T_IGRS 0011.5-2021 基于大数据的互联网终端产品质量分析 第5部分：数据分析.pdf

ICS 35.240.70 CCS L 67 !#$%&()*+,-./0!1 2#$3 4 5,!#$%&()*+,-./0123 4 506$%012!#$%&(#)#$*%*(+,(%)&-.)-&(&-./%)#$(0.+12&(3#*-1(+)(3%4(1#&#(5#.&(67(8#&#(#)#$*%*!#$%&()*+,-./!T/IGRS 0011.5-2021 2021-07-09 9:(2021-07-09;(!#T/IGRS 0011.5-2021!I#$#%#前言.II 1 范围前言.1 2 规范性引用文件.1 3 术语与定义.1 4 质量指标组合和关键参数设定.1 4.1 新品质量指标设定.2 4.2 制程质量指标及关键参数设定.3 4.3 客户质量指标设定.4 5 质量指标和关键参数数据收集.4 6 质量指标和关键参数目标设定.4 7 质量指标和关键参数分析.5 7.1 全过程指标.5 7.2 分析方法.5 7.2.1 目标分析.5 7.2.2 趋势分析.6 7.2.3 代际分析.6 7.2.4 对比分析.6 7.2.5 维度分析.6 7.2.6 参数分析.6 7.3 产品满意度指数（PSI）的分析.7 7.3.1 产品的生命周期分析.7 7.3.2 产品的迭代升级分析.7 7.3.3 产品的市场竞争分析.7 7.3.4 客户需求研究.7 8 质量分析报告发布.8 附录 A（资料性）客户需求研究模型实例.9 参考文献.10 T/IGRS 0011.5-2021!II#&#本文件按照GB/T 1.1-2020给出的规则起草。T/IGRS 0011-2021 基于大数据的互联网终端产品质量分析分为以下部分：第1部分：框架 第2部分：数据字典 第3部分：数据指标 第4部分：平台 第5部分：数据分析 第6部分：决策 本文件为T/IGRS 0011-2021基于大数据的互联网终端产品质量分析的第5部分。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别这些专利的责任。本文件由闪联产业技术创新战略联盟(北京市闪联信息产业协会)提出并归口。本文件主要起草单位：联想（北京）有限公司，中国矿业大学（北京），闪联产业技术创新战略联盟(北京市闪联信息产业协会)。本文件主要起草人：闫芬，彭天芳，陆爱萍，孙艳芳，谢晓波，许文乐，刘璇，张志强，李小丁，卓雷，李汝鑫，林巍巍，吕飞燕，刘微，陶宏芝，杨磊，谢军，胡雯，龚勋，孙志勇，侯晶晶。#T/IGRS 0011.5-2021!1 ()*+,-./012345678#9:;7+,78#!#$本文件规定了企业产品全生命周期内，即从产品研发到退出市场期间，基于质量大数据平台进行质量数据分析的过程，包括质量指标组合和关键参数的设定、数据收集、目标设定、分析，以及质量分析报告的发布。本文件是基于大数据进行质量分析的依据，适用于互联网终端产品。其他产品的制造商和相关方也可参考使用。%&#()*+下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T 19000-2016 质量管理体系 基础与术语,-./01下列术语和定义，以及本文件所属标准其他部分的术语，适用于本文件。,2!3456789:;?ABCDEFBGF9?:H反映产品开发和上市阶段的设计质量状况的质量指标，用以监控、分析、改善新品质量状况。,2%IJ5678KD9LDAB=GCDEFBGF9?:H反映产品在生产过程的制程质量状况的质量指标，用以监控、分析、改善制程质量状况，预防问题流入客户端。,2,MN5678AOBK:=CDEFBGF9?:H反映产品交付后，在客户使用过程中产品质量状况和客户体验状况的质量指标，用以监控、分析、改善客户质量状况，提高客户满意度。,2PQR.下列缩略语适用于本文件。SPC 统计过程控制(Statistical Process Control)CPK 制程能力指数(Procress Capability Index)PSI 产品满意度指数(Product Satisfaction Index)P 5678STUVWXYZ0T/IGRS 0011.5-2021!2 企业应基于企业实际状况，基于质量相关大数据收集和分析，建立端到端质量指标组合，用以分析端到端供应链质量和产品生命周期质量，推进全面质量管理。端到端质量指标组合应覆盖供应商、生产商、物流运输、服务、销售、客户等供应链各个环节，覆盖产品从设计、开发、验证、制造、客户使用到退出的整个生命周期。端到端质量指标组合包含新品质量指标、制程质量指标及参数、客户质量指标这三个方面。质量指标组合和端到端供应链以及产品生命周期的覆盖关系，可参考图1。!#$%$&()*+,-./012345 P2!345678Z0企业应建立大数据收集渠道来收集新品相关质量信息，以设定新品质量指标。根据企业和产品特点，新品质量指标可汇总产品上市前和上市后相关质量状况，可包括产品研发阶段的质量问题、整机直通率、成品检验不合格率等，以及新品上市 3 周内的在线批量问题、整机直通率、出厂检验不合格率，以及售后批次性质量问题等，也可以包括新品计划、研发、验证阶段发生的问题列表。企业可依据企业特点和对客户的影响程度选择新品阶段关键质量指标，并依据对客户影响的程度设定每个质量指标的权重。由于各个新品质量指标涉及不同类型、阶段的质量控制结果，有数值型，也有非数值型，可针对每个质量指标的达成情况设定准过门槛，采用打分制，最终依据指标权重计算得到每个产品项目的新品质量指标结果。表 1 是推荐的新品质量指标定义示例，包括上市前各类质量指标和上市后质量指标的标准、权重、满分和分值计算方法。!34567801 产品阶段 子项目 标准 权重 分数 分值计算 上市前 产品研发阶段质量问题 10 15%15 问题数量为 0 时，满分 15；问题数量大于 10 时，得分 0；问题数量在 0 到 10 之间，线性得分 T/IGRS 0011.5-2021!3 !_ 产品阶段 子项目 标准 权重 分数 分值计算 上市前 研发阶段整机直通率 90.00%10%10 =100%,10 分；0.15%,0 分 0%0.15%，0-10 分线性得分 上市后 上市 3 周内整机直通率 97.00%10%10 =100%,10 分；0.10%,0 分 0%0.10%，0-10 分线性得分 上市 3 周内在线批量问题数量 2 10%10 问题数量为 0 时，满分 10；问题数量大于 2 时，得分 0；问题数量在 0 到 2 之间，线性得分 上市 3 周内在线批量问题解决时间 36h 10%10 解决时间为 0 小时，满分 10；解决时间大于 36 小时，得分 0；解决时间在 0 到 36 小时之间，线性得分 上市 3 周内售后客户批量问题数量 0 25%25 问题数量为 0 时，满分 25；问题数量大于 0 时，每个问题扣 25 分；新品质量指标（TTQ）综上各项-100%100 加总上述得分 P2%IJ5678aVWXYZ0企业应建立大数据收集渠道，收集制程相关质量信息和制造过程产品关键参数、生产环境关键参数，来监控改善制程质量状况。制程质量指标应涵盖产品制造从来料到成品出货的制造阶段。在制造阶段，制程质量指标可包括整机直通率、成品检验不合格率以及在线批量问题数量和解决时间等。表2给出了互联网终端产品制程质量指标推荐列表。%IJ5678bcd序号 制程质量指标 1 整机直通率 2 成品检验不合格率 3 在线批量问题数量 4 在线批量问题解决时间 5 部件在线淘汰率 T/IGRS 0011.5-2021!4 制程关键参数可包括直接影响产品合格的参数数据，比如产品规格参数、产品工艺参数、生产环境参数等，可以通过大数据模型选择确定关键参数。企业应针对这些关键参数建立收集监测机制，以便于质量保证和分析。P2,MN5678Z0企业应建立大数据收集渠道来收集客户使用过程中的相关质量信息和客户体验状况，监控改善客户质量状况，提高客户满意度。为了全方位提升客户端产品使用体验，企业对客户质量状况的追踪，除了全部客户故障率方面的追踪和追溯之外，宜扩展到用户对产品信息的收集和反馈渠道，并记录各种途径的诉求，包括客户通过电话、微信、网络等多种方式的咨询。企业可在和客户接触的各个环节保留详尽的记录，包括且不限于客户产品信息或意向、咨询记录或问题反馈、解决过程的描述与记录等。所有这些数据都应收集到大数据平台中。企业应设定包括早期故障率、在保故障率、批次性重大质量问题数量等客户质量指标，而基于客户多方面、多渠道的信息收集，还可设定产品满意度指数(PSI)。,MN5678bcd序号 客户质量指标 1 早期故障率 2 在保故障率 3 在线解决率 4 批次性重大质量问题数量 5 产品满意度指数(PSI)早期故障率可以及早发现新销售产品的质量异常，在保故障率可以发现产品长期可靠性方面的质量异常，在线解决率可以快速识别客户使用过程中面临的各种问题，批次性重大质量问题数量突出对客户有重大影响的质量问题。产品满意度指数是在互联网+和大数据技术的蓬勃发展的时代，通过获取大量的电商、论坛等客户评价记录，采用自然语言识别技术，识别客户的正向，负向，中性评价，并对客户谈及的产品特性做出分类汇总，从而测量出客户对产品（包括竞品）的产品满意度指数，并挖掘客户期望改善的方面，不断提升客户体验满意度，不断提高产品美誉度，扩大品牌影响力。e 5678UVWXYYfgh 企业应在完成质量指标和关键参数设定后，建立大数据智能分析平台，根据不同质量指标和关键参数特点，设定收集周期和监控时长，定期收集质量指标和关键参数的结果和相关信息。大数据平台收集确认处理数据的方法请参见本系列标准2.i 5678UVWXYj8Z0 为推进质量持续改善，企业应定期收集质量指标或关键参数，形成较长时期的历史数据，从而把握企业产品组合变化，指导运营模式调整。这些历史数据包括行业内相关质量指标数据、竞争对手相关质量指标数据、行业技术发展趋势等内外部信息，依据客户期望和企业战略规划制定持续改善的质量指标目标和关键参数控制线。T/IGRS 0011.5-2021!5 企业可以依据质量指标的组成，分解成不同级别的质量指标，如产品质量指标可以分解成各个产品子系列质量指标以及各个产品组成部分的质量指标，以实现差异化和精细化目标管控。企业目标应贯彻到端到端质量环节，从设计、制造、供应商、运营都需要分解承担相同的质量目标，确保目标一致，协同改善。企业目标应至少每年制定一次，定期回顾目标达成情况，并根据实际情况及时做出调整。k 5678UVWXYlmk2!noJ78端到端质量包括设计质量、制造质量、供应商质量和运营质量，都是通过全过程指标来体现的。全过程指标涵盖了客户质量指标以及新品质量指标、制程质量指标和制程关键参数，后面三者对于客户质量指标有着直接的影响。目标分析、趋势分析、代际分析、对比分析等多种分析方法，均可应用到全过程指标上。分析方法、全过程指标和端到端质量这三部分的关系，可参考图 2 的示意。企业应基于大数据平台，打通从新品到客户的端到端信息，以支撑质量指标分析。p%qrq56slmtuUnoJ78 k2%lmtuk2%2!j8lm企业应定期收集发布质量指标实际值，基于目标判定当前周期质量指标是否达标。如果没有达到目标，可进一步分析具体产品或产品组成部分的超标部分，依据对超标贡献程度排序来确定主要问题，进行原因分析和质量改善。超标贡献程度推荐使用超标贡献率。以客户质量指标中的早期故障率为例，为总产品、各个系列产品分别制定了该指标的目标值之后，可以根据实际测量得到的总产品早期故障率、各个系列的早期故障率，来计算出各个系列的早期故障超标贡献率。计算公式如下：T/IGRS 0011.5-2021!6 _!=(!)!()(1)式中：_!(Quality over t