汽车零件质量大变脸！东华转向自助数据分析有绝招

大数据产业创新服务媒体

——聚焦数据 · 改变商业

近日，帆软举办了第四届FineBI数据分析大赛，让来自各个领域的业务人员，用帆软的BI产品来进行自助式数据分析，产生了大量的优秀分析案例。

据此，数据猿策划了系列案例分析专题。上一篇，我们分析了瑞幸咖啡的用户运营策略。作为系列文章的第二篇，我们来分享南京东华智能转向系统有限公司（以下简称“东华转向”）汽车零部件质量管理的数据分析案例。

汽车行业加速智能化转型，亟需更高效的质量管理方法

汽车制造业作为全球经济的关键支柱之一，近年来正在经历着前所未有的变革。随着科技进步和消费者需求的演变，这一行业不断向智能化、电动化、以及网联化迈进。特别是在中国，汽车制造业正迎来新一轮的增长潮，推动着全球汽车市场的发展。

然而，这个行业同时面临着激烈的国内外竞争、日益严格的环保标准、以及不断变化的技术创新。这些因素共同促使汽车制造商不断寻求新的管理和生产方法，以提高效率和降低成本。

东华转向，作为中国汽车零部件制造的重要企业之一，其产品涵盖了汽车转向系统及其相关零部件。作为上汽集团的一员，东华转向在市场中享有较高的地位，但也面临着来自国内外竞争对手的压力。

随着客户需求的多样化和市场的快速变化，东华转向需要不断优化其产品线和生产流程，以保持竞争优势。此外，随着智能汽车和新能源汽车的兴起，对汽车零部件的质量和性能要求也在不断提高，这对东华转向的制程质量管理提出了更高的要求。在这种情况下，以往的一些质量管理方法已经不能满足业务要求。

例如，在面临订单增长和客户交付周期缩短的压力下，公司的主要业务需求痛点集中在提升制程质量管理的效率和效果。由于生产线长期处于满负荷状态，对产品质量的监控和响应速度变得尤为关键。当前的制程质量预控手段单一，加之生产数据的准确度不足和可视化不够，导致工程师处理问题的效率低下，影响了产线的有效产出。此外，由于业务分析需求的多变性，原有的报表开发方式已无法满足快速和多维度的分析需求，造成了时间和成本上的浪费，以及数据分析的滞后性。

因此，进行更深入的数据分析来提升效率，成为了公司的迫切需求。这不仅包括对现有数据的精准分析和实时监控，还涉及建立更为灵活和高效的数据分析模型。实现这一目标的关键在于采用先进的看板工具和自助式数据分析方法，这些工具能够实时反映产线的质量水平，使工程师能够迅速提取数据，构建分析模型，并及时处理异常。通过这种方式，公司可以更有效地控制产品质量，提高生产效率，降低成本，最终增强市场竞争力。

接下来，我们就以帆软数据分析大赛上的一个实际案例，来看业务人员如何实现汽车零部件质量管理的数据分析。

完成数据清洗、整合，构建SPC、5M1E分析体系

在东华转向，一支名为“东华转向数据分析小分队”的团队，承担着提升制程质量的重要任务。这个团队由公司的数字化总监唐惊幽领导，成员包括陈从霜、曹航、何琪。他们的专业背景涵盖大数据、人工智能等领域，使得该团队在处理复杂的数据分析任务时具备了独特的优势。

团队面对的主要任务是通过帆软BI工具改进制程质量管理，以适应市场需求的快速变化和提高产品质量。为此，团队设定了明确的目标：通过深入分析生产过程中的数据，快速识别并解决质量问题，从而提高直通率和工序合格率，最终达到降低成本和提升产品质量的双重目的。

在正式进行数据探索分析之前，数据处理和数据分析模型构建，是必要的准备工作。团队使用帆软BI工具从原始数据到数据清洗，再到分析和可视化的整个过程中发挥了关键作用。

首先，他们从企业的制造执行系统（MES）中收集了大量生产与质量相关的数据。这些数据包括了产品加工检验参数、下线报工数量、产品合格数量等。由于这些数据原本分散在不同的数据库表中，且格式不统一，因此，团队首先在FDL平台上进行了数据清洗和整合。他们建立了数据调度任务，将所有生产线的加工参数汇总到一个数仓的明细表中，为后续的分析打下了坚实的基础。

在数据清洗和整合完成后，接着需要构建数据分析方法和模型。

在数据分析方面，团队采用了多种先进的分析模型和方法，其中最核心的是SPC（统计过程控制）过程能力分析和5M1E分析。团队利用SPC分析工具来监控和控制生产过程，他们通过SPC图表监测关键的生产参数，如加工尺寸、温度等，以确保这些参数始终保持在控制范围内。通过分析这些参数的波动，团队能够及时发现生产过程中可能出现的问题，并迅速采取措施进行调整。例如，如果某个参数的波动超出了预设的控制限，团队会立即进行调查，找出波动的原因，并采取措施进行修正。

5M1E分析是一种全面的问题分析方法，涉及人员（Man）、机器（Machine）、材料（Material）、方法（Method）、测量（Measurement）和环境（Environment），团队通过这种方法深入分析了影响产品质量的各种因素。例如，他们会检查操作人员的技能和经验，机器的性能和维护状况，使用的原材料质量，生产过程中采用的方法和环境条件，以及质量测量的准确性等。通过这种全面的分析，团队能够准确地识别出影响产品质量的根本原因，并制定有效的对策。

接下来，我们就来一起看看分析团队从这些数据中得到了哪些有意思的结论。

多业务指标分析，探索更高效的质量管理

在这个案例中，该团队通过帆软BI工具的应用，展现了数据分析在提高生产效率和质量控制方面的巨大潜力。具体来看，他们通过以下多个指标和业务维度的分析，来探索隐藏在数据中的问题和规律：

指标分析：产线直通率

团队首先关注的是产线直通率，这一指标可以宏观地反映出当前日期产线的质量水平。通过帆软BI的可视化功能，团队能够清晰地展现不同产线的直通率，并设置了85%的警戒线。他们发现EPS2和EPS3号线的直通率已低于警戒值，这表明这些产线的质量水平不佳，需要立即的关注和改进。

工序合格率分析

团队进一步分析了工序合格率，这是制程质量在更细致层面上的关键指标。他们区分了一次合格率和最终合格率，重点关注那些一次合格率与最终合格率差异大的工序。例如，他们发现E3OP510工序的一次合格率为87%，最终合格率为94%，说明该工序存在质量问题。

缺陷类型分布分析

通过饼图，团队分析了标签打印记录的缺陷类型分布，发现静态试验不合格次数占比最高，这进一步证实了E3510工序的合格率问题。此外，他们还通过折线图分析了工序小时合格率、小时产出数和产品类型数，得出合格率与产出数无明显关联的结论。

SPC过程能力分析

将问题定位到特定工序后，需要对该工序的过程能力进行进一步的分析。为此，通过帆软BI，团队进行了SPC过程能力分析。他们监控生产过程中的关键参数，并利用管控图来反映参数趋势和分布。例如，在分析E2OP100工序时，他们发现磨合空载波动值的分布呈现偏态，提示可能存在的质量问题。

5M1E分析

接下来，团队使用5M1E分析法深入探究了问题的根本原因，他们对人、机、料、法、环、测等方面进行了细致的调查，识别出了技术人员技能、设备保养计划、以及物料质量等方面的问题。

这些数据分析结果对南京东华来说具有深远的业务含义，它们使公司能够迅速识别和响应生产过程中的质量问题，从而提高产品质量和客户满意度。其次，这些分析帮助公司优化生产流程，提高效率，减少资源浪费。此外，通过深入分析和改进，公司能够减少因质量问题导致的成本开销，如遏制人员的人工费用和生产延误造成的损失。

可以看见，在这个案例中，帆软BI工具的应用显著降低了数据分析的门槛，并极大地促进了数据分析的探索和实用性。

东华转向数据分析小分队告诉数据猿，“在数据编辑时，新增列、合并数据、分组汇总、字段设置等设计，都对降低业务人员的数据分析门槛有明显的帮助，这些操作只需要简单的拖拉拽，简单易上手。例如业务人员在进行分析时，如果需要改变字段类型，点击字段表头即可进行修改。数据关联这个功能帮助也很大，管理员设置好数据集的关联之后，业务人员在使用自助数据集进行自助取数时，可以直接对有关联的数据进行联合分析，而不需要再去梳理和配置关联关系。”

帆软BI强大的过滤筛选功能和数据集关联能力，使得工程师可以更加灵活地探索数据，快速定位和分析影响生产质量的关键因素。例如，在SPC分析过程中，团队能够自行筛选出影响分析的异常点，并通过数据关联直观地追溯质量问题的来源。这样的功能不仅提升了分析的效率，也增强了分析的准确性和深度。

总之，帆软BI工具在这个案例中不仅作为数据处理和分析的工具，更是一种促进业务人员数据分析思维和能力提升的平台。它的应用不仅提高了质量管理团队处理复杂数据的能力，还有助于实现产品质量和生产效率的显著提升，从而加强了公司的整体竞争力。

以自助式BI，助推汽车行业的数字化、智能化升级

东华转向通过帆软BI进行零部件质量管理分析的案例，不仅展示了数据分析在提升制程质量中的实际应用，还为我们揭示了自助式数据分析和数据普惠化在现代企业管理中的重要性，及其对行业未来发展的影响。

东华转向数据分析小分队认为，自助式分析工具大大节省了业务人员获取信息的时间，他们可以更快掌握自己所最关注的业务动态，工作效率大大提升同时，业务人员也将具备更多的时间，对数据进行解读剖析并尝试利用数据进行有效决策，这也在无形之中提升了他们的专业水平。“比如我们的质量工艺人员，传统方式手工统计计算IPTV报表需要耗时两天，而BI工具则只需拖拉拽，几秒即可生成满足他们不同分析维度的报表，业务人员则有更多的时间去不断拆解指标背后的影响因子，形成完善的经验库。”

更进一步，他们认为，业务人员实现自助式数据分析，能够带来整个业务流程，甚至相关组织架构的转变。自助式数据分析使得业务人员可以更方便的获取，分析数据，这有助于减少误解和信息偏差，提高组织内部的协作和团队合作，从而促进业务流程的优化和效率的提升。

其次，自助式数据分析将影响我们现有的组织架构，传统的组织架构中，数据分析通常是由专业的数据分析师或团队来完成的。而自助式数据分析使得更多的业务人员能够直接参与数据分析过程，进一步增强业务人员的决策能力，能够促进决策层的减少与组织结构的扁平化发展。

数据普惠化是将数据分析的能力普及到每一个业务单元，让每个员工都能够参与到数据驱动的决策过程中。这种普惠化不仅提高了整个组织的数据素养，还促进了更为民主化的决策过程。正如东华转向数据分析小分队所说，“自助式分析能够鼓励员工参与决策和问题解决过程，让员工有更多的机会发表意见、提出建议和贡献创新思维，这种开放的文化和参与度可以激发员工的创造力和创新能力。”在东华转向的例子中，通过帆软BI工具，数据分析不再是少数专家的专属领域，而是变成了所有员工共同参与的过程。这种变化不仅促进了更广泛的创新和改进，还提高了团队成员对业务目标的认同感和参与度。

随着BI和数据分析技术的不断发展，预计它们在汽车制造行业的应用将会更加广泛和深入。未来，我们可以预见，数据分析将不仅限于生产质量管理，还将扩展到供应链优化、客户需求预测、产品设计创新等多个领域。随着人工智能和大数据技术的融合，BI工具将提供更加精准和智能的分析，帮助企业在快速变化的市场中保持竞争优势。此外，随着云计算和物联网技术的普及，实时数据分析和远程监控将成为可能，进一步提高生产效率和灵活性。

文：月满西楼 / 数据猿 责任编辑：凝视深空 / 数据猿