鄭占高

廣西中煙工業(yè)有限責(zé)任公司柳州卷煙廠 廣西 柳州 545006

大數(shù)據(jù)技術(shù)是計(jì)算機(jī)網(wǎng)絡(luò)的衍生，是一個(gè)數(shù)據(jù)量大、數(shù)據(jù)流快、數(shù)據(jù)類(lèi)型多的數(shù)據(jù)集。通過(guò)對(duì)產(chǎn)品從設(shè)計(jì)到交付的整個(gè)生產(chǎn)周期的數(shù)據(jù)采集和統(tǒng)計(jì)分析，建立數(shù)據(jù)平臺(tái)。結(jié)合大數(shù)據(jù)技術(shù)，整合大數(shù)據(jù)資源，形成有利于質(zhì)量控制的數(shù)據(jù)鏈。推廣和實(shí)施先進(jìn)的質(zhì)量控制技術(shù)，保證產(chǎn)品質(zhì)量，在客戶服務(wù)和產(chǎn)品開(kāi)發(fā)中有效發(fā)揮產(chǎn)品質(zhì)量控制的作用。

1 大數(shù)據(jù)分析的定義與應(yīng)用

大數(shù)據(jù)具有數(shù)據(jù)量大、速度快、種類(lèi)多等特點(diǎn)。隨著大數(shù)據(jù)時(shí)代的到來(lái)，大數(shù)據(jù)分析逐漸在商業(yè)中應(yīng)用，如數(shù)據(jù)庫(kù)、數(shù)據(jù)安全、數(shù)據(jù)分析、數(shù)據(jù)挖掘等。

①視覺(jué)分析。在大數(shù)據(jù)分析中，對(duì)于普通用戶和專家來(lái)說(shuō)，可視化分析是最基本的前提，更容易被讀者接受。②數(shù)據(jù)挖掘算法。數(shù)據(jù)挖掘算法是大數(shù)據(jù)分析理論的核心，根據(jù)不同的數(shù)據(jù)類(lèi)型和格式呈現(xiàn)數(shù)據(jù)特征，更快地處理數(shù)據(jù)[1]。③預(yù)測(cè)分析。預(yù)測(cè)分析是大數(shù)據(jù)分析的應(yīng)用領(lǐng)域之一，建立科學(xué)模型，引入新數(shù)據(jù)預(yù)測(cè)未來(lái)數(shù)據(jù)。對(duì)于更深入的大數(shù)據(jù)分析，有很多典型的、專業(yè)的大數(shù)據(jù)分析方法。

2 大數(shù)據(jù)分析在質(zhì)量控制方面的優(yōu)勢(shì)

大數(shù)據(jù)的出現(xiàn)對(duì)質(zhì)量控制產(chǎn)生了巨大而深刻的影響，這里的質(zhì)量概念是指人們對(duì)質(zhì)量的基本理解，大數(shù)據(jù)背景下的質(zhì)量概念關(guān)系到我們對(duì)質(zhì)量科學(xué)未來(lái)發(fā)展的基本方向的認(rèn)識(shí)，促使我們反思和完善當(dāng)前的質(zhì)量技術(shù)。

（1）大數(shù)據(jù)在質(zhì)量控制中的應(yīng)用是以質(zhì)量為中心的數(shù)據(jù)，不再局限于隨機(jī)抽樣。數(shù)理統(tǒng)計(jì)方法是質(zhì)量科學(xué)發(fā)展的內(nèi)在動(dòng)力，隨機(jī)抽樣是現(xiàn)代質(zhì)量管理技術(shù)最重要的手段和方法，也是六西格瑪管理和質(zhì)量改進(jìn)的重要技術(shù)特征。傳統(tǒng)的統(tǒng)計(jì)工具和軟件不能用于計(jì)算和分析大數(shù)據(jù)，因此，即使收集了所有的統(tǒng)計(jì)數(shù)據(jù)，也很難完成質(zhì)量管理和數(shù)據(jù)分析的任務(wù)。這就需要特殊的大數(shù)據(jù)分析技術(shù)和云計(jì)算技術(shù)。質(zhì)量數(shù)據(jù)在理論上可以滿足質(zhì)量管理的所有需求，但實(shí)際上由于數(shù)據(jù)量大，無(wú)法進(jìn)行定期的統(tǒng)計(jì)分析和監(jiān)測(cè)，這就需要大數(shù)據(jù)分析方法對(duì)產(chǎn)品質(zhì)量進(jìn)行分析，實(shí)現(xiàn)產(chǎn)品質(zhì)量控制[2]。

（2）大數(shù)據(jù)是許多計(jì)算的標(biāo)準(zhǔn)。精確的建模和計(jì)算是統(tǒng)計(jì)時(shí)代的產(chǎn)物，也是演繹邏輯的頂點(diǎn)，在數(shù)據(jù)相對(duì)稀缺的時(shí)代，要求所有的統(tǒng)計(jì)數(shù)據(jù)都是準(zhǔn)確的，但在大數(shù)據(jù)時(shí)代，雜亂、不準(zhǔn)確的數(shù)據(jù)不一定是一種劣勢(shì)。首先，在數(shù)據(jù)量增加時(shí)通過(guò)減少數(shù)據(jù)來(lái)獲得更多信息；其次，數(shù)據(jù)混合是使用大數(shù)據(jù)的一種標(biāo)準(zhǔn)方法；最后，使用大數(shù)據(jù)的簡(jiǎn)單算法比使用小數(shù)據(jù)的復(fù)雜算法更有效。

（3）大數(shù)據(jù)分析更注重相關(guān)性而非因果關(guān)系。傳統(tǒng)的質(zhì)量控制方法特別強(qiáng)調(diào)因果邏輯，總是試圖通過(guò)統(tǒng)計(jì)模型來(lái)描述事物之間的關(guān)系，并得到因果邏輯的支持。許多質(zhì)量改進(jìn)技術(shù)都涉及因果關(guān)系，用準(zhǔn)確的數(shù)據(jù)模擬了實(shí)際生產(chǎn)過(guò)程，得出了準(zhǔn)確的質(zhì)量結(jié)論。然而，大數(shù)據(jù)分析的主要研究結(jié)果相對(duì)強(qiáng)調(diào)影響邏輯，不考慮這種關(guān)系的影響。

3 大數(shù)據(jù)分析在產(chǎn)品質(zhì)量控制中的應(yīng)用

隨著經(jīng)濟(jì)的發(fā)展，客戶對(duì)產(chǎn)品性能和服務(wù)的要求也在不斷提高，越來(lái)越多的企業(yè)開(kāi)始研究如何不斷提高產(chǎn)品質(zhì)量控制水平，使客戶對(duì)產(chǎn)品質(zhì)量滿意。大數(shù)據(jù)在產(chǎn)品質(zhì)量控制中的應(yīng)用核心是采用產(chǎn)品從設(shè)計(jì)到交付的全生命周期，以及故障預(yù)測(cè)、故障定位、故障處理和產(chǎn)品持續(xù)改進(jìn)的流程。將提取出來(lái)的大數(shù)據(jù)資源進(jìn)行整合，形成從原始數(shù)據(jù)采集、識(shí)別、存儲(chǔ)到數(shù)據(jù)處理、挖掘、顯示的智能信息閉環(huán)技術(shù)鏈，大數(shù)據(jù)技術(shù)的應(yīng)用可以分為以下幾類(lèi)：

（1）數(shù)據(jù)倉(cāng)庫(kù)與挖掘技術(shù)的應(yīng)用。利用數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行數(shù)據(jù)挖掘的目的是為數(shù)據(jù)分析創(chuàng)造良好的環(huán)境，從數(shù)據(jù)模型的有效數(shù)據(jù)源中提取數(shù)據(jù)，通過(guò)分析實(shí)現(xiàn)數(shù)據(jù)挖掘的集成。在數(shù)據(jù)挖掘中，數(shù)據(jù)是控制產(chǎn)品質(zhì)量的有效措施，形成數(shù)據(jù)倉(cāng)庫(kù)的質(zhì)量控制措施[3]。

（2）數(shù)據(jù)收集。在提供質(zhì)量信息時(shí)，必須考慮以下幾個(gè)方面：一是質(zhì)量信息的全過(guò)程；二是傳統(tǒng)的質(zhì)量管理；現(xiàn)代生產(chǎn)技術(shù)和質(zhì)量管理是以產(chǎn)品良好的性能和耐久性為基礎(chǔ)的，有效地控制了整個(gè)過(guò)程。預(yù)測(cè)性質(zhì)量信息收集是對(duì)每個(gè)離散階段收集完整、詳細(xì)的質(zhì)量信息，從而獲得盡可能完整的數(shù)據(jù)，為未來(lái)的統(tǒng)計(jì)分析提供足夠的信息；第二，在質(zhì)量信息處理的背景下，由于采集器的專業(yè)能力有限，以及產(chǎn)品測(cè)試工具和數(shù)據(jù)采集傳感器的限制，所收集的產(chǎn)品信息可能超出了質(zhì)量管理或質(zhì)量管理的范圍，這就產(chǎn)生了大量低價(jià)值的信息。

（3）數(shù)據(jù)篩選。隨著大數(shù)據(jù)引入產(chǎn)品質(zhì)量控制，非結(jié)構(gòu)化產(chǎn)品數(shù)據(jù)顯著增加。為了解決這個(gè)問(wèn)題，在整個(gè)生產(chǎn)周期中會(huì)產(chǎn)生大量的信息，并進(jìn)行必要的篩選，加強(qiáng)對(duì)不同類(lèi)型數(shù)據(jù)的分類(lèi)、歸納和分析，及時(shí)準(zhǔn)確地判斷信息是否與質(zhì)量控制相關(guān)，確定信息的相關(guān)性，排除不相關(guān)的數(shù)據(jù)，保持?jǐn)?shù)據(jù)與信息之間的密切關(guān)系。

（4）數(shù)據(jù)的使用。①產(chǎn)品故障點(diǎn)預(yù)測(cè)。在建立產(chǎn)品質(zhì)量模型的基礎(chǔ)上，確定產(chǎn)品質(zhì)量薄弱環(huán)節(jié)，對(duì)故障易發(fā)部位和操作步驟進(jìn)行修正，預(yù)測(cè)故障點(diǎn)。②產(chǎn)品缺陷定位。當(dāng)產(chǎn)品發(fā)生故障時(shí)，通過(guò)建立產(chǎn)品質(zhì)量模型，預(yù)測(cè)產(chǎn)品故障點(diǎn)，可以快速、準(zhǔn)確地定位產(chǎn)品故障。③產(chǎn)品故障排除。根據(jù)產(chǎn)品質(zhì)量模型和缺陷定位，對(duì)產(chǎn)品缺陷的處理提出合理建議。④產(chǎn)品持續(xù)改進(jìn)。在產(chǎn)品的實(shí)際使用中，故障情況復(fù)雜，有些故障點(diǎn)是相同的產(chǎn)品有不同的表現(xiàn)形式，產(chǎn)品設(shè)計(jì)與生產(chǎn)的收集、分析、安排和傳播對(duì)于產(chǎn)品的持續(xù)改進(jìn)非常重要。

4 結(jié)束語(yǔ)

大數(shù)據(jù)時(shí)代已經(jīng)到來(lái)，關(guān)鍵是如何利用大數(shù)據(jù)產(chǎn)生更好的結(jié)果，充分利用大數(shù)據(jù)中的資源。一方面，要注意建立標(biāo)準(zhǔn)化，包括數(shù)據(jù)定義、數(shù)據(jù)分類(lèi)、數(shù)據(jù)測(cè)量、數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)使用的標(biāo)準(zhǔn)化；另一方面，必須注重實(shí)施過(guò)程的質(zhì)量控制，包括數(shù)據(jù)選擇、數(shù)據(jù)集成和數(shù)據(jù)分析的標(biāo)準(zhǔn)化。只有做好審計(jì)數(shù)據(jù)的準(zhǔn)備，才能提高大數(shù)據(jù)的容量和應(yīng)用水平，確保大數(shù)據(jù)應(yīng)用的質(zhì)量。