首页/文章/ 详情

经验总结:根因分析与问题定义

1年前浏览237

工业大数据的一个重要用途是做根因分析。做根因分析最常见、也是最令人头疼的问题是成功率低、往往不了了之。我常说,解决这类问题的思路是:利用人的知识、针对人的盲点“利用人的知识”的说法很常见,但关键是怎么做?

我有个简单的办法:从定义问题开始。人们常说:正确地定义问题,是成功的一半。要尽量利用人的知识,将问题定义成一个适合做数据分析的问比如,出现质量问题时,有两种提法:

1、质量缺陷是什么原因导致的?

2、质量缺陷是不是特定的工艺/设备/原料/操作/环境/检测原因导致的?

第一类问题其实是一个开放的问题。如果人们给出的是第一类问题,解决问题的过程就像大海捞针,数据分析师会感到“头大”。数据分析师肯定喜欢第二种提法。这种提法也容易与人的知识和经验结合。人类专家可以说清楚很多问题:质量问题的特征(发生的模式、类型等),影响质量的关键要素等。人们可以根据自己的经验,把怀疑的可能性一一罗列出来,让计算机做显著性检验。

如果第二种做法能走得通,当然是最好的。但问题是:有些原因会发生在人们的预料之外。针对预料之外的问题,就要“针对人的盲点”。根据笔者的经验,工艺技术人员和数据分析师的盲点包括:

数据本身问题

数据缺失问题。比如,设备出现故障时,震动、温度等参数可能会发生变化。但如果没有采集这些数据,就难以从数据中看出问题。

测量过程问题。比如,检测数据与实际参数的变化不同步;检测仪表出现异常;测量系统相关的参数有系统性偏差等。

代表性问题。比如,测量实际上针对的是某个位置、某个对象、某个属性、某个过程,测量值不变化,并不意味着对象和过程不变化。

分析方法问题

多因素导致的问题。典型情况是:特定的工艺参数会对特定原料或产品产生影响;合适的参数与设备相关;同工序、前后工序参数的匹配问题。比如,生产效率不同时,适当的工艺参数就不一样。

非线性导致的问题。根因分析往往从相关性入手。但工艺参数和关键输出变量(如质量指标)之间的关系可能是非线性的,两者的相关系数接近于0

这些问题,是根因分析时常见的盲点。但一旦把“盲点”明确地摆在台面上,也就容易再次利用人的知识,去针对性地分析这些盲点。比如,当人们怀疑数据有问题时,可以用其他间接的数据去判断数据是不是出了问题。

从事数据分析时,怀疑的重点往往不断变化,所需要的数据往往要不断增加。比如,怀疑某个检测指标有问题时,可以找来多个检测指标。如果检测指标之间的关系不合常理,就推断检测过程可能有问题。事实上,当人们缺少直接证据时,往往要设法去寻找间接证据。

组合爆炸可能是人类遇到的最麻烦的问题,而非线性本质上加速了组合爆炸。在从事数据分析时,组合爆炸导致“数据永远是不够的”。从这个角度看,专业领域知识的本质作用是降维,也就是让人们集中精力去考虑、解决重点问题,能用更少的数据分析问题。人工智能的本质作用也在于此。

从事根因分析时,往往会遇到“吃不准”的情况。比如,出现某质量问题,有人认为是前部加热工序溶解不了,我认为是中部轧钢环节析出过早、还有人认为是后工序冷却过程析出得太少。为了确认到底是哪个环节的问题,我请人做了一次仿真计算。结果表明:溶解过程只需要几秒钟,而加热过程有几十分钟,应该不是溶解过程的问题。另外,我还请人做了一个实验室实验,证明轧钢过程的影响与我的估算一致。当然,做仿真和实验,都是相对麻烦的。从侧面找证据可能更方便些。

分析过程中,比较麻烦的情况是多因素共同导致的问题。这时,参数都在标准范围之内,却发生了异常。有几类方法便于解决这类问题:建模、决策树、聚类分析。需要注意的是:数据质量出问题是常态,分析都不会特别准,有趋势往往就差不多了。

需要特别指出的是:因果关系有个特点:原因在前、结果在后。所以,时间和顺序关系分析是非常重要的。发生某个问题时,时间点是很重要的。可以分析在这个时间点之前,到底发生了什么变化。比如,有没有做过设备维护、更换过产品或者批次。

另外,数据分析的过程往往是层层深入、不断聚焦的过程。比如,如果认为某个问题是设备、人导致的。那么,可能还要进一步分析:设备或人的操作在什么地方出了问题?

根因分析本质是分析因果关系。对此,有所谓“穆勒五法”。这五种方法是英国哲学家穆勒提出关于确定现象因果联系的五种归纳方法。即契合法、差异法、契合差异并用法、共变法、剩余法。把分析方法软件化的时候,可以参照这个体系和分类方法。另外,还可以从生产和检验制度入手采集数据,让数据容易进行对比。

最后还要注意一个问题:人们经常会遇到“假问题”。比如,某些所谓的“质量问题”,其实是检测过程出了问题,而不是产品质量真的有问题。

科普
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2022-06-30
最近编辑:1年前
仿真圈
技术圈粉 知识付费 学习强国
获赞 8858粉丝 20191文章 3112课程 202
点赞
收藏
未登录
还没有评论

课程
培训
服务
行家

VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈