步骤4：收集数据
步骤4：收集数据
目标：系统地收集与问题相关的数据，用于验证可能的原因，确保后续的分析和决策基于事实而非假设。数据收集的质量直接影响问题解决的准确性和有效性。
收集数据是为了验证步骤3的可能原因，因此数据采集的时候要考虑经济性。
步骤3分析的可能的原因越多越好，而收集数据时，应尽可能地排除可能性或者证实可能性。
如何进行步骤4：收集数据
1. 确定数据需求
根据问题描述和可能原因列表，明确需要收集的数据类型和范围：
- 数据类别：
- 定量数据：数值型数据，如温度、压力、时间、重量等。
- 定性数据：非数值型数据，如观察记录、员工反馈、照片。
- 数据范围：
- 时间范围：是历史数据还是实时数据？
- 流程范围：哪些步骤需要数据支持？
示例：如果注塑产品重量不稳定，可能需要的数据包括：
- 注射压力的时间序列数据。
- 冷却水温度的波动范围。
- 每批产品的重量检测结果。
2. 确定数据来源
根据流程和设备分布，明确数据的具体来源：
- 系统数据：如生产监控系统（SCADA）、ERP、MES系统中的记录。
- 人员反馈：操作员、工程师或管理人员的报告和观察。
- 外部数据：如原材料供应商的质量报告、环境条件数据。
示例：
- 温度数据来自注塑机的温度传感器。
- 操作员手动记录的参数调整日志。
3. 选择数据收集工具
选择合适的工具和方法来高效获取数据：
- 自动化工具：
- 数据采集系统（如传感器、监控软件）。
- 数据记录器（如温度记录仪、计量设备）。
- 人工工具：
- 表格记录。
- 观察笔记。
- 数据分析软件：
- 使用Excel、Minitab等工具对已有数据进行整理和可视化。
4. 制定数据收集计划
制定明确的计划，确保数据收集系统化、全面：
- 时间计划：确定数据收集的时间频率和持续时长。
- 是每天记录还是按小时监控？
- 责任分配：指定负责数据收集和记录的人员。
- 数据验证：对记录的数据进行定期审核，确保其准确性。
5. 记录数据并整理
将收集到的数据按逻辑顺序整理为表格或图表，便于后续分析。
- 整理形式：
- 时间序列图（展示数据随时间的变化）。
- 数据分布表（统计数据的范围和平均值）。
- 条形图或散点图（分析变量间的相关性）。
- 数据清理：排除明显错误的数据，如人为录入错误、设备故障造成的异常值。
6. 确保数据的质量
验证数据的准确性和完整性，避免错误导致误导性结论：
- 准确性：是否测量精确？传感器是否校准？
- 代表性：样本是否覆盖了所有相关情况？
- 一致性：同一变量是否在不同条件下保持一致记录？
工具与方法
| 工具/方法 | 用途 | 优点 |
|---|---|---|
| 自动化数据采集 | 从传感器、设备中自动获取数据 | 精确、高效，适合大规模或实时数据 |
| 手动记录 | 通过表格或记录本手动采集过程数据 | 灵活、无需复杂设备，适合小规模数据收集 |
| 调查问卷 | 收集人员的反馈或定性数据 | 可补充定量数据，适合分析人员行为的影响 |
| 数据分析软件 | 整理和可视化已有数据 | 易于发现趋势和异常点 |
案例：注塑机产品重量偏差的原因调查
背景
某注塑机产品重量不稳定，可能原因包括注射压力波动、冷却水温度异常和原材料不均匀。
数据收集过程
- 确定数据需求：
- 注射压力的实时变化数据。
- 冷却水温度的每小时记录。
- 每批原材料的粒径分布数据。
- 确定数据来源：
- 压力数据来自注塑机内置传感器。
- 温度数据由冷却系统记录。
- 原材料数据由供应商提供质量检测报告。
- 选择数据收集工具：
- 自动化工具：生产监控系统记录压力和温度数据。
- 人工记录：操作员手动填写冷却系统的水温数据。
- 制定数据收集计划：
- 数据记录时间为连续生产的一周，每小时记录一次。
- 操作员记录的数据由班组长每班次审核。
- 记录并整理数据：
- 用时间序列图展示注射压力随时间的变化。
- 用散点图分析冷却水温度与重量偏差的相关性。
- 用统计表格显示原材料粒径分布的均匀程度。
- 数据验证：
- 校准压力传感器，确保读数准确。
- 随机抽查部分冷却水温度记录，确保一致性。
注意事项
- 避免数据偏差：
- 数据记录前校准设备。
- 通过多次取样减少单一异常值的影响。
- 覆盖多样条件：
- 包括正常运行、异常状态、高负荷等多种生产条件。
- 数据保密与安全：
- 确保数据收集过程符合公司政策，避免敏感信息泄露。
总结
收集数据是验证可能原因的重要环节，通过合理设计数据收集计划、选择合适工具和验证数据质量，可以确保分析的可靠性。高质量的数据将为问题解决和优化流程提供坚实依据。
二手数据的可靠性，口述，无法验证的信息，需要存疑，不能因此就轻信，而失去线索。尤其是涉及到人为操作的方面。
不寻常的数据一定要有更加可靠的来源，需要验证，重复。
关于数据的收集，还有以下的操作方法可供选择：
关于数据采集的具体方法，如二分法、输入输出分段法、向前向后法、部件对换法等，这些都是在复杂问题解决中常用的技术手段，用于定位问题发生的阶段、位置或原因。这些方法能够帮助我们高效采集相关数据，验证可能的原因。以下是这些方法的详细总结：
1. 二分法
定义
通过将系统或流程划分为两部分（正常部分和异常部分），逐步缩小问题的范围，快速定位问题发生的位置或环节。
实施步骤
- 将系统分为两个部分（例如前段/后段、左侧/右侧）。
- 测试或观察其中一部分，确定其是否与问题相关。
- 如果相关，则继续在该部分内划分两部分，重复上述步骤。
- 直到范围缩小到具体的部件或流程。
应用场景
- 系统问题诊断（如电路故障、流程偏差）。
- 快速定位复杂流程中的异常环节。
示例
某生产线的产品质量不良，但无法确定具体原因。
- 将生产线分为前半段和后半段，分别测试产品质量。
- 若前半段正常，将分析集中在后半段，并逐步缩小到具体设备或操作。
2. 输入输出分段法
定义
通过检查流程或系统的输入和输出，确定在哪个环节出现问题。
实施步骤
- 收集每个流程环节的输入和输出数据。
- 比较输入和输出的变化，确定问题发生的环节。
- 针对该环节进行深入分析，收集更详细的数据。
应用场景
- 多步骤流程分析。
- 复杂生产线中，定位问题发生的具体阶段。
示例
在注塑生产中发现制品有焦黄，怀疑温度有问题：
- 检查温度检测是否准确，如果温度不准，那么就可以检测热电偶、温度卡等。
- 检查控制卡的输出是否正常，如果输出正确，那么可以检查加热部件等。
3. 向前向后法
定义
通过追溯问题发生前的步骤（向后）和预测问题的影响范围（向前），定位问题的原因和结果。
实施步骤
- 向后追溯：从问题结果开始，逐步回溯至问题可能的起点。
- 向前追踪：从可能的原因出发，分析其对后续环节的影响。
- 将两者交叉验证，确认问题的根本原因。
应用场景
- 当问题的具体原因和影响范围不明确时。
- 流程的因果关系复杂，需要双向验证。
示例
某批产品出现尺寸偏差：
- 向后分析原材料、模具和工艺参数的历史记录。
- 向前预测偏差是否会影响下游的装配环节。
4. 部件对换法
定义
通过对调系统中的部件或参数，观察问题是否随部件移动，确认问题是由具体部件还是系统环境导致。
实施步骤
- 选择系统中可能相关的部件（如设备模块或参数设置）。
- 与正常运行的系统交换部件或参数。
- 观察问题是否随对换移动：
- 移动：问题由该部件引起。
- 未移动：问题可能由环境或其他因素引起。
应用场景
- 设备模块诊断（如电子元件、传感器、机械部件）。
- 确定问题是系统性还是局部性。
示例
某传感器读数异常：
- 将异常传感器与另一个相同设备上的传感器对换。
- 如果问题随传感器移动，则确认传感器故障；否则问题可能是控制系统导致的。
5. 排除法
定义
通过逐步排除可能的原因，最终锁定最有可能的根本原因。
实施步骤
- 列出所有可能的原因。
- 针对每个可能原因，设计测试或观察方法。
- 根据测试结果，逐一排除不符合条件的原因。
- 最终锁定剩下的原因。
应用场景
- 多因子问题分析。
- 在无法直接确认根本原因的情况下，作为辅助手段。
示例
一台注塑机的产品重量不均：
- 排除冷却水流量不足的可能性。
- 测试模具温度分布，发现温差异常，确定模具加热器故障。
6. 对比分析法
定义
通过对比正常状态与异常状态的数据，找出两者的差异，定位问题原因。
实施步骤
- 记录正常状态下的关键数据（如工艺参数、设备运行状态）。
- 收集异常状态下的相同数据。
- 比较两组数据，找出差异点。
- 进一步验证差异点是否是导致问题的原因。
应用场景
- 设备异常。
- 产品质量偏差。
示例
某批次的产品表面光泽度下降：
- 对比正常批次和异常批次的工艺参数，发现异常批次的注射温度偏低。
7. 测试分析法
定义
通过设计实验或测试，验证某一可能原因是否为实际原因。
实施步骤
- 针对每个可能原因设计测试方案。
- 在受控条件下进行测试。
- 收集测试结果并分析，确认是否符合假设。
应用场景
- 验证复杂问题的根本原因。
- 确定某一假设是否成立。
示例
某产品的边缘有毛刺：
- 通过实验改变模具闭合压力，测试其对毛刺形成的影响。
方法对比表
| 方法 | 适用场景 | 优点 |
|---|---|---|
| 二分法 | 大型系统的快速故障定位 | 简单高效，快速缩小问题范围 |
| 输入输出分段法 | 多步骤流程的环节分析 | 清晰地定位问题所在的步骤 |
| 向前向后法 | 因果关系复杂的流程问题 | 全面覆盖问题的前因后果 |
| 部件对换法 | 确定具体部件是否失效 | 明确问题是部件故障还是环境因素 |
| 排除法 | 多因子问题的假设验证 | 系统性强，适用于复杂问题 |
| 对比分析法 | 正常与异常状态的差异比较 | 数据驱动，适合流程和参数对比 |
| 测试分析法 | 验证假设是否成立 | 直接验证可能原因的实际影响 |
总结
上述方法提供了针对不同问题和场景的数据采集策略，通过灵活运用这些方法，可以更高效地定位问题发生的位置和原因，并为根本原因分析提供可靠的数据支持。这些方法的组合使用往往能大幅提高分析效率和准确性。