董曉洋 甄業(yè)安 徐丙海

摘要：隨著智能制造新時代的到來，工業(yè)大數(shù)據(jù)應用作為企業(yè)創(chuàng)新和變革的主要驅(qū)動力正受到關注？但是，及時，可靠和準確的高質(zhì)量數(shù)據(jù)是工業(yè)大數(shù)據(jù)有效性的前提一首先，我們將梳理工業(yè)大數(shù)據(jù)的基本特征和我們面臨的數(shù)據(jù)質(zhì)量問題，研究和分析工業(yè)大數(shù)據(jù)的質(zhì)量控制方法，最后是工業(yè)大數(shù)據(jù)質(zhì)量控制的主要工作方向提出初步建議。

關鍵詞：智能制造背景;工業(yè)大數(shù)據(jù)：數(shù)據(jù)質(zhì)量控制

前言：在諸如互聯(lián)網(wǎng)技術，物聯(lián)網(wǎng)技術，云計算技術和大數(shù)據(jù)技術等先進技術不斷發(fā)展的背景下，工業(yè)生產(chǎn)正逐漸變得智能化。在這種背景下，數(shù)據(jù)逐漸成為工業(yè)制造公司的核心價值之一。數(shù)據(jù)分析的利用率越高，公司的運營和開發(fā)效率就越高，生產(chǎn)效率也就越高。在智能制造的背景下，大數(shù)據(jù)正在慢慢改變生活方式和生產(chǎn)方式，并在一定程度上改變了工業(yè)制造商的運營模式?；诖?，在智能制造的背景下，有必要對工業(yè)大數(shù)據(jù)的數(shù)據(jù)質(zhì)量管理策略進行研究。

一、工業(yè)大數(shù)據(jù)特征及其數(shù)據(jù)質(zhì)量定義

（一）工業(yè)大數(shù)據(jù)的特征

智能制造環(huán)境下的工業(yè)大數(shù)據(jù)展現(xiàn)了大數(shù)據(jù)的典型“4V”特征。這體現(xiàn)在四個方面：第一，數(shù)據(jù)量大（Volume）。對于某些企業(yè)而言.對設備感知數(shù)據(jù)的廣泛訪問甚至可以達到EB級。第二，高速生成（Velocitv）。該設備高速運行，數(shù)據(jù)生成和收集的頻率（機器功率，動態(tài)切削阻力，主軸振動，扭矩等）可以達到幾毫秒。第三，模態(tài)多樣（Varietv）。工業(yè)大數(shù)據(jù)的種類繁多，包括結(jié)構(gòu)化的（產(chǎn)品開發(fā)，人員，財務，生產(chǎn)，供應，營銷，客戶，用戶等）和半結(jié)構(gòu)化的（HTML頁面，XML文本，報表等）。和非結(jié)構(gòu)化（工況，文檔，圖形，音頻和視頻等）數(shù)據(jù)。第四，價值密度低（Value）。工業(yè)大數(shù)據(jù)的價值密度分布非常不均勻。有一個“二八法則”。20%的結(jié)構(gòu)化數(shù)據(jù)占價值密度的80%，而80%的非結(jié)構(gòu)化數(shù)據(jù)僅占價值密度的20%。價值密度低但高價值。此外，工業(yè)大數(shù)據(jù)還具有數(shù)據(jù)之間的強大關聯(lián)性，動態(tài)的多個時空時間序列以及對實時數(shù)據(jù)收集，存儲和處理的高要求。

（二）工業(yè)大數(shù)據(jù)的數(shù)據(jù)質(zhì)量定義

在智能制造的背景下，工業(yè)大數(shù)據(jù)是CPS （Cvber PhvsicalSvstem）的輸入原材料，中間產(chǎn)品和最終產(chǎn)品。工業(yè)大數(shù)據(jù)的質(zhì)量可以定義為：工業(yè)大數(shù)據(jù)的質(zhì)量特征集可以滿足產(chǎn)品，設計，制造，過程制造，銷售和維護的需求。工業(yè)大數(shù)據(jù)的數(shù)據(jù)質(zhì)量特性與特定的應用對象有關，并且可以通過一組維度進行測量。核心指標可以包括以下方面：

1.數(shù)據(jù)精確性：刻畫數(shù)據(jù)的測量值與實際值之間的一致性程度。例如，如果實際環(huán)境溫度數(shù)據(jù)為24.8。C，而測量值為23。C，則該數(shù)據(jù)偏差較大，精度不夠。

2.數(shù)據(jù)完整性：刻畫數(shù)據(jù)支持各種應用程序，可以跟蹤源，并且在某種程度上沒有遺漏。例如，由于傳感器或鏈接故障而導致一段時間內(nèi)缺乏生產(chǎn)過程數(shù)據(jù)可能會導致數(shù)據(jù)分析出現(xiàn)偏差。

3.數(shù)據(jù)一致性：刻畫數(shù)據(jù)和關聯(lián)邏輯關系的兼容性程度中沒有語義錯誤。例如，在設備帳戶信息中，設備A的代碼被錯誤地記錄為設備B的代碼。

4.數(shù)據(jù)實效性：刻畫數(shù)據(jù)符合應用時效要求的程度。

5.數(shù)據(jù)實體同一性：刻畫同一實體在不同信息記錄中擁有同一標識的程度。例如，同一物料存在的“多碼”的問題。

二、工業(yè)大數(shù)據(jù)的數(shù)據(jù)質(zhì)量管理面臨的挑戰(zhàn)

在智能制造的背景下，工業(yè)大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)有很大的不同。這主要體現(xiàn)在數(shù)據(jù)收集速度，數(shù)據(jù)分析過程，數(shù)據(jù)存儲和數(shù)據(jù)質(zhì)量管理上，從而帶來了重大挑戰(zhàn)。表l是工業(yè)大數(shù)據(jù)和常規(guī)數(shù)據(jù)的對比分析表。

從表1中可以看出，與傳統(tǒng)數(shù)據(jù)相比，工業(yè)大數(shù)據(jù)的結(jié)構(gòu)更加復雜，范圍更廣。因此，數(shù)據(jù)質(zhì)量問題傾向于通過某些控件發(fā)生，并且主要體現(xiàn)在以下幾個方面：

首先，在數(shù)據(jù)收集方面，工業(yè)大數(shù)據(jù)源范圍更廣，結(jié)構(gòu)也有所不同。不同數(shù)據(jù)源之間存在某些沖突和矛盾。如何保證數(shù)據(jù)管理的完整性和管理質(zhì)量的可靠性非常重要;其次，工業(yè)大數(shù)據(jù)規(guī)模非常大，在獲取，存儲，計算以及與大數(shù)據(jù)的其他鏈接時會出錯。傳統(tǒng)的手動錯誤檢測方法無法處理大規(guī)模數(shù)據(jù)檢查，也無法快速找到有問題的數(shù)據(jù)。因此，不可能及時提取有效，有價值的數(shù)據(jù);再次，生成數(shù)據(jù)既快速又復雜，因此更容易創(chuàng)建不一致的數(shù)據(jù);最后，有不同類型的數(shù)據(jù)源，并且有多種類型的結(jié)構(gòu)化數(shù)據(jù)。結(jié)果，在不同的數(shù)據(jù)源和相同的數(shù)據(jù)源之間可能會發(fā)生沖突和不一致。此外，數(shù)據(jù)質(zhì)量控制需要在多個部門之間進行協(xié)調(diào)，從而大大增加了發(fā)生數(shù)據(jù)處理問題的可能性。

三、智能制造背景下工業(yè)大數(shù)據(jù)的數(shù)據(jù)質(zhì)量控制對策

（一）構(gòu)建數(shù)據(jù)質(zhì)量評價體系

完善系統(tǒng)的質(zhì)量評估體系是確保大數(shù)據(jù)質(zhì)量控制水平的關鍵。在智能制造的背景下構(gòu)建工業(yè)大數(shù)據(jù)數(shù)據(jù)質(zhì)量評估系統(tǒng)需要從完整性，一致性和準確性三個方面同時考慮。

（二）全面落實數(shù)據(jù)質(zhì)量信息的采集、分析與監(jiān)控

可以對收集的數(shù)據(jù)源執(zhí)行質(zhì)量分析，以充分了解和掌握生產(chǎn)數(shù)據(jù)的質(zhì)量。通過與過去的數(shù)據(jù)進行比較，可以評估數(shù)據(jù)質(zhì)量控制的質(zhì)量，并可以針對現(xiàn)有問題開發(fā)有效的解決方案，從而可以逐步提高工業(yè)大數(shù)據(jù)的數(shù)據(jù)質(zhì)量控制水平。

（三）建立數(shù)據(jù)質(zhì)量的持續(xù)改進工作機制

導致數(shù)據(jù)質(zhì)量問題的四個主要問題域影響了工業(yè)大數(shù)據(jù)。主要是：信息問題領域，技術問題領域，過程問題領域，管理問題領域。無論出現(xiàn)什么問題，都會引起數(shù)據(jù)質(zhì)量問題。因此，如果發(fā)現(xiàn)了數(shù)據(jù)質(zhì)量問題，則應該系統(tǒng)地分析問題的根本原因。

結(jié)語：綜上所述，文章基于理論實踐，分析了智能制造環(huán)境下工業(yè)大數(shù)據(jù)的數(shù)據(jù)質(zhì)量控制措施。分析結(jié)果表明，在工業(yè)生產(chǎn)中，數(shù)據(jù)質(zhì)量控制是在整個數(shù)據(jù)生命周期中執(zhí)行的，并且包含很多內(nèi)容。在這種背景下，工業(yè)大數(shù)據(jù)爆炸性增長，對數(shù)據(jù)質(zhì)量管理技術和方法提出了更高的要求，以應對當前工業(yè)生產(chǎn)中大數(shù)據(jù)的數(shù)據(jù)質(zhì)量管理所面臨的挑戰(zhàn)。

參考文獻：

[1]王振環(huán)，基于智能制造背景下的質(zhì)量大數(shù)據(jù)[J].智能制造，2018 （08）：3638.

[2]段成，智能制造背景下工業(yè)大數(shù)據(jù)的數(shù)據(jù)質(zhì)量控制探討[J].機械設計與制造工程，2018，47 （02）：13-16.