作者 趙慧娟 武曄卿 西安鐵路信號有限責(zé)任公司(陜西 西安 710048)

摘要：本文研究的目的是在信號設(shè)備驗收中引入測試數(shù)據(jù)統(tǒng)計分析，深度挖掘抽樣數(shù)據(jù)后面潛藏的產(chǎn)品設(shè)計和工藝隱患。信號設(shè)備檢測驗收時，即使產(chǎn)品抽樣測試數(shù)據(jù)合格，產(chǎn)品中仍然會存在著設(shè)計、批產(chǎn)過程質(zhì)量的隱患問題。而分析抽樣數(shù)據(jù)時，正常情況下，同一批次產(chǎn)品的同一技術(shù)指標(biāo)，或產(chǎn)品同一指標(biāo)的多次測試結(jié)果，匯總后數(shù)據(jù)分布應(yīng)符合特定的正態(tài)分布。當(dāng)不符合時，其分布偏差的趨勢將會暴露出產(chǎn)品的各類隱患問題。本文就在統(tǒng)計分析理論基礎(chǔ)上，通過SPC(統(tǒng)計過程控制，Statistics Procedure Control)和SDA (Statistics Data Analysis)，結(jié)合實際項目，通過實踐中的數(shù)據(jù)分析結(jié)果，發(fā)現(xiàn)了一些設(shè)計和生產(chǎn)過程中過去未曾發(fā)現(xiàn)的一些隱患問題。

0 引言

　　信號產(chǎn)品零部件的入廠檢驗，尤其是大批量產(chǎn)品的入廠檢驗，通常情況下，由于工作量和時間的局限，只能采用抽樣檢驗的方式;最常見的方法是選擇抽樣檢驗方案，進行隨機抽樣，然后開始參數(shù)測試，再將每一臺的測試結(jié)果與預(yù)期設(shè)計性能指標(biāo)對比，然后根據(jù)抽樣方案中的合格判據(jù)，確定是否批次通過驗收還是拒收。實際上，這種貌似合理的抽樣檢驗方法里，即使驗收合格，也蘊藏著潛在的隱患問題。

　　可靠性管理里有一句經(jīng)典提法“改變=不可靠”，這也是某些信號產(chǎn)品供貨商寧愿在輔助功能上不滿足用戶也不愿意升級或者更新已有的成熟產(chǎn)品的原因，因為他們很清楚，已經(jīng)定型的設(shè)計方案、穩(wěn)定的加工工藝、不變的生產(chǎn)場地環(huán)境、長期熟練使用的成熟生產(chǎn)工具和輔材，一旦發(fā)生微小的改變，都有可能引入潛在的隱患因素，而這些因素就有可能在特定的現(xiàn)場應(yīng)用環(huán)境下導(dǎo)致失效。如果供貨商因為種種原因，出現(xiàn)了如器件型號、批次、生產(chǎn)場地變更或者加工工藝改變、出廠異常篩選等因素，而整機廠商卻沒有發(fā)現(xiàn)，則容易因為這些改變而產(chǎn)生潛在隱患，導(dǎo)致某些應(yīng)用環(huán)節(jié)故障率的異常增高。比如某條地鐵選用某廠家的成熟產(chǎn)品(計軸產(chǎn)品)，首批所供產(chǎn)品開通運營后一直很穩(wěn)定，第二批在開通一個月內(nèi)就頻繁地出現(xiàn)同一種故障，最后發(fā)現(xiàn)是由于第二批板卡中某一個器件更換了供貨商導(dǎo)致。

　　也就是因為如上的原因，對零部件、器件的質(zhì)量控制就成為了一個至關(guān)重要的課題。采用什么樣的檢測方法，能較好地發(fā)現(xiàn)供應(yīng)商處可能發(fā)生的諸多不穩(wěn)定問題呢?單靠逐個檢驗耗時耗力，而且甚至出現(xiàn)單個檢驗都沒發(fā)現(xiàn)問題，實際卻有隱患存在的現(xiàn)象。而解決此問題的有效方法之一即是統(tǒng)計學(xué)。

　　正常生產(chǎn)條件下生產(chǎn)出來的質(zhì)量穩(wěn)定產(chǎn)品，對其任一參數(shù)的測量結(jié)果均應(yīng)符合正態(tài)分布，其原因是每個零部件的生產(chǎn)之間都是相互獨立的，檢測也是獨立的，這種特征的狀態(tài)參數(shù)便符合正態(tài)分布。在正態(tài)分布里(如圖1，本文后續(xù)所有示例均以允許誤差±5%為例)，μ是正態(tài)分布的位置參數(shù)，描述正態(tài)分布的集中趨勢位置。而σ描述離散程度，是正態(tài)分布的形狀參數(shù)，σ越大，數(shù)據(jù)分布越分散，曲線越扁平;σ越小，數(shù)據(jù)分布越集中，曲線越瘦高。μ±1σ范圍內(nèi)的分布概率是68.3%，μ±2σ范圍內(nèi)的分布概率是95.4%，μ±3σ范圍內(nèi)的分布概率是99.73%。

　　基于“小概率事件”和“假設(shè)檢驗”的思想，“小概率事件”通常指發(fā)生概率 < 5%的事件，認為在一次試驗中該事件是幾乎不可能發(fā)生的。由此可見隨機變量X落在(μ-3σ，μ+3σ)以外的概率 < 5%，在實際中常認為相應(yīng)的事件是不會發(fā)生的，基本上可以把區(qū)間(μ-3σ，μ+3σ)看作是隨機變量X實際可能的取值區(qū)間，這稱之為正態(tài)分布的“3σ”原則。也就是說，正常產(chǎn)品的實際測量結(jié)果，必須落在設(shè)計所允許的范圍(μ-3σ，μ+3σ)之內(nèi)。

　　因此，應(yīng)結(jié)合抽樣檢驗方案，選取合適的樣本數(shù)量，根據(jù)實際的檢測數(shù)據(jù)，開展統(tǒng)計分析。下面結(jié)合一些數(shù)據(jù)圖形，分析可能出現(xiàn)偏差的原因。

1 一致性變差的正態(tài)分布趨勢圖

　　如果(圖1)是設(shè)計或質(zhì)控所需要的標(biāo)準(zhǔn)正態(tài)分布圖形式，則在實際工作中，會有一種如(圖2)的分布圖形式，中心點雖沒漂移，但數(shù)據(jù)分布明顯發(fā)散了。

　　對于設(shè)計過程測試出來的單一臺設(shè)備數(shù)據(jù)出現(xiàn)這種情況，主要是隨機誤差影響導(dǎo)致，一般來自于布線、布局，例如施工過程中傳感器的電纜布置不符合施工工藝，信號電纜和電源電纜同溝放置，電源的開關(guān)頻率干擾串?dāng)_進入信號線，就容易形成類似測量結(jié)果的隨機誤差;或者放大電路的模擬信號接地與功率電路或控制數(shù)字電路采用了單點串聯(lián)接地，也會發(fā)生類似現(xiàn)象。把引入隨機干擾的這些原因排除了，測量數(shù)據(jù)分布圖也會收縮變成(圖1)的形狀。

　　如果是供應(yīng)商來料中出現(xiàn)類似變化的分布圖，則是供應(yīng)商有可能偷換貨，有的供應(yīng)商在自己的生產(chǎn)能力不足的時候，會采購或外協(xié)其他公司的物料來頂替，任何兩家的產(chǎn)品批次分布規(guī)律是很難完全重合一致的?！案淖?不可靠”，任何的改變都可能帶來其它不可預(yù)知的負面因素，供應(yīng)商的改變也屬于此列。因此對此類物料應(yīng)該拒收。如果確認該物料確實仍是原廠生產(chǎn)，則其質(zhì)控生產(chǎn)管理出現(xiàn)了巨大的問題，應(yīng)予責(zé)令整改方可繼續(xù)供貨。

2 一致性增強的正態(tài)分布趨勢圖

　　(圖3)的分布圖形式，中心點沒有漂移，而且數(shù)據(jù)分布明顯一致性變好了。如果這是對設(shè)計過程測試出來的單一臺設(shè)備數(shù)據(jù)出現(xiàn)的情況，說明設(shè)計的效果超出了預(yù)期，直接過關(guān)即可。

　　如果是供應(yīng)商來料中出現(xiàn)類似變化的分布圖，則要小心，不要因為質(zhì)量變好就放行。要找出導(dǎo)致本批次突然變好的原因。因為如果廠家的生產(chǎn)過程沒有發(fā)生大的工藝變化，不會出現(xiàn)突然明顯變好的情況。如果是供應(yīng)商偷換原材料，用了采購或外協(xié)其他公司的物料來頂替，此批物料建議“拒收”。因為任何的改變都可能帶來其它不可預(yù)知的負面因素，即使它在某些指標(biāo)上變好，也不能掩蓋其可能引入其他未知風(fēng)險的可能。如果確認該物料確實仍是原廠生產(chǎn)，則需搞清其質(zhì)量提升的緣由，確保未引入可能導(dǎo)致隱患的改變的前提下，可以接收，但仍需跟蹤一段時間此物料在本廠生產(chǎn)制造、以及產(chǎn)品交付后的RAMS報告，質(zhì)量持續(xù)穩(wěn)定后方可認可其改變。比如前面提到的某地鐵出現(xiàn)的問題，更換板卡元器件后問題得以解決。

3 中心值偏移的正態(tài)分布趨勢圖

　　(圖4)曲線的一致性程度與(圖1)曲線類同，不同的是中心點明顯漂移，如果是設(shè)計測試數(shù)據(jù)的分析，則此問題屬于穩(wěn)態(tài)誤差，問題來自于原理設(shè)計，在原理圖中，通過工程計算，查找到影響此中心值偏移的器件參數(shù)，修訂后則可將曲線平移成(圖1)的形狀, 方可為理想設(shè)計。

　　如果是生產(chǎn)物料的數(shù)據(jù)統(tǒng)計分析中產(chǎn)生的此曲線，表明該生產(chǎn)企業(yè)的質(zhì)控水平?jīng)]有問題，很可能是加工設(shè)備/工裝、測試檢驗設(shè)備/工裝、亦或某批次器件供貨參數(shù)有誤造成，不是生產(chǎn)體系問題，找到設(shè)備或原材料問題根源，該問題可迎刃而解。

4 截取后的正態(tài)分布圖

　　任何廠家生產(chǎn)的物料、任何設(shè)備測量參數(shù)的統(tǒng)計分布結(jié)果，都應(yīng)該是服從正態(tài)分布的趨勢圖。如果供貨時，收到的物料參數(shù)測量統(tǒng)計中，出現(xiàn)如(圖5 a)的趨勢圖，都是不正常的。正常的生產(chǎn)線下來的物料，分布圖形式應(yīng)該如(圖5 b)，則(圖5 b)中參數(shù)分布在兩側(cè)虛線內(nèi)的物料去了哪里?常規(guī)的可能原因是廠家在出廠之前做了測試篩選剔除了。這種情況的物料可以收貨，但需跟客戶明確，后續(xù)正式供貨應(yīng)長期照此辦理，并用此統(tǒng)計圖每次做入場檢測和數(shù)據(jù)統(tǒng)計分析予以監(jiān)督。

　　在設(shè)計中的測試數(shù)據(jù)一般不會出現(xiàn)此種問題，如果有，也不是什么問題，一般是軟件進行了篩選限定。僅僅是設(shè)計方法的問題，對結(jié)果沒有妨礙。

5 雙正態(tài)分布趨勢的疊加圖

　　任何穩(wěn)定生產(chǎn)廠家的產(chǎn)品都應(yīng)該是單一正態(tài)分布曲線，而(圖6)趨勢圖曲線說明該批次物料為兩家生產(chǎn)、或為兩條生產(chǎn)線生產(chǎn)、或影響該被測參數(shù)指標(biāo)的零部件為兩家供應(yīng)商供貨，且該兩家供應(yīng)商的貨品不一致造成的。

　　也有可能是物料在庫房放置時間較久，參數(shù)發(fā)生了漂移，最后供貨的時候，被供貨商將新舊物料混在了一起。如果沒有超標(biāo)，此類物料可以讓步接收，但要是參數(shù)超標(biāo)了，則不可接受，應(yīng)予退貨處理。

　　以上分析了同一種曲線在單臺產(chǎn)品樣機的測試數(shù)據(jù)分析或批量供貨物料的數(shù)據(jù)統(tǒng)計分析中的成因和應(yīng)用價值。在實際工作中，驗收時，無論是單臺研發(fā)樣機的測試驗收，還是批次產(chǎn)品質(zhì)控過程的一致性驗收，即使在具體參數(shù)上與標(biāo)準(zhǔn)要求對比沒有問題，但通過這種數(shù)據(jù)統(tǒng)計分析方法，仍可以從中發(fā)現(xiàn)隱患點，并能指導(dǎo)提出具體的改進措施。

　　如下給出某信號設(shè)備儀表中用到的穩(wěn)壓二極管的分析方法。

　　某信號儀表中，用到了一款原產(chǎn)于USA的穩(wěn)壓二極管，質(zhì)量穩(wěn)定性一直很好。后來因為成本方面的考慮，做了物料國產(chǎn)化替換，替換后就出現(xiàn)了批次性質(zhì)量問題，有約0.6%左右的擊穿故障概率。經(jīng)過對兩個廠家的物料取樣各50只，進行參數(shù)測試的逐一對比，均未發(fā)現(xiàn)有超出數(shù)據(jù)手冊的指標(biāo)。經(jīng)過了各種可靠性測試實驗項目，也未發(fā)現(xiàn)器件質(zhì)量問題。最后做了統(tǒng)計學(xué)分析實驗，分布圖如下：

　　統(tǒng)計實驗做了兩個參數(shù)，一是通過調(diào)節(jié)穩(wěn)壓管上的VZ電壓，使每只管子上的漏電流為保持一個相同的值0.5 mA，然后記錄下各管子在同一漏電流下的VZ值，統(tǒng)計分布圖分別如(圖7 A 國產(chǎn)高失效穩(wěn)壓二極管VZ參數(shù)分布圖)和(圖7 B USA產(chǎn)低失效穩(wěn)壓二極管VZ參數(shù)分布圖)

　　由(圖7)中分析可以看出，USA產(chǎn)器件的正態(tài)分布趨勢不完整，左側(cè)部分有部分邊緣參數(shù)值部分分布空白，這是典型的篩選剔除的特征，說明器件廠商出廠前做了篩選實驗，剔除了部分其認為會比較容易失效的器件。

　　為做進一步驗證確認此分析結(jié)果，又對以上的兩廠家的樣本做了VZ=3 V時的漏電流參數(shù)分布測試分析如(圖8)。(圖8 A)中的分布為近似正態(tài)分布，而USA產(chǎn)器件的漏電流分布圖(圖8 B)則呈現(xiàn)右側(cè)有部分邊緣參數(shù)值部分分布空白，這仍是典型的篩選剔除的特征，再次確認了器件廠商出廠前做了篩選實驗，剔除了部分其認為會比較容易失效的器件。

　　由以上分析，則可找到使國產(chǎn)替換器件質(zhì)量提升的一個研究方向，即要求廠家在出廠前，也做類似的器件參數(shù)分布篩選，將Ileak固定值時的VZ邊緣值器件、VZ固定值時的Ileak邊緣值參數(shù)器件做篩選剔除，并適用幾個批次，并保持緊密跟蹤成品后的質(zhì)量反饋數(shù)據(jù)，如果0.6%的指標(biāo)明顯下降，則證明此方法有效可行。經(jīng)實驗驗證，結(jié)果確實如此。

　　以上描述了運用統(tǒng)計分布規(guī)律幫助發(fā)現(xiàn)鐵路信號設(shè)備中器件或模塊、整機質(zhì)量問題隱患的方法，既適用于研發(fā)樣機的質(zhì)量分析，也可用于生產(chǎn)過程的質(zhì)量控制。

　　數(shù)理統(tǒng)計與概率論這門學(xué)科，與工程實踐的結(jié)合，可以很好地幫助我們發(fā)現(xiàn)不少的問題，提供很好的技術(shù)決策思路和管理手段。由此也佐證了一句話，“數(shù)學(xué)是最美麗的語言，他與工程實踐的結(jié)合將會帶來質(zhì)的提升”，非常值得持續(xù)挖掘下去。

　　參考文獻：

　　[1]GB/TB 3358.1-2009 統(tǒng)計學(xué)詞匯及符號 第一部分：一般統(tǒng)計術(shù)語與用于概率的術(shù)語

　　[2]GB/TB 3359.1-2009 數(shù)據(jù)的統(tǒng)計處理和解釋 統(tǒng)計容忍區(qū)間的確定。

　　[3]戴樹森,等可靠性試驗及其統(tǒng)計分析,北京 國防工業(yè)出版社,1995

　　本文來源于《電子產(chǎn)品世界》2018年第11期第64頁，歡迎您寫論文時引用，并注明出處。