發布時間：所屬分類：計算機職稱論文瀏覽：1次
摘 要： 摘要通過分析傳統產品質量改進模式存在的問題，以及產品質量改進的定義理解，對產品全生命周期過程質量數據的采集、存儲、處理、分析和挖掘等相關技術應用進行研究。規劃、設計產品質量大數據管理模型，并探索在產品質量改進實施過程中創新應用大數據分析和
摘要通過分析傳統產品質量改進模式存在的問題，以及產品質量改進的定義理解，對產品全生命周期過程質量數據的采集、存儲、處理、分析和挖掘等相關技術應用進行研究。規劃、設計產品質量大數據管理模型，并探索在產品質量改進實施過程中創新應用大數據分析和挖掘技術。優化、創新產品質量改進方法和工具，為產品質量持續改進提出產品質量大數據驅動的管理模式創新思路。同時，構建產品質量改進的函數模型，并通過應用實例進行驗證，證明能幫助企業構建快捷高效、精準規范、透明可控的產品質量改進管理體系。
關鍵詞產品質量改進PDCA大數據技術
0引言
隨著新一輪科技革命和產業變革的爆發，全球各國為占領制高點，加快物聯網、大數據、云計算等新一代信息技術研究和應用。國內外知名企業為增強全球的核心競爭力，不遺余力地積極推進數字化、網絡化、智能化建設，提高科技和管理創新能力，實現提質增效，促進企業轉型升級。如何持續改進產品質量，不斷提高滿足產品質量要求的能力，成為企業轉型升級面臨的最重要的課題。
相關期刊推薦：《計算機應用與軟件》注重刊登反映計算機應用和軟件技術開發應用方面的新理論、新方法、新技術以及創新應用的文章。本刊致力于創辦以創新、準確、實用為特色，突出綜述性、科學性、實用性，及時報道國內外計算機技術在科研、教學、應用方面的研究成果和發展動態的綜合性技術雜志，為國內計算機同行提供學術交流的平臺。
產品質量改進必須建立在產品質量數據分析的基礎之上，而產品質量數據貫穿于產品研發設計、物料供應、制造裝配、調試試驗、售后服務等產品全生命周期過程。傳統的手工、紙質質量管理方式、手段存在產品質量數據量大而分散、采集難，紙質化數據差錯率高、反饋不及時、利用率低等問題，已無法滿足新時期產品質量改進的要求。需要運用大數據技術，集成采集、存儲處理、分析挖掘產品全生命周期過程質量數據，為產品質量改進的模式創新提供必要技術支持。
1產品質量改進定義
產品質量改進[8]是為向本企業及其顧客提供產品增值效益，在整個企業范圍內所采取的提高活動和過程效果與效率的措施。它致力于消除產品系統性的問題，對現有的產品質量水平在控制的基礎上加以提高，使產品質量達到一個新水平、新高度，最終效果是獲得產品的質量比原來目標高得多。產品質量改進活動必須遵循一個PDCA循環[7]的科學規則，即:計劃(Plan)，實施(Do)，檢查(Check)，處置(Action)。
工業大數據驅動下的產品質量改進PDCA循環具有以下特點:①工業大數據是方向盤、驅動力，四個階段一個都不能少，如圖1(a)所示;②數據驅動PDCA循環，大環套小環，即在PDCA大循環中可利用小PDCA循環，以制定更低層次的計劃、執行、檢查和處置，如圖1(b)所示;③大數據驅動PDCA不斷螺旋式上升，每循環一次，產品質量提高一次，如圖1(c)所示。
在工業大數據條件下，產品質量改進PDCA循環被賦予新的內涵，綜合運用大數據技術，能夠更加高效、靈活、精準、持續改進產品質量，快速響應客戶對產品多樣化的質量要求。
2產品質量大數據管理
隨著“中國制造2025”國家戰略政策的不斷深化推進，國內各行各業掀起了智能工廠、智能車間、數字化車間等建設，為產品質量改進提供了工業大數據應用的生態土壤。產品質量數據是工業大數據的重要組成部分，為產品質量改進提供了基礎支撐。
產品質量大數據管理主要針對產品全生命周期過程質量數據進行采集、處理、傳輸、存儲和挖掘分析等管理。對產品質量大數據管理規劃研究的設計[4]如圖2所示。
2.1質量數據集成采集
產品質量數據采集主要是從制造車間物聯網、企業信息化應用系統、互聯網的網站，采集產品研發設計、物料供應、制造裝配、調試試驗、售后服務等產品全生命周期過程質量數據，國內外產品質量標準、質量改進分析參考模型、經驗方法等知識數據，以及競爭對手的產品質量相關信息等。采集的數據有結構化、半結構化和非結構化數據;有批量和增量數據;有實時和非實時數據。針對不同類型、不同時效要求的數據，需采用多種不同的采集、集成技術，例如:現場質量數據采用DCS、SCADA、傳感器采集技術，記錄、報表、單據等關系數據采用信息系統采集。
2.2質量數據存儲和處理
面向產品規劃、設計、制造、檢測、計量、運輸、存儲、銷售、售后等全過程采集的產品內在質量屬性(包括產品性能、壽命、可靠性、安全性、經濟性等)和外部質量屬性(包括光潔度、造型、色澤、包裝等)數據，有結構化、半結構化、實時、非結構化等存在形式，需要采用分布式文件系統、行式數據庫(分布式關系型數據庫、鍵值數據庫、實時數據庫、內存數據庫)、列式數據庫等業界典型功能系統支撐數據處理高級應用，實現產品質量數據的海量規模存儲、快速查詢讀取。數據存儲主要采用分布式文件系統及基于分布式文件系統的各類數據庫，提供歷史數據存儲、面向SQL的數據訪問等能力。數據處理主要采用計算(數據查詢、內存計算、流式計算)、數據分析算法以及分析挖掘工具組成的數據處理功能。
2.3質量數據分析和挖掘
產品質量數據挖掘主要針對采集、存儲的產品質量數據，采用高性能計算、分布式計算、并行計算等大數據處理技術和可視化拖拽技術[1]，進行數據處理、可視化理解、樣本選擇、模型構建、模型展示、模型評估、模型發布，挖掘出潛在的產品質量改進機會和影響質量因素等有用信息，不斷持續改進產品質量。數據處理可以采用數據關聯、數據降維、格式轉換、篩選、異常處理等方法。數據分析可以采用共性結構分析、判別分析、因果關系分析、關聯性分析、隱變量分析等方法。
3大數據驅動產品質量改進實施
在產品質量改進PDCA循環實施中，根據GB/T19000族標準和《GJB9001C-2017質量管理體系要求》，在采集、存儲、處理和分析大量的產品質量數據基礎上，采用大數據分析、挖掘和工作流引擎技術，優化、創新產品質量改進方法和工具，促進產品質量改進管理模式創新，幫助企業構建快捷高效、精準規范、透明可控的產品質量改進管理體系，為企業快速提質增效注入新動能。
工業大數據驅動下的產品質量改進實施過程如圖3所示。
3.1識別和確認改進機會
從產品質量大數據中獲取產品質量數據、互聯網數據和情報數據，挖掘出企業自身產品質量情況和產品成熟度，同行業產品質量標準，用戶對產品的質量要求，競爭對手的同種或同類產品質量情況等有用信息數據，并依托工業大數據管理對接差距統計分析、對比評分、技術分析、經濟性分析等方法，構建產品質量改進項目選擇綜合分析模型。通過綜合分析，識別產品質量改進機會，確認經濟上合理，技術上可行的產品質量改進項目[2]，并確定產品質量改進項目目標值、經費預算和改進活動時間表。
3.2掌握產品質量現狀調查
針對選定的產品質量改進項目，對產品研發設計、物料供應、制造裝配、調試試驗、售后服務等產品全生命周期過程歷史質量數據進行分析，綜合運用大數據分析和挖掘技術，結合排列圖、分層法等質量改進方法，從時間、地點、種類、特征等多維度、多角度，對影響產品質量的歷史數據進行匯總、查詢、統計、分析，能更精準地把握產品質量問題的規律。
3.3分析影響產品質量因子
在掌握影響產品質量問題規律基礎上，對產品歷史質量數據進行分類、統計和分析，歸納問題類型，綜合運用因果圖、排列圖等產品質量改進方法和回歸、聚類、決策樹、神經網絡、邏輯回歸等工業大數據算法[3]，有針對性地對產品研發設計、物料供應、制造裝配、調試試驗、售后服務等產品全生命周期過程影響產品質量的人、機、料、法、環等質量因子開展機理分析和數據發掘分析，獲得影響產品質量的規律和因素。基于這些因素再開展質量問題定性溯源和質量問題定量溯源，并確定各質量因子的影響程度。
3.4制定對策計劃(Plan)
在產品質量持續改進過程中，積累了大量的產品質量改進方法、經驗、算法和決策模型等知識，在此基礎上，可以為影響產品質量因子的對策計劃制定提供智能決策支持。制定對策計劃時，需要明確5W1H(Why:為什么制定;What:預期目標;Where:何處實施;Who:由誰實施;When:何時開始和完成;How:如何實施)，并以此作為約束條件，并且充分考慮人、機、料、法、環等企業資源狀況，以及當前的生產任務情況，通過智能決策分析系統工具，制定經濟合理，技術可行的決策計劃。
3.5實施對策計劃(Do)
按照制定的對策計劃，以產品質量改進知識為向導，組織企業相關部門和人員通力合作，協同完成對策計劃的實施。實施過程中，可以通過產品質量大數據的集成采集、處理、分析、挖掘和反饋功能，實時跟蹤、監控對策計劃實施過程，對延期或違規執行等情況進行預警提醒，并可以及時調整對策計劃，高效、快速、精準、低成本地完成產品質量改進工作。
3.6驗證、確認改進效果(Check)
運用排列圖、分層法等產品質量改進方法，借助產品質量大數據管理的數據分析和挖掘技術優勢，從一次交驗合格率，質量成本，產品壽命、性能，策劃預期目標等多維度對產品質量改進的結果進行分析、驗證，并與實施產品質量改進活動前的調查現狀進行對比、分析、評估，從而驗證產品質量改進效果。
3.7鞏固和分享改進成果(Action)
通過產品質量改進效果的評估、驗證、確認和總結，對產品質量改進效果好“糾正措施”的對策、方法、算法、經驗進行知識化積累，形成產品質量改進知識庫，為持續改進產品質量提供知識資產;對存在的遺留問題，將自動轉入下一輪PDCA循環。同時，進一步優化產品設計、工藝設計、生產設計，標準化產品設計、生產、試驗、服務和管理流程，并納入企業管理標準體系，鞏固產品質量改進成果。
4產品質量改進的大數據應用驗證
某科研院所的慣性測量系統(下文簡稱“系統”)是重要科研生產項目之一，由光學傳感器(G1，G2，G3)、傳感器(A)、電路板等部件裝配而成。即便采用質檢合格的所有部件，并且嚴格控制裝配過程，系統裝配合格率也可能僅為50%，造成嚴重的經濟損失，也嚴重影響顧客的滿意度。
針對上述問題，科研院所組建由工藝人員、質量管理人員、質量分析人員構成的系統裝配質量改進小組。質量改進小組嘗試按照大數據驅動的產品質量改進實施步驟對系統裝配工藝進行了優化，取得較好的效果，最終將系統的裝配合格率提高到80%。
在系統裝配質量改進的實施過程中，提出了大數據解決方案。開展了運用Logistic(邏輯斯蒂回歸)的大數據算法研究，構造預測函數來尋找影響系統裝配合格率的質量因子。通過對大量的系統裝配過程歷史工藝數據和質量數據進行分析，發現同一批次、同一型號、同一款式的合格光學傳感器(G部件)分別安裝在三個軸向，安裝軸向不同，裝配結果也不同。從而可以推斷:影響系統裝配質量因子是G部件的安裝軸向。
5結語
本文提出了在工業大數據條件下，研究充分利用大數據的采集、存儲、處理、分析和挖掘技術，探索和研究產品質量改進新模式，并進行了一定的實例驗證。但是產品質量改進的創新模式實現，還需要進一步細化，形成落地方案，并通過數字化、網絡化和智能化手段，將產品質量改進活動融入到產品研發設計、物料供應、制造裝配、調試試驗、售后服務等產品全生命周期業務過程，構建一體化集成應用系統，為產品質量改進提供工業大數據的平臺支撐，優化、規范產品質量改進流程，提高產品質量改進效率。同時，可以考慮引進6σ統計評估等產品其他質量改進方法，不斷追求零缺陷產品生產，防范產品責任風險，降低成本，提高生產率和市場占有率，提高顧客滿意度和忠誠度。
