21世纪过程管理使用基于SPC的制造分析（上）

Being able to collect enough data on our manufacturing processes, but how to effectively use the massive volume of data we collect. One of the primary battle cries of this new era is, “Better analysis of the data is absolutely essential!” (Then, following that battle cry is usually a summary of someone’s particular flavor of analysis technology or methodology.) Chances are, the term “KPI” is also mentioned, as it is explained how this technology contributes to the KPI process.

（译者注：SPC 统计过程控制 Statistical Process Control ）
时常听到这样的说法，我们正处在一个新的时代，在制造过程中无法采集到足够多的数据已不再是一个问题了，然而如何才能有效地使用我们采集到的大量数据呢？“更好地分析数据是绝对必要的！”，这就是新时代的主要战斗口号（随后，跟着这个战斗口号的常常是某人的一篇特定风格的分析技术或研究方法的总结）巧合的是，在解释这项技术如何对KPI（译者注：KPI 关键业绩指标Key Performance Indicators ）过程作贡献时，术语“KPI”也被提到了。
保持原有的方向，让我们以新的眼光来审视既有的技术。

传统的质量与性能分析SPC
统计过程控制（SPC）是一个历史久远和得到充分展示的过程管理方法。研究过现代制造业的人都知道戴明（Demin）博士和他在战后日本建立统计过程控制应用标准的早期工作。SPC很长时间以来已被大多数工业制造管理的质量部门和实验室用于衡量和监控质量。
SPC经历过周期性的蜕变和更新，例如连续过程改进（CPI: Continuous Process Improvement）和全面质量管理（TQM: Total Quality Management），使得我们在每一个流行的周期中学到更多的东西。当然，SPC是六西格玛(Six Sigma)和 精益六西格玛(Lean Six Sigma)过程的关键部分，后者已有很多制造业公司投资其中。
这些统计过程控制应用，多数都提供数据分析，或者是“根据事实”，在实验室中对生产过程末端的产品取样进行质量监控 ，或者是在六西格玛过程案例中，可以直接从“诉求决策”中免除某个事物。
传统SPC方法的典型应用，包括成功的质量/过程管理功能，例如：
 常规统计质量控制（SQC）/统计过程控制（SPC）报告
 过程监控与改进
 实验室中的QC分析方法
 遵守规章
 供应链客户认证

新兴的实时运行决策支持SPC分析
当SPC分析方法遇到这些功能的挑战时，它仍然是符合那个新兴的战斗口号，更好地分析现有数据的合适工具。基于时间的比较分析和分析的可视化表示对于SPC方法来说是统一的，可使制造商能够更好地理解他们的过程，并且更重要的是，根据数据分析结果立即采取行动。制造业呼唤提供数据分析，SPC是满足当前需求的适当技术和方法：
 衡量系统投资的ROI（译者注：ROI 投资回报率 Return On Investment）能力
 适时且有效的分析总结和报告
 预测能力
 可确认的效益（更低的成本，更高的利润）
 支持基于结果的立即诉求决策过程
 使过程改进的变动高度可信。
 公司法人主动参与改进方案的全过程
 更容易得到特定的、基于角色的、对个别信息的需求结果
 减少集合数据的复杂计算，以使得与上下文关联的信息有意义并可衡量
 采取立即的和可预见的行动
如果战斗口号是为了更好的分析，那么实时、可诉求、支持决策分析就是关注点。再者SPC 技术、方法和特性本身就可以达到这些。目标是：能够对制造业的经营者提供实时SPC 所导出的分析结果，在视觉上以一个足够简单的格式显示，迅速识别出“失控”参数。这一实时演示的形式可以是一个健全的SPC应用程序嵌入到一个HMI 显示器中，或者是工厂底层安装的一个专用SPC数据采集和分析系统。
在HMI中的应用程序SPC 往往被看作是一个附属的功能。然而，为了有助于过程管理及其改善，要求更好地分析，就需要充分发展 SPC 的分析和演示工具等这些已嵌入到HMI中的功能。这有助于最有效的实时数据采集和分析，提供操作者直接访问分析结果的视觉演示，可为操作者做出预防证据或采取纠正行动，并且支持HMI成为一个新兴的角色，作为一个进料，集成到企业分析中。
在这个新兴的需要，更好的数据分析中，SPC是根本。如何能让MES（译者注：MES制造执行系统 Manufacturing Execution System）和ERP（译者注：ERP企业资源管理系统Enterprise Resources Plans）系统的全部历史数据使用更为有效。还可以降低复杂程度，专门的过程将数据转化成可视的图形，从而使得操作者和管理者能够快速地了解并且采取明智的行动。
实时决策支持的SPC分析得到受益的详细情况如下：
 健全，容易理解，高层次的信心
 识别，核实和减少资源的变化
 分析正在进行的和当前的偏差，并非最终产品的质量-过程控制，不是产品控制
 同时适用于过程和产品
 检测变化，偏移和异常事件
 从噪音中分离信号
 识别过度偏差的原因
 监控连续过程改进行为的实时结果（连续过程改进CPI是统计过程控制SPC的实际投资回报ROI）
 对稳定过程检测的预测问题
 提供带有客户供应链需求承诺文件的手段

基于SPC的制造分析
随同更好分析数据的战斗口号，在商务智能和商情分析工具的使用方面也一起得到增加，并且要求把生产数据和分析与商业数据和分析整合到一起，旨在发展更好的了解企业绩效的全部内容。
这一新的机会创造了必要的分析工具，可以在联合环境中，提供实现这些目标。SPC方法的出现，其表现形式是基于SPC的制造分析，很好地抓住了这个机会。
基于SPC的制造分析是统计的和基于规则的，提供集合、分析和基于角色的可视化技术与使用户能够更好地理解和改进他们过程的生产数据报告，识别和增强最佳实践，对过程中的事件快速反应，在对产品的质量、利润或成本产生影响之前，预期潜在的问题。用于数据分析的、基于SPC的制造分析方法的关键鉴别要素是：
 基于统计学
 侧重点是基于角色的分析和报告
 识别重要的事件，分离“噪音”
 强调可视化演示技术，以便能够快速分析
 同时支持反应和预测行为
 足够容易实现，维护，并可被工厂中现有的人员所使用
 从保持统计上正确的不同源头获得数据
 支持ISA S-95 生产性能分析活动模型，其中描述了需要健全的系统、方法和工具来改善能力，基于广泛和多样的分析功能，做出非常明智的决策。
合并商业分析和制造业分析这两级的结果用作监控企业或运营表现全部状态的参数值。这些表示为关键业绩指标（KPIs），通常是一个包括财务、运营和被测参数集合在一起的一个单一参数，用来提供有意义的和可信赖的KPI值。在基于网络的可视化工具的某些分类，例如门户（portal）或面板（dashboard）中，监控到这些变量的值，常常是“好”或“坏”的状态。能够提供基于网络的可视化功能是使用新分析方法成功的关键组成要素。
基于SPC的制造分析方法允许一个系统创建并监控形成KPI的全部参数组成要素的稳定性和变化，在KPI自己显示越界之前，可以检测到KPI主要组成要素的变化。那么这个检测的可视化表示可能不只是显示“好”（绿）或“坏”（红）的状态，而是 “可能变得更坏”（黄）的状态。目前的KPI分析和报告系统不具有访问全部参数或用这种方式表示全部组成要素，使得操作和管理人员能够快速识别、甚至是预测、早期有害征兆的变化，采取应对措施的能力。

选择一个SPC分析平台
一个好的SPC平台应该能够包容所述生产环境中的全部三个级别的分析。
 传统-SPC质量和性能分析
 新兴-支持实时运行决策的SPC分析
 新-SPC驱动的制造分析
此外，这个平台的建筑架构，必须能满足不同级别成长和扩展的需求和公司分阶段实施的要求。这需要一个模块化和基于组件的方法，以便融入现有的和不相干的系统，用开放和基于标准的方法，访问被分析的数据。一个系统，能够提供下面的功能：实时SPC分析，与特定的角色相结合，可视化报告，能够对从工厂底层直到管理部门各级提供分析和决策的全面支持，