大數據時代的到來，如何發掘已有資料庫價值，利用相關性分析為產品加工問題提供理論指導、不斷提升產品質量成為關鍵。本文通過介紹資料庫整合及二次清洗，運用相關性分析、強相關性項目策略，結合實際情況簡要介紹了機加工質量數據相關性分析的過程。
在當今大數據時代，人們開始正視現有的大量數據。與傳統的採樣樣本、隨機樣本相比，大數據分析針對全體數據或者是和某個特定現象相關的所有數據（圖1）。如何發掘已有數據的內在聯繫，相關性分析為我們提供了簡單而精確的理論支持。
加工線質量數據包括CMM數據、離線檢具數據、在線測量數據、擰緊數據、壓裝數據及試漏數據等，如何利用已有的數據更好地指導生產、提升產品質量是我們的出發點。
機加工質量數據相關性分析過程分為四步驟進行: 資料庫整合及二次清洗、相關性分析、強相關性項目策略以及經驗固化和推廣應用。
資料庫整合及二次清洗
進行機加工質量數據相關性分析之前，先要將已有的資料庫內容進行整合和數據二次清洗，將數據中異常數據剔除。
為方便CMM或者檢具操作，加工線中的數據通常按照加工工序分組。數據整合主要是將不同的數據組進行組合，便於分析。將不同特徵的數據從Q-DAS資料庫中提取出來，提取的同時要將每組數據的附加信息全部保留。如圖2所示，這些附加信息包括數據對應的時間、日期、零件ID及檢驗工具的編號等。數據整合可以按照零件ID進行整合（圖3），同一零件對應的所有零件信息歸為一組。後續數據分析的過程如需分析其他附加信息列，在已有整合數據進行重新篩選排列組合即可。
數據二次清洗主要是將數據組中的不完整數據、存在異常的數據剔除。數據異常的判別方法有兩種：一種為物理判別法，判別由於已知因素造成的實測值偏離正常結果，例如已知設備調整、零件批次變化等數據可以直接剔除；另一種為統計判別法，將給定一個置信概率，並確定一個置信限，凡超過此限的誤差，就認為它不屬於隨機誤差範圍，將其視為異常值剔除。通常採用判異方法可以依據拉依達準則、格拉布斯準則以及狄克遜準則等。在物理識別不易判斷時，我們通常採用統計判別法。當然，已經剔除的異常值本身也可能潛在部分有價值信息。這是數據清洗本身無法避免的弊端。
數據相關性分析
數據清洗處理之後，需要對處理後的數據進行相關性分析。進行相關性分析的數據可以針對全體數據，也可以是針對和某個特定現象相關的所有數據。
常用的相關性分析的方法有：皮爾遜相關係數，主要用於變量間線性相關的分析；斯皮爾曼等級相關係數，主要用於變量間非線性相關的分析；肯德爾相關係數，主要用於分類變量的分析。
相關係數中也會出現負值，負值表示負相關，正值表示正相關（圖4）。相關係數絕對值處在0.8～1為極強相關，0.6～0.8為強相關，0.4～0.6為中等相關，0.2～0.4為弱相關，0～0.2為極弱相關。
強相關數據策略
針對已經發現的極強相關、強相關數據內容，應進一步制定策略（圖５），指導設備調整、工藝控制。極強相關項目集中在同工序尺寸、位置關聯尺寸、圓度及圓跳動等尺寸。強相關內容主要包括毛坯、設備間影響尺寸等。針對不同相關項目，應逐一制定工藝控制方案。
例如：對於毛坯來料尺寸影響產品質量項目，可以將毛坯控制尺寸設為PQC項目，避免來料質量變化對產品的影響；同時也可以對來料部分項目加嚴抽檢，發現問題，及時篩選。對於工序間尺寸間強相關項目，可以採取收嚴過程尺寸公差，加嚴過程管控，發現趨勢及時調整。設備調整後，需要進行質量數據的二次驗證，為後續調整提供依據。對於分類變量例如：人員、設備和停機等強相關項目，可以針對變量本身加強控制。之後還要加強人員培訓管理，定期維護保養設備，確認停機後設備狀態等措施，避免這些分類變量引起的質量差異，提升過程質量的穩定性。
舉個具體的例子：缸蓋線DECK FACE面距離W點的距離是保證發動機燃燒室容積的重要尺寸（圖6），該尺寸加工通常分幾步進行：①以毛坯基準定位，測量W點，進行半精加工凸輪軸罩蓋面（基準A』）鉸工藝定位銷孔(基準E、F)；②以凸輪軸蓋面及工藝定位銷孔為基準，半精加工DECK FACE面（基準B』）及該面定位銷；③探測DECK FACE面（基準B』），精銑凸輪軸蓋面（基準A）。這幾個工步分配在不同的工序進行。相關性分析結果表明對應的各工序間相關性強。如何保證燃燒室容積滿足最終產品要求，以及如何提升過程穩定性是關鍵問題。
1）確認來料W點滿足毛坯要求：①每個W點的偏差+手動調整值必須在±0.3mm之內；②3個點兩兩之間偏差值必須在±0.3mm之內；③3個點偏差值的平均值寫入主程序，通過運算將值帶入各個工藝相關的坐標。
2）收嚴半精加工的公差，由0.125mm收嚴至0.075mm，保證最終產品滿足產品要求。
3）加嚴過程監控，探測F1000面過程控制內容，將該內容列入該工序刀具補償內容並同時增加控制線輸出給前工序，發現DECK FACE面和凸輪軸罩蓋面半精加工尺寸同時偏大或者偏小及時調整。
以上措施實施完成後，DECK FACE面距離W點距離尺寸得到完美控制，過程能力穩定在PPK2.0以上。
經驗固化和推廣應用
在機加工質量數據相關性分析的過程中，需要將已經發現的強相關項目調整方法固化並推廣應用。
例如：溫度變化與部分尺寸間存在強相關關係。切削液溫度控制在多少攝氏度對過程能力穩定沒有影響？經過數據驗證，20℃後開始加工，過程能力可以滿足要求。將20℃要求固化到設備參數內，當切削液溫度達到20℃，設備允許起動。
再例如：擰緊某螺栓力矩非連續報警。數據分析發現報警全部由A班某固定員工預擰緊。經驗證該員工預緊方法與其他員工存在差異。規範該崗位作業指導手冊，該螺栓預緊方式應為僅允許預緊2～3扣。
總結
數據相關性分析和應用是一個不斷開發新方法、不斷發現新聯繫、不斷處理新問題以及不斷提升質量的過程。引用維克託·邁克·舍恩伯格的話「在大數據的背景下，相關關係大放異彩。」機加工質量數據相關性分析將為質量穩定提供理論基礎，必將指導我們在提升產品質量的道路上繼續前行。
拓展閱讀