论文部分内容阅读
关键词：质量监测;数字化;可视化;报表;可视大屏
0 引言
汽车制造过程质量监测涵盖四大工艺，主要有冲压件表面质量评审（SGMW 称之为GSQE，本文中后续英文简写均为检验项目名称在SGMW 的英文简写）、车身AUDIT、焊点超声波检查、白车身CMM、涂装AUDIT、总装下线检验以及整车客户评审（SUSA）等14 ～ 20 项质量过程检验（不同汽车公司略有差异）。
过程监测由质量部门负责，通过抽样或全检的方式进行测量、检验和评审，及时发现制造过程中的质量问题或过程变异，并通过改进问题或优化过程来提升过程控制能力。过程监测通常以指标的形式反映质量控制水平。
各类检验项目在监测过程或完成后产生质量数据，大量的质量数据需要分析与管理。不同的质量数据标准不同，管理与使用人群不同，一直难以有统一的数据管理平台对数据进行统一管理与提供分析查询功能，造成较低的数据利用率。中层管理者也无法快速获悉过程运行的整体状态，不利于质量改进与决策。
先进的汽车制造不仅仅体现在自动化与数字化过程，自动化推动了数字化，同时也对数据管理提出了更高要求。而数据管理上升至平台管理显得更重要，数据整合管理、高效的查询统计分析以及可视化决策也成为先进汽车制造的一方面。
1 建立数据报表标准
过程质量监测除了部分自动测量设备自动生成数据，更多地仍然依赖于评审员基于质量标准与经验知识进行评审，无法100% 追求全自动的生成质量监控数据，但以数字化的形式反映质量问题没有任何问题。尽管初始的填报报表可以优化或者使用各类工具以提高填报效率，但本质仍然是完成初始的数据报表。
以往的表格管理数据，在数据量大了之后，不方便统计与查询。搭建平台，使用数据库管理数据，这就要求可导入数据库的表格具有标准的格式。这不仅仅是规范数据管理，同时也为自动计算统计提供了可能，避免人工纠偏和人工过滤。
由于检验项目的差异，虽然部分检验项目数据表具有一致性，比如车身AUDIT 与涂装AUDIT，比如各种尺寸类数据，但更多的是无法使用同样的数据库表。当然从数据查询的效率来看，也完全没有必要使用同样的数据库表。给每一项检验项目制定规范的数据库表更合适。
与过程监测工程师沟通并确认各个检验项的数据库表格。需要注意的是，表格不仅要考虑数据库查询的方便性、可行性，更重要的是要考虑检验员或评审员采集录入数据的便捷性，这点对于使用平台的各层级人员都非常重要。脱离了操作或获取数据的方便与高效，就必然要在其他不可代替性方面更加突出，才能使软件平台获得认可。
2 需求分析与定义
需求分析与定义极为重要，是软件平台能否成功的关键之处。开发人员与需求人员之间的沟通，以及开发人员对监测工作业务的了解程度尤为重要。开发人员需要了解当前的工作方式，沟通了解当前工作方式的不足及改善方向，这对开发人员IT 以外的专业知识提出了很高的要求。
由于检验项目多，专业内容多，尽管多次沟通仍然使得IT人员对真实需求的理解极为困难，产品无法达到预期，导致前期已有过开发失败的经历，因此SGMW 采取的方式是需求人员自主开发，确保真实需求的分析与定义顺利进行。同时，针对质量数据的特点以及可视化的需求，选择使用帆软作为开发工具。需求的定义范围涵盖了基本功能、延伸应用以及创新应用等
3 个不同范畴（图1）。
基本功能主要用于替代当前工作方式，比如数据导入、统计和报表查询等。
延伸应用要考虑更多的使用场景，比如根据数据自动生成日报、周报，生成多种会议场景下的数据大屏，提高工作效率。再比如利用更多的可挖掘数据深层次意义的大屏，提高分析深度。基本功能与延伸应用主要体现为实现0 到1 的过程。
创新应用则是要在开发过程中不断产生更多的新灵感，比如数据整合，数据间关联分析，提升美观性与体验感，促进用户的沟通与交流等。创新应用范围更广，主要体现为实现1到N的过程。
使用思维导图规划主要功能与范围，图2 描述了大致的范围。注意，更细致的针对每一个检验项的需求分析未在图2 中体现。
3平台开发
3.1报表设计
报表设计主要分为数据导入报表、数据统计与查询报表和问题跟踪报表等。数据导入报表解决数据导入问题，较好的报表应当支持批量导入、一键式导入，编辑修改简单可行。
数据统计与查询报表更多的是基于工程师的数据分析与数据管理需求，增加分析效率与降低统计时间。图3 所示的统计表直观显示了某台车的相关数据统计结果，同时支持月度统计，降低常规性统计工作时间，评审表链接可查看详细数据。一个报表改善了堆积的文件夹管理方式。
最大限度支持工程师的需求，改善其工作方式，是设计自动统计报表的初衷。图4 所示报表就是为了改善工程师花时间制作日报而设计。
更多的类似报表应当在充分了解如何改善工作方式的前提下得以设计。比如问题跟踪表，普遍的反馈是问题建立方需要对问题进行建立，并完成原因分析及措施的填写，问题沟通及填写效率低下。共享的问题跟踪报表方便问题负责区域更新问题进度，设置自动的信息传递方式可及时告知。
3.2 大屏设计
可视化大屏基于可视化分析、决策的需求而设计[1]。分析用大屏一般需要多维度分析，比如PPSR 关闭率的分析大屏，从区域、月度和车型3个维度分析，获悉影响关闭率的关键月份、车型及区域（图5）。
可视化大屏普遍用于会议场景[2]，节约会议报告的制作时间。图6为SUSA每日例会现场大屏，包含了运行数据状态、数据分析及主要问题。
可视化大屏决策在一定程度上代替了汇报报告，以更简洁的形式突出重点和需要改进的方向。如图7中的预警项反映了少数不达标监测项，100-DR则反映了SQ未达标情况。
3.3 整合上线
将各个监测模块的报表与大屏整合在一个页面中[3]，通过钻取的方式获得更详细的数据， 既避免了繁杂的结构树，又展示了最关键质量数据状态（图8）。此外，还要对各个报表与大屏的设计进行美化，色彩、图标、边框、字体以及对齐等，需尽量符合大众人员的审美要求[4]。
在完成各檢测模块报表与大屏的整合后，需要进行上线测试和优化。主要是收集BUG 与使用人员的意见，对使用人员而言是否有使用价值，是否优化了工作，是否超出了初期设计需求，是否能长期产生价值。
4 从“1”到“N”
对新系统而言，有了“1”之后，“N”的出现就相对容易了。更多人群的使用，新需求的出现（在没有“1”之前，这些新的需求往往不能被挖掘），将促进系统的完善升级，符合更多的使用场景，增强体验，促进沟通，改善效率。比如移动端的出现，改善了数据被知悉的即时性与数据关注度（图9）。
“N”也体现在数据采集上。可视化进一步提出了数据实时上传的需求，移动端以及电脑端的实时填报又进一步提升了数据采集效率，改变了“手写——录入表格——上传系统”的传统方式，实现了无纸化（图10）。在提升了效率的同时，还有更多的潜在收益，比如各SIP 站下线台量的统计、合格率的计算以及车辆缺陷跟踪等。
5 结束语
IT技术能力是自主开发新系统新平台的关键制约因素，如果能克服该因素，自主开发新系统、新平台在需求的理解上具有极大的优势，完整需求定义以及数据标准的规范都不可或缺。开发专用报表还是可视化大屏，应当基于使用场景的需求，相互补充，形成一个完整体。脱离了使用场景的大屏，纵然酷炫，但并不会有价值。
随着平台的出现与使用人数的不断增多，更多的需求被识别，更多的设计将促进无纸化、数字化和可视化，使工作效率大幅度提升。而数据管理平台也在不断完善的道路中越走越远，越走越宽，促进制造质量的管理与质量提升。
0 引言
汽车制造过程质量监测涵盖四大工艺，主要有冲压件表面质量评审（SGMW 称之为GSQE，本文中后续英文简写均为检验项目名称在SGMW 的英文简写）、车身AUDIT、焊点超声波检查、白车身CMM、涂装AUDIT、总装下线检验以及整车客户评审（SUSA）等14 ～ 20 项质量过程检验（不同汽车公司略有差异）。
过程监测由质量部门负责，通过抽样或全检的方式进行测量、检验和评审，及时发现制造过程中的质量问题或过程变异，并通过改进问题或优化过程来提升过程控制能力。过程监测通常以指标的形式反映质量控制水平。
各类检验项目在监测过程或完成后产生质量数据，大量的质量数据需要分析与管理。不同的质量数据标准不同，管理与使用人群不同，一直难以有统一的数据管理平台对数据进行统一管理与提供分析查询功能，造成较低的数据利用率。中层管理者也无法快速获悉过程运行的整体状态，不利于质量改进与决策。
先进的汽车制造不仅仅体现在自动化与数字化过程，自动化推动了数字化，同时也对数据管理提出了更高要求。而数据管理上升至平台管理显得更重要，数据整合管理、高效的查询统计分析以及可视化决策也成为先进汽车制造的一方面。
1 建立数据报表标准
过程质量监测除了部分自动测量设备自动生成数据，更多地仍然依赖于评审员基于质量标准与经验知识进行评审，无法100% 追求全自动的生成质量监控数据，但以数字化的形式反映质量问题没有任何问题。尽管初始的填报报表可以优化或者使用各类工具以提高填报效率，但本质仍然是完成初始的数据报表。
以往的表格管理数据，在数据量大了之后，不方便统计与查询。搭建平台，使用数据库管理数据，这就要求可导入数据库的表格具有标准的格式。这不仅仅是规范数据管理，同时也为自动计算统计提供了可能，避免人工纠偏和人工过滤。
由于检验项目的差异，虽然部分检验项目数据表具有一致性，比如车身AUDIT 与涂装AUDIT，比如各种尺寸类数据，但更多的是无法使用同样的数据库表。当然从数据查询的效率来看，也完全没有必要使用同样的数据库表。给每一项检验项目制定规范的数据库表更合适。
与过程监测工程师沟通并确认各个检验项的数据库表格。需要注意的是，表格不仅要考虑数据库查询的方便性、可行性，更重要的是要考虑检验员或评审员采集录入数据的便捷性，这点对于使用平台的各层级人员都非常重要。脱离了操作或获取数据的方便与高效，就必然要在其他不可代替性方面更加突出，才能使软件平台获得认可。
2 需求分析与定义
需求分析与定义极为重要，是软件平台能否成功的关键之处。开发人员与需求人员之间的沟通，以及开发人员对监测工作业务的了解程度尤为重要。开发人员需要了解当前的工作方式，沟通了解当前工作方式的不足及改善方向，这对开发人员IT 以外的专业知识提出了很高的要求。
由于检验项目多，专业内容多，尽管多次沟通仍然使得IT人员对真实需求的理解极为困难，产品无法达到预期，导致前期已有过开发失败的经历，因此SGMW 采取的方式是需求人员自主开发，确保真实需求的分析与定义顺利进行。同时，针对质量数据的特点以及可视化的需求，选择使用帆软作为开发工具。需求的定义范围涵盖了基本功能、延伸应用以及创新应用等
3 个不同范畴（图1）。
基本功能主要用于替代当前工作方式，比如数据导入、统计和报表查询等。
延伸应用要考虑更多的使用场景，比如根据数据自动生成日报、周报，生成多种会议场景下的数据大屏，提高工作效率。再比如利用更多的可挖掘数据深层次意义的大屏，提高分析深度。基本功能与延伸应用主要体现为实现0 到1 的过程。
创新应用则是要在开发过程中不断产生更多的新灵感，比如数据整合，数据间关联分析，提升美观性与体验感，促进用户的沟通与交流等。创新应用范围更广，主要体现为实现1到N的过程。
使用思维导图规划主要功能与范围，图2 描述了大致的范围。注意，更细致的针对每一个检验项的需求分析未在图2 中体现。
3平台开发
3.1报表设计
报表设计主要分为数据导入报表、数据统计与查询报表和问题跟踪报表等。数据导入报表解决数据导入问题，较好的报表应当支持批量导入、一键式导入，编辑修改简单可行。
数据统计与查询报表更多的是基于工程师的数据分析与数据管理需求，增加分析效率与降低统计时间。图3 所示的统计表直观显示了某台车的相关数据统计结果，同时支持月度统计，降低常规性统计工作时间，评审表链接可查看详细数据。一个报表改善了堆积的文件夹管理方式。
最大限度支持工程师的需求，改善其工作方式，是设计自动统计报表的初衷。图4 所示报表就是为了改善工程师花时间制作日报而设计。
更多的类似报表应当在充分了解如何改善工作方式的前提下得以设计。比如问题跟踪表，普遍的反馈是问题建立方需要对问题进行建立，并完成原因分析及措施的填写，问题沟通及填写效率低下。共享的问题跟踪报表方便问题负责区域更新问题进度，设置自动的信息传递方式可及时告知。
3.2 大屏设计
可视化大屏基于可视化分析、决策的需求而设计[1]。分析用大屏一般需要多维度分析，比如PPSR 关闭率的分析大屏，从区域、月度和车型3个维度分析，获悉影响关闭率的关键月份、车型及区域（图5）。
可视化大屏普遍用于会议场景[2]，节约会议报告的制作时间。图6为SUSA每日例会现场大屏，包含了运行数据状态、数据分析及主要问题。
可视化大屏决策在一定程度上代替了汇报报告，以更简洁的形式突出重点和需要改进的方向。如图7中的预警项反映了少数不达标监测项，100-DR则反映了SQ未达标情况。
3.3 整合上线
将各个监测模块的报表与大屏整合在一个页面中[3]，通过钻取的方式获得更详细的数据， 既避免了繁杂的结构树，又展示了最关键质量数据状态（图8）。此外，还要对各个报表与大屏的设计进行美化，色彩、图标、边框、字体以及对齐等，需尽量符合大众人员的审美要求[4]。
在完成各檢测模块报表与大屏的整合后，需要进行上线测试和优化。主要是收集BUG 与使用人员的意见，对使用人员而言是否有使用价值，是否优化了工作，是否超出了初期设计需求，是否能长期产生价值。
4 从“1”到“N”
对新系统而言，有了“1”之后，“N”的出现就相对容易了。更多人群的使用，新需求的出现（在没有“1”之前，这些新的需求往往不能被挖掘），将促进系统的完善升级，符合更多的使用场景，增强体验，促进沟通，改善效率。比如移动端的出现，改善了数据被知悉的即时性与数据关注度（图9）。
“N”也体现在数据采集上。可视化进一步提出了数据实时上传的需求，移动端以及电脑端的实时填报又进一步提升了数据采集效率，改变了“手写——录入表格——上传系统”的传统方式，实现了无纸化（图10）。在提升了效率的同时，还有更多的潜在收益，比如各SIP 站下线台量的统计、合格率的计算以及车辆缺陷跟踪等。
5 结束语
IT技术能力是自主开发新系统新平台的关键制约因素，如果能克服该因素，自主开发新系统、新平台在需求的理解上具有极大的优势，完整需求定义以及数据标准的规范都不可或缺。开发专用报表还是可视化大屏，应当基于使用场景的需求，相互补充，形成一个完整体。脱离了使用场景的大屏，纵然酷炫，但并不会有价值。
随着平台的出现与使用人数的不断增多，更多的需求被识别，更多的设计将促进无纸化、数字化和可视化，使工作效率大幅度提升。而数据管理平台也在不断完善的道路中越走越远，越走越宽，促进制造质量的管理与质量提升。