一種雙因素評價企業產品質量的方法研究

李國梁　李成縣　蘇蓉

關鍵詞：企業產品質量;評價方法;雙因素

隨著中國各行業的飛速發展，各企業紛紛采用計算機管理及先進制造技術，生產的產品質量可靠性和先進性也越來越好。而用戶需要選擇購買所需產品的時候，面臨如何科學評價不同企業同類產品質量的問題。如何建立一套行之有效的企業產品質量評價方法，為用戶作出合理的決策提供科學依據，顯得尤為重要。本文以軌道交通行業為研究背景，提出一種雙因素評價不同乙方企業的同類產品質量的方法。將其應用于軌道交通行業的某一專業系統的同類產品質量評價中，得到較直觀的科學評價結果。

? 一、產品質量雙因素評價法

一般進行產品質量評價的方法，一是通過對產品本身的質量相關技術指標進行檢驗，并在嚴苛的試驗條件下進行測試，從而評估該產品的質量可靠度;二是對產品使用過程進行監測和記錄，通過記錄使用過程中產品出現問題的原因、頻次、使用時長等多種因素，來檢驗產品質量。本文給出的產品質量雙因素評價方法，不從設備產品特性的技術指標上對該產品進行質量評價，也不用對設備產品進行抽樣檢查，而是從設備產品運行情況的角度進行分析評價，通過對設備產品運行數據進行宏觀和微觀方面的故障數據統計，分析評判該設備產品的質量情況。

? （一）產品運行故障統計數據庫

從設備產品運行情況的角度進行分析評價的前提，是要建立一個動態的不斷更新的設備產品運行故障統計數據庫，數據需要涵蓋該產品的主要子系統組成部件和這些部件的故障信息等。為進一步統計和分析產品故障數據提供現實基礎。本文提出的設備產品質量評價方法，基于地鐵線網資產管理及運營生產管理系統（PMS系統）。該系統是軌道交通運營生產管理系統，可以有效提升軌道交通管理資產、維保、物資等主體業務的管理水平及工作效率。本文基于該數據管理系統中的設備維保管理子模塊中的設備產品故障數據，應用提出的產品質量評價方法進行數據分析，進行設備產品的質量評價。

? （二）產品平均故障率因素評價

產品平均故障率因素，是指產品在單位時間內發生故障的概率，該因素可以非常直觀地反映企業產品的可靠程度。產品平均故障率越低，則該企業的產品質量越好。通常平均故障率的計算方法，是統計某產品一定周期內發生故障的次數，除以周期時間得到。但在實際操作中，如果產品使用周期按天數來算，當產品發生故障次數大于天數時，計算出的平均故障率百分數大于1，不利于觀測和比較該因素指標。故在軌道交通領域，可以對產品使用周期進行一個等價處理，用產品所應用線路的列車里程數（單位：萬列公里）來代替產品使用周期。因為在實際情況下，用戶可能使用不同企業的同類產品，而不同企業產品的使用時間各不相同，這種情況下計算產品平均故障率，用列車里程數替代產品使用周期，可以最大限度地減少不同的產品使用周期不同對計算結果準確性的影響。如A企業某產品于2017-2019年應用于某城市1號線，共發生故障數445件，在2017-2019年中1號線所有列車共行駛3483.2萬列公里，則該產品的平均故障率為0.13。

? （三）產品子系統關鍵部件故障因素評價

產品子系統關鍵部件故障因素，是指該產品組成子系統中的各關鍵部件發生故障發生情況。該因素可以對企業產品質量進行更細致的評價，直觀地反映企業產品中的關鍵部件的可靠程度，以幫助用戶對不同企業的同類產品進行全面的微觀了解。

? （四）產品質量雙因素評價法

產品質量雙因素評價法，就是綜合使用產品平均故障率因素和產品子系統關鍵部件因素，對不同企業同類產品進行質量評價的方法。通過對產品一定使用周期內的故障數據的統計分析，從宏觀和微觀層面對該產品質量進行全面而客觀的快速評價，以達到幫助用戶科學掌握企業產品情況，進一步科學決策合作意向的目的。

? 二、評價方法應用和評價結果

將產品質量雙因素評價法應用于城市軌道交通行業使用的不同企業不同專業系統設備產品的評價中，對評價結果進行分析，比較得出企業設備產品質量的評價結論。

? （一）綜合監控系統設備產品評價

城市軌道交通綜合監控系統（Integrated Supervisory Control System，ISCS），是大型計算機集成系統，其高度集成多個軌道交通專業子系統，如屏蔽門系統（PSD）、電力監控系統（PSCADA）、火災報警系統（FAS）、環境與設備監控系統（BAS）等，是城市軌道交通極為重要的專業系統之一。故首先挑選該專業系統應用產品質量雙因素評價法進行研究。

1.產品平均故障率因素評價應用。以某城市軌道交通企業綜合監控系統為研究背景，綜合監控系統設備產品生產企業名稱用A、B、C代替。綜合監控系統設備來自A、B、C這3家不同的企業。其中1、4、7號線采用B企業設備產品;2、3號線采用A企業設備產品;10號線采用C企業設備產品。2015年至2018年，某城市軌道交通企業共計發生綜合監控系統設備產品故障1126件，其中A企業445件，占總數的39%;B企業559件，占總數的50%;C企業122件，占總數的11%。2015年至2018年，B企業所轄線路運營里程共計4412.79萬列公里，發生設備產品故障559件，平均0.13件/萬列公里;A企業所轄線路運營里程共計3483.21萬列公里，發生設備產品故障445件，平均0.13件/萬列公里;C企業所轄線路運營里程共計155.11萬列公里，發生設備產品故障122件，平均0.79件/萬列公里。對比結果表明，C企業設備產品故障率最高，A和B企業設備產品故障率基本相當。

2.產品子系統關鍵部件故障因素評價應用。軌道交通行業綜合監控系統設備產品關鍵部件劃分為中央子系統、線路車站及場段子系統、大屏子系統。本文針對2015年至2018年某城市軌道交通企業綜合監控系統設備產品的關鍵子系統故障數據進行分析。綜合監控系統設備產品中的發生故障主要分布在服務器和工作站兩類。一是1、2、3號線的服務器故障數較高;二是1、2、3號線工作站故障數也較高。綜合考慮不同企業產品分布在不同線路的運營時間和車站設備數量，得知4號線設備表現最穩定，10號線故障率最高。其中1、4、7號線采用B企業設備產品;2、3號線采用A企業設備產品;10號線采用C企業設備產品。所以可以得出，B企業的設備產品質量最好，C企業的設備產品故障率最高。最后綜合應用產品質量雙因素法分析評價，選擇B企業設備產品更可靠。

? （二）AFC系統設備產品評價

AFC系統（Automatic Fare Collection System），城市軌道交通自動售檢票系統，是計算機控制的專業系統，與其他專業系統不同的是，該系統的設備產品故障數極多，分析數據量相對大，分析結果更加精確。故應用產品質量雙因素評價法對其進行研究。

1.產品平均故障率因素評價應用

以某城市軌道交通企業AFC系統為研究背景，AFC系統設備產品生產企業名稱用D、E、F、G代替。AFC系統設備來自D、E、F、G這4家不同的生產企業。其中1號線、10號線采用D企業提供設備產品，2號線采用E企業提供設備產品，3號線、4號線采用F企業提供設備產品，7號線采用G企業提供設備產品。

2015年至2018年，某城市軌道交通企業共計發生AFC系統設備產品故障100088件，其中D企業27140件，占總數的27%;E企業33825件，占總數的34%;F企業33080件，占總數的33%;G企業6043件，占總數的6%。2015年至2018年，D企業所轄線路運營里程共計29182列公里，發生設備產品故障27140件，平均0.93件/萬列公里;E企業所轄線路運營里程共計30750列公里，發生設備產品故障33825件，平均1.1件/萬列公里;F企業所轄線路運營里程共計59070列公里，發生設備產品故障33080件，平均0.56件/萬列公里，G企業所轄線路運營里程共計16332列公里，發生設備產品故障6043件，平均0.37件/萬列公里。對比結果表明，E企業設備產品故障率最高，G企業設備產品故障率最低。

2.產品子系統關鍵部件故障因素評價應用。軌道交通行業AFC系統設備產品關鍵部件劃分為TVM（自動售票機）、AGM（自動檢票機）、BOM（半自動售票機）、服務器、交換機和工作站。本文針對2015年至2018年某城市軌道交通企業AFC系統各關鍵部件子系統進行分析。AFC系統設備產品中的關鍵部件子系統發生的故障主要分布在TVM和AGM兩類。綜合考慮不同企業在各線路運營時間和車站的設備分布數量，可以得出F的TVM更穩定，G的AGM、BOM更穩定，D、E的TVM穩定性較差。最后綜合應用產品質量雙因素法分析評價，選擇F企業的TVM設備產品更可靠，選擇G企業的AGM設備產品更可靠。

? 三、結論

利用產品質量雙因素評價法，可以分析出B企業的設備產品故障率相對最低，且其產品子系統關鍵部件的質量也最好，從而得到該企業生產的產品質量最好的結論，為用戶提供快速和有效的科學決策依據。該評價方法不是從設備產品特性的技術指標上對該產品進行質量評價，也不用對設備產品進行抽樣檢查，而是從設備產品運行情況的角度出發，對產品質量進行宏觀和微觀方面的故障數據統計，分析出該產品的質量情況。而應用該產品質量評價法的重要前提，是保證產品故障數據的足量性、客觀性和準確性。因此建立產品運行故障實時統計數據庫，是十分必要的。

參考文獻：

[1]郝建春，耿金鳳，王秋生，王楠，曹大理.航空產品質量評價指標體系構建[J].標準科學，2020（12）：161-166.

[2]張太平，朱琦妮，范志斌，何文莉.煤炭全自動制樣系統主要質量評價指標的研究[J].煤質技術，2020，35（06）：40-46.

[3]韓春雨.基于廣義質量的質量經濟性分析模型及其應用研究[D].中國海洋大學，2010.

[4]張彥華，張奕奕.機車車輛的可靠性驗證測試研究[J].電力機車與城軌車輛，2013，36（03）：61-63+66.

[5]林夢菊.基于可靠性分析的設備預防性維修決策研究[D].沈陽理工大學，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：

（四川城市職業學院2022年度校級科研項目研究成果，項目編號：CS22KYYB12）

（作者單位：四川城市職業學院智能制造與交通學院 成都地鐵運營有限公司 武漢鐵路職業技術學院 李國梁 李成縣 蘇蓉）