4. 质量数据探索性分析

探索性数据分析（EDA）是质量数据预测与风险预警工程中承上启下的关键环节。在完成数据采集与清洗之后，我们面对的是"数据可用但尚未理解"的状态。EDA 的目标不是立即建模，而是通过分布、相关性、趋势、分层四类分析手段，配合可视化，快速识别质量问题的线索：哪条产线波动最大、哪个参数与不良率强相关、缺陷率是否在某个时间点后突然抬升、不同班次之间是否存在系统性差异。这些线索直接决定后续特征工程与预警模型的方向。

一、分布分析：先看清"数据长什么样"

分布分析回答三个问题：数据中心在哪里、离散程度多大、形状是否正常。对连续型质量特性（如轴径、抗拉强度、焊接电流），常用均值、标准差、中位数、四分位距（IQR）、偏度、峰度描述；对离散型（如缺陷数、不合格品数），则看频数分布与占比。

实际操作中，先绘制直方图并叠加正态曲线，再用 Q-Q 图判断正态性。若某批次轴径数据均值 25.01 mm、标准差 0.03 mm，但直方图呈明显双峰，说明数据中混入了两个不同来源（如两台设备或两批原材料），此时不应直接计算整体 Cpk，而应先分层。箱线图则用于快速识别离群点：超出 Q1−1.5×IQR 或 Q3+1.5×IQR 的点需逐一核查是测量错误还是真实异常。

二、相关性分析：找出"谁在影响质量"

相关性分析用于量化两个变量之间的关联强度与方向。对连续变量使用 Pearson 相关系数 r（要求近似线性、无严重离群点），对非线性或有序变量使用 Spearman 秩相关系数 ρ。判断标准通常为：|r|≥0.8 强相关，0.5≤|r|<0.8 中等相关，0.3≤|r|<0.5 弱相关，|r|<0.3 基本不相关。

但相关系数必须结合散点图使用。例如注塑工艺中，模温与产品翘曲量的 r=−0.72，散点图显示负相关明显，但存在一个高模温、高翘曲的异常点，该点可能来自模具磨损而非温度效应。此外，相关不等于因果：熔体温度与注射压力往往同时受设定参数影响，二者高度相关，但真正影响尺寸的是保压压力。因此相关性分析后应结合工艺知识做因果筛选，避免把共线变量全部放入预警模型。

三、趋势分析与分层分析：定位"何时变、何处变"

趋势分析关注质量指标随时间的变化。常用工具包括时间序列折线图、移动平均（如 5 点滑动平均）、指数加权移动平均（EWMA）以及控制图（Xbar-R、I-MR）。当折线图出现连续 7 点上升或下降、超出控制限、或周期性与班次重合时，即为趋势异常信号。

分层分析则是把数据按关键维度拆开对比，常用维度包括：设备/产线、班次、原材料批次、模具编号、操作员、区域。分层后常出现"整体正常、局部异常"的现象——例如整体不良率 1.8%，但按模具分层后发现 3 号模具不良率 5.6%，其余模具均低于 1%。这正是分层分析的价值：把平均值掩盖的问题暴露出来。

四、可视化方法：让线索"一眼可见"

可视化不是装饰，而是分析结论的载体。选择图形应匹配分析目的：

实际项目中，建议采用"总览—下钻"的可视化路径：先用一张仪表板展示整体不良率趋势与分布，再通过筛选器下钻到具体产线、班次或模具。例如某电子组装厂在 EDA 阶段发现：整体焊接不良率 2.1%，但按班次分层后，夜班为 3.8%、白班为 1.2%；进一步按设备分层，夜班中 2 号回流焊炉贡献了 62% 的不良。这一线索直接指向设备温控稳定性问题，而非操作员技能问题。

五、从探索到问题发现的判断逻辑

EDA 的最终产出不是一堆图表，而是可验证的问题假设。建议按以下顺序推进：

1. 分布分析判断数据是否同质，若不同质先分层；
2. 分层分析定位差异最大的维度（设备、班次、批次）；
3. 趋势分析确认问题发生的时间窗口与变化速率；
4. 相关性分析筛选与质量指标关联最强的工艺参数；
5. 可视化将上述结论整合为可汇报、可追踪的图表证据。

以某汽车零部件厂的实际教学案例为例：该厂对 3 个月的过程数据做 EDA，分布分析发现某尺寸参数标准差从 0.02 mm 扩大到 0.05 mm；趋势分析显示扩大始于 6 月 12 日换模之后；分层分析确认仅 2 号压机出现该现象；相关性分析显示该尺寸与保压时间 r=0.68、与模温 r=0.41。综合判断为换模后保压参数未正确复位，经现场确认属实。这一闭环说明：四类分析不是孤立工具，而是相互印证、逐步收敛到问题根因的分析链。

掌握 EDA 的四类分析与可视化方法，能够在建模之前就把数据中的"故事"读出来，为后续质量预测与风险预警提供可靠的方向和特征基础。