質(zhì)量大數(shù)據(jù)白皮書(shū)

1、 HYPERLINK / 質(zhì)量大數(shù)據(jù)白皮書(shū) HYPERLINK / 數(shù)字化轉(zhuǎn)型系列研究報(bào)告 No.1目錄 HYPERLINK l _bookmark0 質(zhì)量大數(shù)據(jù)的內(nèi)涵 1 HYPERLINK l _bookmark1 質(zhì)量大數(shù)據(jù)的概念和外延 1 HYPERLINK l _bookmark2 質(zhì)量大數(shù)據(jù)的業(yè)務(wù)維度 3 HYPERLINK l _bookmark3 質(zhì)量大數(shù)據(jù)的數(shù)據(jù)維度 4 HYPERLINK l _bookmark4 質(zhì)量大數(shù)據(jù)的技術(shù)維度 6 HYPERLINK l _bookmark5 質(zhì)量大數(shù)據(jù)的特征 8 HYPERLINK l _bookmark6 與其它技術(shù)的關(guān)系 11

2、 HYPERLINK l _bookmark7 質(zhì)量大數(shù)據(jù)與工業(yè)互聯(lián)網(wǎng)的關(guān)系 12 HYPERLINK l _bookmark8 質(zhì)量大數(shù)據(jù)與數(shù)字孿生的關(guān)系 13 HYPERLINK l _bookmark9 質(zhì)量大數(shù)據(jù)與工業(yè)大數(shù)據(jù)的關(guān)系 14 HYPERLINK l _bookmark10 質(zhì)量大數(shù)據(jù)與人工智能的關(guān)系 14 HYPERLINK l _bookmark11 質(zhì)量大數(shù)據(jù)與區(qū)塊鏈的關(guān)系 15 HYPERLINK l _bookmark12 質(zhì)量大數(shù)據(jù)發(fā)展歷程與現(xiàn)狀 16 HYPERLINK l _bookmark13 質(zhì)量大數(shù)據(jù)的發(fā)展歷程 16 HYPERLINK l _bookm

3、ark14 質(zhì)量管理體系的演化 16 HYPERLINK l _bookmark15 質(zhì)量數(shù)據(jù)分析的演變 17 HYPERLINK l _bookmark16 大數(shù)據(jù)帶來(lái)的契機(jī) 19 HYPERLINK l _bookmark17 質(zhì)量大數(shù)據(jù)的現(xiàn)狀 22 HYPERLINK l _bookmark18 技術(shù)研究現(xiàn)狀 22 HYPERLINK l _bookmark19 行業(yè)應(yīng)用現(xiàn)狀 24 HYPERLINK l _bookmark20 發(fā)展政策現(xiàn)狀 25 HYPERLINK l _bookmark21 質(zhì)量大數(shù)據(jù)面臨的挑戰(zhàn) 30 HYPERLINK l _bookmark22 質(zhì)量大數(shù)據(jù)的業(yè)務(wù)

4、視角 33 HYPERLINK l _bookmark23 3.1 生產(chǎn)體系 34 HYPERLINK l _bookmark24 3.2 管理體系 36 HYPERLINK l _bookmark25 應(yīng)用模式一：重點(diǎn)業(yè)務(wù)環(huán)節(jié)的質(zhì)量管理優(yōu)化 36 HYPERLINK l _bookmark26 以產(chǎn)品質(zhì)量為導(dǎo)向的設(shè)計(jì)優(yōu)化 36 HYPERLINK l _bookmark27 以生產(chǎn)質(zhì)量為導(dǎo)向的工藝優(yōu)化 41 HYPERLINK l _bookmark28 以質(zhì)量為導(dǎo)向的生產(chǎn)設(shè)備預(yù)測(cè)性維護(hù) 42 HYPERLINK l _bookmark29 應(yīng)用模式二：供應(yīng)鏈產(chǎn)業(yè)鏈的質(zhì)量協(xié)同優(yōu)化 43 HY

5、PERLINK l _bookmark30 應(yīng)用模式三：質(zhì)量公共服務(wù)與新生態(tài) 45 HYPERLINK l _bookmark31 質(zhì)量大數(shù)據(jù)的數(shù)據(jù)視角 47 HYPERLINK l _bookmark32 數(shù)據(jù)要素體系 47 HYPERLINK l _bookmark33 數(shù)據(jù)資源體系 48 HYPERLINK l _bookmark34 數(shù)據(jù)資源目錄 48 HYPERLINK l _bookmark35 數(shù)據(jù)資源融合 52 HYPERLINK l _bookmark36 數(shù)據(jù)共建共享 57 HYPERLINK l _bookmark37 數(shù)據(jù)治理體系 58 HYPERLINK l _boo

6、kmark38 數(shù)據(jù)標(biāo)準(zhǔn)體系 60 HYPERLINK l _bookmark39 數(shù)據(jù)質(zhì)量管理 61 HYPERLINK l _bookmark40 數(shù)據(jù)安全防護(hù) 63 HYPERLINK l _bookmark41 質(zhì)量大數(shù)據(jù)的技術(shù)視角 65 HYPERLINK l _bookmark42 5.1 技術(shù)架構(gòu) 65 HYPERLINK l _bookmark43 質(zhì)量全生命周期架構(gòu) 65 HYPERLINK l _bookmark44 數(shù)據(jù)平臺(tái)架構(gòu) 66 HYPERLINK l _bookmark45 數(shù)據(jù)存儲(chǔ)：多模態(tài)數(shù)據(jù)的數(shù)據(jù)湖技術(shù) 68 HYPERLINK l _bookmark46 數(shù)

7、據(jù)服務(wù)：質(zhì)量大數(shù)據(jù)的領(lǐng)域建模技術(shù) 77 HYPERLINK l _bookmark47 數(shù)據(jù)服務(wù):基于領(lǐng)域模型的查詢技術(shù) 80 HYPERLINK l _bookmark48 數(shù)據(jù)分析：面向多場(chǎng)景多數(shù)據(jù)源的數(shù)據(jù)分析技術(shù) 81 HYPERLINK l _bookmark49 質(zhì)量大數(shù)據(jù)的實(shí)施路徑 85 HYPERLINK l _bookmark50 6.1 企業(yè)側(cè) 85 HYPERLINK l _bookmark51 6.2 產(chǎn)業(yè)側(cè) 90 HYPERLINK l _bookmark52 質(zhì)量大數(shù)據(jù)的未來(lái)展望 94 HYPERLINK l _bookmark53 技術(shù)發(fā)展趨勢(shì) 94 HYPERLI

8、NK l _bookmark54 應(yīng)用發(fā)展趨勢(shì) 97 HYPERLINK l _bookmark55 產(chǎn)業(yè)發(fā)展趨勢(shì) 98 HYPERLINK l _bookmark56 質(zhì)量大數(shù)據(jù)典型案例 100 HYPERLINK l _bookmark57 以產(chǎn)品質(zhì)量為導(dǎo)向的設(shè)計(jì)優(yōu)化 101 HYPERLINK l _bookmark58 以生產(chǎn)質(zhì)量為導(dǎo)向的工藝優(yōu)化 104 HYPERLINK l _bookmark59 工藝質(zhì)量參數(shù)優(yōu)化 105 HYPERLINK l _bookmark60 工藝質(zhì)量缺陷識(shí)別 115 HYPERLINK l _bookmark61 8.2.3 質(zhì)量追溯 125 HYPE

9、RLINK l _bookmark62 以質(zhì)量為導(dǎo)向的生產(chǎn)設(shè)備預(yù)測(cè)性維護(hù) 132 HYPERLINK l _bookmark63 面向供應(yīng)鏈的質(zhì)量協(xié)同優(yōu)化 144 HYPERLINK l _bookmark64 質(zhì)量公共服務(wù)與新生態(tài) 154 HYPERLINK l _bookmark65 參考文獻(xiàn) 159 HYPERLINK l _bookmark66 縮略語(yǔ)表 162質(zhì)量大數(shù)據(jù)白皮書(shū)1.質(zhì)量大數(shù)據(jù)的內(nèi)涵制造業(yè)是立國(guó)之本、強(qiáng)國(guó)之基，增強(qiáng)制造業(yè)質(zhì)量?jī)?yōu)勢(shì)對(duì)于推動(dòng)產(chǎn)業(yè)鏈向中高端升級(jí)轉(zhuǎn)型至關(guān)重要。同時(shí)，質(zhì)量作為評(píng)估工業(yè)設(shè)備、產(chǎn)品及服務(wù)能否穩(wěn)定發(fā)揮其性能作用的關(guān)鍵指標(biāo)，對(duì)工業(yè)技術(shù)升級(jí)、工業(yè)成本和消費(fèi)體驗(yàn)

10、均有較大影響?，F(xiàn)代工業(yè)設(shè)備、產(chǎn)品及系統(tǒng)十分復(fù)雜，僅僅依賴傳統(tǒng)的質(zhì)量管理手段很難對(duì)其質(zhì)量問(wèn)題進(jìn)行規(guī)避，從而實(shí)質(zhì)性地提升其質(zhì)量水平。而隨著大數(shù)據(jù)、傳感器、人工智能等技術(shù)領(lǐng)域的飛速發(fā)展，一些原本較為隱蔽的質(zhì)量特征、關(guān)聯(lián)關(guān)系可以從工業(yè)質(zhì)量數(shù)據(jù)中得到挖掘。質(zhì)量大數(shù)據(jù)可以將各類(lèi)工業(yè)場(chǎng)景下的質(zhì)量風(fēng)險(xiǎn)暴露，實(shí)現(xiàn)質(zhì)量關(guān)聯(lián)關(guān)系挖掘、質(zhì)量水平優(yōu)化和質(zhì)量經(jīng)驗(yàn)知識(shí)積累，達(dá)到工業(yè)產(chǎn)品和服務(wù)向中高端轉(zhuǎn)型升級(jí)的目的，提升整體行業(yè)效益。本節(jié)嘗試剖析質(zhì)量大數(shù)據(jù)的內(nèi)涵。質(zhì)量大數(shù)據(jù)的概念和外延質(zhì)量大數(shù)據(jù)根據(jù)質(zhì)量管理在不同生產(chǎn)體系、管理體系和數(shù)據(jù)基礎(chǔ)等上下文的內(nèi)涵不同，決定了其邊界和內(nèi)容。從數(shù)據(jù)要素的角度，質(zhì)量大數(shù)據(jù)是指圍繞工業(yè)產(chǎn)品各

11、種質(zhì)量要求（功能型質(zhì)量、性能質(zhì)量、可靠性質(zhì)量、感官質(zhì)量等）在不同階段（研發(fā)設(shè)計(jì)、生產(chǎn)制造、使用運(yùn)行等）所產(chǎn)生的與產(chǎn)品質(zhì)量相關(guān)的各類(lèi)數(shù)據(jù)的總稱(chēng)，覆蓋了人、機(jī)、料、法、環(huán)、測(cè)等多個(gè)因素。從業(yè)務(wù)范圍的角度，質(zhì)量大數(shù)據(jù)除了應(yīng)用于單個(gè)企業(yè)內(nèi)部的特定業(yè)務(wù)環(huán)節(jié)，也包括上下游企業(yè)構(gòu)成的供應(yīng)鏈協(xié)同和聯(lián)動(dòng)，甚至覆蓋一個(gè)產(chǎn)業(yè)生態(tài)圈。從應(yīng)用技術(shù)的角度，質(zhì)量數(shù)據(jù)技術(shù)包括數(shù)據(jù)規(guī)劃、檢測(cè)采集、傳輸存儲(chǔ)、建模查詢、管控治理、統(tǒng)計(jì)分析和管理應(yīng)用等相關(guān)技術(shù)，而質(zhì)量大數(shù)據(jù)更聚焦在針對(duì)海量異構(gòu)質(zhì)量數(shù)據(jù)的平臺(tái)、分析和應(yīng)用等大數(shù)據(jù)技術(shù)。 質(zhì)量大數(shù)據(jù)白皮書(shū)從上面的描述可以看出，質(zhì)量大數(shù)據(jù)有業(yè)務(wù)、數(shù)據(jù)、技術(shù)等不同的維度，不同維度上的差別決定

12、了質(zhì)量大數(shù)據(jù)在不同行業(yè)、不同企業(yè)的側(cè)重點(diǎn)不同。例如，在醫(yī)藥、食品等行業(yè)，全產(chǎn)業(yè)鏈質(zhì)量追溯是重點(diǎn)；對(duì)于半導(dǎo)體生產(chǎn)，先進(jìn)過(guò)程控制（Advanced Process Control, APC）是重點(diǎn)；對(duì)于裝備制造，全生命周期（從研發(fā)、制造到運(yùn)維）的質(zhì)量管控與優(yōu)化是重點(diǎn)?；诙鄠€(gè)行業(yè)實(shí)踐和調(diào)研，本白皮書(shū)歸納出如圖 1.1 所示的質(zhì)量大數(shù)據(jù)的參考模型，從業(yè)務(wù)、數(shù)據(jù)、技術(shù)三個(gè)維度對(duì)質(zhì)量大數(shù)據(jù)的范疇和內(nèi)涵進(jìn)行刻畫(huà)。人 設(shè)備產(chǎn)生主體分層方法關(guān)聯(lián)查詢 物料模型 設(shè)備模型人員模型數(shù)據(jù)服務(wù)領(lǐng)域建模質(zhì)量大數(shù)據(jù)體系數(shù)據(jù)安全防護(hù)數(shù)據(jù)應(yīng)用服務(wù)安全數(shù)據(jù)跨平臺(tái)安全產(chǎn)品質(zhì)量設(shè)計(jì)優(yōu)化分析模式分析模型數(shù)據(jù)分析管理體系生產(chǎn)體系分析算法

13、質(zhì)量業(yè)務(wù)管控指標(biāo)功 性能 能性 性質(zhì) 質(zhì)量 量圖 1.1：質(zhì)量大數(shù)據(jù)參考架構(gòu)質(zhì)量大數(shù)據(jù)的業(yè)務(wù)維度質(zhì)量大數(shù)據(jù)白皮書(shū)業(yè)務(wù)視角刻畫(huà)了質(zhì)量大數(shù)據(jù)的業(yè)務(wù)上下文，包括了生產(chǎn)體系、管理體系和應(yīng)用模式等三個(gè)維度。生產(chǎn)體系在生產(chǎn)體系維度上，包括產(chǎn)品特點(diǎn)、生產(chǎn)類(lèi)型和質(zhì)量指標(biāo)管控三個(gè)方面。從產(chǎn)品特點(diǎn)，工業(yè)產(chǎn)品可以分為小批量定制化產(chǎn)品（如工藝品、水力發(fā)電機(jī)組）、小批量多品種產(chǎn)品（如沖壓件、印刷品）、大批量少量品種（如汽車(chē)、工程機(jī)械、3C 產(chǎn)品）、大批量標(biāo)準(zhǔn)品（如石化、食品），不同產(chǎn)品特點(diǎn)決定了合適的生產(chǎn)類(lèi)型，包括加工車(chē)間（Job Shop）、流水車(chē)間(Flow Shop)、流水線（Line Flow）、流程生產(chǎn) (C

14、ontinuous Flow)等典型生產(chǎn)類(lèi)型。產(chǎn)品特點(diǎn)和生產(chǎn)類(lèi)型決定了質(zhì)量指標(biāo)的側(cè)重點(diǎn)（功能性質(zhì)量、性能性質(zhì)量、可靠性質(zhì)量、感官性質(zhì)量等）。管理體系在管理體系維度上，包括產(chǎn)業(yè)鏈（產(chǎn)業(yè)鏈的形態(tài)以及企業(yè)在產(chǎn)業(yè)鏈的位置）、質(zhì)量管理體系（如 TQM、6-Signma、TQC 等）、生產(chǎn)研發(fā)組織體系。產(chǎn)業(yè)鏈可以分為資源導(dǎo)向型、產(chǎn)品導(dǎo)向型、需求導(dǎo)向型、市場(chǎng)導(dǎo)向型等不同類(lèi)型，一個(gè)企業(yè)在產(chǎn)業(yè)鏈中的位置決定了質(zhì)量管理的側(cè)重點(diǎn)；質(zhì)量管理體系的選擇取決于生產(chǎn)體系和產(chǎn)業(yè)鏈；生產(chǎn)研發(fā)組織決定了企業(yè)內(nèi)部的質(zhì)量管理落地途徑和業(yè)務(wù)場(chǎng)景。應(yīng)用模式在應(yīng)用模式維度上，根據(jù)應(yīng)用場(chǎng)景可以總結(jié)為三種應(yīng)用模式。1） 面向特定業(yè)務(wù)環(huán)節(jié)的數(shù)字

15、化質(zhì)量管理：各類(lèi)企業(yè)將質(zhì)量大數(shù)據(jù)在研發(fā)、生產(chǎn)、存儲(chǔ)、運(yùn)輸、供應(yīng)、銷(xiāo)售、服務(wù)等環(huán)節(jié)的融合應(yīng)用，開(kāi)展數(shù)字 化質(zhì)量設(shè)計(jì)、質(zhì)量檢驗(yàn)、質(zhì)量控制、質(zhì)量分析和質(zhì)量改進(jìn)，提升企業(yè) 質(zhì)量管理的效率效益；2)供應(yīng)鏈質(zhì)量協(xié)同：供應(yīng)鏈上下游企業(yè)基于數(shù) 質(zhì)量大數(shù)據(jù)白皮書(shū)字化產(chǎn)品模型和全生命周期質(zhì)量信息追溯，以及各環(huán)節(jié)業(yè)務(wù)數(shù)據(jù)協(xié)同分析，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的全價(jià)值鏈、全生命周期的質(zhì)量策劃、質(zhì)量控制和質(zhì)量改進(jìn)，實(shí)現(xiàn)企業(yè)內(nèi)及上下游企業(yè)間質(zhì)量管理協(xié)同和聯(lián)動(dòng)；3)質(zhì)量生態(tài)共建共創(chuàng)與共享：具備平臺(tái)化運(yùn)行和社會(huì)化協(xié)作能力的企業(yè)，與生態(tài)圈合作伙伴共建質(zhì)量管理平臺(tái)，實(shí)現(xiàn)生態(tài)圈數(shù)據(jù)智能獲取、開(kāi)發(fā)、在線交換和利用，建立質(zhì)量生態(tài)管理體系，形成質(zhì)量共生

16、新生態(tài)。質(zhì)量大數(shù)據(jù)的數(shù)據(jù)維度從數(shù)據(jù)維來(lái)看，質(zhì)量大數(shù)據(jù)可從數(shù)據(jù)源、資源體系和治理體系的層次進(jìn)行劃分。數(shù)據(jù)來(lái)源數(shù)據(jù)來(lái)源的分析和管理是工業(yè)質(zhì)量大數(shù)據(jù)的基礎(chǔ)，是實(shí)施質(zhì)量大數(shù)據(jù)的第一步。數(shù)據(jù)源包括產(chǎn)品設(shè)計(jì)、生產(chǎn)制造、售后、回收產(chǎn)品全生命周期質(zhì)量數(shù)據(jù)和供應(yīng)生態(tài)質(zhì)量數(shù)據(jù)。產(chǎn)品全生命周期質(zhì)量數(shù)據(jù)是指產(chǎn)品“從初始到報(bào)廢”全流程環(huán)節(jié)相關(guān)質(zhì)量數(shù)據(jù)，如包括產(chǎn)品信息、設(shè)備信息、生產(chǎn)信息、檢測(cè)判定信息、運(yùn)維信息、人員信息、安全信息等，涉及到 CAX、ERP、PLM、MES、 QMS 等工業(yè)軟件系統(tǒng)。此外，產(chǎn)品質(zhì)量大數(shù)據(jù)的主要部分為生產(chǎn)工藝與設(shè)備狀態(tài)相關(guān)的數(shù)據(jù)。例如在半導(dǎo)體行業(yè)中， 企業(yè)基于 EAP（Equipment A

17、utomation Program）系統(tǒng)，通過(guò) SECS(SEMI Equipment Communications Standard)、GEM (Generic Equipment Model)等通訊協(xié)議，完成對(duì)機(jī)臺(tái)狀態(tài)監(jiān)測(cè)信息的收集。而對(duì)質(zhì)量檢測(cè)機(jī)臺(tái)的數(shù)據(jù)，可基于 FDC(Fault Detection and Classification)系統(tǒng)完成收集。在傳統(tǒng)的工業(yè)或企業(yè)組織中，各個(gè)業(yè)務(wù)流程信息被分散在各部門(mén)孤立的業(yè)務(wù)系統(tǒng)中。這些信息通過(guò)跨部門(mén)、跨層級(jí)的業(yè)務(wù)信息整合，便構(gòu)成了工廠或企業(yè)內(nèi)部的質(zhì)量大數(shù)據(jù)源。隨著互聯(lián)網(wǎng)與工業(yè)的深度融合，外部互聯(lián)網(wǎng)也是質(zhì)量大數(shù)據(jù)不可忽視的來(lái)源。包括供應(yīng)商數(shù)據(jù)、

18、質(zhì)量大數(shù)據(jù)白皮書(shū)市場(chǎng)反饋、市場(chǎng)分析等。此外，外部互聯(lián)網(wǎng)還存在數(shù)量龐大的公開(kāi)數(shù)據(jù)，如影響工業(yè)裝備作業(yè)的氣象環(huán)境數(shù)據(jù)、影響生產(chǎn)成本的法規(guī)數(shù)據(jù)等。隨著科技進(jìn)步、消費(fèi)升級(jí)，質(zhì)量由滿足功能、性能，到提升客戶體驗(yàn)成為必然趨勢(shì)。很多企業(yè)都已把質(zhì)量定義為客戶體驗(yàn)。不同于產(chǎn)品和設(shè)備功能或性能方面的數(shù)據(jù)，與客戶體驗(yàn)相關(guān)的質(zhì)量數(shù)據(jù)往往分散在戰(zhàn)略部門(mén)、市場(chǎng)/企劃部門(mén)、研發(fā)設(shè)計(jì)部門(mén)等多個(gè)業(yè)務(wù)部門(mén)，目前尚未形成成熟的統(tǒng)一管理模式。在家電行業(yè)中，客戶畫(huà)像、客戶需求 VOC (Voice of Customer)的提煉，先進(jìn)標(biāo)準(zhǔn)的檢索、前期預(yù)研過(guò)程中的數(shù)據(jù)已作為體驗(yàn)質(zhì)量數(shù)據(jù)的重要部分進(jìn)行管理。 資源體系圖 1.2 面向用戶體

19、驗(yàn)的質(zhì)量數(shù)據(jù)分析流程從不同粒度來(lái)看，質(zhì)量數(shù)據(jù)資源體系包括企業(yè)資源體系、產(chǎn)業(yè)資源體系。企業(yè)資源體系是以企業(yè)自身為核心，注重企業(yè)內(nèi)部質(zhì)量數(shù)據(jù)的采集與存儲(chǔ)，基于企業(yè)產(chǎn)品生命周期質(zhì)量管控需求，集成企業(yè)內(nèi)部不同來(lái)源質(zhì)量數(shù)據(jù)，構(gòu)建企業(yè)質(zhì)量數(shù)據(jù)資源，實(shí)現(xiàn)基于企業(yè)質(zhì)量數(shù)據(jù)資源的跨部門(mén)協(xié)作、數(shù)據(jù)共享等。產(chǎn)業(yè)資源體系是以產(chǎn)業(yè)鏈供應(yīng)鏈為核心，注重跨企業(yè)、跨區(qū)域的產(chǎn)業(yè)鏈供應(yīng)鏈上下游企業(yè)質(zhì)量數(shù)據(jù)的串接、集成，以提升產(chǎn)業(yè)鏈供應(yīng) 質(zhì)量大數(shù)據(jù)白皮書(shū)鏈質(zhì)量管控能力為目標(biāo)，集成接入企業(yè)、質(zhì)量服務(wù)機(jī)構(gòu)、質(zhì)量監(jiān)管機(jī)構(gòu)數(shù)據(jù)，構(gòu)建產(chǎn)業(yè)質(zhì)量數(shù)據(jù)資源，實(shí)現(xiàn)基于產(chǎn)業(yè)質(zhì)量數(shù)據(jù)資源的跨企業(yè)協(xié)作、質(zhì)量風(fēng)險(xiǎn)防控、數(shù)據(jù)共享等。數(shù)據(jù)治理數(shù)據(jù)質(zhì)量管理是質(zhì)量

20、大數(shù)據(jù)治理的核心，數(shù)據(jù)治理可分為基于數(shù)據(jù)標(biāo)準(zhǔn)、按需治理兩大類(lèi)別，數(shù)據(jù)治理標(biāo)準(zhǔn)、治理工具、數(shù)據(jù)質(zhì)量指標(biāo)是治理的核心要素。從頂層數(shù)據(jù)治理制度、標(biāo)準(zhǔn)與規(guī)范到基于平臺(tái)數(shù)據(jù)治理實(shí)施，保障數(shù)據(jù)質(zhì)量，以數(shù)據(jù)推動(dòng)數(shù)字化質(zhì)量管理，打破數(shù)據(jù)孤島、確保源頭數(shù)據(jù)準(zhǔn)確、促進(jìn)數(shù)據(jù)共享、保障數(shù)據(jù)隱私與安全。治理標(biāo)準(zhǔn)：包括數(shù)據(jù)質(zhì)量管理制度、國(guó)際質(zhì)量相關(guān)法律法規(guī)、數(shù)據(jù)治理規(guī)范等，如產(chǎn)品生命周期數(shù)據(jù)管理規(guī)范信息技術(shù)服務(wù) 外包 第 4 部分：非結(jié)構(gòu)化數(shù)據(jù)管理與服務(wù)規(guī)范信息技術(shù)服務(wù) 治理第 5 部分：數(shù)據(jù)治理規(guī)范。治理工具：支持質(zhì)量大數(shù)據(jù)治理工作,為后續(xù)具體的分析應(yīng)用提供可靠和安全的質(zhì)量數(shù)據(jù)。治理工具包括數(shù)據(jù)標(biāo)準(zhǔn)工具、數(shù)據(jù)質(zhì)量工具、

21、元數(shù)據(jù)管理工具、主數(shù)據(jù)管理工具、數(shù)據(jù)生命周期管理工具和數(shù)據(jù)安全管理工具等。數(shù)據(jù)質(zhì)量指標(biāo)：制定質(zhì)量數(shù)據(jù)的質(zhì)量要求和質(zhì)量指標(biāo)，在質(zhì)量數(shù)據(jù)的收集存儲(chǔ)、分析應(yīng)用和維護(hù)等階段，對(duì)所產(chǎn)生的質(zhì)量問(wèn)題進(jìn)行識(shí)別、監(jiān)控和預(yù)警等，保障質(zhì)量數(shù)據(jù)的完整性、準(zhǔn)確性、及時(shí)性以及一致性。質(zhì)量大數(shù)據(jù)的技術(shù)維度為了讓數(shù)據(jù)更好的被管理和分析，企業(yè)或行業(yè)需要建立質(zhì)量數(shù)據(jù)平臺(tái)，橫向打通各線數(shù)據(jù)，對(duì)質(zhì)量相關(guān)數(shù)據(jù)進(jìn)行統(tǒng)一匯聚和集成。同時(shí)，數(shù)據(jù)平臺(tái)需要端到端的考慮數(shù)據(jù)消費(fèi)場(chǎng)景，同時(shí)支持?jǐn)?shù)據(jù)管理、數(shù)據(jù)分析計(jì)算管理和質(zhì)量分析應(yīng)用。如圖 1.3 所示。質(zhì)量應(yīng)用與其他質(zhì)量大數(shù)據(jù)白皮書(shū)業(yè)務(wù)應(yīng)用開(kāi)發(fā)沒(méi)有太大差別，因此，技術(shù)維度主要從數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)服務(wù)、

22、數(shù)據(jù)分析三個(gè)層面討論。數(shù)據(jù)存儲(chǔ)技術(shù)圖 1.3 質(zhì)量大數(shù)據(jù)的四個(gè)層面數(shù)據(jù)存儲(chǔ)主要解決海量多模態(tài)數(shù)據(jù)的接入與存儲(chǔ)問(wèn)題，包括數(shù)據(jù)存儲(chǔ)架構(gòu)、數(shù)據(jù)處理工具和分層資源化方法。多模態(tài)數(shù)據(jù)的數(shù)據(jù)湖技術(shù)需要突破的是針對(duì)不同類(lèi)型數(shù)據(jù)的存儲(chǔ)技術(shù)，并在充分考慮多源異構(gòu)數(shù)據(jù)各類(lèi)特性之上的高效處理和計(jì)算工具和技術(shù)，以及如何對(duì)數(shù)據(jù)分層進(jìn)行管理。簡(jiǎn)言之，該技術(shù)研究如何形成可擴(kuò)展的一體化存儲(chǔ)系統(tǒng)和工具集。多模態(tài)數(shù)據(jù)湖的關(guān)鍵技術(shù)主要包括：1）多模態(tài)質(zhì)量數(shù)據(jù)存儲(chǔ)架構(gòu)，針對(duì)工業(yè)數(shù)據(jù)在質(zhì)量相關(guān)的物理過(guò)程的不同階段、不同流程呈現(xiàn)多種類(lèi)型（關(guān)系、時(shí)序、非結(jié)構(gòu)化等）的特點(diǎn)，研制不同的數(shù)據(jù)存儲(chǔ)管理引擎和系統(tǒng)致力于對(duì)多模態(tài)質(zhì)量數(shù)據(jù)進(jìn)行高效地接入

23、匯聚和存儲(chǔ)，能夠按照產(chǎn)品編號(hào)，產(chǎn)品生命周期、質(zhì)檢情況等多種維度進(jìn)行靈活數(shù)據(jù)組織和高效訪問(wèn)。2）質(zhì)量大數(shù)據(jù)處理工具集，聚焦如何把數(shù)據(jù)匯聚到數(shù)據(jù)湖里，以及為對(duì)湖中的數(shù)據(jù)進(jìn)行分析和利用提 質(zhì)量大數(shù)據(jù)白皮書(shū)供計(jì)算支持。構(gòu)建一個(gè)高效的通用計(jì)算層為數(shù)據(jù)存儲(chǔ)層之上的其他層級(jí)（例如數(shù)據(jù)服務(wù)層、數(shù)據(jù)分析層）在進(jìn)行蘊(yùn)含業(yè)務(wù)語(yǔ)義的數(shù)據(jù)分析、多模態(tài)數(shù)據(jù)間關(guān)聯(lián)計(jì)算等操作時(shí)，提供高效計(jì)算支撐。3）質(zhì)量大數(shù)據(jù)分層資源化，將數(shù)據(jù)湖中存儲(chǔ)的多模態(tài)數(shù)據(jù)進(jìn)行數(shù)據(jù)分層，在數(shù)據(jù)訪問(wèn)性能、數(shù)據(jù)口徑統(tǒng)一度、減少重復(fù)開(kāi)發(fā)等方面顯著受益。數(shù)據(jù)服務(wù)技術(shù)數(shù)據(jù)服務(wù)技術(shù)主要解決高維質(zhì)量數(shù)據(jù)的有序和靈活訪問(wèn)，包括領(lǐng)域建模和跨域查詢等技術(shù)。1）領(lǐng)域建模技

24、術(shù)，從質(zhì)量分析應(yīng)用的視角看，需要把上述數(shù)據(jù)進(jìn)行集成和和關(guān)聯(lián)，構(gòu)建統(tǒng)一數(shù)據(jù)服務(wù)，才能從根本上提高質(zhì)量大數(shù)據(jù)的訪問(wèn)效率，加速質(zhì)量分析和應(yīng)用的創(chuàng)新速度。因此，在傳統(tǒng)的大數(shù)據(jù)平臺(tái)之上，需要對(duì)多維質(zhì)量數(shù)據(jù)進(jìn)行統(tǒng)一模型管理和查詢層，以統(tǒng)一數(shù)據(jù)服務(wù)的形態(tài)對(duì)上層應(yīng)用提供數(shù)據(jù)訪問(wèn)能力。2）基于領(lǐng)域模型的查詢技術(shù)，數(shù)據(jù)關(guān)聯(lián)查詢引擎的作用是根據(jù)工業(yè)物理對(duì)象模型對(duì)上層應(yīng)用發(fā)出的數(shù)據(jù)關(guān)聯(lián)查詢請(qǐng)求進(jìn)行分解，并調(diào)度到底層的各個(gè)數(shù)據(jù)系統(tǒng)中實(shí)際執(zhí)行，并把查詢結(jié)果匯總，加工變成上層應(yīng)用所需的格式。數(shù)據(jù)分析技術(shù)數(shù)據(jù)分析主要是解決質(zhì)量分析的共性的模式、模型和算法問(wèn)題。共性的質(zhì)量分析算法可以歸納為基礎(chǔ)分析算法、時(shí)空模式挖掘算法、異常預(yù)

25、警和工藝參數(shù)優(yōu)化四類(lèi)算法?；谶@些共性算法，一個(gè)分析模型可以通過(guò)算子組裝快速實(shí)現(xiàn)，同時(shí)也方便全要素全環(huán)節(jié)質(zhì)量分析模型庫(kù)的靈活擴(kuò)展。質(zhì)量大數(shù)據(jù)的特征質(zhì)量大數(shù)據(jù)作為以大數(shù)據(jù)形式表征的工業(yè)產(chǎn)品、設(shè)備與系統(tǒng)質(zhì)量數(shù)據(jù)集合，具有跨尺度、協(xié)同性、多因素、動(dòng)態(tài)化等特性。質(zhì)量大數(shù)據(jù)白皮書(shū)圖 1.4 質(zhì)量大數(shù)據(jù)的主要特性所謂“跨尺度”，是指質(zhì)量大數(shù)據(jù)作為一個(gè)統(tǒng)稱(chēng)集合，囊括了多個(gè)工業(yè)行業(yè)的不同階段、不同生產(chǎn)模式和環(huán)節(jié)的多種質(zhì)量數(shù)據(jù)。這些數(shù)據(jù)由于表征對(duì)象、屬性、量度等方面的差異，將工業(yè)對(duì)象的質(zhì)量全貌以數(shù)字空間的形式得到了全面的展示，形成了質(zhì)量數(shù)據(jù)在多個(gè)尺度的跨越。所謂“協(xié)同性”，是指質(zhì)量大數(shù)據(jù)的不同實(shí)體與關(guān)系數(shù)據(jù)的聯(lián)

26、動(dòng)變化。由于工業(yè)系統(tǒng)是一個(gè)多要素、多環(huán)節(jié)的系統(tǒng)，各個(gè)環(huán)節(jié)的質(zhì)量指標(biāo)數(shù)值均會(huì)影響下一個(gè)環(huán)節(jié)。例如對(duì)一個(gè)裝備件 C 來(lái)說(shuō)，它由零件 A 和 B 組裝形成，當(dāng)零件 A 的公差已經(jīng)超過(guò) C 的精度要求時(shí)，待裝配的 C 是不可能達(dá)到質(zhì)量要求的；當(dāng)零件 A 和 B 的偏差存在互補(bǔ)效果時(shí)，裝備件 C 的質(zhì)量反而更高些。因此在產(chǎn)品的質(zhì)量數(shù)據(jù)分析過(guò)程需要將各階段質(zhì)量數(shù)據(jù)作為整體來(lái)看待。所謂“多因素”，是指產(chǎn)品質(zhì)量的影響因素來(lái)源多樣，包括人員、設(shè)備、物料、加工方法、加工環(huán)境、檢測(cè)等多方面的因素。在企業(yè)建立工業(yè)產(chǎn)品質(zhì)量大數(shù)據(jù)的過(guò)程中，多種因素?cái)?shù)據(jù)的來(lái)源和形式也是多樣化的，需要進(jìn)行專(zhuān)門(mén)的集成和歸納。 質(zhì)量大數(shù)據(jù)白皮書(shū)

27、所謂“動(dòng)態(tài)化”，是指質(zhì)量大數(shù)據(jù)是隨時(shí)間的變化以及工業(yè)系統(tǒng)狀態(tài)的變化而實(shí)時(shí)變化的。質(zhì)量包含的大量特性數(shù)據(jù)主要是跟隨產(chǎn)品全生命周期變化的，統(tǒng)計(jì)并理解產(chǎn)品質(zhì)量特性數(shù)據(jù)在全生命周期的變化規(guī)律，能夠使用戶有效把握質(zhì)量大數(shù)據(jù)的“動(dòng)態(tài)化”特征，達(dá)到對(duì)產(chǎn)品的質(zhì)量情況的全面了解。此外，質(zhì)量大數(shù)據(jù)由于其來(lái)源和應(yīng)用的特點(diǎn)，與其他工業(yè)大數(shù)據(jù)相比，還具有其它特點(diǎn)：理論工具等基礎(chǔ)較好，但存在大量碎片化的先驗(yàn)知識(shí)質(zhì)量大數(shù)據(jù)在管理上，有 6-sigma、TQM、精益管理（LEAN）等管理理念支撐，也有 ISO 9000、ISO 9001、ISO 13053 等流程標(biāo)準(zhǔn)；在技術(shù)上，有 SPC、ANOVA 等數(shù)理統(tǒng)計(jì)方法；在組織

28、上，有工藝、質(zhì)量管理、設(shè)備運(yùn)維等固有部門(mén)支撐；在信息基礎(chǔ)上，有 EAP、DCS、SCADA、 LIMS 等軟件系統(tǒng)支撐。大數(shù)據(jù)分析與先驗(yàn)知識(shí)的有機(jī)融合在質(zhì)量大數(shù)據(jù)中非常重要，但不同人員的知識(shí)或經(jīng)驗(yàn)經(jīng)常不對(duì)稱(chēng)（數(shù)據(jù)分析人員對(duì)工藝與生產(chǎn)管理了解得不夠充分，工藝人員和行業(yè)咨詢師常常對(duì)大數(shù)據(jù)分析技術(shù)的能力拿捏不準(zhǔn)），需要一種可以使不同領(lǐng)域?qū)＜矣行f(xié)同的機(jī)制，通過(guò)數(shù)據(jù)驅(qū)動(dòng)方式，提高現(xiàn)有質(zhì)量管控的時(shí)效性、預(yù)見(jiàn)性和自適應(yīng)性，從而實(shí)現(xiàn)對(duì)更大范圍要素的優(yōu)化。影響因素維度大，對(duì)“數(shù)據(jù)質(zhì)量”的要求更高影響質(zhì)量的因素眾多，不少關(guān)鍵過(guò)程量數(shù)據(jù)沒(méi)有被采集或難以采集，關(guān)鍵質(zhì)量指標(biāo)缺乏全樣本數(shù)據(jù)。關(guān)鍵參數(shù)穩(wěn)定并不等于生產(chǎn)過(guò)程

29、穩(wěn)定，緊靠數(shù)據(jù)無(wú)法完美勾勒出質(zhì)量物理空間。數(shù)據(jù)質(zhì)量不僅僅指的是數(shù)據(jù)結(jié)構(gòu)(Data Schema)層面的完整性、規(guī)范性、關(guān)聯(lián)性問(wèn)題，還包括業(yè)務(wù)語(yǔ)義層面的有效性（測(cè)量原理、安裝方式和位置、采樣頻率、測(cè)量精度和可靠性）、一致性（時(shí)空顆粒度和位置的一致性）、全面性質(zhì)量大數(shù)據(jù)白皮書(shū)問(wèn)題。質(zhì)量大數(shù)據(jù)與生產(chǎn)管理的耦合度更高質(zhì)量大數(shù)據(jù)的應(yīng)用中不存在統(tǒng)一的優(yōu)化目標(biāo)，這是因?yàn)槠髽I(yè)在每個(gè)發(fā)展階段對(duì)質(zhì)量的要求均有一些差異，既不可能為了追求質(zhì)量而一味提高設(shè)計(jì)制造成本，也不可能為了降低成本而一味壓縮質(zhì)量要求。同時(shí)，產(chǎn)品質(zhì)量問(wèn)題囊括了產(chǎn)品表面可檢測(cè)的質(zhì)量問(wèn)題、設(shè)計(jì)問(wèn)題、生產(chǎn)體系問(wèn)題及流程潛在風(fēng)險(xiǎn)等，因此目前的質(zhì)量大數(shù)據(jù)主要

30、集中于企業(yè)更為關(guān)心的質(zhì)量問(wèn)題，具有較大的特異性。隨著社會(huì)產(chǎn)品迭代速度的提升，與之匹配的質(zhì)量大數(shù)據(jù)的分析優(yōu)化迭代速率要求也需要進(jìn)行一定提升。在現(xiàn)有質(zhì)量體系下與大數(shù)據(jù)的融合主要可體現(xiàn)在重點(diǎn)質(zhì)量指標(biāo)改善（PDCA）、全面質(zhì)量指標(biāo)改善（TQM）、質(zhì)量控制能力量化（DMAIC）和精確質(zhì)量控制能力幾個(gè)方面。其中，在重點(diǎn)質(zhì)量指標(biāo)改善上，大數(shù)據(jù)主要以關(guān)鍵質(zhì)量指標(biāo)統(tǒng)計(jì)分析、關(guān)鍵工藝數(shù)據(jù)分析、關(guān)鍵設(shè)備運(yùn)行狀況分析與設(shè)備可靠性分析等方面提供服務(wù)；在全面質(zhì)量指標(biāo)改善上，大數(shù)據(jù)技術(shù)主要應(yīng)用于質(zhì)量指標(biāo)的統(tǒng)計(jì)分析、質(zhì)量指標(biāo)的相關(guān)性分析及指標(biāo)優(yōu)化等方面；在質(zhì)量控制能力量化上，大數(shù)據(jù)技術(shù)主要應(yīng)用在全集及多變量數(shù)據(jù)分析挖掘、動(dòng)態(tài)

31、參數(shù)的實(shí)時(shí)分析以及生產(chǎn)與客戶需求關(guān)聯(lián)多維質(zhì)量數(shù)據(jù)分析上；在精確質(zhì)量控制能力上，大數(shù)據(jù)技術(shù)主要應(yīng)用在質(zhì)量要素的精確管控上。與其它技術(shù)的關(guān)系質(zhì)量大數(shù)據(jù)是基于工業(yè)場(chǎng)景提出的概念，屬于工業(yè)大數(shù)據(jù)的一部分，在實(shí)際應(yīng)用過(guò)程中需要與其他的新型工業(yè)技術(shù)融合使用，以實(shí)現(xiàn)質(zhì)量大數(shù)據(jù)的有效傳輸利用及可視化。 質(zhì)量大數(shù)據(jù)白皮書(shū)質(zhì)量大數(shù)據(jù)與工業(yè)互聯(lián)網(wǎng)的關(guān)系業(yè)務(wù)應(yīng)用數(shù)據(jù)互聯(lián)交互信息互通信息管理交互數(shù)據(jù)分析研材運(yùn)發(fā)料行設(shè)性工計(jì)能況數(shù)數(shù)數(shù)據(jù)據(jù)據(jù)模擬分析數(shù)據(jù)數(shù)據(jù)字典標(biāo)識(shí)解析企業(yè)產(chǎn)業(yè)設(shè)備系統(tǒng)物理資產(chǎn)管理（端口、鏈接、安全）端到端數(shù)據(jù)傳輸多模型融合信息模型構(gòu)建工業(yè)通訊數(shù)據(jù)模型質(zhì)量分析模型仿真模型幾何模型 元數(shù)據(jù)描述數(shù)據(jù)管理數(shù)據(jù)管理

32、數(shù)據(jù)互通工業(yè)質(zhì)量數(shù)據(jù)實(shí)時(shí)轉(zhuǎn)發(fā)工業(yè)質(zhì)量數(shù)據(jù)非實(shí)時(shí)轉(zhuǎn)發(fā)有線接入（TSN、工業(yè)以太網(wǎng)、現(xiàn)場(chǎng)總線、PON、 ）網(wǎng)絡(luò)控制網(wǎng)絡(luò)管理無(wú)線接入（5G/4G、WiFi/WiFi6、WIA、wirelessHART、ISA100.11a）網(wǎng)絡(luò)互連圖 1.5 基于工業(yè)互聯(lián)網(wǎng)體系的質(zhì)量大數(shù)據(jù)使用模式工業(yè)互聯(lián)網(wǎng)關(guān)注的范疇更大，覆蓋了供應(yīng)鏈質(zhì)量和公共質(zhì)量服務(wù)和部分企業(yè)內(nèi)的質(zhì)量大數(shù)據(jù)。質(zhì)量大數(shù)據(jù)的目的主要為產(chǎn)品設(shè)計(jì)、生產(chǎn)、運(yùn)維全生命周期的質(zhì)量分析管理提供數(shù)據(jù)來(lái)源，主要聚焦于與質(zhì)量相關(guān)聯(lián)的服務(wù)，旨在為企業(yè)提升產(chǎn)品的設(shè)計(jì)、制造和運(yùn)行質(zhì)量。而工業(yè)互聯(lián)網(wǎng)作為將不同工業(yè)設(shè)備互聯(lián)，并對(duì)數(shù)據(jù)進(jìn)行統(tǒng)一網(wǎng)絡(luò)化管理的技術(shù)架構(gòu)，與工業(yè)質(zhì)量大數(shù)據(jù)

33、有著密不可分的關(guān)系。從實(shí)際工業(yè)系統(tǒng)來(lái)看，工業(yè)設(shè)備的狀態(tài)、工藝數(shù)據(jù)、產(chǎn)品數(shù)據(jù)、反饋調(diào)整操作等數(shù)據(jù)是作為質(zhì)量大數(shù)據(jù)的不同要素進(jìn)行融合分析的，而工業(yè)互聯(lián)網(wǎng)是將這些數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)化管理的系統(tǒng)。基于工業(yè)互聯(lián)網(wǎng)架構(gòu)的質(zhì)量大數(shù)據(jù)相關(guān)應(yīng)用開(kāi)發(fā)的模式與當(dāng)前工業(yè)生產(chǎn)系統(tǒng)的特征具有較好的適配性，一方面這樣的容器化部署技術(shù)不會(huì)使底層的硬件變化或遷移操作造成數(shù)據(jù)的丟失或服務(wù)的中斷，另一方面通過(guò)這樣的網(wǎng)絡(luò)化結(jié)構(gòu)能夠更加有效地利用各種計(jì)算和存儲(chǔ)資源來(lái)保障質(zhì)量數(shù)據(jù)相關(guān)的服務(wù)。質(zhì)量大數(shù)據(jù)與數(shù)字孿生的關(guān)系質(zhì)量大數(shù)據(jù)白皮書(shū)業(yè)務(wù)應(yīng)用決策描述診斷預(yù)測(cè)處置數(shù)據(jù)互聯(lián)交互信息互通交互模型互操作向數(shù)字空間映射數(shù)據(jù)模型向物理對(duì)象反饋連接物理對(duì)象多

34、模型融合幾何模型數(shù)據(jù)管理信息模型構(gòu)建 數(shù)據(jù)字典信息管理工業(yè)通訊模擬分析數(shù)據(jù)研發(fā)設(shè)計(jì)數(shù)據(jù)數(shù)據(jù)管理對(duì)工業(yè)場(chǎng)景（資產(chǎn)、過(guò)程、行為）進(jìn)行深層次、全范圍數(shù)字化，并與數(shù)字空間進(jìn)行雙向交互反饋控制采集感知構(gòu)建面向物理世界精準(zhǔn)數(shù)字化映射數(shù)據(jù)互聯(lián)：基于工業(yè)通訊實(shí)現(xiàn)設(shè)備數(shù)據(jù)的有效集成信息互通：基于信息模型實(shí)現(xiàn)物理對(duì)象語(yǔ)法統(tǒng)一模型互操作：基于多模型融合實(shí)現(xiàn)物理系統(tǒng)語(yǔ)義統(tǒng)一質(zhì)量分析模型仿真模型元數(shù)據(jù)描述標(biāo)識(shí)解析運(yùn)行工況數(shù)據(jù)材料性能數(shù)據(jù)形成綜合決策，并反饋給物理世界圖 1.6 基于數(shù)字孿生技術(shù)的質(zhì)量大數(shù)據(jù)使用模式數(shù)字孿生技術(shù)是質(zhì)量大數(shù)據(jù)的支撐技術(shù)之一，在質(zhì)量設(shè)計(jì)仿真驗(yàn) 證、生產(chǎn)過(guò)程可視化、生產(chǎn)過(guò)程仿真和異常預(yù)警等方面有

35、很多應(yīng)用。數(shù)字孿生是充分利用物理模型、傳感器更新、運(yùn)行歷史等數(shù)據(jù)，集成 多學(xué)科、多物理量、多尺度、多概率的仿真過(guò)程，在虛擬空間中完成 映射，從而反映相對(duì)應(yīng)的物理世界過(guò)程。數(shù)字孿生是一種超越現(xiàn)實(shí)的 概念，可以被視為一個(gè)或多個(gè)重要的、彼此依賴的物理系統(tǒng)的數(shù)字映 射系統(tǒng)。近期提出“元宇宙”可以看做數(shù)字孿生在交互層面的擴(kuò)展，是 利用科技手段進(jìn)行鏈接與創(chuàng)造的，與現(xiàn)實(shí)世界映射與交互的虛擬世界，具備新型社會(huì)體系的數(shù)字生活空間。工業(yè)場(chǎng)景中為了更好地研究設(shè)備運(yùn)行和產(chǎn)品加工的具體內(nèi)部應(yīng)力、形變、損傷、振動(dòng)等多種難以觀察的質(zhì)量數(shù)據(jù)，常用工業(yè)數(shù)字孿生技術(shù)將工業(yè)實(shí)體模型與其物理特性數(shù)據(jù)相結(jié)合，通過(guò)各類(lèi)孿生算法模型，完成

36、物理實(shí)體的數(shù)字空間映射。從定位上看，數(shù)字孿生是一種包含各類(lèi)物理數(shù)字空間轉(zhuǎn)化技術(shù)的集合，能幫助質(zhì)量大數(shù)據(jù)在微觀機(jī)理上的分析呈現(xiàn)更加具象化的效果，同時(shí)基于數(shù)字孿生體系中的仿真分析技術(shù)，能夠挖掘出工業(yè)物理實(shí)體本身的各類(lèi)內(nèi)部和外部應(yīng)力 質(zhì)量大數(shù)據(jù)白皮書(shū)缺陷。質(zhì)量大數(shù)據(jù)與工業(yè)大數(shù)據(jù)的關(guān)系質(zhì)量大數(shù)據(jù)是工業(yè)大數(shù)據(jù)的一個(gè)重要應(yīng)用方向。質(zhì)量大數(shù)據(jù)作為 衡量企業(yè)全生命周期運(yùn)行質(zhì)量的重要手段，對(duì)企業(yè)的日常經(jīng)營(yíng)有著重 大作用。但站在企業(yè)整體的角度，質(zhì)量只是一個(gè)業(yè)務(wù)維度，企業(yè)還有 設(shè)備管理、生產(chǎn)管理、能源管理等等其它業(yè)務(wù)維度，同樣也需要大數(shù) 據(jù)支持。工業(yè)大數(shù)據(jù)正是使用大數(shù)據(jù)來(lái)幫助企業(yè)解決上述問(wèn)題的統(tǒng)稱(chēng)。從范圍來(lái)看，質(zhì)量

37、大數(shù)據(jù)是作為工業(yè)大數(shù)據(jù)的一部分而存在。對(duì)企業(yè) 來(lái)說(shuō)，一個(gè)底層數(shù)據(jù)源如設(shè)備的工況數(shù)據(jù)可能被用于支持多個(gè)業(yè)務(wù)應(yīng) 用領(lǐng)域，因此質(zhì)量大數(shù)據(jù)和其他工業(yè)大數(shù)據(jù)常常存在多種交叉。從技 術(shù)的角度來(lái)看，工業(yè)大數(shù)據(jù)平臺(tái)、大數(shù)據(jù)分析、人工智能等技術(shù)在不 同問(wèn)題上有很多共性，通用的工業(yè)大數(shù)據(jù)技術(shù)往往可以引入解決質(zhì)量 大數(shù)據(jù)的問(wèn)題。質(zhì)量大數(shù)據(jù)與人工智能的關(guān)系人工智能是質(zhì)量大數(shù)據(jù)分析的重要技術(shù)手段。人工智能技術(shù)包括專(zhuān)家系統(tǒng)、機(jī)器學(xué)習(xí)（包括深度學(xué)習(xí)）、進(jìn)化計(jì)算、模糊邏輯等方向，在質(zhì)量大數(shù)據(jù)中有很多應(yīng)用場(chǎng)景，特別是機(jī)器學(xué)習(xí)和專(zhuān)家系統(tǒng)。深度學(xué)習(xí)算法在表面質(zhì)量檢測(cè)、X-Ray 檢測(cè)等圖像檢測(cè)有廣泛的應(yīng)用，大大提高了質(zhì)量檢測(cè)的效率

38、和覆蓋率。機(jī)器學(xué)習(xí)算法在異常預(yù)警、工藝參數(shù)等場(chǎng)景中也有不少應(yīng)用。質(zhì)量排查通常會(huì)涉及到多個(gè)環(huán)節(jié)、大量參數(shù)、多個(gè)周期，排查工作量大，排查周期長(zhǎng)，規(guī)則引擎（專(zhuān)家系統(tǒng)的簡(jiǎn)化形式）可以在質(zhì)量排查自動(dòng)化上發(fā)揮很大作用。質(zhì)量大數(shù)據(jù)的要素維度高、類(lèi)型多樣但樣本偏少，這些特點(diǎn)也促發(fā)了人工智能的很多新課題，例如小樣本學(xué)習(xí)、多模態(tài)學(xué)習(xí)、聯(lián)邦學(xué)習(xí)等。質(zhì)量大數(shù)據(jù)白皮書(shū)質(zhì)量大數(shù)據(jù)與區(qū)塊鏈的關(guān)系區(qū)塊鏈?zhǔn)琴|(zhì)量大數(shù)據(jù)可以利用的關(guān)鍵技術(shù)。區(qū)塊鏈?zhǔn)且粋€(gè)分布式的共享賬本和數(shù)據(jù)庫(kù)，具有去中心化、不可篡改、全程留痕、可以追溯、集體維護(hù)、公開(kāi)透明等特點(diǎn)。這些特點(diǎn)保證了區(qū)塊鏈的“誠(chéng)實(shí)”與“透明”，能夠解決信息不對(duì)稱(chēng)問(wèn)題，實(shí)現(xiàn)多個(gè)主體之間的協(xié)

39、作信任與一致行動(dòng)。區(qū)塊鏈可以作為質(zhì)量追溯的支撐技術(shù)，實(shí)現(xiàn)產(chǎn)業(yè)鏈不同企業(yè)間的產(chǎn)品標(biāo)識(shí)的鏈接機(jī)制，也為產(chǎn)業(yè)鏈的質(zhì)量協(xié)同優(yōu)化和聯(lián)邦學(xué)習(xí)典型技術(shù)基礎(chǔ)。在質(zhì)量大數(shù)據(jù)的應(yīng)用中，除了產(chǎn)品追溯外，其他場(chǎng)景都面臨著信息差異大（不同行業(yè)質(zhì)量數(shù)據(jù)信息差異性大、不同分析主題的信息需求的范圍和顆粒度差異也很大）的挑戰(zhàn)，這也為區(qū)塊鏈技術(shù)提出新的課題。 質(zhì)量大數(shù)據(jù)白皮書(shū)2. 質(zhì)量大數(shù)據(jù)發(fā)展歷程與現(xiàn)狀質(zhì)量大數(shù)據(jù)的發(fā)展歷程質(zhì)量管理體系的演化按照質(zhì)量管理在各個(gè)國(guó)家實(shí)踐的特點(diǎn)來(lái)看，質(zhì)量管理學(xué)科的發(fā)展經(jīng)歷了四個(gè)階段，如圖 2.1 所示。圖 2.1 質(zhì)量管理學(xué)科發(fā)展的四個(gè)階段傳統(tǒng)質(zhì)量檢驗(yàn)階段（20 世紀(jì)初至 20 年代末）質(zhì)量檢驗(yàn)階段

40、第一次將質(zhì)量管理從生產(chǎn)管理獨(dú)立出來(lái)，其特點(diǎn)是以事后檢驗(yàn)為主。代表人物及其理論有：泰勒的科學(xué)管理理論，建立專(zhuān)職檢查制度；費(fèi)希爾的方差分析和實(shí)驗(yàn)設(shè)計(jì)理論等。統(tǒng)計(jì)質(zhì)量管理階段（20 世紀(jì) 30 年代至 50 年代）相較于質(zhì)量檢驗(yàn)階段，統(tǒng)計(jì)質(zhì)量控制階段從單純地依靠質(zhì)量檢驗(yàn)事后把關(guān)，發(fā)展到工序過(guò)程控制，顯著的特點(diǎn)是質(zhì)量的預(yù)防性控制和質(zhì)量大數(shù)據(jù)白皮書(shū)事后檢驗(yàn)相結(jié)合，形成質(zhì)量管控的閉環(huán)。代表人物及其理論有：休哈特的統(tǒng)計(jì)過(guò)程控制理論；道奇的質(zhì)量抽樣檢測(cè)理論等。該階段將統(tǒng)計(jì)數(shù)學(xué)引入質(zhì)量管理中，不但強(qiáng)調(diào)定性分析，還強(qiáng)調(diào)定量分析，是質(zhì)量管理學(xué)科走向成熟的標(biāo)志。全面質(zhì)量管理階段（20 世紀(jì) 60 年代 20 世紀(jì)末）

41、全面質(zhì)量管理將質(zhì)量管理從生產(chǎn)單一環(huán)節(jié)擴(kuò)展到全環(huán)節(jié)（設(shè)計(jì)、生產(chǎn)、運(yùn)維等），強(qiáng)調(diào)質(zhì)量管理是一個(gè)以質(zhì)量管理為中心，以全員參與為基礎(chǔ)，以生產(chǎn)的全過(guò)程為管理對(duì)象的系統(tǒng)工程。代表人物及其理論有：費(fèi)根堡姆的全面質(zhì)量管理理論，田口玄一的田口法等。除此之外，各行業(yè)也出現(xiàn)了權(quán)威的質(zhì)量管理標(biāo)準(zhǔn)，例如：適用于各行業(yè)的質(zhì)量管理標(biāo)準(zhǔn) ISO 9001,適用于汽車(chē)行業(yè)的質(zhì)量管理標(biāo)準(zhǔn) IATF 16949,適用于醫(yī)療設(shè)備行業(yè)的質(zhì)量管理標(biāo)準(zhǔn) ISO 13485,適用于視頻行業(yè)的標(biāo)準(zhǔn) ISO 22000,適用于航空航天和國(guó)防制造業(yè)的質(zhì)量管理標(biāo)準(zhǔn) AS9100 revC、AS9100 revD，適用于醫(yī)療設(shè)備制造行業(yè)的智聯(lián)管理標(biāo)準(zhǔn)

42、 ISO 13485 等。這些不同行業(yè)的質(zhì)量管理標(biāo)準(zhǔn)對(duì)促進(jìn)本行業(yè)的質(zhì)量管理具有重要的指導(dǎo)作用。智能質(zhì)量管理階段（21 世紀(jì)至今）數(shù)字化質(zhì)量管理是基于新一代信息技術(shù)與質(zhì)量管理深度融合，提升全生命周期、全價(jià)值鏈、全產(chǎn)業(yè)鏈質(zhì)量管理活動(dòng)數(shù)字化、網(wǎng)絡(luò)化、智能化水平，提高質(zhì)量品牌競(jìng)爭(zhēng)力的先進(jìn)質(zhì)量管理模式。數(shù)據(jù)、信息和知識(shí)是該階段質(zhì)量管理的重要資源。質(zhì)量數(shù)據(jù)分析的演變傳統(tǒng)的質(zhì)量數(shù)據(jù)分析常用以下方法：基于概率統(tǒng)計(jì)的分析方法在對(duì)隨機(jī)現(xiàn)象的研究和各種決策中，利用樣本（數(shù)據(jù)）提供的信息去推斷總體的數(shù)量規(guī)律性，作出有關(guān)總體的某種結(jié)論。推斷統(tǒng)計(jì)學(xué) 質(zhì)量大數(shù)據(jù)白皮書(shū)是建立在概率與概率分布的理論基礎(chǔ)上的統(tǒng)計(jì)方法?；跁r(shí)間序

43、列的分析方法客觀事物都是不斷地在發(fā)展變化之中，對(duì)事物發(fā)展變化的規(guī)律，不僅要從內(nèi)部結(jié)構(gòu)、相互關(guān)聯(lián)中去認(rèn)識(shí)，而且應(yīng)從隨時(shí)間演變的過(guò)程中去研究。這就需要運(yùn)用統(tǒng)計(jì)學(xué)中的時(shí)間序列分析方法。對(duì)時(shí)間序列進(jìn)行分析的目的，一是為了描述事物在過(guò)去時(shí)間的狀態(tài)，二是為了分析事物發(fā)展變化的規(guī)律性，三是為了根據(jù)事物的過(guò)去行為預(yù)測(cè)它們的將來(lái)行為?；谑锢淼姆治龇椒ㄒ钥煽啃岳碚摓榛A(chǔ)，配合物理和化學(xué)方面的分析，說(shuō)明構(gòu)成產(chǎn)品的零件或材料發(fā)生失效的本質(zhì)原因，并以此為改進(jìn)設(shè)計(jì)和消除失效的依據(jù)，最終提高產(chǎn)品的可靠度。通過(guò)分析相關(guān)試驗(yàn)的結(jié)果，發(fā)現(xiàn)與零件、材料失效相關(guān)的特性參數(shù)、數(shù)學(xué)模型、退化模式等失效機(jī)理信息，進(jìn)而建立壽命與各參數(shù)

44、間的數(shù)學(xué)模型，提出本質(zhì)的改善方法。從物理本質(zhì)上描述產(chǎn)品的失效機(jī)理，構(gòu)建產(chǎn)品失效物理退化量與產(chǎn)品可靠性之間的內(nèi)在聯(lián)系，并以之進(jìn)行可靠性統(tǒng)計(jì)推斷。其目的在于說(shuō)明失效本質(zhì)，為消除或減少失效提供定量依據(jù)，最終提高產(chǎn)品的質(zhì)量。以上這些傳統(tǒng)數(shù)據(jù)分析方法，大多數(shù)都是通過(guò)對(duì)原始數(shù)據(jù)集進(jìn)行抽樣或者過(guò)濾，然后對(duì)數(shù)據(jù)樣本進(jìn)行分析，尋找特征和規(guī)律，其最大的特點(diǎn)是通過(guò)復(fù)雜的算法從有限的樣本空間中獲取盡可能多的信息。傳統(tǒng)抽樣數(shù)據(jù)的量可能還不夠大。根據(jù)調(diào)查研究的需要確定樣本量的總體規(guī)模，是整個(gè)抽樣的前提?？傮w規(guī)模涵蓋不全面，可導(dǎo)致抽樣誤差和結(jié)果的無(wú)效。同時(shí)，傳統(tǒng)的數(shù)據(jù)分析方法著眼于已經(jīng)認(rèn)識(shí)到的因素的分析，而忽視了故障因素的

45、隱蔽性，不能針對(duì)所有因素進(jìn)行全面系統(tǒng)的分析，可能造成分析結(jié)果不全面甚至不正確。質(zhì)量大數(shù)據(jù)白皮書(shū)大數(shù)據(jù)帶來(lái)的契機(jī)質(zhì)量分析隨著計(jì)算能力和存儲(chǔ)能力的提升，大數(shù)據(jù)分析方法與傳統(tǒng)分析方法的最大區(qū)別在于分析的對(duì)象是全體數(shù)據(jù)，而不是數(shù)據(jù)樣本，其最大的特點(diǎn)在于不追求算法的復(fù)雜性和精確性，而追求可以高效地對(duì)整個(gè)數(shù)據(jù)集的分析。質(zhì)量大數(shù)據(jù)為質(zhì)量分析帶來(lái)四個(gè)轉(zhuǎn)變，這些轉(zhuǎn)變將改變質(zhì)量管理中數(shù)據(jù)分析的方法。第一個(gè)轉(zhuǎn)變：在大數(shù)據(jù)時(shí)代，可以分析更多的質(zhì)量數(shù)據(jù)，甚至是某個(gè)事物的全集質(zhì)量數(shù)據(jù)，并且“樣本”可以等于“總體”，而不需要隨機(jī)抽樣和多級(jí)抽樣，可以洞察全局、整體的質(zhì)量，更容易形成“系統(tǒng)質(zhì)量觀”。第二個(gè)轉(zhuǎn)變：在大數(shù)據(jù)時(shí)代，因

46、為數(shù)據(jù)量非常龐大，可以不再熱衷于追求精確性，而是可以適當(dāng)忽略微觀層面的精確性而專(zhuān)注于宏觀層面的洞察力，偏重于用概率說(shuō)話，接受混亂和不準(zhǔn)確性，寬容錯(cuò)誤可能會(huì)帶來(lái)更多價(jià)值，不追求最高質(zhì)量（質(zhì)量是有成本的，很多時(shí)候并不是質(zhì)量越高越好，需要綜合考慮），而追求最具效能的質(zhì)量，更容易形成“效能質(zhì)量觀”。第三個(gè)轉(zhuǎn)變：在大數(shù)據(jù)時(shí)代，質(zhì)量分析將從尋找因果關(guān)系躍遷到尋找事物之間的關(guān)聯(lián)關(guān)系，能讓我們超越目前已掌握質(zhì)量可靠性理論的局限，發(fā)現(xiàn)新的質(zhì)量問(wèn)題、挖掘新的潛在價(jià)值，更容易形成“超前質(zhì)量觀”。第四個(gè)轉(zhuǎn)變：在大數(shù)據(jù)時(shí)代，“數(shù)據(jù)+算法”研究范式將由于數(shù)據(jù) “量”的增長(zhǎng)形成“質(zhì)”的變革，簡(jiǎn)單算法比傳統(tǒng)的復(fù)雜分析算法更有

47、效，改變傳統(tǒng)基于有限數(shù)據(jù)不得不花費(fèi)大量精力追求算法復(fù)雜性、精密性和智能性的模式，花費(fèi)更少的精力尋找有效的簡(jiǎn)單算法，計(jì)算分析的效率也將提升，更容易形成“簡(jiǎn)單質(zhì)量觀”。 質(zhì)量大數(shù)據(jù)白皮書(shū)質(zhì)量管理 圖 2.2 質(zhì)量管理體系與大數(shù)據(jù)的融合關(guān)系隨著制造業(yè)數(shù)字化轉(zhuǎn)型、高檔數(shù)控機(jī)床的配置應(yīng)用和自動(dòng)化采集設(shè)備的廣泛應(yīng)用，工業(yè)裝備生產(chǎn)產(chǎn)生的質(zhì)量數(shù)據(jù)，逐漸被全方位采集和多形式記錄，數(shù)據(jù)量、數(shù)據(jù)類(lèi)型、數(shù)據(jù)傳輸均得到大幅提升和擴(kuò)展，不斷采集和積累的質(zhì)量數(shù)據(jù)將質(zhì)量管理推進(jìn)到大數(shù)據(jù)時(shí)代。隨著大數(shù)據(jù)時(shí)代的到來(lái)，基于大數(shù)據(jù)的質(zhì)量控制、質(zhì)量追溯等技術(shù)開(kāi)始得到應(yīng)用，質(zhì)量控制變得比以前更加精準(zhǔn)，基于質(zhì)量大數(shù)據(jù)技術(shù)的智能質(zhì)量管理模式

48、將會(huì)是往后質(zhì)量管理模式的重要發(fā)展方向。一方面，在既有質(zhì)量管理體系下，質(zhì)量大數(shù)據(jù)技術(shù)可以加速和提升關(guān)鍵過(guò)程環(huán)節(jié)的效率和質(zhì)量，主要體現(xiàn)在質(zhì)量問(wèn)題的可視、可溯、可決這三個(gè)方面，如表 2-1 所示。表 2-1：質(zhì)量大數(shù)據(jù)從不同方面加速和提升效率和質(zhì)量大數(shù)據(jù)的作用在質(zhì)量管理中的作用大數(shù)據(jù)平臺(tái)大數(shù)據(jù)分析可視時(shí)效性、真實(shí)性、全面性生產(chǎn)全要素的橫向（以設(shè)備、工藝流程為中心的數(shù)據(jù)檔案）、縱向（生產(chǎn)周期、保新的檢測(cè)方法（基于視覺(jué)、音頻或傳感數(shù)據(jù)的分析）傳感器或器具矯正質(zhì)量大數(shù)據(jù)白皮書(shū)養(yǎng)周期）拉通可溯支持專(zhuān)家，深入探索，而不用去各處抓數(shù)據(jù)生產(chǎn)全要素的關(guān)聯(lián)與追蹤（基于行 業(yè) 大 數(shù) 據(jù) 模版）問(wèn)題排查自動(dòng)化：基于行業(yè)

49、知識(shí)圖譜、關(guān)聯(lián)模型把例行的事情自動(dòng)質(zhì)量分析質(zhì)量根因分析控制參數(shù)優(yōu)化質(zhì)量異常預(yù)警質(zhì)量時(shí)空模式分析設(shè)備穩(wěn)定性異常波動(dòng)檢測(cè)偏差識(shí)別預(yù)測(cè)性維修化，降低低價(jià)值工作的透明化管理時(shí)間（可借助 AR/VR把模糊的規(guī)則明確等技術(shù)）化，降低波動(dòng)性和不確對(duì)比分析（橫可決定性把復(fù)雜的問(wèn)題簡(jiǎn)單向/縱向Benchmark）化（降維、找出典型模典型工況案式）例庫(kù)把事后響應(yīng)變成提典型設(shè)備異前預(yù)知，把預(yù)防性變成常案例庫(kù)基于狀態(tài)的按需行動(dòng)更重要的是，通過(guò)一些數(shù)字化歷程，質(zhì)量大數(shù)據(jù)管理將實(shí)現(xiàn)從“科學(xué)化”、“定量化”到“智能化”的轉(zhuǎn)型。在質(zhì)量管理執(zhí)行模式上，將從“以人和流程管理為中心”變?yōu)椤耙詳?shù)據(jù)洞察和智能決策為中心”。過(guò)去是問(wèn)題找

50、人，人來(lái)找設(shè)備找數(shù)據(jù)去支撐，現(xiàn)在是問(wèn)題去找數(shù)據(jù)，分析后的結(jié)論再去找人；過(guò)去是人需要主動(dòng)發(fā)現(xiàn)改善點(diǎn)，現(xiàn)在是潛在改善建議主動(dòng)找人確認(rèn)。這樣，質(zhì)量管理人員不再受限于生產(chǎn)現(xiàn)場(chǎng)，通過(guò)數(shù)字孿生可以在更大廣度上實(shí)現(xiàn)質(zhì)量的集中管理。在管理經(jīng)驗(yàn)和知識(shí)的傳承方式上，將“以人和文檔為載體”的模式轉(zhuǎn)變“以數(shù)字為載體”的模式。歷史上出現(xiàn)過(guò)產(chǎn)品質(zhì)量過(guò)程可以在很大程度上保持下來(lái)，這樣質(zhì)量管理知識(shí)將可以跨越物理時(shí)空，實(shí)現(xiàn)更大范圍的沉淀；知識(shí)載體是數(shù)據(jù)和模型，經(jīng)過(guò)大量數(shù)據(jù)不同場(chǎng)景的證偽檢驗(yàn)，可信度有相對(duì)客觀的評(píng)價(jià)，消除了傳承損失，復(fù)用成本更低。 質(zhì)量大數(shù)據(jù)白皮書(shū)質(zhì)量大數(shù)據(jù)的現(xiàn)狀技術(shù)基礎(chǔ)現(xiàn)狀質(zhì)量數(shù)據(jù)采集體系日趨成熟質(zhì)量數(shù)據(jù)采集體

51、系包括數(shù)據(jù)采集、存儲(chǔ)、集成、管理、訪問(wèn)等，是質(zhì)量數(shù)據(jù)分析和應(yīng)用的基礎(chǔ)。隨著設(shè)備數(shù)字化程度的提高以及工業(yè)互聯(lián)網(wǎng)平臺(tái)的發(fā)展，企業(yè)能通過(guò) ERP、MES、工業(yè)互聯(lián)網(wǎng)平臺(tái)等系統(tǒng)采集包含人、機(jī)、料、法、環(huán)、測(cè)環(huán)節(jié)的海量質(zhì)量數(shù)據(jù)。據(jù)2020 中國(guó)大數(shù)據(jù)產(chǎn)業(yè)發(fā)展白皮書(shū)，自 2014 年起，大數(shù)據(jù)專(zhuān)利數(shù)量開(kāi)始飛速增長(zhǎng)，到 2019 年，中國(guó)共擁有大數(shù)據(jù)相關(guān)專(zhuān)利 32301 項(xiàng)，數(shù)據(jù)采集是大數(shù)據(jù)專(zhuān)利技術(shù)領(lǐng)域的熱門(mén)詞匯。在一些自動(dòng)化程度較高的行業(yè)，如面板行業(yè)、SMT 生產(chǎn)行業(yè)等，質(zhì)量數(shù)據(jù)采集體系已經(jīng)十分成熟，為質(zhì)量數(shù)據(jù)分析和應(yīng)用奠定堅(jiān)實(shí)的基礎(chǔ)。質(zhì)量大數(shù)據(jù)分析技術(shù)蓬勃發(fā)展傳統(tǒng)的 SPC 控制圖分析、方差分析等質(zhì)量數(shù)

52、據(jù)分析技術(shù)已經(jīng)不能滿足當(dāng)下大量數(shù)據(jù)的分析需求。運(yùn)用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能算法實(shí)現(xiàn)面向歷史數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)、時(shí)序數(shù)據(jù)的聚類(lèi)、關(guān)聯(lián)和預(yù)測(cè)分析成為當(dāng)下質(zhì)量大數(shù)據(jù)分析技術(shù)的核心，隨著人工智能算法的不斷發(fā)展，基于這些最新的人工智能算法的質(zhì)量數(shù)據(jù)分析層出不窮，質(zhì)量大數(shù)據(jù)分析技術(shù)正在蓬勃發(fā)展。目前質(zhì)量分析主要集中在 6 個(gè)層面：質(zhì)量根因分析、控制參數(shù)優(yōu)化、質(zhì)量異常預(yù)警、質(zhì)量時(shí)空模式分析、質(zhì)量檢測(cè)和生產(chǎn)設(shè)備智能運(yùn)維，如圖 2.3 所示。智能運(yùn)維運(yùn)維成品檢測(cè)質(zhì)量根因分析設(shè)計(jì)生產(chǎn)制造質(zhì)量檢測(cè)質(zhì)量時(shí)空模式分析質(zhì)量預(yù)警控制參數(shù)優(yōu)化質(zhì)量大數(shù)據(jù)白皮書(shū)應(yīng)數(shù)用據(jù)自的由獲度取難度圖 2.3 質(zhì)量問(wèn)題分析的 6 個(gè)層面質(zhì)量根

53、因分析質(zhì)量根因分析是建立質(zhì)量指標(biāo)與監(jiān)測(cè)參數(shù)之間的對(duì)應(yīng)關(guān)系，監(jiān)測(cè)參數(shù)可以是設(shè)計(jì)、生產(chǎn)、檢測(cè)各個(gè)階段的數(shù)據(jù)，可用于實(shí)現(xiàn)工藝的優(yōu)化、質(zhì)量控制、質(zhì)量預(yù)警等，應(yīng)用范圍較廣，但是需要獲取高質(zhì)量的樣本數(shù)據(jù)才能建立較為精確的映射關(guān)系，因此數(shù)據(jù)獲取難度較大。控制參數(shù)優(yōu)化控制參數(shù)優(yōu)化是對(duì)生產(chǎn)過(guò)程中的需要人為控制的參數(shù)進(jìn)行優(yōu)化，提升產(chǎn)品質(zhì)量，可用于實(shí)現(xiàn)產(chǎn)品質(zhì)量控制與工藝設(shè)計(jì)優(yōu)化。與質(zhì)量根因分析相比，控制參數(shù)優(yōu)化問(wèn)題不需要找到監(jiān)測(cè)參數(shù)與質(zhì)量指標(biāo)之間的精確關(guān)系，只需要找到質(zhì)量較好的那部分質(zhì)量指標(biāo)與監(jiān)測(cè)參數(shù)之間的關(guān)系，且這里的監(jiān)測(cè)參數(shù)是可控的，因此數(shù)據(jù)獲取難度小于質(zhì)量根因分析。質(zhì)量異常預(yù)警質(zhì)量異常預(yù)警是根據(jù)當(dāng)前制造過(guò)程的

54、參數(shù)對(duì)本批次產(chǎn)品質(zhì)量進(jìn)行預(yù)測(cè)，對(duì)高風(fēng)險(xiǎn)的在制品進(jìn)行預(yù)警，為質(zhì)量提升提供指導(dǎo)。質(zhì)量時(shí)空模式分析質(zhì)量時(shí)空模式分析主要是挖掘不同生產(chǎn)線、不同季節(jié)、不同物料等對(duì)質(zhì)量的影響，提高對(duì)工藝流程的認(rèn)識(shí)，為工藝設(shè)計(jì)提供幫助。 質(zhì)量大數(shù)據(jù)白皮書(shū)質(zhì)量檢測(cè)質(zhì)量檢測(cè)是對(duì)成品的質(zhì)量進(jìn)行自動(dòng)檢測(cè)，及時(shí)發(fā)現(xiàn)質(zhì)量不合格的產(chǎn)品?？梢酝ㄟ^(guò)超聲波檢測(cè)儀、工業(yè)相機(jī)等設(shè)備，采集產(chǎn)品的質(zhì)檢數(shù)據(jù)，利用信號(hào)處理、圖像識(shí)別等技術(shù)手段，發(fā)現(xiàn)產(chǎn)品的表面、內(nèi)部等缺陷問(wèn)題。智能運(yùn)維智能運(yùn)維包含兩方面的研究，一方面是對(duì)生產(chǎn)設(shè)備進(jìn)行預(yù)測(cè)性維 護(hù)，另一方面是對(duì)產(chǎn)品試用期進(jìn)行質(zhì)量洞察。對(duì)生產(chǎn)設(shè)備進(jìn)行預(yù)測(cè)性 維護(hù)可以減少由于設(shè)備原因所導(dǎo)致的產(chǎn)品質(zhì)量低、生產(chǎn)效率低

55、等問(wèn)題，對(duì)產(chǎn)品試用期進(jìn)行質(zhì)量洞察有助于我們及時(shí)了解產(chǎn)品交付后的質(zhì)量 是否合格，有助于幫助我們改進(jìn)產(chǎn)品設(shè)計(jì)、改進(jìn)制造工藝等，且通過(guò) 試用期的運(yùn)維數(shù)據(jù)可以判斷用戶是否正確使用該產(chǎn)品，為售后人員的 售后服務(wù)提供幫助。行業(yè)應(yīng)用現(xiàn)狀隨著數(shù)據(jù)采集體系的日趨成熟以及質(zhì)量大數(shù)據(jù)分析技術(shù)的蓬勃 發(fā)展，企業(yè)自身的數(shù)據(jù)積累與技術(shù)積累已經(jīng)達(dá)到了一定的程度，質(zhì)量 大數(shù)據(jù)技術(shù)得到落地應(yīng)用。在自動(dòng)化程度較高的行業(yè)尤為明顯。例如 在半導(dǎo)體行業(yè)，將質(zhì)量大數(shù)據(jù)技術(shù)引入 FDC 數(shù)據(jù)分析系統(tǒng)，幫助產(chǎn)品 生產(chǎn)過(guò)程進(jìn)行質(zhì)量管理，提升其管理水平，從而獲得穩(wěn)定的產(chǎn)品良率。在電子制造行業(yè)，許多企業(yè)利用質(zhì)量大數(shù)據(jù)系統(tǒng)輔助 SMT 產(chǎn)線進(jìn)行質(zhì)

56、量管理，提高產(chǎn)品生產(chǎn)效率與生產(chǎn)質(zhì)量。在汽車(chē)行業(yè)，特別是一線品 牌的汽車(chē)企業(yè)，以質(zhì)量大數(shù)據(jù)核心的質(zhì)量管理系統(tǒng)已經(jīng)進(jìn)入普及階段。此以外，質(zhì)量大數(shù)據(jù)在化工、新材料生產(chǎn)等行業(yè)也得到了一些實(shí)際的 應(yīng)用，為企業(yè)質(zhì)量管理提供幫助。但也可以看到，不同行業(yè)的側(cè)重點(diǎn)不同。以分析課題為例，如表 2-2 給出一些行業(yè)的典型質(zhì)量分析課題，即使名字相同課題在不同行質(zhì)量大數(shù)據(jù)白皮書(shū)業(yè)的內(nèi)涵與主要矛盾也常常不同。表 2-2：一些典型行業(yè)的質(zhì)量分析課題行業(yè)質(zhì)量根因分析控制參數(shù)優(yōu)化質(zhì)量異常預(yù)警質(zhì)量時(shí)空模式分析質(zhì)量檢測(cè)面板ELA-Mura根因分析CIE 控制參數(shù)優(yōu)化Mask PPA 優(yōu)化ELA-Mura 不良的智能預(yù)警TFT 智能

57、排查 Particle 追溯分析Array 路徑差異分析多層缺陷的智能識(shí)別SMT生產(chǎn)鋼網(wǎng)參數(shù)優(yōu)化刷錫質(zhì)量預(yù)測(cè)異常智能定位AOI 不良品的智能復(fù)判新材料生產(chǎn)質(zhì)量波動(dòng)的 關(guān)聯(lián)分析關(guān)鍵設(shè)備的控制參數(shù)優(yōu)化能耗優(yōu)化異常模式挖掘產(chǎn)品表面質(zhì)量的圖像研判化工灌裝質(zhì)量分 析工藝參數(shù)優(yōu)化灌裝控制優(yōu)化工藝參數(shù)波動(dòng)的質(zhì)量影響預(yù)測(cè)漏封規(guī)律挖掘煤質(zhì)在線檢測(cè)醫(yī)藥操作參數(shù)優(yōu)化批次規(guī)律分析鋼鐵波動(dòng)性分析黃金批次分析在線調(diào)整設(shè)備劣化趨勢(shì)預(yù)警米跟蹤表面質(zhì)量圖像檢測(cè)汽車(chē)制造鑄造缺陷根 因分析臺(tái)車(chē)偏差自動(dòng)識(shí)別焊接參數(shù)異常預(yù)警輪轂鑄造成本估算故障原因和處理措施的聚類(lèi)在線檢測(cè)的自動(dòng)校正公共政策現(xiàn)狀當(dāng)前各國(guó)政府紛紛出臺(tái)相關(guān)政策大力發(fā)展先進(jìn)制

58、造業(yè)，促進(jìn)工業(yè)產(chǎn)品質(zhì)量、市場(chǎng)競(jìng)爭(zhēng)力的提升。質(zhì)量大數(shù)據(jù)技術(shù)是在新一代信息技術(shù)背景下解決工業(yè)產(chǎn)品質(zhì)量問(wèn)題、提高市場(chǎng)競(jìng)爭(zhēng)力的一種關(guān)鍵技術(shù)，質(zhì)量管理與大數(shù)據(jù)結(jié)合成為當(dāng)下質(zhì)量管理發(fā)展的重要方向，世界各國(guó)紛紛布局質(zhì)量大數(shù)據(jù)，引導(dǎo)企業(yè)變革質(zhì)量管理手段，提升產(chǎn)品質(zhì)量。國(guó)外發(fā)展政策情況 質(zhì)量大數(shù)據(jù)白皮書(shū)美國(guó)在 2018 年 10 月發(fā)布了美國(guó)先進(jìn)制造領(lǐng)導(dǎo)戰(zhàn)略，在“智能與數(shù)字制造”部分明確提出了下一步行動(dòng)計(jì)劃“將大數(shù)據(jù)分析和先進(jìn)的傳感和控制技術(shù)應(yīng)用于大量制造活動(dòng)。支持生產(chǎn)機(jī)器，流程和系統(tǒng)的實(shí)時(shí)建模和仿真，以預(yù)測(cè)和改進(jìn)產(chǎn)品質(zhì)量和可靠性；挖掘歷史設(shè)計(jì)，生產(chǎn)和性能數(shù)據(jù)，以揭示創(chuàng)建它們的專(zhuān)家設(shè)計(jì)者的隱含產(chǎn)品和工藝技術(shù)”。

59、德國(guó)在 2015 年 4 月提出“工業(yè) 4.0”戰(zhàn)略，強(qiáng)調(diào)利用信息技術(shù)和制造技術(shù)的融合，通過(guò)采集產(chǎn)品生產(chǎn)運(yùn)行數(shù)據(jù)，對(duì)產(chǎn)品進(jìn)行預(yù)測(cè)性維護(hù)，同時(shí)輔助產(chǎn)品進(jìn)行進(jìn)一步升級(jí)換代、新產(chǎn)品開(kāi)發(fā)，以及其他市場(chǎng)經(jīng)營(yíng)行為的決策。日本在 2017 年提出其工業(yè)領(lǐng)域?qū)?shí)行“互聯(lián)工業(yè)”戰(zhàn)略，以采集海量數(shù)據(jù)為基礎(chǔ)，將人、設(shè)備、系統(tǒng)、技術(shù)等關(guān)鍵數(shù)據(jù)相互連接起來(lái)，從而創(chuàng)造新的附加值并解決相關(guān)質(zhì)量問(wèn)題。法國(guó)在 2013 年提出“新工業(yè)法國(guó)”戰(zhàn)略，引導(dǎo)諸多法國(guó)企業(yè)積極投身以大數(shù)據(jù)為基礎(chǔ)的產(chǎn)品研發(fā)，改進(jìn)產(chǎn)品質(zhì)量水平。在該戰(zhàn)略的指引下，法國(guó)眾多企業(yè)以大數(shù)據(jù)技術(shù)的研究和利用為主要內(nèi)容，設(shè)立專(zhuān)門(mén)的工作室和實(shí)驗(yàn)室從事質(zhì)量設(shè)計(jì)和研發(fā)。201

60、7年9月2021年3月2015年5月2018年1月 十四五規(guī)劃 國(guó)務(wù)院關(guān)于開(kāi)展質(zhì)量提升行動(dòng)的指導(dǎo)意見(jiàn)制造強(qiáng)國(guó)戰(zhàn)略國(guó)務(wù)院關(guān)于積極推進(jìn) 互聯(lián)網(wǎng)+ 行動(dòng)的指導(dǎo)意見(jiàn)國(guó)內(nèi)發(fā)展政策情況圖 2.4 國(guó)務(wù)院發(fā)布相關(guān)政策路線圖目前，我國(guó)的經(jīng)濟(jì)發(fā)展方式由高速發(fā)展轉(zhuǎn)向高質(zhì)量發(fā)展，因此黨中央、國(guó)務(wù)院出臺(tái)了一系列“質(zhì)量發(fā)展”、“大數(shù)據(jù)”、“兩化融合”、 “互聯(lián)網(wǎng)與制造業(yè)融合”等綜合性政策和指示，全面指導(dǎo)我國(guó)制造業(yè)質(zhì)量大數(shù)據(jù)白皮書(shū)數(shù)字化轉(zhuǎn)型以及向高質(zhì)量方向發(fā)展，如表 2-3 所示。表 2-3 國(guó)家相關(guān)政策序號(hào)名稱(chēng)發(fā)文日期發(fā)文單位1制造強(qiáng)國(guó)戰(zhàn)略2015 年 5 月國(guó)務(wù)院2國(guó)務(wù)院關(guān)于開(kāi)展質(zhì)量提升行動(dòng)的指導(dǎo)意見(jiàn)（以下簡(jiǎn)稱(chēng)“質(zhì)量