編者按

《從加速數(shù)字化轉(zhuǎn)型，到建設(shè)質(zhì)量強(qiáng)國》一文為宗福季教授2022年5月至7月發(fā)表于香港科大內(nèi)地辦“教授專欄”上的文章。經(jīng)作者授權(quán)，本刊分三期刊載。本期刊載該文第一部分。

宗福季：現(xiàn)任香港科技大學(xué)講座教授，香港科技大學(xué)（廣州）信息樞紐署理院長、國際質(zhì)量科學(xué)院（I A Q）院士、美國統(tǒng)計(jì)學(xué)會(huì)（A S A）會(huì)士、美國工業(yè)工程師學(xué)會(huì)（IISE）會(huì)士、美國質(zhì)量學(xué)會(huì)（A S Q）會(huì)士、國際統(tǒng)計(jì)協(xié)會(huì)（ISI）當(dāng)選會(huì)員、香港工程師學(xué)會(huì)（HKIE）會(huì)士，主要研究方向?yàn)椋汗I(yè)大數(shù)據(jù)，包括運(yùn)用統(tǒng)計(jì)學(xué)習(xí)、機(jī)器學(xué)習(xí)、異常檢測等方法研究涉及傳統(tǒng)制造、新型制造、物聯(lián)網(wǎng)、公共服務(wù)、金融等領(lǐng)域的工業(yè)大數(shù)據(jù)，在質(zhì)量分析、統(tǒng)計(jì)過程控制、監(jiān)控和診斷領(lǐng)域有卓越成就。

進(jìn)入工業(yè)4.0時(shí)代以后，數(shù)字化轉(zhuǎn)型成為經(jīng)濟(jì)發(fā)展的普遍趨勢，而質(zhì)量4.0更是其中的關(guān)注焦點(diǎn)。工業(yè)大數(shù)據(jù)是數(shù)字化轉(zhuǎn)型的重要載體，更是質(zhì)量4.0的核心，其在質(zhì)量創(chuàng)新中的重要性日益顯著。無論是行業(yè)還是個(gè)人發(fā)展，都將面臨數(shù)字化轉(zhuǎn)型下工業(yè)大數(shù)據(jù)的應(yīng)用所帶來的重要機(jī)遇和挑戰(zhàn)。工業(yè)大數(shù)據(jù)在質(zhì)量4.0中的機(jī)遇，具體表現(xiàn)在通過采集數(shù)據(jù)、分析數(shù)據(jù)并建立模型進(jìn)行質(zhì)量控制與質(zhì)量提升。同時(shí)，工業(yè)大數(shù)據(jù)在質(zhì)量4.0的應(yīng)用中也面臨數(shù)據(jù)完整性、數(shù)據(jù)質(zhì)量、數(shù)據(jù)場景、領(lǐng)域知識(shí)、數(shù)據(jù)隱私、樣本稀缺等方面的諸多挑戰(zhàn)。此外，質(zhì)量4.0的思想及技術(shù)更可被應(yīng)用拓展到社會(huì)的各個(gè)方面，以期助力建設(shè)質(zhì)量強(qiáng)國。

背景

2020年新冠疫情的爆發(fā)，極大地加速了數(shù)字化轉(zhuǎn)型的趨勢。數(shù)字化轉(zhuǎn)型發(fā)生在工業(yè)4.0的框架下，工業(yè)4.0又被稱之為第四次工業(yè)革命。第一次工業(yè)革命是由瓦特發(fā)明蒸汽機(jī)所導(dǎo)致的工業(yè)化，第二次工業(yè)革命是在電氣革命背景下引發(fā)的大規(guī)模生產(chǎn)，第三次工業(yè)革命是由于電腦與控制器的介入所產(chǎn)生的自動(dòng)化。而現(xiàn)在，盡管各國都對(duì)第四次工業(yè)革命有不同的解讀與偏向，但是其中心思想就是數(shù)字化轉(zhuǎn)型，即利用物聯(lián)信息系統(tǒng)將生產(chǎn)中的供應(yīng)、生產(chǎn)、銷售信息數(shù)據(jù)化、智能化，最后達(dá)到快速、有效、個(gè)性化的產(chǎn)品供應(yīng)。

圍繞工業(yè)4.0時(shí)代背景，我將闡明工業(yè)大數(shù)據(jù)在質(zhì)量創(chuàng)新中的應(yīng)用，以及工業(yè)大數(shù)據(jù)在質(zhì)量創(chuàng)新應(yīng)用中面臨的機(jī)遇、挑戰(zhàn)，并闡述其在不同領(lǐng)域的拓展性應(yīng)用，以期為落實(shí)質(zhì)量強(qiáng)國帶來一些啟發(fā)及探討。

大約10年前，我被選為國際質(zhì)量科學(xué)院（IAQ）院士。IAQ是質(zhì)量領(lǐng)域最負(fù)盛名的全球性組織，由全球質(zhì)量相關(guān)領(lǐng)域的思想領(lǐng)袖組成。IAQ僅選出來自25個(gè)國家的一百多位院士（每個(gè)地區(qū)都有限制名額）。IAQ的智庫近幾十年來協(xié)助解決了許多與質(zhì)量相關(guān)的重要問題（如同聯(lián)合國智庫和ISO智庫所發(fā)揮的作用）。最近，我受邀加入華生博士（Dr. Greg Watson）領(lǐng)頭新建的“質(zhì)量4.0”智庫（天津大學(xué)何楨教授也是成員之一）。

質(zhì)量4.0的概念和命名，起源于2010年德國政府首次將工業(yè)4.0戰(zhàn)略計(jì)劃作為行動(dòng)計(jì)劃的延伸。該術(shù)語于2017年首次使用，用于表明質(zhì)量思維的新紀(jì)元。這是數(shù)字化和大數(shù)據(jù)對(duì)工業(yè)和社會(huì)質(zhì)量實(shí)踐的顛覆性影響的結(jié)果。根據(jù)美國質(zhì)量學(xué)會(huì)（ASQ）的說法，“質(zhì)量4.0”是指在工業(yè)4.0背景下，質(zhì)量和組織卓越發(fā)展的未來。質(zhì)量專業(yè)人員可以將經(jīng)過驗(yàn)證的質(zhì)量學(xué)科應(yīng)用于新的數(shù)字化和顛覆性技術(shù)方面，在他們的組織中發(fā)揮重要作用。在創(chuàng)建這個(gè)術(shù)語之前，質(zhì)量的概念并沒有根據(jù)其自身領(lǐng)域的重大事件的進(jìn)展劃分為不同的時(shí)代，但將質(zhì)量技術(shù)發(fā)展并行于工業(yè)的發(fā)展，這應(yīng)該是合理的。

在質(zhì)量4.0的顛覆性時(shí)代，這個(gè)IAQ智庫旨在尋求對(duì)數(shù)字技術(shù)的方法、應(yīng)用和對(duì)質(zhì)量方法、工具和實(shí)踐的影響，以及對(duì)從事質(zhì)量行業(yè)的專家的影響有清晰的理解，并為將來質(zhì)量4.0的應(yīng)用，發(fā)展相對(duì)應(yīng)的專業(yè)能力。在數(shù)字化轉(zhuǎn)型背景下，質(zhì)量4.0的發(fā)展中，工業(yè)大數(shù)據(jù)無疑是其中的核心。

大數(shù)據(jù)有三個(gè)原始特性：高容量（High-Volume），指的是數(shù)據(jù)量；高速度（High-Velocity），指的是收集、獲取、生成、處理數(shù)據(jù)的速度；多種類（High-Variety），指的是不同的數(shù)據(jù)類型，如音頻、視頻、圖像數(shù)據(jù)（主要是非結(jié)構(gòu)化數(shù)據(jù)）。

質(zhì)量4.0對(duì)于企業(yè)的競爭力至關(guān)重要。不過，是不是只要有了更先進(jìn)的機(jī)器設(shè)備去收集大數(shù)據(jù)，或通過自我研發(fā)跨越了以往存在的一些技術(shù)門檻，質(zhì)量創(chuàng)新就能提升到更高水平呢？事實(shí)上，并不是軟硬件完全到位就可以解決問題。如果那樣的話，很多問題就不是問題了。接下來結(jié)合幾個(gè)具體實(shí)例進(jìn)行說明。

實(shí)例

實(shí)例A: 航空產(chǎn)業(yè)產(chǎn)品質(zhì)量預(yù)測與控制

某航空航天公司生產(chǎn)的一個(gè)重要產(chǎn)品是IMU（飛機(jī)慣性導(dǎo)航系統(tǒng)）。飛機(jī)慣性導(dǎo)航系統(tǒng)就像陀螺儀一樣可以控制方向，是一種非常強(qiáng)調(diào)精密性的儀器。航空業(yè)的公司規(guī)模往往非常大，軟件硬件也非常齊備，擁有非常好的數(shù)據(jù)收集系統(tǒng)與傳感器系統(tǒng)，可以獲得大量的有效實(shí)時(shí)數(shù)據(jù)。在制造飛機(jī)慣性導(dǎo)航系統(tǒng)時(shí)存在許多不同的工序，我們?cè)诿總€(gè)工序中都放置一些傳感器。布置傳感器的原因：一方面?zhèn)鞲衅魇窍冗M(jìn)科技的結(jié)晶，可以對(duì)數(shù)據(jù)進(jìn)行準(zhǔn)確和高效的收集，從而對(duì)工序進(jìn)行實(shí)時(shí)監(jiān)控；另一方面?zhèn)鞲衅鞯膬r(jià)格低廉。然而，即便我們獲得了海量的實(shí)時(shí)數(shù)據(jù)，并且擁有良好的信息系統(tǒng)，產(chǎn)品的質(zhì)量檢測最終還是要仰仗人工檢驗(yàn)。對(duì)于飛機(jī)慣性導(dǎo)航系統(tǒng)而言，共有（x,y,z）三個(gè)維度，且每個(gè)維度擁有3個(gè)指標(biāo)。我們需要對(duì)該產(chǎn)品共計(jì)9個(gè)指標(biāo)進(jìn)行測量，若有一個(gè)指標(biāo)不符合要求則該產(chǎn)品不符合質(zhì)量要求。

對(duì)于這個(gè)案例而言，雖然我們獲得了大量工業(yè)數(shù)據(jù)，最終產(chǎn)品質(zhì)量檢測還是依靠人工方式進(jìn)行，而不是根據(jù)獲得的海量數(shù)據(jù)預(yù)測獲得。此外，當(dāng)產(chǎn)品質(zhì)量發(fā)生問題時(shí)，我們也沒有辦法根據(jù)數(shù)據(jù)進(jìn)行診斷或者問題追蹤，仍依賴人為判斷。

實(shí)例B：半導(dǎo)體產(chǎn)業(yè)產(chǎn)品質(zhì)量預(yù)測與控制

半導(dǎo)體行業(yè)是一個(gè)非常追求精密化的行業(yè)。他們對(duì)數(shù)據(jù)的應(yīng)用在所有行業(yè)中處于領(lǐng)先地位，在其他行業(yè)進(jìn)行大數(shù)據(jù)分析之前半導(dǎo)體行業(yè)就已經(jīng)在進(jìn)行數(shù)據(jù)收集了。半導(dǎo)體行業(yè)中的玻璃面板成膜（PVD）過程包含很多工序，并且數(shù)據(jù)收集非常完備，有海量的實(shí)時(shí)數(shù)據(jù)?？墒桥c案例A很像，我們無法通過數(shù)據(jù)，預(yù)測產(chǎn)品質(zhì)量是否過關(guān)，最終還是需要進(jìn)行人工檢測。我們通常通過測量一整塊鍍膜玻璃上17個(gè)點(diǎn)的厚度，并計(jì)算他們的均值和方差，以此檢驗(yàn)產(chǎn)品質(zhì)量是否過關(guān)。

玻璃面板成膜過程中的眾多工序中，我們目前采集的數(shù)據(jù)僅包括其中的3個(gè)工序。然而，僅僅是這3個(gè)工序就已經(jīng)有65個(gè)參數(shù)，并且目前還沒有辦法識(shí)別出這65個(gè)參數(shù)里哪些是重要參數(shù)。對(duì)于玻璃面板成膜過程整體而言，工序越多，數(shù)據(jù)就越復(fù)雜，參數(shù)就越多，而哪些參數(shù)對(duì)最后的產(chǎn)品質(zhì)量有決定性影響是很難識(shí)別的。因此，該過程很難根據(jù)參數(shù)數(shù)據(jù)來對(duì)產(chǎn)品質(zhì)量進(jìn)行預(yù)測。此外，當(dāng)產(chǎn)品質(zhì)量出了問題，該如何進(jìn)行調(diào)控提升、應(yīng)該調(diào)整哪些參數(shù)、如何追蹤是哪個(gè)環(huán)節(jié)出了問題等都非常重要，但我們目前沒有辦法解決它們。

介紹這個(gè)案例是想說明，盡管現(xiàn)在工業(yè)數(shù)據(jù)收集環(huán)節(jié)已經(jīng)完善，仍然無法實(shí)現(xiàn)自動(dòng)化的產(chǎn)品質(zhì)量預(yù)測與監(jiān)控。

實(shí)例 C：服裝產(chǎn)業(yè)產(chǎn)品質(zhì)量預(yù)測與控制

某制衣公司在制衣業(yè)中排名很靠前，他們購買了ERP系統(tǒng)與RFID系統(tǒng)，具備完善的信息系統(tǒng)和數(shù)據(jù)采集系統(tǒng)?？墒撬麄?nèi)匀挥龅搅颂魬?zhàn)：該公司主要客戶是快時(shí)尚人群，喜歡根據(jù)時(shí)尚潮流快速替換他們的產(chǎn)品款式。這對(duì)客戶方而言是有益的，他們可以很快地替換服裝款式并且可以將價(jià)格成本壓得很低，但是對(duì)于生產(chǎn)方來說有很大壓力。大家可能認(rèn)為他們可以根據(jù)大數(shù)據(jù)信息系統(tǒng)迅速提出工時(shí)工序報(bào)價(jià)，但實(shí)際情況是目前他們對(duì)于工時(shí)工序報(bào)價(jià)仍然無法根據(jù)數(shù)據(jù)進(jìn)行預(yù)測建模，因此提供工時(shí)工序報(bào)價(jià)時(shí)最終還是依靠人為判斷與經(jīng)驗(yàn)。

雖然該公司的數(shù)據(jù)收集系統(tǒng)非常完善，但由于服裝款式非常多，其中還包含許多零部件的生產(chǎn)，整體工序非常復(fù)雜。而工序數(shù)據(jù)不僅僅是連續(xù)型數(shù)據(jù)，還包含非常多的定性數(shù)據(jù)，造成數(shù)據(jù)維度非常高。雖然擁有海量數(shù)據(jù)，但是在維度非常高的情況下，模型很容易擬合失敗。另外，在數(shù)據(jù)采集環(huán)節(jié)涉及到大量人工干預(yù)，比如用人工填表等方式收集數(shù)據(jù)，這導(dǎo)致獲得的數(shù)據(jù)精準(zhǔn)度不高。因此，雖然該公司數(shù)據(jù)量非常大，最終做決策時(shí)還是仰仗人的參與。

思考

目前，我們推崇大數(shù)據(jù)與數(shù)據(jù)科學(xué)，這股潮流會(huì)讓我們產(chǎn)生一些幻覺，比如一些公司覺得自己規(guī)模不是很大，也沒有充足的資金，沒有辦法構(gòu)建良好的信息系統(tǒng)與數(shù)據(jù)采集系統(tǒng)等，因此無法在大數(shù)據(jù)浪潮中獲益。

通過以上三個(gè)例子我們發(fā)現(xiàn)，無論是人工參與較多的服裝行業(yè)，還是較為智能化的半導(dǎo)體業(yè)，就算公司資金非常充足、信息系統(tǒng)與數(shù)據(jù)采集系統(tǒng)非常完善，可以通過各種方式獲得海量實(shí)時(shí)數(shù)據(jù)，但這些數(shù)據(jù)并不能幫助他們解決實(shí)際問題。他們沒有辦法做到產(chǎn)品質(zhì)量管理的自動(dòng)化，產(chǎn)品質(zhì)量檢測問題仍然大量依賴人工方式。

這些例子告訴我們：大數(shù)據(jù)確實(shí)很重要，但只有大數(shù)據(jù)依然不能解決問題；大數(shù)據(jù)并非質(zhì)量創(chuàng)新的充要條件。如何根據(jù)在生產(chǎn)過程中獲得的大數(shù)據(jù)，對(duì)工序進(jìn)行優(yōu)化或預(yù)測產(chǎn)品質(zhì)量仍是質(zhì)量創(chuàng)新亟待解決的問題。

想要解決質(zhì)量創(chuàng)新問題，需要依照一些步驟與方法，其中很多步驟或方法目前已經(jīng)較為成熟，比如六西格瑪、工藝流程圖等。這些方法在實(shí)際應(yīng)用中仍然十分有效。因此，我們?cè)跀?shù)字化轉(zhuǎn)型過程中并不能摒棄它們。然而，這些傳統(tǒng)方法也有許多不足之處。

首先，傳統(tǒng)方法使用的數(shù)據(jù)是基于采樣得到的，它們只代表部分產(chǎn)品信息，反映局部生產(chǎn)過程。在看不到的地方，我們往往是用人為經(jīng)驗(yàn)進(jìn)行填補(bǔ)。其次，缺少統(tǒng)一的數(shù)據(jù)信息平臺(tái)，質(zhì)量數(shù)據(jù)難以共享與追蹤。如果數(shù)據(jù)是一座“孤島”的話，往往會(huì)孤掌難鳴，效果有限。數(shù)據(jù)真正強(qiáng)大的地方在于將它們聯(lián)系起來。第三，工具自動(dòng)化程度偏低，依賴人員大量參與和主觀判斷。

進(jìn)入工業(yè)4.0時(shí)代并展望質(zhì)量4.0，首先，由于現(xiàn)代傳感器行業(yè)的發(fā)展，我們可以獲得更多更實(shí)時(shí)的數(shù)據(jù)，可以看到更多更全面的信息。其次，我們擁有了更多數(shù)據(jù)平臺(tái)，可以把孤立的數(shù)據(jù)聯(lián)系起來。第三，伴隨著統(tǒng)計(jì)及機(jī)器學(xué)習(xí)方法的發(fā)展，盡管仍然需要人的參與，我們還是可以做到一些工具的自動(dòng)化與智能化。

過去，我們把數(shù)據(jù)當(dāng)成金礦，所以盡量存起來，以備后用。但現(xiàn)在發(fā)現(xiàn)，數(shù)據(jù)不是湖或者海的靜態(tài)概念，而是數(shù)據(jù)流，是河流的概念。它有速度的，所以不要打算存起來；它是實(shí)時(shí)流動(dòng)、動(dòng)態(tài)的，所以質(zhì)量4.0的重點(diǎn)是思考如何利用數(shù)字化轉(zhuǎn)型，實(shí)時(shí)分析工業(yè)大數(shù)據(jù)、實(shí)時(shí)反饋，以達(dá)到智能決策及管控的目的。