质量大数据的管理与运用.docx

质量大数据的管理与运用

摘要：工业提质增效，经济高质量发展，都离不开高质量的管理体系、高质量的生产系统、高质量的工业产品。而这一切，都与质量大数据密切相关。质量大数据管理与运用是一项新兴的技术体系，轨道装备制造业质量管理数字化是一项综合性系统工程，需要长期发展过程。因此，文章对典型案例进行剖析，揭示轨道装备制造企业如何通过质量大数据来实现对质量的实时管理和精准控制，生产出高质量的产品，提供高质量的服务，推进制造业数字化转型，加快制造强国、质量强国建设。

关键词：质量大数据；管理；运用

引言：随着数据采集体系的日趋成熟以及质量大数据分析技术的蓬勃发展，企业自身的数据积累与技术积累已经达到了一定的程度，质量大数据技术得到落地应用。在自动化程度较高的行业尤为明显。例如在半导体行业，将质量大数据技术引入FDC数据分析系统，帮助产品生产过程进行质量管理，提升其管理水平，从而获得稳定的产品良率。在电子制造行业，许多企业利用质量大数据系统辅助SMT产线进行质量管理，提高产品生产效率与生产质量。在汽车行业，特别是一线品牌的汽车企业，以质量大数据核心的质量管理系统已经进入普及阶段。此以外，质量大数据在化工、新材料生产等行业也得到了一些实际的应用，为企业质量管理提供帮助。

1.质量大数据的内涵

制造业是立国之本、强国之基，增强制造业质量优势对于推动产业链向中高端升级转型至关重要。同时，质量作为评估工业设备、产品及服务能否稳定发挥其性能作用的关键指标，对工业技术升级、工业成本和消费体验均有较大影响。现代工业设备、产品及系统十分复杂，仅仅依赖传统的质量管理手段很难对其质量问题进行规避，从而实质性地提升其质量水平。而随着大数据、传感器、人工智能等技术领域的飞速发展，一些原本较为隐蔽的质量特征、关联关系可以从工业质量数据中得到挖掘。质量大数据可以将各类工业场景下的质量风险暴露，实现质量关联关系挖掘、质量水平优化和质量经验知识积累，达到工业产品和服务向中高端转型升级的目的，提升整体行业效益。

2.质量大数据在企业中的实施路径

2.1深化质量管理变革

（1）明确质量数据应用模式

企业需根据行业特点和实际需求，考虑符合自身发展的质量大数据应用模式。处于质量大数据应用初期或对重点业务环节有较高质量要求的企业，可有针对性地推进质量大数据采集、分析和应用等技术落地，提升生产过程的质量控制智能化、精细化水平；对于已打通质量大数据在内部业务流动的企业，可将质量管理拓展至所有相关方，加强产业链质量信息追溯，促进产品研发、设计、生产与服务一体化创新；对于完善产业链质量协同、具有平台化运行能力的企业，可探索建立质量大数据生态体系，推动质量大数据的收集整理、开发利用和共建共享。

（2）完善质量管理组织体系

企业应开展管理流程化、决策数据化、功能平台化的质量管理组织体系变革，推动从单一职能垂直管理向矩阵数字型质量管理组织转变。管理流程化是指以用户需求为导向，系统梳理各业务环节与质量策划、控制、保证、改进等质量管理活动间的流程接口，加强数据全流程交互共享，更好地实现业务数据和质量数据融合，从而最大限度地提高生产和业务效率。决策数据化本质是通过数据获取经验，辅助企业在生产和经营管理中采取策略。功能平台化是指企业对内依托质量大数据平台，通过各类模块化软件，推进质量大数据应用技术落地；对外通过质量大数据支撑产品质量提升，企业本身即是平台。

（3）完善质量管理工作机制

企业应围绕质量管理能力建设，构建架构引领、规划先行、部门协同、定期评估、持续进步的系统化管理机制。明确质量管理工作架构，确定质量管理工作的责任部门、职责和权限；规划选择质量大数据应用模式，优化质量方针、质量目标，确定资源分配方式，并制定质量管理提升路径；创新质量部门与业务部门协同工作模式，通过数据管理平台和研发设计工具，在正确的时间将正确的数据发送给正确的人与和机器，实现多部门工作无缝连接；开展数据能力成熟度体系贯标，定期评估质量大数据实施后的提升效果；加强质量大数据管理复合型人才培养和锻炼，为质量管理和业务工作的持续进步注入活力。

2.2强化数据开发利用

（1）加强质量数据全生命周期管控

企业需在实施质量大数据初期梳理数据资产，包括企业内部拥有的质量数据、需要通过外部整合的质量数据等。合理的数据梳理及整合有利于企业形成系统化的数据管理，为后续打通内部数据孤岛、发挥整合效益、推动高质量数据建设提供先决条件。采用智能化业务终端及适当使用各类传感器，采集汇聚蕴含在生产制造过程中的质量数据。通过制定企业标准或采纳国标等形式，统一质量数据标准，采用专业的数据管理产品和工具、开发量身定做的数据管理系统用于数据存储或管理。采用5G、物联网等通信手段，建立及时、可靠的数据传输网络，支撑质量数据流动及无缝汇集。

（2）保障质量数据安全

企业