基于大数据的质量链协同效度研究.docVIP

基于大数据的质量链协同效度研究 　　摘 要：在信息化时代的大背景下，人类所产生的数据量越来越多，而对数据的整理和挖掘以银河三号的计算能力也无法对数据进行处理，所以人们提出了大数据这一概念。通过对大数据进行挖掘所反映出的运行规律对于我们的生活具有非常重要的价值。因此，以基于大数据的质量链协同效度为研究对象，通过对基于大数据的质量链和协同效度进行分析，并建立大数据环境下质量链协同效度模型，为企业在数据挖掘中获取竞争优势，提高企业间质量链的协同效度。 　　关键词：大数据；质量链；协同效度；DMU；模型构建 　　中图分类号：F270 文献标识码：A 　　在市场经济环境中，企业之间紧密合作，建立质量链协同管理体系已经成为了企业间合作共同发展的主要方向。传统的开门接订单，关门做质检的企业质量管理，对于不断变化的市场环境来说显得效能低下，无法建立快速的市场应对体系。因此，多个企业间进行合作，建立质量链协同管理，越来越受到企业的青睐。企业间协同管理不仅能够促进企业产品质量管理的提升，而且对于缩短产品周期，提高企业市场竞争力具有非常重要的作用。同时，在面对风险时，企业之间的协同合作也可以将风险根据不同企业间的承受能力分担，有效化解危机。随着网络技术、信息技术的快速发展，大数据这一概念让众多行业找到了未来发展科学依据的源泉，通过对大数据进行挖掘、筛选、整理和分析，能够提高企业决策的准确性，同时在企业质量管理中也能够丰富企业间协同质量管理内容，提高质量链管理的水平。 　　1基于大数据的质量链 　　1.1质量链定义 　　质量链是指，产品成型过程中，所涉及到的所有关联企业对于产品质量控制的链条体系。质量链从对市场的调研就已经开始建立，市场调研对消费者需求进行分析，建立需求报告，需求报告的质量关系到下面企业进行开发设计的完整性；开发设计的质量又关系到下一步的计划与采购；计划和采购的质量又关系到下一步的生产与控制；生产与控制质量又关系到下一步的检验和销售；检验和销售的质量又关系到售后服务和反馈信息的质量；通过反馈信息由回到产品市场调研一级，由此形成环型的质量链体系。 　　1.2 基于大数据的质量链 　　基于大数据的质量链是一种对产品生命周期全程进行数据采集、分析和管理的质量链管理体系。其通过低产品生命周期全程信息采集能够具有科学性、准确性的对产品各个质量环节进行分析，通过协同效度的比对判断出该质量链节点的贡献率是否达到最大化。 　　在现代化质量管理体系中，基于大数据的质量链管理就是通过对产品生命周期全过程所产生的信息数据进行综合分析，并作出准确的判断，作为企业之间质量协同管理和个性化要求的标准，并且以预先控制为主的链式质量管理体系能够对产品生命周期的各个环节进行有效控制，保证质量链的完整。 　　基于大数据的质量链是结合当下先进的网络技术、信息技术、建模技术、数据挖掘技术等为一体的处理企业间合作质量管理方式。基于大数据的质量链从质量观念、统计方法、质量实现过程、质量体系、质量标准等方面构建一个动态合作、协同管理的现代企业质量关系体系，以整体、系统、集成的观点组织企业产品全生命周期、全过程实现的管理方法。利用网络技术和信息技术在企业链上的各成员企业之间建立了一条敏捷、畅通、受控、优化的协同质量链管理，通过信息的快速沟通与交流，在产品研发、产品生产、产品销售等环节进行无障碍沟通，实现企业间深度合作。 　　2 协同效度 　　2.1 协同效度定义 　　从经济学角度来讲，协同是有两个以上的个体或者系统一致完成目标的能力和过程。而协同效度是指协同综合评价的有效性，系统综合评价的有效性可分为一个系统内有效和多个系统间有效，一个系统有效可以确定系统协同有效性和系统内发展的有效性。多个系统间有效性可以分为系统间协同的有效性和系统间发展的有效性。 　　2.2 协同效度模型 　　协同效度模型――DEA（data envelopment analysis）模型，协同效度DEA模型按照规划形式分可为两种：一种是分式规划协同效度DEA模型，另一种是线性规划协同效度DEA模型。 　　分式规划协同效度DEA模型是将质量链上的各个企业、各个环节都作为一个节点单元，通过节点单元的集合实现既定的目标。节点单元用DMU（decision making units）表示，每个节点单元对于质量链都具有决策权。在节点单元的集合中，可以将具有相同性质、相同指标、相同类型等的DMU视为联合DMU，再对联合DMU的协同效度进行评价，质量链上的多个联合DMU分别评价的结果作为DEA模型协同效度的总体评价。 　　线性规划协同效度DEA模型是协同效度DEA模型借助单目标线性规划，在所定义的生产可能集内，或固定投入，将产出尽可能增大；或固定产出，将投入尽量缩小，其最大增大比