鄭 斌

（中國石化銷售股份有限公司，北京 100728）

大數(shù)據(jù)技術是指實現(xiàn)一切大數(shù)據(jù)采集與預處理、存儲管理、大數(shù)據(jù)分析挖掘、大數(shù)據(jù)安全和大數(shù)據(jù)可視化的技術手段，是大數(shù)據(jù)價值實現(xiàn)的重要條件。大數(shù)據(jù)技術能夠從海量數(shù)據(jù)中快速獲取有價值信息，因而獲得快速發(fā)展。當前，大數(shù)據(jù)技術已經(jīng)深入各行各業(yè)，尤其在金融、互聯(lián)網(wǎng)、電信、電子商務等行業(yè)取得了顯著的應用效果。

在質(zhì)量管理領域，隨著信息化水平提升，質(zhì)量信息的獲取越來越便捷，大數(shù)據(jù)技術與質(zhì)量管理相結合成為企業(yè)提升質(zhì)量管理的重要手段。應用大數(shù)據(jù)技術對產(chǎn)品質(zhì)量信息進行管理，能夠?qū)Ａ康臄?shù)據(jù)和信息進行分析、處理和預測，有助于加強質(zhì)量預防，將質(zhì)量控制關口前移；通過對大量數(shù)據(jù)的分析評價可以監(jiān)視生產(chǎn)過程的動態(tài)變化和產(chǎn)品的特性及趨勢，可以適當?shù)夭扇☆A防措施并進行質(zhì)量改進[1]。在我國，大數(shù)據(jù)技術在質(zhì)量管理領域的應用日益廣泛，在制造業(yè)質(zhì)量管理、食品安全治理、政府質(zhì)量監(jiān)管等方面取得成功應用[2-7]。但在成品油銷售行業(yè)，在質(zhì)量管理方面開展大數(shù)據(jù)技術研究與應用的鮮有報道。

本文針對傳統(tǒng)成品油質(zhì)量管理中存在的突出問題，嘗試利用大數(shù)據(jù)技術，挖掘質(zhì)量數(shù)據(jù)背后的規(guī)律性和趨勢性關系，在供應商油品特征畫像、外采油品溯源以及汽油辛烷值指標檢測方面進行了探索性嘗試，并建立了成品油質(zhì)量大數(shù)據(jù)分析平臺應用于質(zhì)量管理當中，開創(chuàng)了運用大數(shù)據(jù)技術解決成品油質(zhì)量管理問題的新思路、新途徑。

1 應用大數(shù)據(jù)技術的背景

成品油質(zhì)量管理貫穿于采儲運銷的整個業(yè)務流程，業(yè)務鏈條長、涉及單位多、影響因素復雜。外采油品是銷售企業(yè)重要的資源補充，也是最大的質(zhì)量風險源，是質(zhì)量管理的重點和難點。中國石化銷售企業(yè)通過建立完善的質(zhì)量管理體系，強化源頭管理和過程管控，質(zhì)量管理水平不斷提升，但在防范外采質(zhì)量風險、流通過程質(zhì)量監(jiān)控等方面，仍然存在一些傳統(tǒng)管理手段難以解決的問題。

1.1 對供應商的認識存在局限

銷售企業(yè)油品采購涉及的供應商數(shù)量眾多。傳統(tǒng)的質(zhì)量管理，企業(yè)間乃至質(zhì)檢室之間數(shù)據(jù)不能共享，存在信息孤島，質(zhì)量管理人員只能了解自己范圍內(nèi)的供應商質(zhì)量數(shù)據(jù)，對于供應商的產(chǎn)品質(zhì)量特點認識存在局限。

1.2 識別潛在風險的能力不足

外采油品來源復雜，產(chǎn)品質(zhì)量良莠不齊，非法調(diào)和油品以及合格但不好用的油品在市場中長期存在，僅關注產(chǎn)品質(zhì)量是否合格早已不能滿足質(zhì)量風險管控的要求。而識別潛在質(zhì)量風險對于人員能力的要求較高，目前一線質(zhì)檢人員透過數(shù)據(jù)發(fā)現(xiàn)潛在風險的能力還普遍不足。

1.3 外采油品溯源手段有限

外采供應商為了將調(diào)和油品或源頭不明的油品賣入銷售企業(yè)，偽造油品來源的事件時有發(fā)生。識別和追溯外采油品的來源，是防范外采質(zhì)量風險的重要手段。但傳統(tǒng)的人工查驗報告單真?zhèn)魏捅葘|(zhì)檢數(shù)據(jù)一致性的方法準確性不高，質(zhì)量管理人員鑒別油源真?zhèn)魏妥匪萦推穪碓吹氖侄斡邢蕖?/p>

1.4 質(zhì)量檢測方面存在瓶頸

汽油辛烷值和柴油十六烷值是汽柴油采購、儲運和銷售過程中重要的質(zhì)量控制指標。銷售企業(yè)點多線長面廣，雖然實驗室眾多，但辛烷值機、十六烷值機等檢測儀器往往一個省公司只有1臺，檢測需要跨區(qū)域送檢，耗時長、成本高，是銷售企業(yè)質(zhì)量管理的瓶頸。

2 應用大數(shù)據(jù)技術的基礎

2011年，中國石化開始在銷售企業(yè)建設實驗室信息管理系統(tǒng)（LIMS），至2017年3月，建成了覆蓋30多家銷售企業(yè)、380多座實驗室的集中式LIMS系統(tǒng)。銷售企業(yè)LIMS系統(tǒng)的應用，實現(xiàn)了數(shù)據(jù)的集中存儲和統(tǒng)一管理，采購、儲存、運輸、銷售各環(huán)節(jié)的質(zhì)量數(shù)據(jù)得以收集和積累，初步形成了中國石化的成品油質(zhì)量數(shù)據(jù)庫（檢驗樣品數(shù)超過320萬條）。海量質(zhì)量數(shù)據(jù)的積累為應用大數(shù)據(jù)技術奠定了基礎，因此，如何利用大數(shù)據(jù)技術，挖掘數(shù)據(jù)背后的規(guī)律，改進質(zhì)量管理手段、提升質(zhì)量管理水平顯得尤為迫切。

3 大數(shù)據(jù)技術在成品油質(zhì)量管理中的探索

3.1 油品特征畫像

用戶畫像是商業(yè)領域中典型的大數(shù)據(jù)分析應用，通過對用戶歷史數(shù)據(jù)的分析來對用戶進行“標簽化”處理，并且實現(xiàn)對于用戶群體特征的概括，從而實現(xiàn)對用戶的深度了解，并根據(jù)不同的應用場景轉(zhuǎn)化為相應的商業(yè)價值。

為了便于管理人員準確地了解每個供應商的油品質(zhì)量特點，借鑒用戶畫像的思路，嘗試運用油品群落分析的方法，為供應商油品進行特征畫像。油品群落分析的流程如圖1所示。以汽油產(chǎn)品為例，采用決策樹和K–means算法，建立了汽油質(zhì)量群落劃分模型。首先，按照油品來源，從業(yè)務意義上將油品劃分為配置油和外采油。其次，根據(jù)配置油和外采油的特征，使用決策樹分類模型，采用分類監(jiān)督劃分的方法，將油品劃分為四大類（典型配置油、典型外采油、類配置外采油、類外采配置油）。然后，采用K–means無監(jiān)督聚類的方法，根據(jù)油品間的相似性，將相似程度高的油品聚為一類，由此將每一大類油品細分為5個群落。最后，對每個細分群落的油品進行標簽化（關鍵指標特征刻畫描述），從而實現(xiàn)供應商油品特征畫像。

圖1 供應商油品群落分析示意

圖2為某供應商92#汽油的群落劃分結果。從圖2可見，該供應商79.7%的樣本落入典型配置油群落1，說明該供應商92#汽油的質(zhì)量比較穩(wěn)定，絕大多數(shù)屬于這一類別。通過典型配置油群落1的特征標簽（餾程類指標低，餾程短，20℃密度小，硫含量低），可以了解該供應商92#汽油的主要特征是餾程類指標低，密度低，硫含量低。通過油品特征畫像，使質(zhì)量管理人員統(tǒng)一了對供應商的認識，更加直觀地了解供應商的油品特點，加深對于供應商的理解，從而在油品入庫時更加高效、準確地進行質(zhì)量把關。

圖2 供應商92#汽油群落劃分結果

3.2 外采油品溯源

為了解決外采油品人工溯源準確率不高的難題，提出了一種基于大數(shù)據(jù)算法輔助人工溯源的方法。出自同一生產(chǎn)企業(yè)的油品具有相似的質(zhì)量特征，根據(jù)相近相似原理，如果能夠從歷史數(shù)據(jù)中找到與待溯源樣本質(zhì)量特征相似的油品，則可以根據(jù)相似樣本的來源推斷該油品來源?；贙近鄰算法，構建了外采油品生產(chǎn)商匹配模型：以汽油為例，以汽油的常規(guī)理化指標（研究法辛烷值、硫含量、烯烴含量、芳烴含量等）作為特征向量，采用歐式距離作為衡量樣本間相似度的度量方法。通過計算相似度在歷史數(shù)據(jù)庫中找出與待溯源樣本最相似的5個樣本，將該樣本與5個最近鄰樣本的生產(chǎn)商信息進行匹配，當該樣本與其中一個或多個樣本的生產(chǎn)商信息匹配成功時，判斷該樣本所述生產(chǎn)商為真；否則，判斷該樣本所述生產(chǎn)商為假，該樣本來源存疑，并給出預警。

典型的模型匹配結果如表1所示。

表1 生產(chǎn)商匹配模型的匹配結果

由表1看出，外采油樣本（2130700）的模型匹配結果顯示，在5個最近鄰中有3個樣本與該樣本為同一個生產(chǎn)商，且樣本距離最近，從而提示該溯源樣本的油源為真實的。而對于未匹配成功的樣本，除了來源預警之外，還可以提示油品可能的真正來源。外采油樣本（2121049）的5個最近鄰中，待溯源樣本與第一個樣本的相似度顯著高于其余4個，指示這兩批次油品可能來自同一來源。經(jīng)過人工追溯核實，證實該兩批次油品確實出自同一源頭。將該模型進行部署應用，通過實時抽取LIMS數(shù)據(jù)，可以為每一批次的外采油品進行實時的來源分析。經(jīng)實踐證明，該方法具有良好的可行性，能夠有效輔助管理人員識別和追溯外采油品來源。

3.3 研究法辛烷值預測

為了解決采儲運銷全環(huán)節(jié)質(zhì)量管控中存在的汽油辛烷值指標檢測難度大的問題，基于歷史質(zhì)量數(shù)據(jù)，研究構建了一種研究法辛烷值回歸預測模型。

汽油的多項理化指標與辛烷值具有良好相關性，如烯烴、芳烴、MTBE等是汽油辛烷值的主要貢獻者，烯烴、芳烴、氧含量與辛烷值具有直接且顯著的相關性?；诔善酚唾|(zhì)量數(shù)據(jù)庫中含有辛烷值檢測結果的歷史樣本數(shù)據(jù)，提出一種汽油辛烷值的回歸預測方法。采用隨機森林回歸算法，選擇與汽油辛烷值具有相關性、且常規(guī)檢測易于獲得的理化指標（烯烴含量、芳烴含量、氧含量、餾程和密度）作為自變量，建立了研究法辛烷值回歸預測模型[8]。

將模型預測結果與標準辛烷值機檢測結果的偏差進行了統(tǒng)計分析，并與銷售企業(yè)目前常用的中紅外分析儀的檢測結果進行了比較。圖3為回歸預測模型與中紅外檢測的偏差分布圖。由圖3可見，該模型的預測精度很高，95%的預測結果偏差在1個單位以內(nèi)，模型的預測精度顯著優(yōu)于中紅外分析儀的檢測精度，能夠滿足銷售企業(yè)質(zhì)量監(jiān)控的需要。將預測模型進行部署，通過實時抽取LIMS數(shù)據(jù)庫中新入庫汽油的檢測數(shù)據(jù)，從而實現(xiàn)了汽油辛烷值的在線預測。

圖3 回歸預測模型與中紅外檢測的偏差分布

3.4 成品油質(zhì)量大數(shù)據(jù)分析平臺

基于LIMS系統(tǒng)的實時數(shù)據(jù)和大數(shù)據(jù)分析挖掘的研究成果，采用可視化技術，搭建了成品油質(zhì)量大數(shù)據(jù)分析平臺（見圖4），形成了油品質(zhì)量管理、供應商管理和管理駕駛艙3個應用模塊，幫助管理人員更加直觀地理解數(shù)據(jù)、科學決策。

圖4 成品油質(zhì)量大數(shù)據(jù)分析平臺架構

3.4.1 油品質(zhì)量管理模塊

在油品質(zhì)量管理模塊，包括了供應商群落分析、油品生產(chǎn)商溯源、質(zhì)量指標預警、辛烷值預測等功能。管理人員通過供應商群落分析，能夠了解每一個供應商的油品特征，識別不同群落的油品差異，以及哪些供應商具有相似的質(zhì)量特點，在質(zhì)量把關時做到心中有數(shù)；通過生產(chǎn)商溯源，能夠?qū)γ恳慌斡推返膩碓催M行鑒別并輔助進行溯源。

除此之外，通過對歷史數(shù)據(jù)的挖掘分析，制定了油品質(zhì)量指標的量化評分規(guī)則，建立了油品質(zhì)量量化評價及警示模型，對每一批次新進油品進行量化評價，并對得分較低的項目進行警示，輔助管理人員識別潛在質(zhì)量風險，及時采取科學處置措施。

3.4.2 供應商管理模塊

在供應商管理模塊，包括了供應商指標分布、指標差異分析、質(zhì)量指標控制、供應商量化評價等功能，管理人員能夠從不同維度對供應商及其油品質(zhì)量進行監(jiān)控。通過指標分布及差異對比，了解供應商每一項質(zhì)量指標的分布特點，以及不同供應商的指標差異；通過質(zhì)量指標控制，可視化地監(jiān)控供應商的質(zhì)量狀態(tài)，及時掌握供應商產(chǎn)品質(zhì)量波動；通過供應商量化評價，全面了解供應商的產(chǎn)品質(zhì)量水平，為優(yōu)化供應商結構、提升采購質(zhì)量提供科學支撐。

3.4.3 管理駕駛艙模塊

在管理駕駛艙模塊，涵蓋了不合格油品情況、不合格指標趨勢、內(nèi)外油指標對比等多項功能，管理人員突破LIMS系統(tǒng)中只看到本省質(zhì)量數(shù)據(jù)的局限，可以多維度了解全國的質(zhì)量管理情況，不合格產(chǎn)品的分布及趨勢，質(zhì)量風險集中在哪些方面，以及配置油與外采油的質(zhì)量差異，從而更好地管控采購油品的質(zhì)量風險。

4 大數(shù)據(jù)技術在質(zhì)量管理上的展望

大數(shù)據(jù)蘊藏著巨大價值，要充分發(fā)揮大數(shù)據(jù)技術的優(yōu)勢，助推企業(yè)管理創(chuàng)新，防范質(zhì)量風險，實現(xiàn)質(zhì)量提升，還需要做好以下幾個方面的工作。

4.1 樹立質(zhì)量管理的大數(shù)據(jù)思維

隨著信息化水平的不斷提升，銷售企業(yè)的大數(shù)據(jù)時代已經(jīng)來臨。傳統(tǒng)的質(zhì)量管理模式和方法，已經(jīng)不能滿足新形勢下的管理需求。因此，必須改變傳統(tǒng)的數(shù)據(jù)是靜止的、陳舊的、過后無用的思維，樹立數(shù)據(jù)是資源、數(shù)據(jù)是效益、數(shù)據(jù)分析是生產(chǎn)力的理念[3]，在質(zhì)量管理中充分運用大數(shù)據(jù)思維，提升大數(shù)據(jù)分析能力，從而實現(xiàn)質(zhì)量管理的革新和提升。

4.2 深化大數(shù)據(jù)技術在質(zhì)量管理中的應用

大數(shù)據(jù)技術在防范質(zhì)量風險、提升質(zhì)量管理方面擁有廣闊的應用前景。對采儲運銷全環(huán)節(jié)的質(zhì)量數(shù)據(jù)進行整合，構建成品油全生命周期的管理數(shù)據(jù)鏈條，設定“質(zhì)量預警閾值”，通過預警提前識別潛在風險，并有效追溯問題源頭。對歷史退貨油品數(shù)據(jù)進行挖掘分析，確定問題油品的判定規(guī)則，從而對重復、異地提交的問題油品進行預警。打通不同信息系統(tǒng)間的壁壘，整合外采系統(tǒng)的供應商商流信息、LIMS系統(tǒng)的產(chǎn)品質(zhì)量信息以及商客、零管系統(tǒng)的客戶投訴信息，運用大數(shù)據(jù)技術，建立全面的供應商評價及信用體系，從而實現(xiàn)供應商精益管理。

4.3 推進大數(shù)據(jù)技術平臺建設

本文中建設的成品油質(zhì)量大數(shù)據(jù)分析平臺，是基于LIMS系統(tǒng)構建的應用于成品油質(zhì)量管理的數(shù)據(jù)分析應用平臺。隨著成品油儲運物聯(lián)網(wǎng)的建設與應用，將大數(shù)據(jù)、物聯(lián)網(wǎng)以及云計算技術相結合，建設更廣泛的企業(yè)級大數(shù)據(jù)技術平臺，提升數(shù)據(jù)資源的利用能力，推進智慧管理模式建設，將是未來的發(fā)展方向。

5 結語

針對傳統(tǒng)成品油質(zhì)量管理手段存在的局限性，將大數(shù)據(jù)技術引入成品油質(zhì)量管理，在油品特征畫像、外采油品溯源以及汽油法辛烷值預測等方面開展了探索性研究，提出了新的解決方案。建立的成品油質(zhì)量大數(shù)據(jù)分析平臺，對于提升管理人員對油品質(zhì)量的洞悉力，防范外采油品質(zhì)量風險，提升供應商精細管理起到了顯著作用。大數(shù)據(jù)技術在銷售企業(yè)質(zhì)量管理中具有廣闊的應用空間，隨著質(zhì)量數(shù)據(jù)日益積累、應用范圍不斷擴大，以及數(shù)據(jù)挖掘能力的提升，必將為銷售企業(yè)質(zhì)量管理升級和提升經(jīng)營創(chuàng)效能力發(fā)揮更大的作用。