SPSS制造业应用案例

纵横四海

制造业精细化的生产管理，需要进一步提高质量管理水平。在美国，85%以上的制造业公司在应用SPSS的分析工具。SPSS通过评估订货模式、库存水平和可替换零部件的定价等的结合，在维持较高客户满意度的同时帮助制造业公司提高盈利水平。SPSS预测分析工具可以计算出最优的库存策略，决定某个部件的最优订购时刻和最优数量。SPSS简单易用的质量控制图表程序可以对产品质量进行监测和控制。

制造业的生产管理过程中，随业务流程和生产系统会产生大量的数据。统计分析与数据挖掘适合解决的制造业生产管理问题，常见的是统计质量管理、机械设备维护保障预测性分析等。SPSS制造行业应用
   作为成熟的商业统计分析工具，SPSS在制造业质量管理中的应用功能包括数据管理、统计分析、趋势研究、制表绘图、文字处理等。SPSS对质量信息的统计分析，是在生产、管理的所有阶段借助SPSS统计分析软件、运用统计方法对产品质量信息、数据所进行的处理和分析过程。其具体分析方法主要包括：数据的收集和简单处理、质量指标的描述统计和多元统计、编制统计质量控制图、工艺过程设计（又称实验设计）、抽样验收、设备维保预测分析等 。
工艺过程质量分析实验设计
    SPSS的方差分析工具主要用于实验数据的分析确定哪些因素水平或组合影响产品的质量特性，从而优选出最佳机型、流程或配方等。SPSS的方差分析工具包括单因素方差分析（ANOVA）、协方差分析（ANCOVA）、多因素方差分析（MANOVA）。SPSS的正交实验设计功能，会更好地提高实验设计的效率。
统计质量控制图分析
    SPSS的质量控制图模块可以对产品的各个质量指标进行监测和控制，及时扑捉到生产过程中质量指标的变化，告警质量分析人员，分析或调整生产过程，使生产线正常运行。

分析影响质量指标的因素
     SPSS可以对质量指标进行描述统计，进行质量监控。SPSS的强大多元统计功能，还能够分析出影响质量指标的因素。
    SPSS的回归分析主要用于寻找有关质量特性与各个生产因素之间的关系，以作出科学预测或确定最佳作业条件。回归分析主要包括线性回归、Probit、 Logit、多变量回归、Logistic回归、非线性和约束非线性回归（NLR和CNLR）等。
    在生产过程中的抽样数据往往带有时序性，时间序列技术可以更好地分析数据之间的关系（如自相关性）。时间序列技术包括ARIMA、EXSMOOTH、SEASON、SPECTRA、AREG等，它们是分析产品过程的利器。SPSS提供了从产品设计、生产过程分析到产品质量监控，产品差错分析到质量控制和预测的各种相关工具。
预测产品质量和设备运行状况
    在生产过程中的质量指标历史数据反映了现有生产线的运行状况，其中隐含了多种原料的内在质量因素和工艺过程的随机组合模式。在海量的随机数据里捕捉重要的生产规律，通过建立预测模型来提高原材料供应管理水平和工艺过程的优化调整，从而能够在现有质量管理水平上，进一步向偶然因素要效益，进一步提高过程的稳定和产品的质量，并使设备运行在更稳定良好的水平上。



该贴已经同步到 纵横四海的微博

纵横四海

案例：机械设备维护保障预测性分析－Sikorsky航空公司 公司介绍

Sikorsky航空公司
位于Stratford, Conn，是一家世界领先的直升机设计、制造和服务公司。该公司的直升机业务涵盖了商业、工业及军事等行业，美国空军所有5个分支机构、世界上40多个国家的军事及商业机构均选择采购使用Sikorsky公司的直升机。

该公司的愿景反映了其对安全和创新的长期承诺：“我们先进的飞机及技术把任何时间任何地点的人们安全地送回家。”自从1944年全世界第一起直升机营救事例起，Sikorsky的直升机估计已经拯救了200多万条生命。
Sikorsky公司是位于Hartford, Conn的美国联合技术集团的下属公司之一。美国联合技术集团是一家为航天航空及建筑系统行业提供高技术产品和支持服务的集团。

面临的问题

• 如何预测机器零件损耗并及时更新以保证安全生产
• 如何管理机器设备库存以保证及时供货的同时又使管理成本降到最低
• 如何降低机器设备的损耗，延长机器设备使用寿命的同时又保证安全生产
• 如何摸清机器设备使用的各种成本，进行成本管理并直接降低成本
• 如何充分分析挖掘企业现有所有数据源，包括结构性数据及非结构性数据（文本数据），并进行预测性分析
  

产品选择
Sikorsky公司提供客户各种各样的维护保障项目帮助客户以可知的成本运营飞机及提高飞机的可利用性。其中的全面保障项目（TAP），涵盖了飞机相关零件及服务中98%的成本费用。
Sikorsky公司寻求一种软件及解决方案帮助直升机客户识别和预测飞机设备的维护保障并最终提高客户的满意度。
Sikorsky航空公司已选择了使用SPSS公司市场领先的预测性分析软件及解决方案，该软件通过积极主动地预测直升机客户的预期需求极大地提高了客户的忠诚度。

应用产品

• SPSS统计分析产品
• Clementine数据挖掘产品（包括数据挖掘和文本挖掘）
• SPSS企业级预测平台PES
  

解决方案
项目的解决方案按照行业内公认的方法论—CRISP-DM分为六个步骤：业务理解，数据理解，数据准备，建模，评估以及部署。

商业理解

• 预测飞机零部件损耗并及时更新零部件保证安全飞行
• 管理飞机零部件库存，降低库存成本，但保证及时供货
• 摸清飞机设备成本，成本管理，降低成本
• 规范飞行员的驾驶操作降低零部件损耗并保证安全飞行
• 整合各种资源，提高飞机的可利用性
  

数据理解及数据准备

• 正常飞行时飞机监测系统所收集到的数据
• 飞行员驾驶操作日志记录，包括错误操作记录及正确操作记录
• 机务人员操作日志记录，包括错误操作记录及正确操作记录
• 飞机零部件损耗数据
• 飞机各零部件成本
• 飞行器维护保障数据
• 根据数据的结构化程度可分为结构性数据如每架直升机的历史数据和现今数据，非结构性数据包括飞行日志和机务人员错误日志记录
• 数据颗粒度：日、月、季、年
  

总之，从所有数据源收集信息，并通过Clementine进行数据清理及数据审核，分析缺失值并填补之，形成可供建模的清洁完整数据。

数据审核及缺失值填补界面

数据的标准化及转换界面

数据建模

• 关联规则：飞行员的驾驶操作方法（包括正确操作方法和错误操作方法）与飞机零部件损耗之间的关系，飞行员日志与零部件损耗之间的关系，机务人员日志与零部件损耗之间的关系。如什么样的驾驶操作方法会使零部件损耗特别快，什么样的驾驶操作方法可降低零部件的损耗。对这些关系的深入理Sikorsky公司可预先采取行动措施降低飞机的直接维护成本
• 时间序列分析：飞机各种零部件使用的生命周期，根据时间序列的分析，发现飞机各种零部件该更换的信息，及时更换零部件，保障飞行安全
• 异常监测：对零部件及机务人员的异常情况进行侦测，发出预警信息，提高飞行的安全性
• 回归分析：通过回归建模包括logistic回归和多元回归，拟合飞机成本消耗的模型，包括各个组成成本的消耗及影响因素，降低成本。同时也可对库存管理进行拟合，探讨影响库存的各个因素，降低库存成本。
• 聚类与分类：零部件运营状态细分，飞机维护保障状态细分等。
  

时间序列分析图和关联规则分析图

模型评估及发布
结合飞机业务知识及商业知识，使用SPSS企业级预测平台PES进行模型评估及发布。

评估模型
使用累积图或准确性
多个模型使用竞争方式评估
自动报表发布
结果部署

实施效果及结果反馈
通过SPSS预测性分析软件和解决方案，Sikorsky飞机预先性地保障了客户飞机的安全，降低了零部件的损耗，合理地控制了成本，提高了飞机的可利用性，提高了客户的满意度和忠诚度，达到了可观的社会效益和经济效益。


  “吸收SPSS公司的产品及解决方案进我们的客户维护保障项目有助于我们一直致力于成为全球第一直升机公司目标的实现，我们公司为我们的客户提供特别的一对一服务。”
  ----Ted Kell  物流技术部经理  Sikorsky飞机公司   

“非常感谢SPSS公司执行主管Natalie Marsh在项目实施中与Sikorsky公司协调及批准方面所给予的帮助。”
  Sikorsky飞机公司

   
  “Sikorsky飞机公司在SPSS上的投资将使该公司能预先掌握客户的忠诚度，预测性地维护保障飞机，当然最重要的是能保证飞机机器的安全。通过使用SPSS预测性分析软件和解决方案，全世界的制造商能增强报表报告能力、管理库存以及提高产品质量。”  ----Jack Noonan  总裁、董事长兼CEO  SPSS公司

纵横四海

案例：某轴承厂淬火工艺参数优化设计 摘自：温德成：《SPSS统计软件在质量管理中的应用》
期刊：电器工业CHINA ELECTRICAL EQUIPMENT INDUSTRY 2005年 第03期

摘要：企业质量数据的激增使手工进行质量数据的处理和分析越来越困难，为解决这一问题，本文将在简要介绍SPSS统计软件的基础上，通过示例介绍了SPSS在质量数据的收集、统计描述、控制图绘制、正交实验结果分析和样本信息的参数检验等方面的应用，以期对质量工作者有所帮助。
关键词：质量数据 SPSS 控制图 正交实验 参数检验


某轴承厂生产的轴承内套圈硬度不均匀，热处理淬火QC小组决定通过正交实验来优选淬火工艺参数，提高内套圈硬度均匀的合格率。
经过分析，确定 “淬火加热温度”、“淬火加热保温时间”、“回火加热温度”和“回火保温时间”为造成硬度不均匀的主要原因。根据以往经验，对四个因素各取三个水平：

淬火加热温度分别为：835、845、855摄氏度；
淬火加热保温时间分别为：20、15、10分钟；
回火温度为：160、170、180摄氏度；
回火保温时间为：2、2.5、3小时

第一步，收集数据，建立SPSS的数据集文件如图：

第二步，选择General Linear Models多因子方差分析，SPSS分析过程操作如上图。
第三步，解释得到的分析结果：

由结果中的“Test of Between_Subjects Effects”表可以知道，在α=0.05的显著性水平下，“淬火加热温度”和“回火保温时间”对实验结果的影响是显著的：淬火加热温度是最重要的因素，其次依次分别是回火保温、淬火保温和回火温度。可以优先采用它们的最好水平，适当的考虑多方面的因素，我们就可以得到一个最佳的工作方式组合。

通过对上图中“Mean”列的数据比较，可知我们应该选择每个因素的最佳水平分别为：
淬火加热温度选择水平3，即855摄氏度；
回火保温时间选择水平1，即2小时；
淬火加热保温时间选择水平1，即20分钟；
回火温度选择水平2，即170摄氏度。

纵横四海

案例：POSCO韩国浦项钢铁厂－SPSS Modeler质量预测和控制系统 POSCO 韩国浦项钢铁公司成立于1968年4月1日成立，总部位于韩国浦项南港口，主要产品包括冷热轧、线材、电工钢、钢板、不锈钢等。2007年浦项公司钢铁产量达到 3278万吨，世界排名第4位，为全球最大的钢铁制造厂商之一。每年为全球超过六十个国家的用户提供二千六百多万吨钢铁产品。

POSCO浦项钢铁公司使用SPSS Modeler作为基础，针对产品质量控制开发了预测和控制系统，从而有效地稳定了钢的输出质量。当响应变量偏离设定值时，系统自动提示工程师重新设定指定的关键参数，使其到某一水平。同时，POSCO使用了决策树模型在成百上千的监测变量中确定了关键的驱动因子，建立了一个简洁的预测模型，并使用回归模型确定控制驱动因子的置换。

结果

控制/预测系统在降低最终产品质量的波动性指标上取得了明显的成效。过去六个月利用生产过程数据的内部评估，显示出该系统带来10-20%的改善，预示着在生产线实施部署该系统的美好前景。

微博评论

挺好，案例有点年头，有更新的嘿嘿\n\n 来自 曾kai 的新浪微博