李國(guó)梁 李成縣 蘇蓉
關(guān)鍵詞:企業(yè)產(chǎn)品質(zhì)量;評(píng)價(jià)方法;雙因素
隨著中國(guó)各行業(yè)的飛速發(fā)展,各企業(yè)紛紛采用計(jì)算機(jī)管理及先進(jìn)制造技術(shù),生產(chǎn)的產(chǎn)品質(zhì)量可靠性和先進(jìn)性也越來(lái)越好。而用戶需要選擇購(gòu)買所需產(chǎn)品的時(shí)候,面臨如何科學(xué)評(píng)價(jià)不同企業(yè)同類產(chǎn)品質(zhì)量的問(wèn)題。如何建立一套行之有效的企業(yè)產(chǎn)品質(zhì)量評(píng)價(jià)方法,為用戶作出合理的決策提供科學(xué)依據(jù),顯得尤為重要。本文以軌道交通行業(yè)為研究背景,提出一種雙因素評(píng)價(jià)不同乙方企業(yè)的同類產(chǎn)品質(zhì)量的方法。將其應(yīng)用于軌道交通行業(yè)的某一專業(yè)系統(tǒng)的同類產(chǎn)品質(zhì)量評(píng)價(jià)中,得到較直觀的科學(xué)評(píng)價(jià)結(jié)果。
一般進(jìn)行產(chǎn)品質(zhì)量評(píng)價(jià)的方法,一是通過(guò)對(duì)產(chǎn)品本身的質(zhì)量相關(guān)技術(shù)指標(biāo)進(jìn)行檢驗(yàn),并在嚴(yán)苛的試驗(yàn)條件下進(jìn)行測(cè)試,從而評(píng)估該產(chǎn)品的質(zhì)量可靠度;二是對(duì)產(chǎn)品使用過(guò)程進(jìn)行監(jiān)測(cè)和記錄,通過(guò)記錄使用過(guò)程中產(chǎn)品出現(xiàn)問(wèn)題的原因、頻次、使用時(shí)長(zhǎng)等多種因素,來(lái)檢驗(yàn)產(chǎn)品質(zhì)量。本文給出的產(chǎn)品質(zhì)量雙因素評(píng)價(jià)方法,不從設(shè)備產(chǎn)品特性的技術(shù)指標(biāo)上對(duì)該產(chǎn)品進(jìn)行質(zhì)量評(píng)價(jià),也不用對(duì)設(shè)備產(chǎn)品進(jìn)行抽樣檢查,而是從設(shè)備產(chǎn)品運(yùn)行情況的角度進(jìn)行分析評(píng)價(jià),通過(guò)對(duì)設(shè)備產(chǎn)品運(yùn)行數(shù)據(jù)進(jìn)行宏觀和微觀方面的故障數(shù)據(jù)統(tǒng)計(jì),分析評(píng)判該設(shè)備產(chǎn)品的質(zhì)量情況。
從設(shè)備產(chǎn)品運(yùn)行情況的角度進(jìn)行分析評(píng)價(jià)的前提,是要建立一個(gè)動(dòng)態(tài)的不斷更新的設(shè)備產(chǎn)品運(yùn)行故障統(tǒng)計(jì)數(shù)據(jù)庫(kù),數(shù)據(jù)需要涵蓋該產(chǎn)品的主要子系統(tǒng)組成部件和這些部件的故障信息等。為進(jìn)一步統(tǒng)計(jì)和分析產(chǎn)品故障數(shù)據(jù)提供現(xiàn)實(shí)基礎(chǔ)。本文提出的設(shè)備產(chǎn)品質(zhì)量評(píng)價(jià)方法,基于地鐵線網(wǎng)資產(chǎn)管理及運(yùn)營(yíng)生產(chǎn)管理系統(tǒng)(PMS系統(tǒng))。該系統(tǒng)是軌道交通運(yùn)營(yíng)生產(chǎn)管理系統(tǒng),可以有效提升軌道交通管理資產(chǎn)、維保、物資等主體業(yè)務(wù)的管理水平及工作效率。本文基于該數(shù)據(jù)管理系統(tǒng)中的設(shè)備維保管理子模塊中的設(shè)備產(chǎn)品故障數(shù)據(jù),應(yīng)用提出的產(chǎn)品質(zhì)量評(píng)價(jià)方法進(jìn)行數(shù)據(jù)分析,進(jìn)行設(shè)備產(chǎn)品的質(zhì)量評(píng)價(jià)。
產(chǎn)品平均故障率因素,是指產(chǎn)品在單位時(shí)間內(nèi)發(fā)生故障的概率,該因素可以非常直觀地反映企業(yè)產(chǎn)品的可靠程度。產(chǎn)品平均故障率越低,則該企業(yè)的產(chǎn)品質(zhì)量越好。通常平均故障率的計(jì)算方法,是統(tǒng)計(jì)某產(chǎn)品一定周期內(nèi)發(fā)生故障的次數(shù),除以周期時(shí)間得到。但在實(shí)際操作中,如果產(chǎn)品使用周期按天數(shù)來(lái)算,當(dāng)產(chǎn)品發(fā)生故障次數(shù)大于天數(shù)時(shí),計(jì)算出的平均故障率百分?jǐn)?shù)大于1,不利于觀測(cè)和比較該因素指標(biāo)。故在軌道交通領(lǐng)域,可以對(duì)產(chǎn)品使用周期進(jìn)行一個(gè)等價(jià)處理,用產(chǎn)品所應(yīng)用線路的列車?yán)锍虜?shù)(單位:萬(wàn)列公里)來(lái)代替產(chǎn)品使用周期。因?yàn)樵趯?shí)際情況下,用戶可能使用不同企業(yè)的同類產(chǎn)品,而不同企業(yè)產(chǎn)品的使用時(shí)間各不相同,這種情況下計(jì)算產(chǎn)品平均故障率,用列車?yán)锍虜?shù)替代產(chǎn)品使用周期,可以最大限度地減少不同的產(chǎn)品使用周期不同對(duì)計(jì)算結(jié)果準(zhǔn)確性的影響。如A企業(yè)某產(chǎn)品于2017-2019年應(yīng)用于某城市1號(hào)線,共發(fā)生故障數(shù)445件,在2017-2019年中1號(hào)線所有列車共行駛3483.2萬(wàn)列公里,則該產(chǎn)品的平均故障率為0.13。
產(chǎn)品子系統(tǒng)關(guān)鍵部件故障因素,是指該產(chǎn)品組成子系統(tǒng)中的各關(guān)鍵部件發(fā)生故障發(fā)生情況。該因素可以對(duì)企業(yè)產(chǎn)品質(zhì)量進(jìn)行更細(xì)致的評(píng)價(jià),直觀地反映企業(yè)產(chǎn)品中的關(guān)鍵部件的可靠程度,以幫助用戶對(duì)不同企業(yè)的同類產(chǎn)品進(jìn)行全面的微觀了解。
產(chǎn)品質(zhì)量雙因素評(píng)價(jià)法,就是綜合使用產(chǎn)品平均故障率因素和產(chǎn)品子系統(tǒng)關(guān)鍵部件因素,對(duì)不同企業(yè)同類產(chǎn)品進(jìn)行質(zhì)量評(píng)價(jià)的方法。通過(guò)對(duì)產(chǎn)品一定使用周期內(nèi)的故障數(shù)據(jù)的統(tǒng)計(jì)分析,從宏觀和微觀層面對(duì)該產(chǎn)品質(zhì)量進(jìn)行全面而客觀的快速評(píng)價(jià),以達(dá)到幫助用戶科學(xué)掌握企業(yè)產(chǎn)品情況,進(jìn)一步科學(xué)決策合作意向的目的。
將產(chǎn)品質(zhì)量雙因素評(píng)價(jià)法應(yīng)用于城市軌道交通行業(yè)使用的不同企業(yè)不同專業(yè)系統(tǒng)設(shè)備產(chǎn)品的評(píng)價(jià)中,對(duì)評(píng)價(jià)結(jié)果進(jìn)行分析,比較得出企業(yè)設(shè)備產(chǎn)品質(zhì)量的評(píng)價(jià)結(jié)論。
城市軌道交通綜合監(jiān)控系統(tǒng)(Integrated Supervisory Control System,ISCS),是大型計(jì)算機(jī)集成系統(tǒng),其高度集成多個(gè)軌道交通專業(yè)子系統(tǒng),如屏蔽門系統(tǒng)(PSD)、電力監(jiān)控系統(tǒng)(PSCADA)、火災(zāi)報(bào)警系統(tǒng)(FAS)、環(huán)境與設(shè)備監(jiān)控系統(tǒng)(BAS)等,是城市軌道交通極為重要的專業(yè)系統(tǒng)之一。故首先挑選該專業(yè)系統(tǒng)應(yīng)用產(chǎn)品質(zhì)量雙因素評(píng)價(jià)法進(jìn)行研究。
1.產(chǎn)品平均故障率因素評(píng)價(jià)應(yīng)用。以某城市軌道交通企業(yè)綜合監(jiān)控系統(tǒng)為研究背景,綜合監(jiān)控系統(tǒng)設(shè)備產(chǎn)品生產(chǎn)企業(yè)名稱用A、B、C代替。綜合監(jiān)控系統(tǒng)設(shè)備來(lái)自A、B、C這3家不同的企業(yè)。其中1、4、7號(hào)線采用B企業(yè)設(shè)備產(chǎn)品;2、3號(hào)線采用A企業(yè)設(shè)備產(chǎn)品;10號(hào)線采用C企業(yè)設(shè)備產(chǎn)品。2015年至2018年,某城市軌道交通企業(yè)共計(jì)發(fā)生綜合監(jiān)控系統(tǒng)設(shè)備產(chǎn)品故障1126件,其中A企業(yè)445件,占總數(shù)的39%;B企業(yè)559件,占總數(shù)的50%;C企業(yè)122件,占總數(shù)的11%。2015年至2018年,B企業(yè)所轄線路運(yùn)營(yíng)里程共計(jì)4412.79萬(wàn)列公里,發(fā)生設(shè)備產(chǎn)品故障559件,平均0.13件/萬(wàn)列公里;A企業(yè)所轄線路運(yùn)營(yíng)里程共計(jì)3483.21萬(wàn)列公里,發(fā)生設(shè)備產(chǎn)品故障445件,平均0.13件/萬(wàn)列公里;C企業(yè)所轄線路運(yùn)營(yíng)里程共計(jì)155.11萬(wàn)列公里,發(fā)生設(shè)備產(chǎn)品故障122件,平均0.79件/萬(wàn)列公里。對(duì)比結(jié)果表明,C企業(yè)設(shè)備產(chǎn)品故障率最高,A和B企業(yè)設(shè)備產(chǎn)品故障率基本相當(dāng)。
2.產(chǎn)品子系統(tǒng)關(guān)鍵部件故障因素評(píng)價(jià)應(yīng)用。軌道交通行業(yè)綜合監(jiān)控系統(tǒng)設(shè)備產(chǎn)品關(guān)鍵部件劃分為中央子系統(tǒng)、線路車站及場(chǎng)段子系統(tǒng)、大屏子系統(tǒng)。本文針對(duì)2015年至2018年某城市軌道交通企業(yè)綜合監(jiān)控系統(tǒng)設(shè)備產(chǎn)品的關(guān)鍵子系統(tǒng)故障數(shù)據(jù)進(jìn)行分析。綜合監(jiān)控系統(tǒng)設(shè)備產(chǎn)品中的發(fā)生故障主要分布在服務(wù)器和工作站兩類。一是1、2、3號(hào)線的服務(wù)器故障數(shù)較高;二是1、2、3號(hào)線工作站故障數(shù)也較高。綜合考慮不同企業(yè)產(chǎn)品分布在不同線路的運(yùn)營(yíng)時(shí)間和車站設(shè)備數(shù)量,得知4號(hào)線設(shè)備表現(xiàn)最穩(wěn)定,10號(hào)線故障率最高。其中1、4、7號(hào)線采用B企業(yè)設(shè)備產(chǎn)品;2、3號(hào)線采用A企業(yè)設(shè)備產(chǎn)品;10號(hào)線采用C企業(yè)設(shè)備產(chǎn)品。所以可以得出,B企業(yè)的設(shè)備產(chǎn)品質(zhì)量最好,C企業(yè)的設(shè)備產(chǎn)品故障率最高。最后綜合應(yīng)用產(chǎn)品質(zhì)量雙因素法分析評(píng)價(jià),選擇B企業(yè)設(shè)備產(chǎn)品更可靠。
AFC系統(tǒng)(Automatic Fare Collection System),城市軌道交通自動(dòng)售檢票系統(tǒng),是計(jì)算機(jī)控制的專業(yè)系統(tǒng),與其他專業(yè)系統(tǒng)不同的是,該系統(tǒng)的設(shè)備產(chǎn)品故障數(shù)極多,分析數(shù)據(jù)量相對(duì)大,分析結(jié)果更加精確。故應(yīng)用產(chǎn)品質(zhì)量雙因素評(píng)價(jià)法對(duì)其進(jìn)行研究。
1.產(chǎn)品平均故障率因素評(píng)價(jià)應(yīng)用
以某城市軌道交通企業(yè)AFC系統(tǒng)為研究背景,AFC系統(tǒng)設(shè)備產(chǎn)品生產(chǎn)企業(yè)名稱用D、E、F、G代替。AFC系統(tǒng)設(shè)備來(lái)自D、E、F、G這4家不同的生產(chǎn)企業(yè)。其中1號(hào)線、10號(hào)線采用D企業(yè)提供設(shè)備產(chǎn)品,2號(hào)線采用E企業(yè)提供設(shè)備產(chǎn)品,3號(hào)線、4號(hào)線采用F企業(yè)提供設(shè)備產(chǎn)品,7號(hào)線采用G企業(yè)提供設(shè)備產(chǎn)品。
2015年至2018年,某城市軌道交通企業(yè)共計(jì)發(fā)生AFC系統(tǒng)設(shè)備產(chǎn)品故障100088件,其中D企業(yè)27140件,占總數(shù)的27%;E企業(yè)33825件,占總數(shù)的34%;F企業(yè)33080件,占總數(shù)的33%;G企業(yè)6043件,占總數(shù)的6%。2015年至2018年,D企業(yè)所轄線路運(yùn)營(yíng)里程共計(jì)29182列公里,發(fā)生設(shè)備產(chǎn)品故障27140件,平均0.93件/萬(wàn)列公里;E企業(yè)所轄線路運(yùn)營(yíng)里程共計(jì)30750列公里,發(fā)生設(shè)備產(chǎn)品故障33825件,平均1.1件/萬(wàn)列公里;F企業(yè)所轄線路運(yùn)營(yíng)里程共計(jì)59070列公里,發(fā)生設(shè)備產(chǎn)品故障33080件,平均0.56件/萬(wàn)列公里,G企業(yè)所轄線路運(yùn)營(yíng)里程共計(jì)16332列公里,發(fā)生設(shè)備產(chǎn)品故障6043件,平均0.37件/萬(wàn)列公里。對(duì)比結(jié)果表明,E企業(yè)設(shè)備產(chǎn)品故障率最高,G企業(yè)設(shè)備產(chǎn)品故障率最低。
2.產(chǎn)品子系統(tǒng)關(guān)鍵部件故障因素評(píng)價(jià)應(yīng)用。軌道交通行業(yè)AFC系統(tǒng)設(shè)備產(chǎn)品關(guān)鍵部件劃分為TVM(自動(dòng)售票機(jī))、AGM(自動(dòng)檢票機(jī))、BOM(半自動(dòng)售票機(jī))、服務(wù)器、交換機(jī)和工作站。本文針對(duì)2015年至2018年某城市軌道交通企業(yè)AFC系統(tǒng)各關(guān)鍵部件子系統(tǒng)進(jìn)行分析。AFC系統(tǒng)設(shè)備產(chǎn)品中的關(guān)鍵部件子系統(tǒng)發(fā)生的故障主要分布在TVM和AGM兩類。綜合考慮不同企業(yè)在各線路運(yùn)營(yíng)時(shí)間和車站的設(shè)備分布數(shù)量,可以得出F的TVM更穩(wěn)定,G的AGM、BOM更穩(wěn)定,D、E的TVM穩(wěn)定性較差。最后綜合應(yīng)用產(chǎn)品質(zhì)量雙因素法分析評(píng)價(jià),選擇F企業(yè)的TVM設(shè)備產(chǎn)品更可靠,選擇G企業(yè)的AGM設(shè)備產(chǎn)品更可靠。
利用產(chǎn)品質(zhì)量雙因素評(píng)價(jià)法,可以分析出B企業(yè)的設(shè)備產(chǎn)品故障率相對(duì)最低,且其產(chǎn)品子系統(tǒng)關(guān)鍵部件的質(zhì)量也最好,從而得到該企業(yè)生產(chǎn)的產(chǎn)品質(zhì)量最好的結(jié)論,為用戶提供快速和有效的科學(xué)決策依據(jù)。該評(píng)價(jià)方法不是從設(shè)備產(chǎn)品特性的技術(shù)指標(biāo)上對(duì)該產(chǎn)品進(jìn)行質(zhì)量評(píng)價(jià),也不用對(duì)設(shè)備產(chǎn)品進(jìn)行抽樣檢查,而是從設(shè)備產(chǎn)品運(yùn)行情況的角度出發(fā),對(duì)產(chǎn)品質(zhì)量進(jìn)行宏觀和微觀方面的故障數(shù)據(jù)統(tǒng)計(jì),分析出該產(chǎn)品的質(zhì)量情況。而應(yīng)用該產(chǎn)品質(zhì)量評(píng)價(jià)法的重要前提,是保證產(chǎn)品故障數(shù)據(jù)的足量性、客觀性和準(zhǔn)確性。因此建立產(chǎn)品運(yùn)行故障實(shí)時(shí)統(tǒng)計(jì)數(shù)據(jù)庫(kù),是十分必要的。
參考文獻(xiàn):
[1]郝建春,耿金鳳,王秋生,王楠,曹大理.航空產(chǎn)品質(zhì)量評(píng)價(jià)指標(biāo)體系構(gòu)建[J].標(biāo)準(zhǔn)科學(xué),2020(12):161-166.
[2]張?zhí)?,朱琦妮,范志斌,何文?煤炭全自動(dòng)制樣系統(tǒng)主要質(zhì)量評(píng)價(jià)指標(biāo)的研究[J].煤質(zhì)技術(shù),2020,35(06):40-46.
[3]韓春雨.基于廣義質(zhì)量的質(zhì)量經(jīng)濟(jì)性分析模型及其應(yīng)用研究[D].中國(guó)海洋大學(xué),2010.
[4]張彥華,張奕奕.機(jī)車車輛的可靠性驗(yàn)證測(cè)試研究[J].電力機(jī)車與城軌車輛,2013,36(03):61-63+66.
[5]林夢(mèng)菊.基于可靠性分析的設(shè)備預(yù)防性維修決策研究[D].沈陽(yáng)理工大學(xué),2015.
[6]Jiang JehnRuey,Yen ChengTai. Product Quality Prediction for Wire Electrical Discharge Machining with Markov Transition Fields and Convolutional Long Short-Term Memory Neural Networks[J]. Applied Sciences,2021,11(13):
[7]Adam Trendowicz,Michael Klas,Constanza Lampasona,Jürgen Münch,Christian Korner & Matthias Saft.(2014).Model-based Product Quality Evaluation with Multi-Criteria Decision Analysis..CoRR(), doi:
(四川城市職業(yè)學(xué)院2022年度校級(jí)科研項(xiàng)目研究成果,項(xiàng)目編號(hào):CS22KYYB12)
(作者單位:四川城市職業(yè)學(xué)院智能制造與交通學(xué)院 成都地鐵運(yùn)營(yíng)有限公司 武漢鐵路職業(yè)技術(shù)學(xué)院 李國(guó)梁 李成縣 蘇蓉)