光伏企業(yè)的質(zhì)量改善利器：交互式可視化數據分析

伴隨著(zhù)日本核泄漏事件的爆發(fā)與不斷升級，新能源中原本占最大份額的核電產(chǎn)業(yè)下滑已是大勢所趨，另一重要新能源產(chǎn)業(yè)——光伏產(chǎn)業(yè)是否回擁有更好的發(fā)展空間？

機遇與危機并存的中國光伏市場(chǎng)

對此，業(yè)內行家有著(zhù)更深入的看法：雖然核電行業(yè)大不如前，但光伏行業(yè)同時(shí)也在經(jīng)歷著(zhù)嚴峻的考驗。中國自2007年成為全世界最大的光伏產(chǎn)品生產(chǎn)國后，各個(gè)環(huán)節都在逐步完善的過(guò)程中。然而有一點(diǎn)值得注意：必須將企業(yè)目前普遍存在的由政府補助驅動(dòng)轉換為市場(chǎng)驅動(dòng)。因為完全依賴(lài)政府補貼作為行業(yè)發(fā)展的動(dòng)力蘊藏著(zhù)很大的風(fēng)險。一旦政策變化或終止時(shí)，所帶來(lái)的產(chǎn)業(yè)沖擊是巨大的。只有盡快建立真正的光伏市場(chǎng)體系，使光伏產(chǎn)業(yè)按照市場(chǎng)規律運作起來(lái)，才能夠充分發(fā)揮政府補貼的杠桿作用，減少政策變動(dòng)對產(chǎn)業(yè)可能造成的傷害。

光伏行業(yè)的所有從業(yè)人員（尤其是領(lǐng)導層）必須有這樣清醒的認識：不管行業(yè)景氣與否，產(chǎn)業(yè)中各個(gè)環(huán)節的產(chǎn)品價(jià)格必須不斷下降，直到光伏發(fā)電的成本切切實(shí)實(shí)地低于火力發(fā)電為止。只有成本下降，才是光伏產(chǎn)業(yè)發(fā)展的真正動(dòng)力。

那么，怎樣才能降低成本呢？很多人往往直接想到的是降低多晶硅等原材料成本。實(shí)際上，在2009年以后，多晶硅成本已經(jīng)消耗了很大一部分下降空間。新的、真正的競爭已經(jīng)開(kāi)始在企業(yè)的工藝流程和質(zhì)量管理水平上展開(kāi)，與傳統的半導體電子行業(yè)非常相似的是，光伏產(chǎn)品的一次性良品率既決定了生產(chǎn)過(guò)程能力的強弱，同時(shí)也決定了生產(chǎn)成本的大小。

借鑒第一太陽(yáng)能、艾格太陽(yáng)能、晶澳太陽(yáng)能等國外知名光伏企業(yè)的經(jīng)驗，不難發(fā)現光伏產(chǎn)品的良品率控制離不開(kāi)基于數據的精細化分析與決策。這是一個(gè)技術(shù)活，也恰恰是國內光伏企業(yè)的軟肋。當然，先進(jìn)制造流程的量化分析絕不是一味地追求數據倉庫的大而全、數據建模的復雜性，而是越來(lái)越強調實(shí)用性。近年來(lái)，一種全新的數據分析方式——交互式可視化數據分析——已經(jīng)被越來(lái)越多的領(lǐng)先企業(yè)用來(lái)識別劣質(zhì)成本并分析其原因，制定改進(jìn)方案以?xún)?yōu)化生產(chǎn)工藝，最終提升一次性良品率和綜合質(zhì)量水平，同時(shí)降低成本。所謂“交互式可視化”數據分析，就是推崇使用更多的圖形化工具，通過(guò)交互式的圖形實(shí)現分析者與數據的雙向“交互”，從而擺脫對傳統統計分析工具的依賴(lài)（或者說(shuō)是“以一種圖形化的簡(jiǎn)單方式使用其背后先進(jìn)的統計分析方法”），降低其使用門(mén)檻，并能更好地洞察數據背后的重要信息。下面我們借助一個(gè)運用在光伏行業(yè)已廣泛應用的專(zhuān)業(yè)六西格瑪及質(zhì)量管理統計分析軟件JMP對太陽(yáng)能電池進(jìn)行一次性良品率改善的案例來(lái)簡(jiǎn)要說(shuō)明如何通過(guò)交互式可視化的分析，事半功倍地提高生產(chǎn)能力，降低劣質(zhì)成本。
簡(jiǎn)單太陽(yáng)能電池生產(chǎn)的過(guò)程基本上分為八個(gè)主要步驟，大致可以用下面這張流程圖表示。

簡(jiǎn)單太陽(yáng)能電池的大致整體工藝流程

首先，在收集了歷史數據后，我們希望能迅速找到改善的最佳突破口，看看改善哪些工藝對提高整體的實(shí)際直通率影響最大。從JMP的“預測刻畫(huà)器”中看出一些端倪：在八個(gè)步驟的實(shí)際良品率與整體的實(shí)際直通率的線(xiàn)性關(guān)系圖上，我們明顯發(fā)現“實(shí)際擴散良品率”和“實(shí)際刻蝕良品率”與“實(shí)際直通率”的斜率明顯大于其他步驟的實(shí)際良品率，進(jìn)一步用鼠標改動(dòng)“實(shí)際擴散良品率”和“實(shí)際刻蝕良品率”的設置，導致“實(shí)際直通率”的改變幅度也是最大的，由此可以直觀(guān)地判斷“擴散”和“刻蝕”的工藝影響最大，它們是生產(chǎn)過(guò)程中的關(guān)鍵工序。

預測刻畫(huà)器分析

接著(zhù)，我們很自然地想去了解造成“擴散”何“刻蝕”良品率低的罪魁禍首是誰(shuí)。用JMP的“Pareto圖”很容易發(fā)現“擴散”工序中的主要缺陷是“擴散返修”和“擴散機器內碎片”，“刻蝕”工序中的主要缺陷是“刻蝕裝片時(shí)碎片”和“刻蝕機器內碎片”。因此，我們需要去重點(diǎn)關(guān)注和控制這四種缺陷的產(chǎn)生原因。

Pareto圖分析

然后，我們就開(kāi)始運用一些回歸建模、決策樹(shù)等更高級的分析工具去查找原因。當然，一說(shuō)到高級分析工具，很多人可能會(huì )望而卻步，覺(jué)得太抽象、看不懂。其實(shí)，現在這種擔心實(shí)在是多慮了。在JMP中，所有的分析工具，無(wú)論是簡(jiǎn)單的，還是復雜的，都可以通過(guò)各種統計圖形來(lái)和工程師一起“看圖說(shuō)話(huà)”。比如在此例中，我們運用JMP軟件的“決策樹(shù)”功能進(jìn)行要因分析時(shí)，只需要用鼠標點(diǎn)擊分析界面上的“拆分”按鈕，就可以一步步地按照“組內差異最小化，組間差異最大化”的原則將數據進(jìn)行分組，從而發(fā)現很多有價(jià)值的信息：

1. 因為在分組的過(guò)程中，“決策樹(shù)”從眾多候選變量中選用到了“硅片廠(chǎng)家”、“日期”、“硅片批次”和“班次”四個(gè)變量，因此可以判斷它們是影響缺陷率產(chǎn)生的關(guān)鍵因素。

2. 如果關(guān)注“硅片廠(chǎng)家”這個(gè)因素的話(huà)，不難發(fā)現“甲”、“丁”這兩家廠(chǎng)的質(zhì)量問(wèn)題不大，而另兩家廠(chǎng)“乙”、“丙”的質(zhì)量問(wèn)題相對比較嚴重。這是因為從“決策樹(shù)”左側的圖形看，代表良品率高的綠色面積很大，它對應的分類(lèi)水平就是“硅片廠(chǎng)家（甲、?。?rdquo;；反之，從“決策樹(shù)”右側的圖形看，代表良品率低的紅色面積很大，它對應的分類(lèi)水平就是“硅片廠(chǎng)家（乙、丙）”。

3.結合“日期”因素來(lái)看的話(huà)，11月1日的情況很糟糕，乙、丙兩個(gè)硅片廠(chǎng)家所有班次的良品率全部未達標；而11月2日和7日這兩天同樣出現嚴重問(wèn)題，丙廠(chǎng)B班所有的生產(chǎn)批次全部未達標，這些都值得我們去做深入的現場(chǎng)調查。

決策樹(shù)分析

其實(shí)，在實(shí)際工作中，太陽(yáng)能電池企業(yè)的技術(shù)人員們還可以使用更多其他交互式、可視化的數據分析方法來(lái)挖掘深層的技術(shù)原因，優(yōu)化改進(jìn)方案，限于篇幅，就不再做更深入的介紹了。不過(guò)可以肯定的是：如何快速實(shí)現質(zhì)量管理和成本控制的雙重提升，掌握交互式可視化數據分析將是國內光伏企業(yè)都需要考慮的一個(gè)重要問(wèn)題。