一种双因素评价企业产品质量的方法研究

李国梁　李成县　苏蓉

关键词：企业产品质量;评价方法;双因素

随着中国各行业的飞速发展，各企业纷纷采用计算机管理及先进制造技术，生产的产品质量可靠性和先进性也越来越好。而用户需要选择购买所需产品的时候，面临如何科学评价不同企业同类产品质量的问题。如何建立一套行之有效的企业产品质量评价方法，为用户作出合理的决策提供科学依据，显得尤为重要。本文以轨道交通行业为研究背景，提出一种双因素评价不同乙方企业的同类产品质量的方法。将其应用于轨道交通行业的某一专业系统的同类产品质量评价中，得到较直观的科学评价结果。

  一、产品质量双因素评价法

一般进行产品质量评价的方法，一是通过对产品本身的质量相关技术指标进行检验，并在严苛的试验条件下进行测试，从而评估该产品的质量可靠度;二是对产品使用过程进行监测和记录，通过记录使用过程中产品出现问题的原因、频次、使用时长等多种因素，来检验产品质量。本文给出的产品质量双因素评价方法，不从设备产品特性的技术指标上对该产品进行质量评价，也不用对设备产品进行抽样检查，而是从设备产品运行情况的角度进行分析评价，通过对设备产品运行数据进行宏观和微观方面的故障数据统计，分析评判该设备产品的质量情况。

  （一）产品运行故障统计数据库

从设备产品运行情况的角度进行分析评价的前提，是要建立一个动态的不断更新的设备产品运行故障统计数据库，数据需要涵盖该产品的主要子系统组成部件和这些部件的故障信息等。为进一步统计和分析产品故障数据提供现实基础。本文提出的设备产品质量评价方法，基于地铁线网资产管理及运营生产管理系统（PMS系统）。该系统是轨道交通运营生产管理系统，可以有效提升轨道交通管理资产、维保、物资等主体业务的管理水平及工作效率。本文基于该数据管理系统中的设备维保管理子模块中的设备产品故障数据，应用提出的产品质量评价方法进行数据分析，进行设备产品的质量评价。

  （二）产品平均故障率因素评价

产品平均故障率因素，是指产品在单位时间内发生故障的概率，该因素可以非常直观地反映企业产品的可靠程度。产品平均故障率越低，则该企业的产品质量越好。通常平均故障率的计算方法，是统计某产品一定周期内发生故障的次数，除以周期时间得到。但在实际操作中，如果产品使用周期按天数来算，当产品发生故障次数大于天数时，计算出的平均故障率百分数大于1，不利于观测和比较该因素指标。故在轨道交通领域，可以对产品使用周期进行一个等价处理，用产品所应用线路的列车里程数（单位：万列公里）来代替产品使用周期。因为在实际情况下，用户可能使用不同企业的同类产品，而不同企业产品的使用时间各不相同，这种情况下计算产品平均故障率，用列车里程数替代产品使用周期，可以最大限度地减少不同的产品使用周期不同对计算结果准确性的影响。如A企业某产品于2017-2019年应用于某城市1号线，共发生故障数445件，在2017-2019年中1号线所有列车共行驶3483.2万列公里，则该产品的平均故障率为0.13。

  （三）产品子系统关键部件故障因素评价

产品子系统关键部件故障因素，是指该产品组成子系统中的各关键部件发生故障发生情况。该因素可以对企业产品质量进行更细致的评价，直观地反映企业产品中的关键部件的可靠程度，以帮助用户对不同企业的同类产品进行全面的微观了解。

  （四）产品质量双因素评价法

产品质量双因素评价法，就是综合使用产品平均故障率因素和产品子系统关键部件因素，对不同企业同类产品进行质量评价的方法。通过对产品一定使用周期内的故障数据的统计分析，从宏观和微观层面对该产品质量进行全面而客观的快速评价，以达到帮助用户科学掌握企业产品情况，进一步科学决策合作意向的目的。

  二、评价方法应用和评价结果

将产品质量双因素评价法应用于城市轨道交通行业使用的不同企业不同专业系统设备产品的评价中，对评价结果进行分析，比较得出企业设备产品质量的评价结论。

  （一）综合监控系统设备产品评价

城市轨道交通综合监控系统（Integrated Supervisory Control System，ISCS），是大型计算机集成系统，其高度集成多个轨道交通专业子系统，如屏蔽门系统（PSD）、电力监控系统（PSCADA）、火灾报警系统（FAS）、环境与设备监控系统（BAS）等，是城市轨道交通极为重要的专业系统之一。故首先挑选该专业系统应用产品质量双因素评价法进行研究。

1.产品平均故障率因素评价应用。以某城市轨道交通企业综合监控系统为研究背景，综合监控系统设备产品生产企业名称用A、B、C代替。综合监控系统设备来自A、B、C这3家不同的企业。其中1、4、7号线采用B企业设备产品;2、3号线采用A企业设备产品;10号线采用C企业设备产品。2015年至2018年，某城市轨道交通企业共計发生综合监控系统设备产品故障1126件，其中A企业445件，占总数的39%;B企业559件，占总数的50%;C企业122件，占总数的11%。2015年至2018年，B企业所辖线路运营里程共计4412.79万列公里，发生设备产品故障559件，平均0.13件/万列公里;A企业所辖线路运营里程共计3483.21万列公里，发生设备产品故障445件，平均0.13件/万列公里;C企业所辖线路运营里程共计155.11万列公里，发生设备产品故障122件，平均0.79件/万列公里。对比结果表明，C企业设备产品故障率最高，A和B企业设备产品故障率基本相当。

2.产品子系统关键部件故障因素评价应用。轨道交通行业综合监控系统设备产品关键部件划分为中央子系统、线路车站及场段子系统、大屏子系统。本文针对2015年至2018年某城市轨道交通企业综合监控系统设备产品的关键子系统故障数据进行分析。综合监控系统设备产品中的发生故障主要分布在服务器和工作站两类。一是1、2、3号线的服务器故障数较高;二是1、2、3号线工作站故障数也较高。综合考虑不同企业产品分布在不同线路的运营时间和车站设备数量，得知4号线设备表现最稳定，10号线故障率最高。其中1、4、7号线采用B企业设备产品;2、3号线采用A企业设备产品;10号线采用C企业设备产品。所以可以得出，B企业的设备产品质量最好，C企业的设备产品故障率最高。最后综合应用产品质量双因素法分析评价，选择B企业设备产品更可靠。

  （二）AFC系统设备产品评价

AFC系统（Automatic Fare Collection System），城市轨道交通自动售检票系统，是计算机控制的专业系统，与其他专业系统不同的是，该系统的设备产品故障数极多，分析数据量相对大，分析结果更加精确。故应用产品质量双因素评价法对其进行研究。

1.产品平均故障率因素评价应用

以某城市轨道交通企业AFC系统为研究背景，AFC系统设备产品生产企业名称用D、E、F、G代替。AFC系统设备来自D、E、F、G这4家不同的生产企业。其中1号线、10号线采用D企业提供设备产品，2号线采用E企业提供设备产品，3号线、4号线采用F企业提供设备产品，7号线采用G企业提供设备产品。

2015年至2018年，某城市轨道交通企业共计发生AFC系统设备产品故障100088件，其中D企业27140件，占总数的27%;E企业33825件，占总数的34%;F企业33080件，占总数的33%;G企业6043件，占总数的6%。2015年至2018年，D企业所辖线路运营里程共计29182列公里，发生设备产品故障27140件，平均0.93件/万列公里;E企业所辖线路运营里程共计30750列公里，发生设备产品故障33825件，平均1.1件/万列公里;F企业所辖线路运营里程共计59070列公里，发生设备产品故障33080件，平均0.56件/万列公里，G企业所辖线路运营里程共计16332列公里，发生设备产品故障6043件，平均0.37件/万列公里。对比结果表明，E企业设备产品故障率最高，G企业设备产品故障率最低。

2.产品子系统关键部件故障因素评价应用。轨道交通行业AFC系统设备产品关键部件划分为TVM（自动售票机）、AGM（自动检票机）、BOM（半自动售票机）、服务器、交换机和工作站。本文针对2015年至2018年某城市轨道交通企业AFC系统各关键部件子系统进行分析。AFC系统设备产品中的关键部件子系统发生的故障主要分布在TVM和AGM两类。综合考虑不同企业在各线路运营时间和车站的设备分布数量，可以得出F的TVM更稳定，G的AGM、BOM更稳定，D、E的TVM稳定性较差。最后综合应用产品质量双因素法分析评价，选择F企业的TVM设备产品更可靠，选择G企业的AGM设备产品更可靠。

  三、结论

利用产品质量双因素评价法，可以分析出B企业的设备产品故障率相对最低，且其产品子系统关键部件的质量也最好，从而得到该企业生产的产品质量最好的结论，为用户提供快速和有效的科学决策依据。该评价方法不是从设备产品特性的技术指标上对该产品进行质量评价，也不用对设备产品进行抽样检查，而是从设备产品运行情况的角度出发，对产品质量进行宏观和微观方面的故障数据统计，分析出该产品的质量情况。而应用该产品质量评价法的重要前提，是保证产品故障数据的足量性、客观性和准确性。因此建立产品运行故障实时统计数据库，是十分必要的。

参考文献：

[1]郝建春，耿金凤，王秋生，王楠，曹大理.航空产品质量评价指标体系构建[J].标准科学，2020（12）：161-166.

[2]张太平，朱琦妮，范志斌，何文莉.煤炭全自动制样系统主要质量评价指标的研究[J].煤质技术，2020，35（06）：40-46.

[3]韩春雨.基于广义质量的质量经济性分析模型及其应用研究[D].中国海洋大学，2010.

[4]张彦华，张奕奕.机车车辆的可靠性验证测试研究[J].电力机车与城轨车辆，2013，36（03）：61-63+66.

[5]林梦菊.基于可靠性分析的设备预防性维修决策研究[D].沈阳理工大学，2015.

[6]Jiang JehnRuey，Yen ChengTai. Product Quality Prediction for Wire Electrical Discharge Machining with Markov Transition Fields and Convolutional Long Short-Term Memory Neural Networks[J]. Applied Sciences，2021，11（13）：

[7]Adam Trendowicz，Michael Klas，Constanza Lampasona，Jürgen Münch，Christian Korner & Matthias Saft.（2014）.Model-based Product Quality Evaluation with Multi-Criteria Decision Analysis..CoRR（）， doi：

（四川城市職业学院2022年度校级科研项目研究成果，项目编号：CS22KYYB12）

（作者单位：四川城市职业学院智能制造与交通学院 成都地铁运营有限公司 武汉铁路职业技术学院 李国梁 李成县 苏蓉）