質(zhì)量大數(shù)據(jù)白皮書

1、 HYPERLINK / 質(zhì)量大數(shù)據(jù)白皮書 HYPERLINK / 數(shù)字化轉(zhuǎn)型系列研究報告 No.1目錄 HYPERLINK l _bookmark0 質(zhì)量大數(shù)據(jù)的內(nèi)涵 1 HYPERLINK l _bookmark1 質(zhì)量大數(shù)據(jù)的概念和外延 1 HYPERLINK l _bookmark2 質(zhì)量大數(shù)據(jù)的業(yè)務(wù)維度 3 HYPERLINK l _bookmark3 質(zhì)量大數(shù)據(jù)的數(shù)據(jù)維度 4 HYPERLINK l _bookmark4 質(zhì)量大數(shù)據(jù)的技術(shù)維度 6 HYPERLINK l _bookmark5 質(zhì)量大數(shù)據(jù)的特征 8 HYPERLINK l _bookmark6 與其它技術(shù)的關(guān)系 11

2、 HYPERLINK l _bookmark7 質(zhì)量大數(shù)據(jù)與工業(yè)互聯(lián)網(wǎng)的關(guān)系 12 HYPERLINK l _bookmark8 質(zhì)量大數(shù)據(jù)與數(shù)字孿生的關(guān)系 13 HYPERLINK l _bookmark9 質(zhì)量大數(shù)據(jù)與工業(yè)大數(shù)據(jù)的關(guān)系 14 HYPERLINK l _bookmark10 質(zhì)量大數(shù)據(jù)與人工智能的關(guān)系 14 HYPERLINK l _bookmark11 質(zhì)量大數(shù)據(jù)與區(qū)塊鏈的關(guān)系 15 HYPERLINK l _bookmark12 質(zhì)量大數(shù)據(jù)發(fā)展歷程與現(xiàn)狀 16 HYPERLINK l _bookmark13 質(zhì)量大數(shù)據(jù)的發(fā)展歷程 16 HYPERLINK l _bookm

3、ark14 質(zhì)量管理體系的演化 16 HYPERLINK l _bookmark15 質(zhì)量數(shù)據(jù)分析的演變 17 HYPERLINK l _bookmark16 大數(shù)據(jù)帶來的契機 19 HYPERLINK l _bookmark17 質(zhì)量大數(shù)據(jù)的現(xiàn)狀 22 HYPERLINK l _bookmark18 技術(shù)研究現(xiàn)狀 22 HYPERLINK l _bookmark19 行業(yè)應(yīng)用現(xiàn)狀 24 HYPERLINK l _bookmark20 發(fā)展政策現(xiàn)狀 25 HYPERLINK l _bookmark21 質(zhì)量大數(shù)據(jù)面臨的挑戰(zhàn) 30 HYPERLINK l _bookmark22 質(zhì)量大數(shù)據(jù)的業(yè)務(wù)

4、視角 33 HYPERLINK l _bookmark23 3.1 生產(chǎn)體系 34 HYPERLINK l _bookmark24 3.2 管理體系 36 HYPERLINK l _bookmark25 應(yīng)用模式一：重點業(yè)務(wù)環(huán)節(jié)的質(zhì)量管理優(yōu)化 36 HYPERLINK l _bookmark26 以產(chǎn)品質(zhì)量為導(dǎo)向的設(shè)計優(yōu)化 36 HYPERLINK l _bookmark27 以生產(chǎn)質(zhì)量為導(dǎo)向的工藝優(yōu)化 41 HYPERLINK l _bookmark28 以質(zhì)量為導(dǎo)向的生產(chǎn)設(shè)備預(yù)測性維護 42 HYPERLINK l _bookmark29 應(yīng)用模式二：供應(yīng)鏈產(chǎn)業(yè)鏈的質(zhì)量協(xié)同優(yōu)化 43 HY

5、PERLINK l _bookmark30 應(yīng)用模式三：質(zhì)量公共服務(wù)與新生態(tài) 45 HYPERLINK l _bookmark31 質(zhì)量大數(shù)據(jù)的數(shù)據(jù)視角 47 HYPERLINK l _bookmark32 數(shù)據(jù)要素體系 47 HYPERLINK l _bookmark33 數(shù)據(jù)資源體系 48 HYPERLINK l _bookmark34 數(shù)據(jù)資源目錄 48 HYPERLINK l _bookmark35 數(shù)據(jù)資源融合 52 HYPERLINK l _bookmark36 數(shù)據(jù)共建共享 57 HYPERLINK l _bookmark37 數(shù)據(jù)治理體系 58 HYPERLINK l _boo

6、kmark38 數(shù)據(jù)標(biāo)準(zhǔn)體系 60 HYPERLINK l _bookmark39 數(shù)據(jù)質(zhì)量管理 61 HYPERLINK l _bookmark40 數(shù)據(jù)安全防護 63 HYPERLINK l _bookmark41 質(zhì)量大數(shù)據(jù)的技術(shù)視角 65 HYPERLINK l _bookmark42 5.1 技術(shù)架構(gòu) 65 HYPERLINK l _bookmark43 質(zhì)量全生命周期架構(gòu) 65 HYPERLINK l _bookmark44 數(shù)據(jù)平臺架構(gòu) 66 HYPERLINK l _bookmark45 數(shù)據(jù)存儲：多模態(tài)數(shù)據(jù)的數(shù)據(jù)湖技術(shù) 68 HYPERLINK l _bookmark46 數(shù)

7、據(jù)服務(wù)：質(zhì)量大數(shù)據(jù)的領(lǐng)域建模技術(shù) 77 HYPERLINK l _bookmark47 數(shù)據(jù)服務(wù):基于領(lǐng)域模型的查詢技術(shù) 80 HYPERLINK l _bookmark48 數(shù)據(jù)分析：面向多場景多數(shù)據(jù)源的數(shù)據(jù)分析技術(shù) 81 HYPERLINK l _bookmark49 質(zhì)量大數(shù)據(jù)的實施路徑 85 HYPERLINK l _bookmark50 6.1 企業(yè)側(cè) 85 HYPERLINK l _bookmark51 6.2 產(chǎn)業(yè)側(cè) 90 HYPERLINK l _bookmark52 質(zhì)量大數(shù)據(jù)的未來展望 94 HYPERLINK l _bookmark53 技術(shù)發(fā)展趨勢 94 HYPERLI

8、NK l _bookmark54 應(yīng)用發(fā)展趨勢 97 HYPERLINK l _bookmark55 產(chǎn)業(yè)發(fā)展趨勢 98 HYPERLINK l _bookmark56 質(zhì)量大數(shù)據(jù)典型案例 100 HYPERLINK l _bookmark57 以產(chǎn)品質(zhì)量為導(dǎo)向的設(shè)計優(yōu)化 101 HYPERLINK l _bookmark58 以生產(chǎn)質(zhì)量為導(dǎo)向的工藝優(yōu)化 104 HYPERLINK l _bookmark59 工藝質(zhì)量參數(shù)優(yōu)化 105 HYPERLINK l _bookmark60 工藝質(zhì)量缺陷識別 115 HYPERLINK l _bookmark61 8.2.3 質(zhì)量追溯 125 HYPE

9、RLINK l _bookmark62 以質(zhì)量為導(dǎo)向的生產(chǎn)設(shè)備預(yù)測性維護 132 HYPERLINK l _bookmark63 面向供應(yīng)鏈的質(zhì)量協(xié)同優(yōu)化 144 HYPERLINK l _bookmark64 質(zhì)量公共服務(wù)與新生態(tài) 154 HYPERLINK l _bookmark65 參考文獻 159 HYPERLINK l _bookmark66 縮略語表 162質(zhì)量大數(shù)據(jù)白皮書1.質(zhì)量大數(shù)據(jù)的內(nèi)涵制造業(yè)是立國之本、強國之基，增強制造業(yè)質(zhì)量優(yōu)勢對于推動產(chǎn)業(yè)鏈向中高端升級轉(zhuǎn)型至關(guān)重要。同時，質(zhì)量作為評估工業(yè)設(shè)備、產(chǎn)品及服務(wù)能否穩(wěn)定發(fā)揮其性能作用的關(guān)鍵指標(biāo)，對工業(yè)技術(shù)升級、工業(yè)成本和消費體驗

10、均有較大影響。現(xiàn)代工業(yè)設(shè)備、產(chǎn)品及系統(tǒng)十分復(fù)雜，僅僅依賴傳統(tǒng)的質(zhì)量管理手段很難對其質(zhì)量問題進行規(guī)避，從而實質(zhì)性地提升其質(zhì)量水平。而隨著大數(shù)據(jù)、傳感器、人工智能等技術(shù)領(lǐng)域的飛速發(fā)展，一些原本較為隱蔽的質(zhì)量特征、關(guān)聯(lián)關(guān)系可以從工業(yè)質(zhì)量數(shù)據(jù)中得到挖掘。質(zhì)量大數(shù)據(jù)可以將各類工業(yè)場景下的質(zhì)量風(fēng)險暴露，實現(xiàn)質(zhì)量關(guān)聯(lián)關(guān)系挖掘、質(zhì)量水平優(yōu)化和質(zhì)量經(jīng)驗知識積累，達到工業(yè)產(chǎn)品和服務(wù)向中高端轉(zhuǎn)型升級的目的，提升整體行業(yè)效益。本節(jié)嘗試剖析質(zhì)量大數(shù)據(jù)的內(nèi)涵。質(zhì)量大數(shù)據(jù)的概念和外延質(zhì)量大數(shù)據(jù)根據(jù)質(zhì)量管理在不同生產(chǎn)體系、管理體系和數(shù)據(jù)基礎(chǔ)等上下文的內(nèi)涵不同，決定了其邊界和內(nèi)容。從數(shù)據(jù)要素的角度，質(zhì)量大數(shù)據(jù)是指圍繞工業(yè)產(chǎn)品各

11、種質(zhì)量要求（功能型質(zhì)量、性能質(zhì)量、可靠性質(zhì)量、感官質(zhì)量等）在不同階段（研發(fā)設(shè)計、生產(chǎn)制造、使用運行等）所產(chǎn)生的與產(chǎn)品質(zhì)量相關(guān)的各類數(shù)據(jù)的總稱，覆蓋了人、機、料、法、環(huán)、測等多個因素。從業(yè)務(wù)范圍的角度，質(zhì)量大數(shù)據(jù)除了應(yīng)用于單個企業(yè)內(nèi)部的特定業(yè)務(wù)環(huán)節(jié)，也包括上下游企業(yè)構(gòu)成的供應(yīng)鏈協(xié)同和聯(lián)動，甚至覆蓋一個產(chǎn)業(yè)生態(tài)圈。從應(yīng)用技術(shù)的角度，質(zhì)量數(shù)據(jù)技術(shù)包括數(shù)據(jù)規(guī)劃、檢測采集、傳輸存儲、建模查詢、管控治理、統(tǒng)計分析和管理應(yīng)用等相關(guān)技術(shù)，而質(zhì)量大數(shù)據(jù)更聚焦在針對海量異構(gòu)質(zhì)量數(shù)據(jù)的平臺、分析和應(yīng)用等大數(shù)據(jù)技術(shù)。 質(zhì)量大數(shù)據(jù)白皮書從上面的描述可以看出，質(zhì)量大數(shù)據(jù)有業(yè)務(wù)、數(shù)據(jù)、技術(shù)等不同的維度，不同維度上的差別決定

12、了質(zhì)量大數(shù)據(jù)在不同行業(yè)、不同企業(yè)的側(cè)重點不同。例如，在醫(yī)藥、食品等行業(yè)，全產(chǎn)業(yè)鏈質(zhì)量追溯是重點；對于半導(dǎo)體生產(chǎn)，先進過程控制（Advanced Process Control, APC）是重點；對于裝備制造，全生命周期（從研發(fā)、制造到運維）的質(zhì)量管控與優(yōu)化是重點?；诙鄠€行業(yè)實踐和調(diào)研，本白皮書歸納出如圖 1.1 所示的質(zhì)量大數(shù)據(jù)的參考模型，從業(yè)務(wù)、數(shù)據(jù)、技術(shù)三個維度對質(zhì)量大數(shù)據(jù)的范疇和內(nèi)涵進行刻畫。人 設(shè)備產(chǎn)生主體分層方法關(guān)聯(lián)查詢 物料模型 設(shè)備模型人員模型數(shù)據(jù)服務(wù)領(lǐng)域建模質(zhì)量大數(shù)據(jù)體系數(shù)據(jù)安全防護數(shù)據(jù)應(yīng)用服務(wù)安全數(shù)據(jù)跨平臺安全產(chǎn)品質(zhì)量設(shè)計優(yōu)化分析模式分析模型數(shù)據(jù)分析管理體系生產(chǎn)體系分析算法

13、質(zhì)量業(yè)務(wù)管控指標(biāo)功 性能 能性 性質(zhì) 質(zhì)量 量圖 1.1：質(zhì)量大數(shù)據(jù)參考架構(gòu)質(zhì)量大數(shù)據(jù)的業(yè)務(wù)維度質(zhì)量大數(shù)據(jù)白皮書業(yè)務(wù)視角刻畫了質(zhì)量大數(shù)據(jù)的業(yè)務(wù)上下文，包括了生產(chǎn)體系、管理體系和應(yīng)用模式等三個維度。生產(chǎn)體系在生產(chǎn)體系維度上，包括產(chǎn)品特點、生產(chǎn)類型和質(zhì)量指標(biāo)管控三個方面。從產(chǎn)品特點，工業(yè)產(chǎn)品可以分為小批量定制化產(chǎn)品（如工藝品、水力發(fā)電機組）、小批量多品種產(chǎn)品（如沖壓件、印刷品）、大批量少量品種（如汽車、工程機械、3C 產(chǎn)品）、大批量標(biāo)準(zhǔn)品（如石化、食品），不同產(chǎn)品特點決定了合適的生產(chǎn)類型，包括加工車間（Job Shop）、流水車間(Flow Shop)、流水線（Line Flow）、流程生產(chǎn) (C

14、ontinuous Flow)等典型生產(chǎn)類型。產(chǎn)品特點和生產(chǎn)類型決定了質(zhì)量指標(biāo)的側(cè)重點（功能性質(zhì)量、性能性質(zhì)量、可靠性質(zhì)量、感官性質(zhì)量等）。管理體系在管理體系維度上，包括產(chǎn)業(yè)鏈（產(chǎn)業(yè)鏈的形態(tài)以及企業(yè)在產(chǎn)業(yè)鏈的位置）、質(zhì)量管理體系（如 TQM、6-Signma、TQC 等）、生產(chǎn)研發(fā)組織體系。產(chǎn)業(yè)鏈可以分為資源導(dǎo)向型、產(chǎn)品導(dǎo)向型、需求導(dǎo)向型、市場導(dǎo)向型等不同類型，一個企業(yè)在產(chǎn)業(yè)鏈中的位置決定了質(zhì)量管理的側(cè)重點；質(zhì)量管理體系的選擇取決于生產(chǎn)體系和產(chǎn)業(yè)鏈；生產(chǎn)研發(fā)組織決定了企業(yè)內(nèi)部的質(zhì)量管理落地途徑和業(yè)務(wù)場景。應(yīng)用模式在應(yīng)用模式維度上，根據(jù)應(yīng)用場景可以總結(jié)為三種應(yīng)用模式。1） 面向特定業(yè)務(wù)環(huán)節(jié)的數(shù)字

15、化質(zhì)量管理：各類企業(yè)將質(zhì)量大數(shù)據(jù)在研發(fā)、生產(chǎn)、存儲、運輸、供應(yīng)、銷售、服務(wù)等環(huán)節(jié)的融合應(yīng)用，開展數(shù)字 化質(zhì)量設(shè)計、質(zhì)量檢驗、質(zhì)量控制、質(zhì)量分析和質(zhì)量改進，提升企業(yè) 質(zhì)量管理的效率效益；2)供應(yīng)鏈質(zhì)量協(xié)同：供應(yīng)鏈上下游企業(yè)基于數(shù) 質(zhì)量大數(shù)據(jù)白皮書字化產(chǎn)品模型和全生命周期質(zhì)量信息追溯，以及各環(huán)節(jié)業(yè)務(wù)數(shù)據(jù)協(xié)同分析，實現(xiàn)數(shù)據(jù)驅(qū)動的全價值鏈、全生命周期的質(zhì)量策劃、質(zhì)量控制和質(zhì)量改進，實現(xiàn)企業(yè)內(nèi)及上下游企業(yè)間質(zhì)量管理協(xié)同和聯(lián)動；3)質(zhì)量生態(tài)共建共創(chuàng)與共享：具備平臺化運行和社會化協(xié)作能力的企業(yè)，與生態(tài)圈合作伙伴共建質(zhì)量管理平臺，實現(xiàn)生態(tài)圈數(shù)據(jù)智能獲取、開發(fā)、在線交換和利用，建立質(zhì)量生態(tài)管理體系，形成質(zhì)量共生

16、新生態(tài)。質(zhì)量大數(shù)據(jù)的數(shù)據(jù)維度從數(shù)據(jù)維來看，質(zhì)量大數(shù)據(jù)可從數(shù)據(jù)源、資源體系和治理體系的層次進行劃分。數(shù)據(jù)來源數(shù)據(jù)來源的分析和管理是工業(yè)質(zhì)量大數(shù)據(jù)的基礎(chǔ)，是實施質(zhì)量大數(shù)據(jù)的第一步。數(shù)據(jù)源包括產(chǎn)品設(shè)計、生產(chǎn)制造、售后、回收產(chǎn)品全生命周期質(zhì)量數(shù)據(jù)和供應(yīng)生態(tài)質(zhì)量數(shù)據(jù)。產(chǎn)品全生命周期質(zhì)量數(shù)據(jù)是指產(chǎn)品“從初始到報廢”全流程環(huán)節(jié)相關(guān)質(zhì)量數(shù)據(jù)，如包括產(chǎn)品信息、設(shè)備信息、生產(chǎn)信息、檢測判定信息、運維信息、人員信息、安全信息等，涉及到 CAX、ERP、PLM、MES、 QMS 等工業(yè)軟件系統(tǒng)。此外，產(chǎn)品質(zhì)量大數(shù)據(jù)的主要部分為生產(chǎn)工藝與設(shè)備狀態(tài)相關(guān)的數(shù)據(jù)。例如在半導(dǎo)體行業(yè)中， 企業(yè)基于 EAP（Equipment A

17、utomation Program）系統(tǒng)，通過 SECS(SEMI Equipment Communications Standard)、GEM (Generic Equipment Model)等通訊協(xié)議，完成對機臺狀態(tài)監(jiān)測信息的收集。而對質(zhì)量檢測機臺的數(shù)據(jù)，可基于 FDC(Fault Detection and Classification)系統(tǒng)完成收集。在傳統(tǒng)的工業(yè)或企業(yè)組織中，各個業(yè)務(wù)流程信息被分散在各部門孤立的業(yè)務(wù)系統(tǒng)中。這些信息通過跨部門、跨層級的業(yè)務(wù)信息整合，便構(gòu)成了工廠或企業(yè)內(nèi)部的質(zhì)量大數(shù)據(jù)源。隨著互聯(lián)網(wǎng)與工業(yè)的深度融合，外部互聯(lián)網(wǎng)也是質(zhì)量大數(shù)據(jù)不可忽視的來源。包括供應(yīng)商數(shù)據(jù)、

18、質(zhì)量大數(shù)據(jù)白皮書市場反饋、市場分析等。此外，外部互聯(lián)網(wǎng)還存在數(shù)量龐大的公開數(shù)據(jù)，如影響工業(yè)裝備作業(yè)的氣象環(huán)境數(shù)據(jù)、影響生產(chǎn)成本的法規(guī)數(shù)據(jù)等。隨著科技進步、消費升級，質(zhì)量由滿足功能、性能，到提升客戶體驗成為必然趨勢。很多企業(yè)都已把質(zhì)量定義為客戶體驗。不同于產(chǎn)品和設(shè)備功能或性能方面的數(shù)據(jù)，與客戶體驗相關(guān)的質(zhì)量數(shù)據(jù)往往分散在戰(zhàn)略部門、市場/企劃部門、研發(fā)設(shè)計部門等多個業(yè)務(wù)部門，目前尚未形成成熟的統(tǒng)一管理模式。在家電行業(yè)中，客戶畫像、客戶需求 VOC (Voice of Customer)的提煉，先進標(biāo)準(zhǔn)的檢索、前期預(yù)研過程中的數(shù)據(jù)已作為體驗質(zhì)量數(shù)據(jù)的重要部分進行管理。 資源體系圖 1.2 面向用戶體

19、驗的質(zhì)量數(shù)據(jù)分析流程從不同粒度來看，質(zhì)量數(shù)據(jù)資源體系包括企業(yè)資源體系、產(chǎn)業(yè)資源體系。企業(yè)資源體系是以企業(yè)自身為核心，注重企業(yè)內(nèi)部質(zhì)量數(shù)據(jù)的采集與存儲，基于企業(yè)產(chǎn)品生命周期質(zhì)量管控需求，集成企業(yè)內(nèi)部不同來源質(zhì)量數(shù)據(jù)，構(gòu)建企業(yè)質(zhì)量數(shù)據(jù)資源，實現(xiàn)基于企業(yè)質(zhì)量數(shù)據(jù)資源的跨部門協(xié)作、數(shù)據(jù)共享等。產(chǎn)業(yè)資源體系是以產(chǎn)業(yè)鏈供應(yīng)鏈為核心，注重跨企業(yè)、跨區(qū)域的產(chǎn)業(yè)鏈供應(yīng)鏈上下游企業(yè)質(zhì)量數(shù)據(jù)的串接、集成，以提升產(chǎn)業(yè)鏈供應(yīng) 質(zhì)量大數(shù)據(jù)白皮書鏈質(zhì)量管控能力為目標(biāo)，集成接入企業(yè)、質(zhì)量服務(wù)機構(gòu)、質(zhì)量監(jiān)管機構(gòu)數(shù)據(jù)，構(gòu)建產(chǎn)業(yè)質(zhì)量數(shù)據(jù)資源，實現(xiàn)基于產(chǎn)業(yè)質(zhì)量數(shù)據(jù)資源的跨企業(yè)協(xié)作、質(zhì)量風(fēng)險防控、數(shù)據(jù)共享等。數(shù)據(jù)治理數(shù)據(jù)質(zhì)量管理是質(zhì)量

20、大數(shù)據(jù)治理的核心，數(shù)據(jù)治理可分為基于數(shù)據(jù)標(biāo)準(zhǔn)、按需治理兩大類別，數(shù)據(jù)治理標(biāo)準(zhǔn)、治理工具、數(shù)據(jù)質(zhì)量指標(biāo)是治理的核心要素。從頂層數(shù)據(jù)治理制度、標(biāo)準(zhǔn)與規(guī)范到基于平臺數(shù)據(jù)治理實施，保障數(shù)據(jù)質(zhì)量，以數(shù)據(jù)推動數(shù)字化質(zhì)量管理，打破數(shù)據(jù)孤島、確保源頭數(shù)據(jù)準(zhǔn)確、促進數(shù)據(jù)共享、保障數(shù)據(jù)隱私與安全。治理標(biāo)準(zhǔn)：包括數(shù)據(jù)質(zhì)量管理制度、國際質(zhì)量相關(guān)法律法規(guī)、數(shù)據(jù)治理規(guī)范等，如產(chǎn)品生命周期數(shù)據(jù)管理規(guī)范信息技術(shù)服務(wù) 外包 第 4 部分：非結(jié)構(gòu)化數(shù)據(jù)管理與服務(wù)規(guī)范信息技術(shù)服務(wù) 治理第 5 部分：數(shù)據(jù)治理規(guī)范。治理工具：支持質(zhì)量大數(shù)據(jù)治理工作,為后續(xù)具體的分析應(yīng)用提供可靠和安全的質(zhì)量數(shù)據(jù)。治理工具包括數(shù)據(jù)標(biāo)準(zhǔn)工具、數(shù)據(jù)質(zhì)量工具、

21、元數(shù)據(jù)管理工具、主數(shù)據(jù)管理工具、數(shù)據(jù)生命周期管理工具和數(shù)據(jù)安全管理工具等。數(shù)據(jù)質(zhì)量指標(biāo)：制定質(zhì)量數(shù)據(jù)的質(zhì)量要求和質(zhì)量指標(biāo)，在質(zhì)量數(shù)據(jù)的收集存儲、分析應(yīng)用和維護等階段，對所產(chǎn)生的質(zhì)量問題進行識別、監(jiān)控和預(yù)警等，保障質(zhì)量數(shù)據(jù)的完整性、準(zhǔn)確性、及時性以及一致性。質(zhì)量大數(shù)據(jù)的技術(shù)維度為了讓數(shù)據(jù)更好的被管理和分析，企業(yè)或行業(yè)需要建立質(zhì)量數(shù)據(jù)平臺，橫向打通各線數(shù)據(jù)，對質(zhì)量相關(guān)數(shù)據(jù)進行統(tǒng)一匯聚和集成。同時，數(shù)據(jù)平臺需要端到端的考慮數(shù)據(jù)消費場景，同時支持?jǐn)?shù)據(jù)管理、數(shù)據(jù)分析計算管理和質(zhì)量分析應(yīng)用。如圖 1.3 所示。質(zhì)量應(yīng)用與其他質(zhì)量大數(shù)據(jù)白皮書業(yè)務(wù)應(yīng)用開發(fā)沒有太大差別，因此，技術(shù)維度主要從數(shù)據(jù)存儲、數(shù)據(jù)服務(wù)、

22、數(shù)據(jù)分析三個層面討論。數(shù)據(jù)存儲技術(shù)圖 1.3 質(zhì)量大數(shù)據(jù)的四個層面數(shù)據(jù)存儲主要解決海量多模態(tài)數(shù)據(jù)的接入與存儲問題，包括數(shù)據(jù)存儲架構(gòu)、數(shù)據(jù)處理工具和分層資源化方法。多模態(tài)數(shù)據(jù)的數(shù)據(jù)湖技術(shù)需要突破的是針對不同類型數(shù)據(jù)的存儲技術(shù)，并在充分考慮多源異構(gòu)數(shù)據(jù)各類特性之上的高效處理和計算工具和技術(shù)，以及如何對數(shù)據(jù)分層進行管理。簡言之，該技術(shù)研究如何形成可擴展的一體化存儲系統(tǒng)和工具集。多模態(tài)數(shù)據(jù)湖的關(guān)鍵技術(shù)主要包括：1）多模態(tài)質(zhì)量數(shù)據(jù)存儲架構(gòu)，針對工業(yè)數(shù)據(jù)在質(zhì)量相關(guān)的物理過程的不同階段、不同流程呈現(xiàn)多種類型（關(guān)系、時序、非結(jié)構(gòu)化等）的特點，研制不同的數(shù)據(jù)存儲管理引擎和系統(tǒng)致力于對多模態(tài)質(zhì)量數(shù)據(jù)進行高效地接入

23、匯聚和存儲，能夠按照產(chǎn)品編號，產(chǎn)品生命周期、質(zhì)檢情況等多種維度進行靈活數(shù)據(jù)組織和高效訪問。2）質(zhì)量大數(shù)據(jù)處理工具集，聚焦如何把數(shù)據(jù)匯聚到數(shù)據(jù)湖里，以及為對湖中的數(shù)據(jù)進行分析和利用提 質(zhì)量大數(shù)據(jù)白皮書供計算支持。構(gòu)建一個高效的通用計算層為數(shù)據(jù)存儲層之上的其他層級（例如數(shù)據(jù)服務(wù)層、數(shù)據(jù)分析層）在進行蘊含業(yè)務(wù)語義的數(shù)據(jù)分析、多模態(tài)數(shù)據(jù)間關(guān)聯(lián)計算等操作時，提供高效計算支撐。3）質(zhì)量大數(shù)據(jù)分層資源化，將數(shù)據(jù)湖中存儲的多模態(tài)數(shù)據(jù)進行數(shù)據(jù)分層，在數(shù)據(jù)訪問性能、數(shù)據(jù)口徑統(tǒng)一度、減少重復(fù)開發(fā)等方面顯著受益。數(shù)據(jù)服務(wù)技術(shù)數(shù)據(jù)服務(wù)技術(shù)主要解決高維質(zhì)量數(shù)據(jù)的有序和靈活訪問，包括領(lǐng)域建模和跨域查詢等技術(shù)。1）領(lǐng)域建模技

24、術(shù)，從質(zhì)量分析應(yīng)用的視角看，需要把上述數(shù)據(jù)進行集成和和關(guān)聯(lián)，構(gòu)建統(tǒng)一數(shù)據(jù)服務(wù)，才能從根本上提高質(zhì)量大數(shù)據(jù)的訪問效率，加速質(zhì)量分析和應(yīng)用的創(chuàng)新速度。因此，在傳統(tǒng)的大數(shù)據(jù)平臺之上，需要對多維質(zhì)量數(shù)據(jù)進行統(tǒng)一模型管理和查詢層，以統(tǒng)一數(shù)據(jù)服務(wù)的形態(tài)對上層應(yīng)用提供數(shù)據(jù)訪問能力。2）基于領(lǐng)域模型的查詢技術(shù)，數(shù)據(jù)關(guān)聯(lián)查詢引擎的作用是根據(jù)工業(yè)物理對象模型對上層應(yīng)用發(fā)出的數(shù)據(jù)關(guān)聯(lián)查詢請求進行分解，并調(diào)度到底層的各個數(shù)據(jù)系統(tǒng)中實際執(zhí)行，并把查詢結(jié)果匯總，加工變成上層應(yīng)用所需的格式。數(shù)據(jù)分析技術(shù)數(shù)據(jù)分析主要是解決質(zhì)量分析的共性的模式、模型和算法問題。共性的質(zhì)量分析算法可以歸納為基礎(chǔ)分析算法、時空模式挖掘算法、異常預(yù)

25、警和工藝參數(shù)優(yōu)化四類算法?；谶@些共性算法，一個分析模型可以通過算子組裝快速實現(xiàn)，同時也方便全要素全環(huán)節(jié)質(zhì)量分析模型庫的靈活擴展。質(zhì)量大數(shù)據(jù)的特征質(zhì)量大數(shù)據(jù)作為以大數(shù)據(jù)形式表征的工業(yè)產(chǎn)品、設(shè)備與系統(tǒng)質(zhì)量數(shù)據(jù)集合，具有跨尺度、協(xié)同性、多因素、動態(tài)化等特性。質(zhì)量大數(shù)據(jù)白皮書圖 1.4 質(zhì)量大數(shù)據(jù)的主要特性所謂“跨尺度”，是指質(zhì)量大數(shù)據(jù)作為一個統(tǒng)稱集合，囊括了多個工業(yè)行業(yè)的不同階段、不同生產(chǎn)模式和環(huán)節(jié)的多種質(zhì)量數(shù)據(jù)。這些數(shù)據(jù)由于表征對象、屬性、量度等方面的差異，將工業(yè)對象的質(zhì)量全貌以數(shù)字空間的形式得到了全面的展示，形成了質(zhì)量數(shù)據(jù)在多個尺度的跨越。所謂“協(xié)同性”，是指質(zhì)量大數(shù)據(jù)的不同實體與關(guān)系數(shù)據(jù)的聯(lián)

26、動變化。由于工業(yè)系統(tǒng)是一個多要素、多環(huán)節(jié)的系統(tǒng)，各個環(huán)節(jié)的質(zhì)量指標(biāo)數(shù)值均會影響下一個環(huán)節(jié)。例如對一個裝備件 C 來說，它由零件 A 和 B 組裝形成，當(dāng)零件 A 的公差已經(jīng)超過 C 的精度要求時，待裝配的 C 是不可能達到質(zhì)量要求的；當(dāng)零件 A 和 B 的偏差存在互補效果時，裝備件 C 的質(zhì)量反而更高些。因此在產(chǎn)品的質(zhì)量數(shù)據(jù)分析過程需要將各階段質(zhì)量數(shù)據(jù)作為整體來看待。所謂“多因素”，是指產(chǎn)品質(zhì)量的影響因素來源多樣，包括人員、設(shè)備、物料、加工方法、加工環(huán)境、檢測等多方面的因素。在企業(yè)建立工業(yè)產(chǎn)品質(zhì)量大數(shù)據(jù)的過程中，多種因素數(shù)據(jù)的來源和形式也是多樣化的，需要進行專門的集成和歸納。 質(zhì)量大數(shù)據(jù)白皮書

27、所謂“動態(tài)化”，是指質(zhì)量大數(shù)據(jù)是隨時間的變化以及工業(yè)系統(tǒng)狀態(tài)的變化而實時變化的。質(zhì)量包含的大量特性數(shù)據(jù)主要是跟隨產(chǎn)品全生命周期變化的，統(tǒng)計并理解產(chǎn)品質(zhì)量特性數(shù)據(jù)在全生命周期的變化規(guī)律，能夠使用戶有效把握質(zhì)量大數(shù)據(jù)的“動態(tài)化”特征，達到對產(chǎn)品的質(zhì)量情況的全面了解。此外，質(zhì)量大數(shù)據(jù)由于其來源和應(yīng)用的特點，與其他工業(yè)大數(shù)據(jù)相比，還具有其它特點：理論工具等基礎(chǔ)較好，但存在大量碎片化的先驗知識質(zhì)量大數(shù)據(jù)在管理上，有 6-sigma、TQM、精益管理（LEAN）等管理理念支撐，也有 ISO 9000、ISO 9001、ISO 13053 等流程標(biāo)準(zhǔn)；在技術(shù)上，有 SPC、ANOVA 等數(shù)理統(tǒng)計方法；在組織

28、上，有工藝、質(zhì)量管理、設(shè)備運維等固有部門支撐；在信息基礎(chǔ)上，有 EAP、DCS、SCADA、 LIMS 等軟件系統(tǒng)支撐。大數(shù)據(jù)分析與先驗知識的有機融合在質(zhì)量大數(shù)據(jù)中非常重要，但不同人員的知識或經(jīng)驗經(jīng)常不對稱（數(shù)據(jù)分析人員對工藝與生產(chǎn)管理了解得不夠充分，工藝人員和行業(yè)咨詢師常常對大數(shù)據(jù)分析技術(shù)的能力拿捏不準(zhǔn)），需要一種可以使不同領(lǐng)域?qū)＜矣行f(xié)同的機制，通過數(shù)據(jù)驅(qū)動方式，提高現(xiàn)有質(zhì)量管控的時效性、預(yù)見性和自適應(yīng)性，從而實現(xiàn)對更大范圍要素的優(yōu)化。影響因素維度大，對“數(shù)據(jù)質(zhì)量”的要求更高影響質(zhì)量的因素眾多，不少關(guān)鍵過程量數(shù)據(jù)沒有被采集或難以采集，關(guān)鍵質(zhì)量指標(biāo)缺乏全樣本數(shù)據(jù)。關(guān)鍵參數(shù)穩(wěn)定并不等于生產(chǎn)過程

29、穩(wěn)定，緊靠數(shù)據(jù)無法完美勾勒出質(zhì)量物理空間。數(shù)據(jù)質(zhì)量不僅僅指的是數(shù)據(jù)結(jié)構(gòu)(Data Schema)層面的完整性、規(guī)范性、關(guān)聯(lián)性問題，還包括業(yè)務(wù)語義層面的有效性（測量原理、安裝方式和位置、采樣頻率、測量精度和可靠性）、一致性（時空顆粒度和位置的一致性）、全面性質(zhì)量大數(shù)據(jù)白皮書問題。質(zhì)量大數(shù)據(jù)與生產(chǎn)管理的耦合度更高質(zhì)量大數(shù)據(jù)的應(yīng)用中不存在統(tǒng)一的優(yōu)化目標(biāo)，這是因為企業(yè)在每個發(fā)展階段對質(zhì)量的要求均有一些差異，既不可能為了追求質(zhì)量而一味提高設(shè)計制造成本，也不可能為了降低成本而一味壓縮質(zhì)量要求。同時，產(chǎn)品質(zhì)量問題囊括了產(chǎn)品表面可檢測的質(zhì)量問題、設(shè)計問題、生產(chǎn)體系問題及流程潛在風(fēng)險等，因此目前的質(zhì)量大數(shù)據(jù)主要

30、集中于企業(yè)更為關(guān)心的質(zhì)量問題，具有較大的特異性。隨著社會產(chǎn)品迭代速度的提升，與之匹配的質(zhì)量大數(shù)據(jù)的分析優(yōu)化迭代速率要求也需要進行一定提升。在現(xiàn)有質(zhì)量體系下與大數(shù)據(jù)的融合主要可體現(xiàn)在重點質(zhì)量指標(biāo)改善（PDCA）、全面質(zhì)量指標(biāo)改善（TQM）、質(zhì)量控制能力量化（DMAIC）和精確質(zhì)量控制能力幾個方面。其中，在重點質(zhì)量指標(biāo)改善上，大數(shù)據(jù)主要以關(guān)鍵質(zhì)量指標(biāo)統(tǒng)計分析、關(guān)鍵工藝數(shù)據(jù)分析、關(guān)鍵設(shè)備運行狀況分析與設(shè)備可靠性分析等方面提供服務(wù)；在全面質(zhì)量指標(biāo)改善上，大數(shù)據(jù)技術(shù)主要應(yīng)用于質(zhì)量指標(biāo)的統(tǒng)計分析、質(zhì)量指標(biāo)的相關(guān)性分析及指標(biāo)優(yōu)化等方面；在質(zhì)量控制能力量化上，大數(shù)據(jù)技術(shù)主要應(yīng)用在全集及多變量數(shù)據(jù)分析挖掘、動態(tài)

31、參數(shù)的實時分析以及生產(chǎn)與客戶需求關(guān)聯(lián)多維質(zhì)量數(shù)據(jù)分析上；在精確質(zhì)量控制能力上，大數(shù)據(jù)技術(shù)主要應(yīng)用在質(zhì)量要素的精確管控上。與其它技術(shù)的關(guān)系質(zhì)量大數(shù)據(jù)是基于工業(yè)場景提出的概念，屬于工業(yè)大數(shù)據(jù)的一部分，在實際應(yīng)用過程中需要與其他的新型工業(yè)技術(shù)融合使用，以實現(xiàn)質(zhì)量大數(shù)據(jù)的有效傳輸利用及可視化。 質(zhì)量大數(shù)據(jù)白皮書質(zhì)量大數(shù)據(jù)與工業(yè)互聯(lián)網(wǎng)的關(guān)系業(yè)務(wù)應(yīng)用數(shù)據(jù)互聯(lián)交互信息互通信息管理交互數(shù)據(jù)分析研材運發(fā)料行設(shè)性工計能況數(shù)數(shù)數(shù)據(jù)據(jù)據(jù)模擬分析數(shù)據(jù)數(shù)據(jù)字典標(biāo)識解析企業(yè)產(chǎn)業(yè)設(shè)備系統(tǒng)物理資產(chǎn)管理（端口、鏈接、安全）端到端數(shù)據(jù)傳輸多模型融合信息模型構(gòu)建工業(yè)通訊數(shù)據(jù)模型質(zhì)量分析模型仿真模型幾何模型 元數(shù)據(jù)描述數(shù)據(jù)管理數(shù)據(jù)管理

32、數(shù)據(jù)互通工業(yè)質(zhì)量數(shù)據(jù)實時轉(zhuǎn)發(fā)工業(yè)質(zhì)量數(shù)據(jù)非實時轉(zhuǎn)發(fā)有線接入（TSN、工業(yè)以太網(wǎng)、現(xiàn)場總線、PON、 ）網(wǎng)絡(luò)控制網(wǎng)絡(luò)管理無線接入（5G/4G、WiFi/WiFi6、WIA、wirelessHART、ISA100.11a）網(wǎng)絡(luò)互連圖 1.5 基于工業(yè)互聯(lián)網(wǎng)體系的質(zhì)量大數(shù)據(jù)使用模式工業(yè)互聯(lián)網(wǎng)關(guān)注的范疇更大，覆蓋了供應(yīng)鏈質(zhì)量和公共質(zhì)量服務(wù)和部分企業(yè)內(nèi)的質(zhì)量大數(shù)據(jù)。質(zhì)量大數(shù)據(jù)的目的主要為產(chǎn)品設(shè)計、生產(chǎn)、運維全生命周期的質(zhì)量分析管理提供數(shù)據(jù)來源，主要聚焦于與質(zhì)量相關(guān)聯(lián)的服務(wù)，旨在為企業(yè)提升產(chǎn)品的設(shè)計、制造和運行質(zhì)量。而工業(yè)互聯(lián)網(wǎng)作為將不同工業(yè)設(shè)備互聯(lián)，并對數(shù)據(jù)進行統(tǒng)一網(wǎng)絡(luò)化管理的技術(shù)架構(gòu)，與工業(yè)質(zhì)量大數(shù)據(jù)

33、有著密不可分的關(guān)系。從實際工業(yè)系統(tǒng)來看，工業(yè)設(shè)備的狀態(tài)、工藝數(shù)據(jù)、產(chǎn)品數(shù)據(jù)、反饋調(diào)整操作等數(shù)據(jù)是作為質(zhì)量大數(shù)據(jù)的不同要素進行融合分析的，而工業(yè)互聯(lián)網(wǎng)是將這些數(shù)據(jù)進行網(wǎng)絡(luò)化管理的系統(tǒng)。基于工業(yè)互聯(lián)網(wǎng)架構(gòu)的質(zhì)量大數(shù)據(jù)相關(guān)應(yīng)用開發(fā)的模式與當(dāng)前工業(yè)生產(chǎn)系統(tǒng)的特征具有較好的適配性，一方面這樣的容器化部署技術(shù)不會使底層的硬件變化或遷移操作造成數(shù)據(jù)的丟失或服務(wù)的中斷，另一方面通過這樣的網(wǎng)絡(luò)化結(jié)構(gòu)能夠更加有效地利用各種計算和存儲資源來保障質(zhì)量數(shù)據(jù)相關(guān)的服務(wù)。質(zhì)量大數(shù)據(jù)與數(shù)字孿生的關(guān)系質(zhì)量大數(shù)據(jù)白皮書業(yè)務(wù)應(yīng)用決策描述診斷預(yù)測處置數(shù)據(jù)互聯(lián)交互信息互通交互模型互操作向數(shù)字空間映射數(shù)據(jù)模型向物理對象反饋連接物理對象多

34、模型融合幾何模型數(shù)據(jù)管理信息模型構(gòu)建 數(shù)據(jù)字典信息管理工業(yè)通訊模擬分析數(shù)據(jù)研發(fā)設(shè)計數(shù)據(jù)數(shù)據(jù)管理對工業(yè)場景（資產(chǎn)、過程、行為）進行深層次、全范圍數(shù)字化，并與數(shù)字空間進行雙向交互反饋控制采集感知構(gòu)建面向物理世界精準(zhǔn)數(shù)字化映射數(shù)據(jù)互聯(lián)：基于工業(yè)通訊實現(xiàn)設(shè)備數(shù)據(jù)的有效集成信息互通：基于信息模型實現(xiàn)物理對象語法統(tǒng)一模型互操作：基于多模型融合實現(xiàn)物理系統(tǒng)語義統(tǒng)一質(zhì)量分析模型仿真模型元數(shù)據(jù)描述標(biāo)識解析運行工況數(shù)據(jù)材料性能數(shù)據(jù)形成綜合決策，并反饋給物理世界圖 1.6 基于數(shù)字孿生技術(shù)的質(zhì)量大數(shù)據(jù)使用模式數(shù)字孿生技術(shù)是質(zhì)量大數(shù)據(jù)的支撐技術(shù)之一，在質(zhì)量設(shè)計仿真驗 證、生產(chǎn)過程可視化、生產(chǎn)過程仿真和異常預(yù)警等方面有

35、很多應(yīng)用。數(shù)字孿生是充分利用物理模型、傳感器更新、運行歷史等數(shù)據(jù)，集成 多學(xué)科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成 映射，從而反映相對應(yīng)的物理世界過程。數(shù)字孿生是一種超越現(xiàn)實的 概念，可以被視為一個或多個重要的、彼此依賴的物理系統(tǒng)的數(shù)字映 射系統(tǒng)。近期提出“元宇宙”可以看做數(shù)字孿生在交互層面的擴展，是 利用科技手段進行鏈接與創(chuàng)造的，與現(xiàn)實世界映射與交互的虛擬世界，具備新型社會體系的數(shù)字生活空間。工業(yè)場景中為了更好地研究設(shè)備運行和產(chǎn)品加工的具體內(nèi)部應(yīng)力、形變、損傷、振動等多種難以觀察的質(zhì)量數(shù)據(jù)，常用工業(yè)數(shù)字孿生技術(shù)將工業(yè)實體模型與其物理特性數(shù)據(jù)相結(jié)合，通過各類孿生算法模型，完成

36、物理實體的數(shù)字空間映射。從定位上看，數(shù)字孿生是一種包含各類物理數(shù)字空間轉(zhuǎn)化技術(shù)的集合，能幫助質(zhì)量大數(shù)據(jù)在微觀機理上的分析呈現(xiàn)更加具象化的效果，同時基于數(shù)字孿生體系中的仿真分析技術(shù)，能夠挖掘出工業(yè)物理實體本身的各類內(nèi)部和外部應(yīng)力 質(zhì)量大數(shù)據(jù)白皮書缺陷。質(zhì)量大數(shù)據(jù)與工業(yè)大數(shù)據(jù)的關(guān)系質(zhì)量大數(shù)據(jù)是工業(yè)大數(shù)據(jù)的一個重要應(yīng)用方向。質(zhì)量大數(shù)據(jù)作為 衡量企業(yè)全生命周期運行質(zhì)量的重要手段，對企業(yè)的日常經(jīng)營有著重 大作用。但站在企業(yè)整體的角度，質(zhì)量只是一個業(yè)務(wù)維度，企業(yè)還有 設(shè)備管理、生產(chǎn)管理、能源管理等等其它業(yè)務(wù)維度，同樣也需要大數(shù) 據(jù)支持。工業(yè)大數(shù)據(jù)正是使用大數(shù)據(jù)來幫助企業(yè)解決上述問題的統(tǒng)稱。從范圍來看，質(zhì)量

37、大數(shù)據(jù)是作為工業(yè)大數(shù)據(jù)的一部分而存在。對企業(yè) 來說，一個底層數(shù)據(jù)源如設(shè)備的工況數(shù)據(jù)可能被用于支持多個業(yè)務(wù)應(yīng) 用領(lǐng)域，因此質(zhì)量大數(shù)據(jù)和其他工業(yè)大數(shù)據(jù)常常存在多種交叉。從技 術(shù)的角度來看，工業(yè)大數(shù)據(jù)平臺、大數(shù)據(jù)分析、人工智能等技術(shù)在不 同問題上有很多共性，通用的工業(yè)大數(shù)據(jù)技術(shù)往往可以引入解決質(zhì)量 大數(shù)據(jù)的問題。質(zhì)量大數(shù)據(jù)與人工智能的關(guān)系人工智能是質(zhì)量大數(shù)據(jù)分析的重要技術(shù)手段。人工智能技術(shù)包括專家系統(tǒng)、機器學(xué)習(xí)（包括深度學(xué)習(xí)）、進化計算、模糊邏輯等方向，在質(zhì)量大數(shù)據(jù)中有很多應(yīng)用場景，特別是機器學(xué)習(xí)和專家系統(tǒng)。深度學(xué)習(xí)算法在表面質(zhì)量檢測、X-Ray 檢測等圖像檢測有廣泛的應(yīng)用，大大提高了質(zhì)量檢測的效率

38、和覆蓋率。機器學(xué)習(xí)算法在異常預(yù)警、工藝參數(shù)等場景中也有不少應(yīng)用。質(zhì)量排查通常會涉及到多個環(huán)節(jié)、大量參數(shù)、多個周期，排查工作量大，排查周期長，規(guī)則引擎（專家系統(tǒng)的簡化形式）可以在質(zhì)量排查自動化上發(fā)揮很大作用。質(zhì)量大數(shù)據(jù)的要素維度高、類型多樣但樣本偏少，這些特點也促發(fā)了人工智能的很多新課題，例如小樣本學(xué)習(xí)、多模態(tài)學(xué)習(xí)、聯(lián)邦學(xué)習(xí)等。質(zhì)量大數(shù)據(jù)白皮書質(zhì)量大數(shù)據(jù)與區(qū)塊鏈的關(guān)系區(qū)塊鏈?zhǔn)琴|(zhì)量大數(shù)據(jù)可以利用的關(guān)鍵技術(shù)。區(qū)塊鏈?zhǔn)且粋€分布式的共享賬本和數(shù)據(jù)庫，具有去中心化、不可篡改、全程留痕、可以追溯、集體維護、公開透明等特點。這些特點保證了區(qū)塊鏈的“誠實”與“透明”，能夠解決信息不對稱問題，實現(xiàn)多個主體之間的協(xié)

39、作信任與一致行動。區(qū)塊鏈可以作為質(zhì)量追溯的支撐技術(shù)，實現(xiàn)產(chǎn)業(yè)鏈不同企業(yè)間的產(chǎn)品標(biāo)識的鏈接機制，也為產(chǎn)業(yè)鏈的質(zhì)量協(xié)同優(yōu)化和聯(lián)邦學(xué)習(xí)典型技術(shù)基礎(chǔ)。在質(zhì)量大數(shù)據(jù)的應(yīng)用中，除了產(chǎn)品追溯外，其他場景都面臨著信息差異大（不同行業(yè)質(zhì)量數(shù)據(jù)信息差異性大、不同分析主題的信息需求的范圍和顆粒度差異也很大）的挑戰(zhàn)，這也為區(qū)塊鏈技術(shù)提出新的課題。 質(zhì)量大數(shù)據(jù)白皮書2. 質(zhì)量大數(shù)據(jù)發(fā)展歷程與現(xiàn)狀質(zhì)量大數(shù)據(jù)的發(fā)展歷程質(zhì)量管理體系的演化按照質(zhì)量管理在各個國家實踐的特點來看，質(zhì)量管理學(xué)科的發(fā)展經(jīng)歷了四個階段，如圖 2.1 所示。圖 2.1 質(zhì)量管理學(xué)科發(fā)展的四個階段傳統(tǒng)質(zhì)量檢驗階段（20 世紀(jì)初至 20 年代末）質(zhì)量檢驗階段

40、第一次將質(zhì)量管理從生產(chǎn)管理獨立出來，其特點是以事后檢驗為主。代表人物及其理論有：泰勒的科學(xué)管理理論，建立專職檢查制度；費希爾的方差分析和實驗設(shè)計理論等。統(tǒng)計質(zhì)量管理階段（20 世紀(jì) 30 年代至 50 年代）相較于質(zhì)量檢驗階段，統(tǒng)計質(zhì)量控制階段從單純地依靠質(zhì)量檢驗事后把關(guān)，發(fā)展到工序過程控制，顯著的特點是質(zhì)量的預(yù)防性控制和質(zhì)量大數(shù)據(jù)白皮書事后檢驗相結(jié)合，形成質(zhì)量管控的閉環(huán)。代表人物及其理論有：休哈特的統(tǒng)計過程控制理論；道奇的質(zhì)量抽樣檢測理論等。該階段將統(tǒng)計數(shù)學(xué)引入質(zhì)量管理中，不但強調(diào)定性分析，還強調(diào)定量分析，是質(zhì)量管理學(xué)科走向成熟的標(biāo)志。全面質(zhì)量管理階段（20 世紀(jì) 60 年代 20 世紀(jì)末）

41、全面質(zhì)量管理將質(zhì)量管理從生產(chǎn)單一環(huán)節(jié)擴展到全環(huán)節(jié)（設(shè)計、生產(chǎn)、運維等），強調(diào)質(zhì)量管理是一個以質(zhì)量管理為中心，以全員參與為基礎(chǔ)，以生產(chǎn)的全過程為管理對象的系統(tǒng)工程。代表人物及其理論有：費根堡姆的全面質(zhì)量管理理論，田口玄一的田口法等。除此之外，各行業(yè)也出現(xiàn)了權(quán)威的質(zhì)量管理標(biāo)準(zhǔn)，例如：適用于各行業(yè)的質(zhì)量管理標(biāo)準(zhǔn) ISO 9001,適用于汽車行業(yè)的質(zhì)量管理標(biāo)準(zhǔn) IATF 16949,適用于醫(yī)療設(shè)備行業(yè)的質(zhì)量管理標(biāo)準(zhǔn) ISO 13485,適用于視頻行業(yè)的標(biāo)準(zhǔn) ISO 22000,適用于航空航天和國防制造業(yè)的質(zhì)量管理標(biāo)準(zhǔn) AS9100 revC、AS9100 revD，適用于醫(yī)療設(shè)備制造行業(yè)的智聯(lián)管理標(biāo)準(zhǔn)

42、 ISO 13485 等。這些不同行業(yè)的質(zhì)量管理標(biāo)準(zhǔn)對促進本行業(yè)的質(zhì)量管理具有重要的指導(dǎo)作用。智能質(zhì)量管理階段（21 世紀(jì)至今）數(shù)字化質(zhì)量管理是基于新一代信息技術(shù)與質(zhì)量管理深度融合，提升全生命周期、全價值鏈、全產(chǎn)業(yè)鏈質(zhì)量管理活動數(shù)字化、網(wǎng)絡(luò)化、智能化水平，提高質(zhì)量品牌競爭力的先進質(zhì)量管理模式。數(shù)據(jù)、信息和知識是該階段質(zhì)量管理的重要資源。質(zhì)量數(shù)據(jù)分析的演變傳統(tǒng)的質(zhì)量數(shù)據(jù)分析常用以下方法：基于概率統(tǒng)計的分析方法在對隨機現(xiàn)象的研究和各種決策中，利用樣本（數(shù)據(jù)）提供的信息去推斷總體的數(shù)量規(guī)律性，作出有關(guān)總體的某種結(jié)論。推斷統(tǒng)計學(xué) 質(zhì)量大數(shù)據(jù)白皮書是建立在概率與概率分布的理論基礎(chǔ)上的統(tǒng)計方法?；跁r間序

43、列的分析方法客觀事物都是不斷地在發(fā)展變化之中，對事物發(fā)展變化的規(guī)律，不僅要從內(nèi)部結(jié)構(gòu)、相互關(guān)聯(lián)中去認(rèn)識，而且應(yīng)從隨時間演變的過程中去研究。這就需要運用統(tǒng)計學(xué)中的時間序列分析方法。對時間序列進行分析的目的，一是為了描述事物在過去時間的狀態(tài)，二是為了分析事物發(fā)展變化的規(guī)律性，三是為了根據(jù)事物的過去行為預(yù)測它們的將來行為。基于失效物理的分析方法以可靠性理論為基礎(chǔ)，配合物理和化學(xué)方面的分析，說明構(gòu)成產(chǎn)品的零件或材料發(fā)生失效的本質(zhì)原因，并以此為改進設(shè)計和消除失效的依據(jù)，最終提高產(chǎn)品的可靠度。通過分析相關(guān)試驗的結(jié)果，發(fā)現(xiàn)與零件、材料失效相關(guān)的特性參數(shù)、數(shù)學(xué)模型、退化模式等失效機理信息，進而建立壽命與各參數(shù)

44、間的數(shù)學(xué)模型，提出本質(zhì)的改善方法。從物理本質(zhì)上描述產(chǎn)品的失效機理，構(gòu)建產(chǎn)品失效物理退化量與產(chǎn)品可靠性之間的內(nèi)在聯(lián)系，并以之進行可靠性統(tǒng)計推斷。其目的在于說明失效本質(zhì)，為消除或減少失效提供定量依據(jù)，最終提高產(chǎn)品的質(zhì)量。以上這些傳統(tǒng)數(shù)據(jù)分析方法，大多數(shù)都是通過對原始數(shù)據(jù)集進行抽樣或者過濾，然后對數(shù)據(jù)樣本進行分析，尋找特征和規(guī)律，其最大的特點是通過復(fù)雜的算法從有限的樣本空間中獲取盡可能多的信息。傳統(tǒng)抽樣數(shù)據(jù)的量可能還不夠大。根據(jù)調(diào)查研究的需要確定樣本量的總體規(guī)模，是整個抽樣的前提。總體規(guī)模涵蓋不全面，可導(dǎo)致抽樣誤差和結(jié)果的無效。同時，傳統(tǒng)的數(shù)據(jù)分析方法著眼于已經(jīng)認(rèn)識到的因素的分析，而忽視了故障因素的

45、隱蔽性，不能針對所有因素進行全面系統(tǒng)的分析，可能造成分析結(jié)果不全面甚至不正確。質(zhì)量大數(shù)據(jù)白皮書大數(shù)據(jù)帶來的契機質(zhì)量分析隨著計算能力和存儲能力的提升，大數(shù)據(jù)分析方法與傳統(tǒng)分析方法的最大區(qū)別在于分析的對象是全體數(shù)據(jù)，而不是數(shù)據(jù)樣本，其最大的特點在于不追求算法的復(fù)雜性和精確性，而追求可以高效地對整個數(shù)據(jù)集的分析。質(zhì)量大數(shù)據(jù)為質(zhì)量分析帶來四個轉(zhuǎn)變，這些轉(zhuǎn)變將改變質(zhì)量管理中數(shù)據(jù)分析的方法。第一個轉(zhuǎn)變：在大數(shù)據(jù)時代，可以分析更多的質(zhì)量數(shù)據(jù)，甚至是某個事物的全集質(zhì)量數(shù)據(jù)，并且“樣本”可以等于“總體”，而不需要隨機抽樣和多級抽樣，可以洞察全局、整體的質(zhì)量，更容易形成“系統(tǒng)質(zhì)量觀”。第二個轉(zhuǎn)變：在大數(shù)據(jù)時代，因

46、為數(shù)據(jù)量非常龐大，可以不再熱衷于追求精確性，而是可以適當(dāng)忽略微觀層面的精確性而專注于宏觀層面的洞察力，偏重于用概率說話，接受混亂和不準(zhǔn)確性，寬容錯誤可能會帶來更多價值，不追求最高質(zhì)量（質(zhì)量是有成本的，很多時候并不是質(zhì)量越高越好，需要綜合考慮），而追求最具效能的質(zhì)量，更容易形成“效能質(zhì)量觀”。第三個轉(zhuǎn)變：在大數(shù)據(jù)時代，質(zhì)量分析將從尋找因果關(guān)系躍遷到尋找事物之間的關(guān)聯(lián)關(guān)系，能讓我們超越目前已掌握質(zhì)量可靠性理論的局限，發(fā)現(xiàn)新的質(zhì)量問題、挖掘新的潛在價值，更容易形成“超前質(zhì)量觀”。第四個轉(zhuǎn)變：在大數(shù)據(jù)時代，“數(shù)據(jù)+算法”研究范式將由于數(shù)據(jù) “量”的增長形成“質(zhì)”的變革，簡單算法比傳統(tǒng)的復(fù)雜分析算法更有

47、效，改變傳統(tǒng)基于有限數(shù)據(jù)不得不花費大量精力追求算法復(fù)雜性、精密性和智能性的模式，花費更少的精力尋找有效的簡單算法，計算分析的效率也將提升，更容易形成“簡單質(zhì)量觀”。 質(zhì)量大數(shù)據(jù)白皮書質(zhì)量管理 圖 2.2 質(zhì)量管理體系與大數(shù)據(jù)的融合關(guān)系隨著制造業(yè)數(shù)字化轉(zhuǎn)型、高檔數(shù)控機床的配置應(yīng)用和自動化采集設(shè)備的廣泛應(yīng)用，工業(yè)裝備生產(chǎn)產(chǎn)生的質(zhì)量數(shù)據(jù)，逐漸被全方位采集和多形式記錄，數(shù)據(jù)量、數(shù)據(jù)類型、數(shù)據(jù)傳輸均得到大幅提升和擴展，不斷采集和積累的質(zhì)量數(shù)據(jù)將質(zhì)量管理推進到大數(shù)據(jù)時代。隨著大數(shù)據(jù)時代的到來，基于大數(shù)據(jù)的質(zhì)量控制、質(zhì)量追溯等技術(shù)開始得到應(yīng)用，質(zhì)量控制變得比以前更加精準(zhǔn)，基于質(zhì)量大數(shù)據(jù)技術(shù)的智能質(zhì)量管理模式

48、將會是往后質(zhì)量管理模式的重要發(fā)展方向。一方面，在既有質(zhì)量管理體系下，質(zhì)量大數(shù)據(jù)技術(shù)可以加速和提升關(guān)鍵過程環(huán)節(jié)的效率和質(zhì)量，主要體現(xiàn)在質(zhì)量問題的可視、可溯、可決這三個方面，如表 2-1 所示。表 2-1：質(zhì)量大數(shù)據(jù)從不同方面加速和提升效率和質(zhì)量大數(shù)據(jù)的作用在質(zhì)量管理中的作用大數(shù)據(jù)平臺大數(shù)據(jù)分析可視時效性、真實性、全面性生產(chǎn)全要素的橫向（以設(shè)備、工藝流程為中心的數(shù)據(jù)檔案）、縱向（生產(chǎn)周期、保新的檢測方法（基于視覺、音頻或傳感數(shù)據(jù)的分析）傳感器或器具矯正質(zhì)量大數(shù)據(jù)白皮書養(yǎng)周期）拉通可溯支持專家，深入探索，而不用去各處抓數(shù)據(jù)生產(chǎn)全要素的關(guān)聯(lián)與追蹤（基于行 業(yè) 大 數(shù) 據(jù) 模版）問題排查自動化：基于行業(yè)

49、知識圖譜、關(guān)聯(lián)模型把例行的事情自動質(zhì)量分析質(zhì)量根因分析控制參數(shù)優(yōu)化質(zhì)量異常預(yù)警質(zhì)量時空模式分析設(shè)備穩(wěn)定性異常波動檢測偏差識別預(yù)測性維修化，降低低價值工作的透明化管理時間（可借助 AR/VR把模糊的規(guī)則明確等技術(shù)）化，降低波動性和不確對比分析（橫可決定性把復(fù)雜的問題簡單向/縱向Benchmark）化（降維、找出典型模典型工況案式）例庫把事后響應(yīng)變成提典型設(shè)備異前預(yù)知，把預(yù)防性變成常案例庫基于狀態(tài)的按需行動更重要的是，通過一些數(shù)字化歷程，質(zhì)量大數(shù)據(jù)管理將實現(xiàn)從“科學(xué)化”、“定量化”到“智能化”的轉(zhuǎn)型。在質(zhì)量管理執(zhí)行模式上，將從“以人和流程管理為中心”變?yōu)椤耙詳?shù)據(jù)洞察和智能決策為中心”。過去是問題找

50、人，人來找設(shè)備找數(shù)據(jù)去支撐，現(xiàn)在是問題去找數(shù)據(jù)，分析后的結(jié)論再去找人；過去是人需要主動發(fā)現(xiàn)改善點，現(xiàn)在是潛在改善建議主動找人確認(rèn)。這樣，質(zhì)量管理人員不再受限于生產(chǎn)現(xiàn)場，通過數(shù)字孿生可以在更大廣度上實現(xiàn)質(zhì)量的集中管理。在管理經(jīng)驗和知識的傳承方式上，將“以人和文檔為載體”的模式轉(zhuǎn)變“以數(shù)字為載體”的模式。歷史上出現(xiàn)過產(chǎn)品質(zhì)量過程可以在很大程度上保持下來，這樣質(zhì)量管理知識將可以跨越物理時空，實現(xiàn)更大范圍的沉淀；知識載體是數(shù)據(jù)和模型，經(jīng)過大量數(shù)據(jù)不同場景的證偽檢驗，可信度有相對客觀的評價，消除了傳承損失，復(fù)用成本更低。 質(zhì)量大數(shù)據(jù)白皮書質(zhì)量大數(shù)據(jù)的現(xiàn)狀技術(shù)基礎(chǔ)現(xiàn)狀質(zhì)量數(shù)據(jù)采集體系日趨成熟質(zhì)量數(shù)據(jù)采集體

51、系包括數(shù)據(jù)采集、存儲、集成、管理、訪問等，是質(zhì)量數(shù)據(jù)分析和應(yīng)用的基礎(chǔ)。隨著設(shè)備數(shù)字化程度的提高以及工業(yè)互聯(lián)網(wǎng)平臺的發(fā)展，企業(yè)能通過 ERP、MES、工業(yè)互聯(lián)網(wǎng)平臺等系統(tǒng)采集包含人、機、料、法、環(huán)、測環(huán)節(jié)的海量質(zhì)量數(shù)據(jù)。據(jù)2020 中國大數(shù)據(jù)產(chǎn)業(yè)發(fā)展白皮書，自 2014 年起，大數(shù)據(jù)專利數(shù)量開始飛速增長，到 2019 年，中國共擁有大數(shù)據(jù)相關(guān)專利 32301 項，數(shù)據(jù)采集是大數(shù)據(jù)專利技術(shù)領(lǐng)域的熱門詞匯。在一些自動化程度較高的行業(yè)，如面板行業(yè)、SMT 生產(chǎn)行業(yè)等，質(zhì)量數(shù)據(jù)采集體系已經(jīng)十分成熟，為質(zhì)量數(shù)據(jù)分析和應(yīng)用奠定堅實的基礎(chǔ)。質(zhì)量大數(shù)據(jù)分析技術(shù)蓬勃發(fā)展傳統(tǒng)的 SPC 控制圖分析、方差分析等質(zhì)量數(shù)

52、據(jù)分析技術(shù)已經(jīng)不能滿足當(dāng)下大量數(shù)據(jù)的分析需求。運用機器學(xué)習(xí)、深度學(xué)習(xí)等人工智能算法實現(xiàn)面向歷史數(shù)據(jù)、實時數(shù)據(jù)、時序數(shù)據(jù)的聚類、關(guān)聯(lián)和預(yù)測分析成為當(dāng)下質(zhì)量大數(shù)據(jù)分析技術(shù)的核心，隨著人工智能算法的不斷發(fā)展，基于這些最新的人工智能算法的質(zhì)量數(shù)據(jù)分析層出不窮，質(zhì)量大數(shù)據(jù)分析技術(shù)正在蓬勃發(fā)展。目前質(zhì)量分析主要集中在 6 個層面：質(zhì)量根因分析、控制參數(shù)優(yōu)化、質(zhì)量異常預(yù)警、質(zhì)量時空模式分析、質(zhì)量檢測和生產(chǎn)設(shè)備智能運維，如圖 2.3 所示。智能運維運維成品檢測質(zhì)量根因分析設(shè)計生產(chǎn)制造質(zhì)量檢測質(zhì)量時空模式分析質(zhì)量預(yù)警控制參數(shù)優(yōu)化質(zhì)量大數(shù)據(jù)白皮書應(yīng)數(shù)用據(jù)自的由獲度取難度圖 2.3 質(zhì)量問題分析的 6 個層面質(zhì)量根

53、因分析質(zhì)量根因分析是建立質(zhì)量指標(biāo)與監(jiān)測參數(shù)之間的對應(yīng)關(guān)系，監(jiān)測參數(shù)可以是設(shè)計、生產(chǎn)、檢測各個階段的數(shù)據(jù)，可用于實現(xiàn)工藝的優(yōu)化、質(zhì)量控制、質(zhì)量預(yù)警等，應(yīng)用范圍較廣，但是需要獲取高質(zhì)量的樣本數(shù)據(jù)才能建立較為精確的映射關(guān)系，因此數(shù)據(jù)獲取難度較大。控制參數(shù)優(yōu)化控制參數(shù)優(yōu)化是對生產(chǎn)過程中的需要人為控制的參數(shù)進行優(yōu)化，提升產(chǎn)品質(zhì)量，可用于實現(xiàn)產(chǎn)品質(zhì)量控制與工藝設(shè)計優(yōu)化。與質(zhì)量根因分析相比，控制參數(shù)優(yōu)化問題不需要找到監(jiān)測參數(shù)與質(zhì)量指標(biāo)之間的精確關(guān)系，只需要找到質(zhì)量較好的那部分質(zhì)量指標(biāo)與監(jiān)測參數(shù)之間的關(guān)系，且這里的監(jiān)測參數(shù)是可控的，因此數(shù)據(jù)獲取難度小于質(zhì)量根因分析。質(zhì)量異常預(yù)警質(zhì)量異常預(yù)警是根據(jù)當(dāng)前制造過程的

54、參數(shù)對本批次產(chǎn)品質(zhì)量進行預(yù)測，對高風(fēng)險的在制品進行預(yù)警，為質(zhì)量提升提供指導(dǎo)。質(zhì)量時空模式分析質(zhì)量時空模式分析主要是挖掘不同生產(chǎn)線、不同季節(jié)、不同物料等對質(zhì)量的影響，提高對工藝流程的認(rèn)識，為工藝設(shè)計提供幫助。 質(zhì)量大數(shù)據(jù)白皮書質(zhì)量檢測質(zhì)量檢測是對成品的質(zhì)量進行自動檢測，及時發(fā)現(xiàn)質(zhì)量不合格的產(chǎn)品?？梢酝ㄟ^超聲波檢測儀、工業(yè)相機等設(shè)備，采集產(chǎn)品的質(zhì)檢數(shù)據(jù)，利用信號處理、圖像識別等技術(shù)手段，發(fā)現(xiàn)產(chǎn)品的表面、內(nèi)部等缺陷問題。智能運維智能運維包含兩方面的研究，一方面是對生產(chǎn)設(shè)備進行預(yù)測性維 護，另一方面是對產(chǎn)品試用期進行質(zhì)量洞察。對生產(chǎn)設(shè)備進行預(yù)測性 維護可以減少由于設(shè)備原因所導(dǎo)致的產(chǎn)品質(zhì)量低、生產(chǎn)效率低

55、等問題，對產(chǎn)品試用期進行質(zhì)量洞察有助于我們及時了解產(chǎn)品交付后的質(zhì)量 是否合格，有助于幫助我們改進產(chǎn)品設(shè)計、改進制造工藝等，且通過 試用期的運維數(shù)據(jù)可以判斷用戶是否正確使用該產(chǎn)品，為售后人員的 售后服務(wù)提供幫助。行業(yè)應(yīng)用現(xiàn)狀隨著數(shù)據(jù)采集體系的日趨成熟以及質(zhì)量大數(shù)據(jù)分析技術(shù)的蓬勃 發(fā)展，企業(yè)自身的數(shù)據(jù)積累與技術(shù)積累已經(jīng)達到了一定的程度，質(zhì)量 大數(shù)據(jù)技術(shù)得到落地應(yīng)用。在自動化程度較高的行業(yè)尤為明顯。例如 在半導(dǎo)體行業(yè)，將質(zhì)量大數(shù)據(jù)技術(shù)引入 FDC 數(shù)據(jù)分析系統(tǒng)，幫助產(chǎn)品 生產(chǎn)過程進行質(zhì)量管理，提升其管理水平，從而獲得穩(wěn)定的產(chǎn)品良率。在電子制造行業(yè)，許多企業(yè)利用質(zhì)量大數(shù)據(jù)系統(tǒng)輔助 SMT 產(chǎn)線進行質(zhì)

56、量管理，提高產(chǎn)品生產(chǎn)效率與生產(chǎn)質(zhì)量。在汽車行業(yè)，特別是一線品 牌的汽車企業(yè)，以質(zhì)量大數(shù)據(jù)核心的質(zhì)量管理系統(tǒng)已經(jīng)進入普及階段。此以外，質(zhì)量大數(shù)據(jù)在化工、新材料生產(chǎn)等行業(yè)也得到了一些實際的 應(yīng)用，為企業(yè)質(zhì)量管理提供幫助。但也可以看到，不同行業(yè)的側(cè)重點不同。以分析課題為例，如表 2-2 給出一些行業(yè)的典型質(zhì)量分析課題，即使名字相同課題在不同行質(zhì)量大數(shù)據(jù)白皮書業(yè)的內(nèi)涵與主要矛盾也常常不同。表 2-2：一些典型行業(yè)的質(zhì)量分析課題行業(yè)質(zhì)量根因分析控制參數(shù)優(yōu)化質(zhì)量異常預(yù)警質(zhì)量時空模式分析質(zhì)量檢測面板ELA-Mura根因分析CIE 控制參數(shù)優(yōu)化Mask PPA 優(yōu)化ELA-Mura 不良的智能預(yù)警TFT 智能

57、排查 Particle 追溯分析Array 路徑差異分析多層缺陷的智能識別SMT生產(chǎn)鋼網(wǎng)參數(shù)優(yōu)化刷錫質(zhì)量預(yù)測異常智能定位AOI 不良品的智能復(fù)判新材料生產(chǎn)質(zhì)量波動的 關(guān)聯(lián)分析關(guān)鍵設(shè)備的控制參數(shù)優(yōu)化能耗優(yōu)化異常模式挖掘產(chǎn)品表面質(zhì)量的圖像研判化工灌裝質(zhì)量分 析工藝參數(shù)優(yōu)化灌裝控制優(yōu)化工藝參數(shù)波動的質(zhì)量影響預(yù)測漏封規(guī)律挖掘煤質(zhì)在線檢測醫(yī)藥操作參數(shù)優(yōu)化批次規(guī)律分析鋼鐵波動性分析黃金批次分析在線調(diào)整設(shè)備劣化趨勢預(yù)警米跟蹤表面質(zhì)量圖像檢測汽車制造鑄造缺陷根 因分析臺車偏差自動識別焊接參數(shù)異常預(yù)警輪轂鑄造成本估算故障原因和處理措施的聚類在線檢測的自動校正公共政策現(xiàn)狀當(dāng)前各國政府紛紛出臺相關(guān)政策大力發(fā)展先進制

58、造業(yè)，促進工業(yè)產(chǎn)品質(zhì)量、市場競爭力的提升。質(zhì)量大數(shù)據(jù)技術(shù)是在新一代信息技術(shù)背景下解決工業(yè)產(chǎn)品質(zhì)量問題、提高市場競爭力的一種關(guān)鍵技術(shù)，質(zhì)量管理與大數(shù)據(jù)結(jié)合成為當(dāng)下質(zhì)量管理發(fā)展的重要方向，世界各國紛紛布局質(zhì)量大數(shù)據(jù)，引導(dǎo)企業(yè)變革質(zhì)量管理手段，提升產(chǎn)品質(zhì)量。國外發(fā)展政策情況 質(zhì)量大數(shù)據(jù)白皮書美國在 2018 年 10 月發(fā)布了美國先進制造領(lǐng)導(dǎo)戰(zhàn)略，在“智能與數(shù)字制造”部分明確提出了下一步行動計劃“將大數(shù)據(jù)分析和先進的傳感和控制技術(shù)應(yīng)用于大量制造活動。支持生產(chǎn)機器，流程和系統(tǒng)的實時建模和仿真，以預(yù)測和改進產(chǎn)品質(zhì)量和可靠性；挖掘歷史設(shè)計，生產(chǎn)和性能數(shù)據(jù)，以揭示創(chuàng)建它們的專家設(shè)計者的隱含產(chǎn)品和工藝技術(shù)”。

59、德國在 2015 年 4 月提出“工業(yè) 4.0”戰(zhàn)略，強調(diào)利用信息技術(shù)和制造技術(shù)的融合，通過采集產(chǎn)品生產(chǎn)運行數(shù)據(jù)，對產(chǎn)品進行預(yù)測性維護，同時輔助產(chǎn)品進行進一步升級換代、新產(chǎn)品開發(fā)，以及其他市場經(jīng)營行為的決策。日本在 2017 年提出其工業(yè)領(lǐng)域?qū)嵭小盎ヂ?lián)工業(yè)”戰(zhàn)略，以采集海量數(shù)據(jù)為基礎(chǔ)，將人、設(shè)備、系統(tǒng)、技術(shù)等關(guān)鍵數(shù)據(jù)相互連接起來，從而創(chuàng)造新的附加值并解決相關(guān)質(zhì)量問題。法國在 2013 年提出“新工業(yè)法國”戰(zhàn)略，引導(dǎo)諸多法國企業(yè)積極投身以大數(shù)據(jù)為基礎(chǔ)的產(chǎn)品研發(fā)，改進產(chǎn)品質(zhì)量水平。在該戰(zhàn)略的指引下，法國眾多企業(yè)以大數(shù)據(jù)技術(shù)的研究和利用為主要內(nèi)容，設(shè)立專門的工作室和實驗室從事質(zhì)量設(shè)計和研發(fā)。201

60、7年9月2021年3月2015年5月2018年1月 十四五規(guī)劃 國務(wù)院關(guān)于開展質(zhì)量提升行動的指導(dǎo)意見制造強國戰(zhàn)略國務(wù)院關(guān)于積極推進 互聯(lián)網(wǎng)+ 行動的指導(dǎo)意見國內(nèi)發(fā)展政策情況圖 2.4 國務(wù)院發(fā)布相關(guān)政策路線圖目前，我國的經(jīng)濟發(fā)展方式由高速發(fā)展轉(zhuǎn)向高質(zhì)量發(fā)展，因此黨中央、國務(wù)院出臺了一系列“質(zhì)量發(fā)展”、“大數(shù)據(jù)”、“兩化融合”、 “互聯(lián)網(wǎng)與制造業(yè)融合”等綜合性政策和指示，全面指導(dǎo)我國制造業(yè)質(zhì)量大數(shù)據(jù)白皮書數(shù)字化轉(zhuǎn)型以及向高質(zhì)量方向發(fā)展，如表 2-3 所示。表 2-3 國家相關(guān)政策序號名稱發(fā)文日期發(fā)文單位1制造強國戰(zhàn)略2015 年 5 月國務(wù)院2國務(wù)院關(guān)于開展質(zhì)量提升行動的指導(dǎo)意見（以下簡稱“質(zhì)量