信號設備零部件質量統計控制方法

作者 趙慧娟 武曄卿 西安鐵路信號有限責任公司(陜西 西安 710048)

摘要：本文研究的目的是在信號設備驗收中引入測試數據統計分析，深度挖掘抽樣數據后面潛藏的產品設計和工藝隱患。信號設備檢測驗收時，即使產品抽樣測試數據合格，產品中仍然會存在著設計、批產過程質量的隱患問題。而分析抽樣數據時，正常情況下，同一批次產品的同一技術指標，或產品同一指標的多次測試結果，匯總后數據分布應符合特定的正態分布。當不符合時，其分布偏差的趨勢將會暴露出產品的各類隱患問題。本文就在統計分析理論基礎上，通過SPC(統計過程控制，Statistics Procedure Control)和SDA (Statistics Data Analysis)，結合實際項目，通過實踐中的數據分析結果，發現了一些設計和生產過程中過去未曾發現的一些隱患問題。

0 引言

　　信號產品零部件的入廠檢驗，尤其是大批量產品的入廠檢驗，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，然后開始參數測試，再將每一臺的測試結果與預期設計性能指標對比，然后根據抽樣方案中的合格判據，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典提法“改變=不可靠”，這也是某些信號產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品的原因，因為他們很清楚，已經定型的設計方案、穩定的加工工藝、不變的生產場地環境、長期熟練使用的成熟生產工具和輔材，一旦發生微小的改變，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場應用環境下導致失效。如果供貨商因為種種原因，出現了如器件型號、批次、生產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現，則容易因為這些改變而產生潛在隱患，導致某些應用環節故障率的異常增高。比如某條地鐵選用某廠家的成熟產品(計軸產品)，首批所供產品開通運營后一直很穩定，第二批在開通一個月內就頻繁地出現同一種故障，最后發現是由于第二批板卡中某一個器件更換了供貨商導致。

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

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

　　基于“小概率事件”和“假設檢驗”的思想，“小概率事件”通常指發生概率 < 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的事件是不會發生的，基本上可以把區間(μ-3σ，μ+3σ)看作是隨機變量X實際可能的取值區間，這稱之為正態分布的“3σ”原則。也就是說，正常產品的實際測量結果，必須落在設計所允許的范圍(μ-3σ，μ+3σ)之內。

　　因此，應結合抽樣檢驗方案，選取合適的樣本數量，根據實際的檢測數據，開展統計分析。下面結合一些數據圖形，分析可能出現偏差的原因。

1 一致性變差的正態分布趨勢圖

　　如果(圖1)是設計或質控所需要的標準正態分布圖形式，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，但數據分布明顯發散了。

　　對于設計過程測試出來的單一臺設備數據出現這種情況，主要是隨機誤差影響導致，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，電源的開關頻率干擾串擾進入信號線，就容易形成類似測量結果的隨機誤差;或者放大電路的模擬信號接地與功率電路或控制數字電路采用了單點串聯接地，也會發生類似現象。把引入隨機干擾的這些原因排除了，測量數據分布圖也會收縮變成(圖1)的形狀。

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

2 一致性增強的正態分布趨勢圖

　　(圖3)的分布圖形式，中心點沒有漂移，而且數據分布明顯一致性變好了。如果這是對設計過程測試出來的單一臺設備數據出現的情況，說明設計的效果超出了預期，直接過關即可。

　　如果是供應商來料中出現類似變化的分布圖，則要小心，不要因為質量變好就放行。要找出導致本批次突然變好的原因。因為如果廠家的生產過程沒有發生大的工藝變化，不會出現突然明顯變好的情況。如果是供應商偷換原材料，用了采購或外協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知的負面因素，即使它在某些指標上變好，也不能掩蓋其可能引入其他未知風險的可能。如果確認該物料確實仍是原廠生產，則需搞清其質量提升的緣由，確保未引入可能導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制造、以及產品交付后的RAMS報告，質量持續穩定后方可認可其改變。比如前面提到的某地鐵出現的問題，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，如果是設計測試數據的分析，則此問題屬于穩態誤差，問題來自于原理設計，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，修訂后則可將曲線平移成(圖1)的形狀, 方可為理想設計。

　　如果是生產物料的數據統計分析中產生的此曲線，表明該生產企業的質控水平沒有問題，很可能是加工設備/工裝、測試檢驗設備/工裝、亦或某批次器件供貨參數有誤造成，不是生產體系問題，找到設備或原材料問題根源，該問題可迎刃而解。

4 截取后的正態分布圖

　　任何廠家生產的物料、任何設備測量參數的統計分布結果，都應該是服從正態分布的趨勢圖。如果供貨時，收到的物料參數測量統計中，出現如(圖5 a)的趨勢圖，都是不正常的。正常的生產線下來的物料，分布圖形式應該如(圖5 b)，則(圖5 b)中參數分布在兩側虛線內的物料去了哪里?常規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，后續正式供貨應長期照此辦理，并用此統計圖每次做入場檢測和數據統計分析予以監督。

　　在設計中的測試數據一般不會出現此種問題，如果有，也不是什么問題，一般是軟件進行了篩選限定。僅僅是設計方法的問題，對結果沒有妨礙。

5 雙正態分布趨勢的疊加圖

　　任何穩定生產廠家的產品都應該是單一正態分布曲線，而(圖6)趨勢圖曲線說明該批次物料為兩家生產、或為兩條生產線生產、或影響該被測參數指標的零部件為兩家供應商供貨，且該兩家供應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，參數發生了漂移，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，此類物料可以讓步接收，但要是參數超標了，則不可接受，應予退貨處理。

　　以上分析了同一種曲線在單臺產品樣機的測試數據分析或批量供貨物料的數據統計分析中的成因和應用價值。在實際工作中，驗收時，無論是單臺研發樣機的測試驗收，還是批次產品質控過程的一致性驗收，即使在具體參數上與標準要求對比沒有問題，但通過這種數據統計分析方法，仍可以從中發現隱患點，并能指導提出具體的改進措施。

　　如下給出某信號設備儀表中用到的穩壓二極管的分析方法。

　　某信號儀表中，用到了一款原產于USA的穩壓二極管，質量穩定性一直很好。后來因為成本方面的考慮，做了物料國產化替換，替換后就出現了批次性質量問題，有約0.6%左右的擊穿故障概率。經過對兩個廠家的物料取樣各50只，進行參數測試的逐一對比，均未發現有超出數據手冊的指標。經過了各種可靠性測試實驗項目，也未發現器件質量問題。最后做了統計學分析實驗，分布圖如下：

　　統計實驗做了兩個參數，一是通過調節穩壓管上的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，統計分布圖分別如(圖7 A 國產高失效穩壓二極管VZ參數分布圖)和(圖7 B USA產低失效穩壓二極管VZ參數分布圖)

　　由(圖7)中分析可以看出，USA產器件的正態分布趨勢不完整，左側部分有部分邊緣參數值部分分布空白，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果，又對以上的兩廠家的樣本做了VZ=3 V時的漏電流參數分布測試分析如(圖8)。(圖8 A)中的分布為近似正態分布，而USA產器件的漏電流分布圖(圖8 B)則呈現右側有部分邊緣參數值部分分布空白，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，則可找到使國產替換器件質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量反饋數據，如果0.6%的指標明顯下降，則證明此方法有效可行。經實驗驗證，結果確實如此。

　　以上描述了運用統計分布規律幫助發現鐵路信號設備中器件或模塊、整機質量問題隱患的方法，既適用于研發樣機的質量分析，也可用于生產過程的質量控制。

　　數理統計與概率論這門學科，與工程實踐的結合，可以很好地幫助我們發現不少的問題，提供很好的技術決策思路和管理手段。由此也佐證了一句話，“數學是最美麗的語言，他與工程實踐的結合將會帶來質的提升”，非常值得持續挖掘下去。

　　參考文獻：

　　[1]GB/TB 3358.1-2009 統計學詞匯及符號 第一部分：一般統計術語與用于概率的術語

　　[2]GB/TB 3359.1-2009 數據的統計處理和解釋 統計容忍區間的確定。

　　[3]戴樹森,等可靠性試驗及其統計分析,北京 國防工業出版社,1995

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