基于数据挖掘的质量管理.docx

??

?

??

基于数据挖掘的质量管理

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

张四军

（上海交通大学安泰经济与管理学院电子信息与电气工程学院，中国上海200052）

摘要：本文是基于E公司委托ODM进行生产的背景下，探讨大数据时代下的质量管理。基于数据挖掘的质量管理是基于E公司质量部收集的关键制成良率（KPY）供应商数据库，通过数据挖掘建立KPY的工业基准，进而找到质量改善的机会，然后成立绿带项目，采用DMAIC方法进行改善。

关键词：ODM；KPY；数据挖掘；DMAIC

中图分类号：F270文献标志码：A文章编号：1000-8772（2013）27-0204-02

1E公司现有质量管理模式

1.1E公司供应商结构

作为国际知名是电子产品提供商的E公司，其产品主要委托ODM（OriginalDesignManufacturer原始设计制造商）进行生产。E公司与ODM之间形成了委托与代理的生产关系。同时ODM拥有很多的供应商，这些供应商与E公司的关系分两种，一种是E公司直接进行采购的供应商，称为DGP（DirectGlobalProcurement）；另一种是委托ODM进行采购的供应商，称为Non-DGP。在DGP模式下，E公司直接与DGP供应商谈价格。在Non-DGP模式下E公司委托ODM进行采购，E公司与ODM进行谈价格，ODM与Non-DGP供应商谈价格。本文涉及的采购模式主要是针对E公司与Non-DGP（Non-DirectGlobalProcurement）的模式，（以下涉及的供应商均指Non-DGP供应商）。

1.2E公司的现有质量管理模式介绍

E公司质量部当前采用的是质量顾问审核的方式对供应商质量进行管理的模式。首先E公司会将内部的SQE（Supplyqualityengineer）人员安排负责各个机种，每个审核人员负责机种相关的部件，确保各个部件的质量合格。由于E公司与各个部件供应商之间还有一层ODM，所以很多时候是需要同ODM一同对部件供应商的质量进行管理。从2012年开始，E公司质量部要求每个部件厂每周提供产品的KPY报给给E公司质量部。对于每周的良率数据，E公司SQE审核人员主要进行的是微观层面的处理，看良率是否符合预先设定的良率值。如果良率达到了设定的值，那么良率就算是通过了。如果良率没有达到设定的初始值，那么E公司SQE审核人员就要进行追踪和核实，查出问题所在，并进行改进。

E公司质量部当前采用的是质量顾问审核的方式对供应商质量进行管理的模式。首先E公司会将内部的SQE（Supplyqualityengineer）人员安排负责各个机种，每个审核人员负责机种相关的部件，确保各个部件的质量合格。由于E公司与各个部件供应商之间还有一层ODM，所以很多时候是需要同ODM一同对部件供应商的质量进行管理。从2012年开始，E公司质量部要求每个部件厂每周提供产品的良率报给给E公司质量部。对于每周的良率数据，E公司SQE审核人员主要进行的是微观层面的处理，看良率是否符合预先设定的良率值。如果良率达到了设定的值，那么良率就算是通过了。如果良率没有达到设定的初始值，那么E公司SQE审核人员就要进行追踪和核实，查出问题所在，并进行改进。

2数据的收集

数据收集流程：要求数据在收集过程中保证数据的准确性和完整性，数据只有准确的反应了生产现场的真实情况才能够用于分析。从数据产生，收集到上传的过程中，我们需要在不同的阶段有专门人员负责相关的工作，在产线上，需要保证每个岗位有相应的生产人员进行收集整理，并将质量数据准确的记录在现场良率记录表中，同时由专门的人员对现场的数据进行每日汇总。并将其发送到质量部门，质量部门人员汇总好所有数据之后发送给其ODM的SQE部门的专门负责数据收集整理的人员，ODM的SQE汇总好一个礼拜的质量数据之后，将其发送给E公司质量部门的人员。

2.1数据整理

标准化：包括机型名称标准化，部件名称标准化，关键制成名称标准化，供应商名称标准化，数据收集表格标准化。

设计出可以直接上传到数据库的数据收集放错模板，从而保证了数据可以一步到位的上传到数据库。从而使得数据能够进行数据信息的完整化，从而将整个数据库完整化。

2.2数据挖掘

根据汇总，数据影响关键制成良率（KPY）总共分为16个维度，通过分析这个不同的维度对的影响。这里采用的是FP-树频集算法，从总找到最关键的影响因数，作为建立数据库的科学依据[2]。

2.3.行业基准

根据数据挖掘的结果，最重要的几个关键因素是制成和材料。同时征求E公司内部专家的意见。事实证明这两者是统一的。最终我们的确定下来行业基本的分类包括：首先根据材料分，在不同的材料下面再根据制成来分类，然后分别计算出相