数据”在实际工作中已被大范围使用，但其定义、内涵和外延等基本概念尚未得到共识，如何界定装备质量数据还存在一定争议。因此，本文首先对装备质量数据的基本概念进行探讨。

1.1 装备质量数据的定义范畴

军语、国军标、军事百科词典等权威资料都没有对“装备质量数据”有精确解释。GJB 1405A定义质量信息为：“各种报表、资料和文件承载的有关质量活动的有意义的数据”[6]。GJB 1686定义装备质量信息为：“反映装备质量要求、状态、变化和相关要素及相互关系的信息，包括数据、资料、文件等”[7]。很明显，这些并不能作为装备质量数据的定义。

根据工作经验和相关资料，本文定义装备质量数据如下：“装备全寿命周期中产生的直接或间接反映装备质量问题、状态、变化和相关要素及相互关系的信息的数据及数据产品。”明确了以装备质量问题为主线，形式上涵盖数据和数据产品，为装备质量数据界定提供了依据。这里的“装备”是指“可用于实施和保障军事行动的武器、武器系统和其他军事技术器材的统称”。“数据”是指“事物、状态、概念、指令等一种形式化的表示，适合于人工或自动方式进行通信、解释或处理”[8]。

1.2 装备质量数据的内涵和外延

从定义来看，装备质量数据是装备数据中的一个子集，两者具有互相关性和重叠性。当装备质量与设计要求不符时，相关装备数据转换为装备质量数据，进入PDCA 循环。从某种程度上可以认为，与PDCA循环过程相关的数据都是装备质量数据。

就其内涵来看，凡是直接反映装备与其设计要求符合性的数据都应是装备质量数据，它包含3个层次：一是直接反映装备质量的数据。如，装备故障、问题等。二是支撑装备质量的数据。如，设计数据、试验数据等。三是反映装备宏观趋势的数据产品。如，MTBF、装备完好率、质量经济性指标等。

就其外延来看，所有的间接与装备质量相关的数据都可以纳入装备质量数据范畴。比如，装备管理过程数据；研制、生产、试验等阶段中的设计、工艺、试验、使用等支撑装备质量实现和保持的数据等。其内涵和外延示意图如图1所示。

图1 装备质量数据内涵和外延示意图Fig.1 Schematic diagram of connotation and extension of equipment quality data

1.3 装备质量数据的主要作用

一是直观反映装备质量水平。通过采集装备的性能、试验等直接数据[9]，可以验证装备对于技术指标的符合性情况，为把关装备质量提供了直接依据。

二是监控质量问题处理。对于装备在各个阶段出现的故障或者质量问题，实现基于数据的全过程监管，促进故障和质量问题的快速解决，提升装备保障能力。

三是促进提升装备质量水平。通过装备故障数据的不断积累，可以基于FRACAS（Fault Report Analysis and Corrective Action System）有效完善装备设计和制造水平[10]，对同类问题进行举一反三，提升FMEA（Failure Mode and Effect Analysis）准确性[11]，促进提升装备质量水平。

四是预防重大质量问题发生。根据海因里希法则，每个质量问题的背后都有一系列故障和隐患[12]。通过对具有相同因素集的质量数据进行分析，可分析研判装备质量形势，提前预防装备质量问题发生。

五是促进军地交流。装备质量数据具有军民通用性质，只有军方使用数据及时反馈到研制部门，才能真正促进质量提升。在数据流通过程中，可以有效促进军地信息交流和机制建立，从而在更广泛的层面更好地促进军地交流。

2 装备质量数据基本特性分析

装备质量数据内容多、形式多样，涉及要素杂，具有较强的复杂性、融合性和客观性。

1）复杂性。装备质量数据就其范围来说，涵盖了装备全生命周期、全维度的数据，彼此之间相互关联。仅就生产阶段而言，涉及装备需求论证、生产竞标、装备制造以及监督、激励和评价等过程中所采取的控制质量的行为，这一过程既涉及使用方自身的管理问题，又涉及使用方通过合同对装备制造方进行监督和激励的行为。对于表象简单的一起装备故障，其分析和处置的行为过程可能极其复杂。各类行为产生了大量相互交叉的质量数据，且受到财务、环境等很多复杂因素的影响，使得质量数据展现出其自身的复杂性。

2）融合性。PDCA 过程是装备管理工作的一部分，其流程是装备研制工作的组成部分。同理，装备质量数据作为装备数据的子集，涵盖了设计、制造、使用等各个阶段的专业数据，与专业设计、生产、器材等数据相互融合，共同支撑装备研制和管理工作，无法独立存在。

3）客观性。戴明关于质量管理的基本思想之一就是：数据必须基于事实，只有真实反映客观事物的数据才有使用和分析的价值。装备质量数据用于验证装备技术要求的符合性，直接采集于装备生命周期过程，反映了装备质量的真实情况，是装备决策的可靠支撑。

3 装备质量数据体系模型

作为装备质量管理的核心方法，PDCA 在问题解决的循环中不断提升装备质量水平。其数据体系建设必须基于PDCA循环理论要求，真实反映质量管理的对象、方法、问题和过程等要素，形成稳定的方法架构，为进入下一个PDCA循环提供支撑。

3.1 面向PDCA的数据模型需求分析

PDCA过程包括计划、实施、检查、处理4个阶段，8个基本步骤，其基本思路是在概念设计、方案设计基础上，开展设计和研制工作，针对检查确定的问题制定改进方案，进入下一个PDCA 循环，从而在不断循环的过程中完成质量水平提升。它不仅是一个质量管理模型，更是一个通用的工作模型[13]。

PDCA 循环建立了一条完整的质量管理链，各类质量数据作为链路中的“水流”，贯穿了全过程。基于PDCA 的特点和阶段工作重点，面向PDCA 的数据体系需求模型如图2所示。

在计划阶段，须要分解质量管理目标，建立计划、规章等各类相关文件。质量管理目标的核心就是满足用户需求和消除质量问题。因此，在这个阶段，建立以故障数据和论证数据为主的质量数据集，作为PDCA循环的系统输入。

图2 面向PDCA的数据体系模型Fig.2 Data architecture model for PDCA

PDCA在实施阶段的重点是要根据计划阶段的各类文档完成设计、生产等任务，产生大量专业数据；在检查阶段，以质量检验、定型试验、应用试验为主，将产生大量产品是否满足技术性能指标要求的试验类数据。通过对比试验类和计划类数据，将产生改进类数据，包括装备问题，改进需求等，作为下一个PDCA循环的输入。因在单一PDCA 循环过程中的质量数据具有融合性，并不是质量独有，统称为过程类数据。

为了评估质量目标实现程度，需要在以上数据的基础上，建立质量专用评价类数据指标体系。具体内容根据质量管理目标和对象层次确定，如行业层面的指标重点考虑规律性指标，装备层面重点考虑可靠性、安全性等通用质量特性指标。面向PDCA的各类数据类型的基本特性如表1所示。

表1 面向PDCA的质量数据特性表Tab.1 PDCA oriented quality data characteristics table

3.2 质量数据体系模型设计

质量数据分散在PDCA 的全过程和各个组织中，为了更好地发挥其决策支撑作用，设计涵盖“4 个层次、2个体系”的质量数据体系模型如图3所示。

图3 质量数据体系模型Fig.3 Quality data construction model

3.2.1 数据层

数据层是质量数据体系的基础。主要包括装备质量元数据标准、基础数据、专业数据集3个部分。其中，元数据标准规定了质量数据的基本要求，是开展各类质量数据采集的基础。基础数据是装备生命周期中产生的直接质量数据，通过数据清洗、融合、汇总后，按照生命周期形成研制、生产、试验等专业数据集，为数据分析做好准备。

3.2.2 知识层

知识层是质量数据体系的核心。它决定了质量评价的范围、准确度等关键要素，其重点在于不断发展完善质量数据分析模型，针对不同目标和层次要求，构建以质量评价、体系贡献率、质量预测为核心的质量数据指标体系。随着PDCA循环的不断完善，逐渐完善知识模型，对各类指标体系进行优化升级。

3.2.3 服务层

数据服务是质量数据体系的推动力。由于装备质量数据具有融合性和复杂性的特点，可以用于支撑各类装备工作，是装备工作体系中的重要一环。因此，打破独立的数据条目化模式，设置质量数据服务，不仅提供质量预警、评估、改进跟踪等通用质量数据服务，并根据用户需求不断更新，带动基础层和知识层进行数据升级，为装备数据体系建设提供支撑。

3.2.4 产品层

质量数据产品是质量数据的最终表现形式。它通过直方图、箱状图等各类可视化方式，为用户提供可以直接使用的数据决策产品；通过数据分析报告、白皮书等方式，为用户提供分析和决策建议；通过指标体系分析与论证等方式，支撑用户全面掌握质量态势，开展工作决策。

3.2.5 标准法规和组织管理支撑

标准法规和组织管理是保证质量数据体系顺利运转的基本条件。针对各个层级的数据建设和应用需求，建立从元数据标准到顶层规划的法规标准体系，以及涵盖军地双方、各个层级的质量数据管理组织，从而保证质量数据体系的顺畅运行。

3.3 重点关注问题

1）元数据标准建设。造成当前装备质量数据分析和处理困难的重要原因之一，就是缺乏元数据标准，比如各类质量数据与设计、生产等数据相互交融，难以分辨；手工填报类的质量数据不标准，需要花费大量精力进行二次清洗；各类要素不完备，导致无法分析等[14]。因此，急需建立装备质量数据的元数据标准，统一质量数据的基本要素，为质量数据建设奠定基础。

2）质量知识模型建设。质量数据长期粗放型建设，导致各类质量模型分散在相关行业中。须要综合运用机器学习、人工智能、语义识别等数据分析技术，建立起跨类别、跨领域数据的内在联系，实现知识的抽取和固化，建立质量服务的基础。在这一过程中，须要注意建设基础知识库、专业知识库和通用挖掘模型[15]。基础知识库将历年来发生各类产品质量与可靠性问题的频率、故障模式进行结构化表述，形成质量决策的基础；专业知识库以固定的知识模型为主，可以快速服务决策；通用挖掘模型可以针对临时产生的需求，快速组织形成相应知识。在实现形式上，重点是从集中式向分布式发展，按照专业领域打通各类型数据之间的壁垒。

3）质量数据服务体系建设。质量数据服务面向的对象广泛[16]，需要建立涵盖基础级和系统级的数据服务体系，形成快速响应、灵活配置、融合交互的质量数据服务，支撑各类决策应用。其中，基础级服务是最小单元，由一般性统计，如人员统计、装备统计等基础服务构成；系统级服务主要是涉及高层次的跨领域综合服务，比如装备质量趋势预测服务，装备质量贡献率服务等。同时，建立基于快速服务的数据结构，以满足临时机动服务需求。

4）数据交换网络建设。目前在质量数据领域，军地双方都建立一系列行之有效的方法和手段。地方军工企业以FRACAS 进行质量问题收集、处理和反馈；部队通过质量控制系统进行装备问题数据收集。但是，两者之间尚未打通渠道，造成了数据脱节。同时，各单位内部之间由于质量数据管理制度不同、系统不同等问题，造成了单位内部之间数据无法交互，利于质量数据收集和处置。因此，打通各阶段质量数据交换渠道，构建类似美国防部GIDEP的数据交互网络，如图4所示，是发挥质量数据支撑决策和改进功能的基础。

图4 故障类质量数据交互示意图Fig.4 Interaction diagram of fault quality data

4 结论

本文围绕装备管理的PDCA 循环过程，在分析质量数据基本概念的基础上，总结了装备质量数据特点，构建了涵盖“4 个层次，2 个体系”的质量数据体系模型，指出体系建设的重点关注问题，为开展装备质量数据建设、提升装备质量水平提供了参考借鉴。