关于加强数据分析在质量管理中应用的思考

目前，在质量管理体系审核中，存在着一个普遍的问题，就是对GB/T19001－2000标准中8.4条款“数据分析”的审核深度不够，重视程度不高。查其原因主要有两点，一是企业不知道分析什么，如何进行分析，因而提供不出分析的证据；二是有相当一部分审核员不知道应该收集什么证据，企业应该做哪些数据分析，在审核中轻描淡写几句，从而影响了数据分析在质量管理体系中应有作用的发挥。

企业要想提高管理水平和产品质量，要想在同行业处于领先水平，就必须知道本企业的差距在哪里，然后才能分析原因进行改进。企业在管理活动和产品实现活动中通过内部沟通、顾客沟通、各种监视和测量活动，会收集到许多数据和信息，但这些数据和信息一般都是无规律的。因此，需要对数据和信息进行整理、分析，找出其规律性，从而为改进指出方向和机会，为领导正确决策提供依据。这就是进行数据分析的目的。

1ISO9000质量管理体系中数据分析的含义数据是关于自然、社会现象和科学试验的定量或定性的记录，是科学研究最重要的基础，研究数据就是对数据进行采集、分类、录入、储存、统计分析，统计检验等一系列活动的统称。其中统计分析，统计检验需要一些逻辑推理，才能分析影响输出的关键因素。由于数据的客观性，它被用于许多场合。ISO9000族标准中对“数据分析”作了规定：“组织应确定、收集和分析适当的数据，以证实质量管理体系的适宜性和有效性，并评价在何处可能持续改进质量管理体系的有效性，应包括来自监视和测量的结果以及其他有关来源的数据。”数据分析提供以下有关方面的信息：顾客满意；与产品要求的符合性；过程产品的特性及趋势，包括采取预防措施的机会；供方。但从企业实际情况看，目前部分贯标企业对数据分析的重视程度不高。查其原因，一是企业不知道分析什么，如何进行分析，因而提供不出分析的证据；二是有相当一部分审核员不知道应该收集什么证据，企业应该做哪些数据分析，在审核中轻描淡写几句，从而影响了数据分析在质量管理体系中应有作用的发挥。这是许多企业虽然贯标认证多年，但质量管理水平提高不明显的主要原因之一。

质量数据是指某质量指标的质量特性值，由于质量一词含义丰富，既包括狭义的产品质量，也包括广义的工作质量，因而质量指标在企业中就多种多样，质量数据在企业中几乎无处不在。狭义的质量数据主要是产品质量相关的数据，如不良品数、合格率、直通率、返修率等。广义的质量数据指能反映各项工作质量的数据，如质量成本损失、生产批量、库存积压、无效作业时间等。这些均将成为精益质量管理的研究改进对象。

在质量数据统计分析中，特别关注三项指标，一是数据的集中位置，二是数据的分散程度，三是数据

关于加强数据分析

在质量管理中应用的思考

杨辉

（河南省信阳市质量技术监督局）

作者简介：杨辉，研究生，河南省信阳市质量技术监督局

注册质量工程师，主要从事质量管理工作。

的分布规律。数据的集中位置分别有平均值、中位数、众数三种表示方法，其各具优缺点，其中平均值最为普遍常用。数据的分散程度由标准差表达，用符号“s”（西格玛）表示，数据的分散程度在质量管理中就是质量特性值的波动性，反映过程能力。

数据的分布规律在质量管理中对统计总体而言为正态分布，该分布规律是理论和实践证明的统计规律。质量数据统计分析重点就是在总体正态分布这个已知背景下，研究该正态分布的平均值和标准差。质量数据定量化分析对企业质量管理以及经营管理具有重要意义。

企业要想提高管理水平和产品质量，要想在同行业处于领先水平，就必须知道本企业的差距在哪里，然后才能分析原因进行改进。企业在管理活动和产品实现活动中通过内部沟通、顾客沟通、各种监视和测量活动，会收集到许多数据和信息，但这些数据和信息一般都是无规律的。因此，需要对数据和信息进行整理、分析，找出其规律性，从而为改进指出方向和机会，为领导正确决策提供依据。这就是进行数据分析的目的。

数据分析与质量管理体系的改进密切相关，在以过程为基础的质量管理体系框图中占有很重要的位置。但是，有的组织不重视数据分析工作，常常导致管理者在实施决策与评价质量管理体系有效性上出现一些失误，给组织的发展带来了不可挽回的损失。

2数据分析的对象及步骤

数据分析的主要目的是为了确定质量管理体系的适宜性和有效性，并识别可以实施的改进。为此目的，组织应重点建立一套质量数据报告制度，内容包括收集哪些质量数据，由谁（哪个部门）收集，由谁对数据进行分析，用哪些方法，由谁编制报告及报告的时间等。

2.1数据分析包括数据收集和数据处理

（1）数据收集。数据是指能够客观地反映事实的资料和数字。组织应收集与质量管理体系评价和识别改进机会有关的数据，一般包括：

1）与产品质量有关的数据，如产品不合格信息，不合格品率、顾客投诉、内外损失成本等；

2）与运行能力有关的数据，如过程运行的测量和监视信息、产品实现过程的能力、内部审核结论、管理评审输出、生产率、交货期等。

数据来源可以有：竞争对手，相关过程的记录（如设计、采购），测量和监视活动的输出，供方和政府部门。数据的收集可以直接采用已有的质量记录，也可采用交谈、抽样调查等方式。至于收集哪些数据，由组织自行决定，只要符合标准要求即可。

（2）数据处理。数据有波动性，但也有其规律性。通常采用统计技术从有波动的数据中找出其规律性。如从生产过程来看，每一道工序都在对产品进行加工，其中一道工序加工质量不好，就会影响后道工序，甚至会造成大量次品或废品。所以常常在生产间隔一定时间抽查若干件产品，检验这道工序加工质量是否合格，是否有变坏的趋势；考虑应否调整，如何调整。这就要根据已往生产的历史资料或数据及现在抽验的数据进行分析、作出判断，而统计技术能提供较好的处理方法。

2.2数据分析的对象

一般情况下，企业应对如下数据进行分析：

a.产品的质量特性，如产品的功能和性能指标、安全可靠性质量指标、加工尺寸公差、形位公差、表面质量等。

b.生产过程产生的产品不合格，如设计错误、工艺错误、采购错误等。

c.生产和服务过程中发生的质量损失，如废品损失、返工返修损失、售后服务中发生的外部损失等。

d.生产经营指标，如成本、劳动生产率、采购价格、成品率、废品率、一次合格率、完好率等。

2.3数据分析的步骤

（1）通过内部沟通、与顾客的沟通、对质量体系和产品过程质量的监视和测量，收集产品质量特性、经济技术指标、不合格和质量损失的有关数据信息。

（2）利用报表、记录等形式把上述数据传递到有关部门。

（3）有关部门要组织有关人员对收集到的上述信息，根据需要采用不同的方法进行分析，从而找

到改进的机会。

（4）对需要改进的问题，从人、机、料、法、环5个方面分析原因，从10个方向确定纠正措施。

（5）对纠正措施的效果进行检查，效果不理想时应重新采取纠正措施。

2.4质量数据报告应反映以下方面的实际情况

（1）质量目标的实现程度；

（2）过程质量及其趋势（如返工、返修及废品损失）；

（3）产品质量及其趋势（如等级品率、一次交验合格率）；

（4）顾客满意度和趋势；

（5）供方供应的产品质量状况。

3数据分析的方法和常用工具

3.1数据分析的常用方法

（1）分类分析法。该方法主要用来对收集到的数据进行整理，如对收集到的不合格或质量损失数据按不同的类别进行分类，找出不合格或质量损失发生最多的类别，从而指出改进的机会和方向。分类分析法的常用工具是排列图和统计表。

（2）责任分析法。它是分类分析法的一种，是按质量责任进行分类，从而找到发生不合格最多、质量损失最大的部门或责任者，为改进找到机会。责任分析法常用的工具也是排列图。

（3）对比分析法。对收集到的质量特性、经济技术指标、不合格或质量损失数据，通过比较分析，判定质量管理工作的成效以及是否需要改进。对比分析法有本期与上期对比法、同期对比法、历史最好水平对比法、与同行业先进水平对比法。对比分析法常用的工具是柱状图和控制图。

（4）趋势分析法。对质量特性、经济技术指标、不合格或质量损失的发展趋势进行表述分析，如果发现接近超标可提前采取改进措施。趋势分析法的常用工具是控制图。

（5）工序能力分析法。贯标认证的目的是增强企业的质量保证能力，判断企业的质量保证能力是否充分，需要对关键工序的工序能力是否充分进行分析。工序能力分析法常用的工具是直方图。

结合前面所提精益质量管理两层次任务，对基本任务而言，支持工具重点是直方图和控制图，相关理论是统计过程控制，即SPC；对第二层任务而言，在前面工具基础上，重点是6西格玛管理理论和方法。

3.2数据分析的常用工具

（1）直方图简介。直方图是将质量数据按顺序分成若干间隔相等的组，以组距为底边，以落入各组的数据频数为依据，按比例构成的若干矩形条排列的图。直方图的典型作用包括：观察与判断产品质量特性分布状况；通过直方图形状，判断生产过程是否正常，判断工序是否稳定，并找出产生异常的原因；计算工序能力，估算生产过程不合格品率。

在生产过程是否正常的判断上，通过直方图的典型形状就可判断。直方图典型形状包括：正常型、偏向型、双峰型、锯齿型、平顶型和孤岛型。通过已总结出的不同形状常见质量原因，这为迅速发现和解决质量问题提供了重要途径。对正常型直方图再进一步与公差限的结合，可直观快速的判断工序能力和质量状况，直观发现工序异常。如典型图形有：理想型、偏心型、无富余型、富余型、能力不足型。

（2）控制图简介。控制图是画有控制界限对生产过程中产品质量进行控制的一种图。控制图是直方图的一种变形，其将直方图顺向转90度再反转，再绘制中心线和上下控制限。中心线为样本某统计量的均值，上下控制限分别为均值基础上的正负三倍标准差。

当生产中不存在系统误差时，产品质量特性（总体）服从正态分布，样品值出现在均值加减3σ范围内的概率为0.9973。根据相关统计定理，如果生产处于受控状态，则认为样品值一定落在此3σ范围内。控制图较直方图最大的特点是引入了时间序列或样本序列，通过观察样本点相关统计值是否在控制限内以判断过程是否受控，通过观察样本点排列是否随机从而及时发现异常。控制图较直方图在质量预防和过程控制能力方面大为改进。

控制图的主要用途有：分析判断生产过程是否稳定；及时发现生产中异常情况，预防不合格品产生；检查生产设备和工艺装备的精度是否满足生产

要求；对产品进行质量评定。

（3）六西格玛管理简介。在6西格玛管理中，通常使用西格玛水平Z作为满足顾客要求程度的质量水平度量。西格玛水平是综合了标准差与公差限的计算值，公式为Z=（USL-LSL）/2σ，即顾客要求的公差限除以两倍标准差。由于顾客要求是不断提高的，即公式中分子所代表的公差将不断减少，要求标准差应不断降低，以适应顾客要求提高企业质量竞争力。达到6西格玛水平是指Z等于6。用正态分布来解释，就是在正态分布单侧从均值到公差上限或下限范围内可容纳6个标准差；传统控制图理论则是单侧3个标准差，不合格率控制在0.27%水平。6西格玛管理对控制图3倍控制限进行了彻底突破，将西格玛水平指标由3提高到6。我们应认识到，以3西格玛水平为标准的控制图及统计过程控制SPC理论和方法，在实际中仍是有效的。随着西格玛水平的提高，3倍标准差的控制限区间得到不断压缩，通过控制图仍能有效发现质量异常。

Z还有另一种表达形式，用百万分之缺陷率（ppm）来表示。一个服从正态分布的过程，其超出规范限的缺陷百分比与西格玛水平是一一对应的。根据这个规律，我们可以通过测量缺陷的比率，估算过程的西格玛水平Z，并以此考察过程满足顾客要求的能力。

当分布中心无漂移时，即样本均值与分布中心重合时，3西格玛水平对应的不合格率为0.27%，即2700ppm；6西格玛水平对应的不合格率为十亿分之二，即0.0024ppm。分布中心无漂移为理想状态，当分布中心上下漂移1.5σ时，3西格玛水平对应的不合格率为66807ppm；4西格玛水平为6210ppm；5西格玛水平为233ppm；6西格玛水平为3.4ppm。GE采取了上下漂移1.5σ来设定西格玛标准，6西格玛水平为3.4ppm。这成为6西格玛管理的默认标准。在企业追求由3西格玛向6西格玛的过程中，每提高1个西格玛水平，质量水平均呈数十倍的改善。据研究，对一个3西格玛水平的企业来说，提高一个西格玛水平可获得下述收益：利润率增长20%、产出能力提高12%~18%、减少劳动力12%、资本投入减少10%~30%。4数据分析中的问题与管理对策

4.1数据来源不全面

数据来源于质量管理体系各个过程单元的活动结果，这些过程结果从一定层面上来说应形成记录。记录是数据分析的基础，在这些过程中易出现的问题有：1）活动记录不全面，缺、漏项较多；2）数据记录不及时，实效性差；3）监视与测量装置不健全，数据来源失真失实；4）顾客信息收集渠道不完善，市场数据来源片面；5）各层管理秩序不明晰，数据的有效性不强。

采取的措施：1）本着“写、做、记”三者紧密衔接的原则，规范过程单元活动记录的管理与监控；2）制定相应的管理考核条例，确保记录的及时性和准确性；3）组织应不断完善监视与测量装置，健全基础管理设施，以提高记录准确度和数据的完整性；4）组织应建立健全市场信息收集程序，通过“明察暗访”的方式保证顾客反馈的信息更具有代表性和全面性；5）组织应界定管理职责，明确责任追究制，以便使数据来源更具有有效性。

4.2数据分析的程度少步骤

数据分析有一定的逻辑步骤及方法，通过PDCA循环不断实施数据分析的改进工作，在些过程中易出现的问题有：数据分析的目的性不强，没有策划的目标；过程单元控制缺少必要的监督与考核细则；数据的整理与分类界面不清晰；数据分析方法不适宜，统计技术应用不实务；对分析的结果没有进行评价，对数据分析发现的问题没有提出相应的解决方案与措施。

采取的措施：1）数据分析的归口管理部门应对些进行策划，应符合标准中涉及的条款要求；2）过程控制单元应建立相应的数据分析管理程序，明确数据分析方法和步骤，确定相应的考核管理体系；3）组织应借助自动化管理系统，对数据进行分类整理与分析，以确保数据分析的有效性；4）应用统计技术对数据分析时，应确定实用的统计方法，确保数据分析具有针对性，从中发现存在的显著的各潜在的问题，以便为管理者提供决策依据；5）组织或过程活动单元应定期或不定期对分析结果进行评价，确定存在的问题，以便为寻求解决方法提供参考。

4.3分析的输出缺乏信息

数据分析的输出信息应全面，以提升数据分析的有效性，为质量管理体系高效运作提供翔实的依据。在些过程中仍易出现问题：对顾客满意度的数据分析结果与市场实情不符，误导了营销决策；过程及产品的特性和发展趋势在数据分析结果中没有务实地体现出来，纠正措施很难有效实施；对组织的供方分析与评价缺少相关的数据分析支持，影响了采购活动中持续改进工作；管理者在数据整理分析中，人为主观因素影响了数据分析结果的准确性；对数据分析的关键结果没有进行再评价，有误的数据分析结果没有得到及时纠正而给组织带来了不必要的管理损失。

采取的措施：1）组织管理者对顾客满意度分析的结果应给予高度的重视，可通过亲自进行市场随机调研的方式来保证数据分析结果不失实、不失真，为正确营销决策奠定基础；2）数据分析从一定层面上可以预测过程单元的受控趋势，应优选适宜的分析方法，对分析结果的异常情况进行追溯，以便采取相应的纠正和预防措施加以改进；3）采购的信息收集应放在突出的位置上，对供方的评价分析应公正、客观，对战略合作伙伴应作为组织的资源定期或不定期地进行数据分析；4）组织高层次管理者堵住管理的盲点，建立相应的约束机制，杜绝人为因素影响数据分析的结果；5）必要时，组织应建立和完善数据分析结果再评价管理程序，进一步规范数据分析的时效性和实效性。

4.4数据的衔接缺少资源

过程数据分析是过程受控结果的外在体现，数据分析也需要相应的资源，来使数据分析的结果更真实、更有效。在此过程中易出现的问题有：监视和测量装置不健全，原始数据准确度不高；记录现场控制可操作性不强，没有为数据分析活动提供准确的依据；监视和测量装置落后，对其管理与控制滞后；数据分析结果没有通过适当的表格化策划与整理，数据分析缺少有关作业文件的支持；数据分析涉及到标准中的基于决策方法、统计技术的应用、过程方法和持续改进等文件不规范，管理资源欠缺，影响了数据分析的效率和绩效。

采取的措施：1）组织管理者应对监视和测量装置给予相应的资源保证，以提高其运作的有效性和提高其准确度；2）组织管理者应不断改进记录管理程序，制定相应的管理考核细则，现场记录作为原始数据的记载应提高其时效性和实效性；3）组织应不断应用较为先进的监视和测量装置，为管理受控提供更为科学的依据，组织最高管理者对此应给予足够的重视；4）数据分析的结果也应进行策划，设计适当的表格或通过自动化控制系统完成数据的客观分析；5）数据分析不能单纯为分析而分析，应结合相应的管理原则和管理方法来综合进行数据分析，以提高数据分析的实效性。

4.5分析的改进不务实

持续改进是质量管理体系高效运作的前提，组织随着外界环境和自身发展的需要，应不断进行体系的改进工作，数据分析本身也存在持续改进的活动。在此过程易出现的问题：数据分析没有为改进提供翔实的依据，影响了改进活动的良性化动作；对数据分析自身存在的问题没有采取必要的纠正措施和预防措施，使数据分析活动滞后于体系的改进活动；测量、分析和改进作为以过程为基础的质量管理体系的一个链条，改进效果不好，影响了管理职责的评价与配置、产品实现的过程控制、资源管理的匹配；与顾客和市场的信息沟通、交流不顺畅，影响了数据分析的市场务实改进；领导不重视数据分析改进活动，导致资源欠缺，分析改进活动不能有效实施。

采取的措施：1）数据分析作为一项基础管理活动，应纳入到组织的日常管理工作中，理顺管理程序，疏通管理渠道，为改活动提供良好的管理资源；2）组织应定期或不定期对数据分析的改进活动进行评价总结，应用PDCA循环管理法和“头脑风暴法”来充分挖掘组织的智力资源，来对数据分析进行持续改进；3）在以过程为基础的质量管理体系中，组织各层次管理者应用系统的管理理念来衔接好各种活动的互动关系，来实时地进行改进活动；4）市场经济具体一定层面上来说是组织与顾客互动、互信和互利的经济，顾客的信息和感受为数据分析提供了定性和定量化资源，组织应重视这方面的数据分析活动；5）领导应以办百年老店的营销理念来重视数据分析活动，不能为政绩而忽视数据分析活动，组织的管理行为不能走过场。■