大数据在质量管理中的应用

◆刘卫卫/ 文

30年前，约瑟夫·朱兰博士提出了“大质量”一词，以描述在质量管理领域正在发生的根本性变化。朱兰博士将产品的质量定义为“小质量”，将组织所有过程的改进称为“大质量”。“大质量”提法彻底改变了质量伞覆盖的范围，在质量伞之下增加了大量相关内容，从而使质量管理实践及质量管理观念发生了根本性改变。当今世界也正经历着另一个从小到大的变革：即由小数据到大数据的变革。大数据的应用将对整个社会乃至人类文明的发展进程产生深刻影响。而企业若想在大数据时代抓住机遇、持续发展，企业内部管理必须做出相应的变革。质量管理作为企业日常运营管理中非常重要的组成部分，也需要逐步开展变革以适应大数据时代的变化。

一、大数据对质量管理的总体影响

上海开源大数据研究院院长陈刚指出：大数据带给人们一种数据驱动的思维模式，这种思维模式是可以落地的，正在为质量管理带来美好的前景。ISO 9000的质量管理原则中强调的“循证决策”，就是基于数据进行决策和管理，而大数据数据驱动的思维模式正是“循证决策”思想落地的实践抓手。在企业管理中，数据的重要性越来越突出。特别是在质量管理过程中，从原先的小样本抽样数据到通过大数据展示过程的关联和结果，最终有效指导决策，数据驱动的思维模式将有效促进企业管理效率的提升。

质量管理应有意识地从大数据的视角，关注企业运营过程中数据的获取和积累，形成数据资产，逐渐从小数据积累升级为支撑企业运营的质量大数据平台。从长远发展来讲，企业应构建大质量数据中心，涵盖企业运营的端到端。首先收集与质量相关的数据，其中包含来自自动化系统的生产过程数据、表面检测系统的缺陷数据及部分缺陷图片、设备系统的设备状态数据、检化验系统的检验数据、ERP系统或MES系统的生产标准数据、销售系统或ERP系统的质量异议数据、点检系统或人工点检数据、各个系统记录的操作数据等。对于信息孤岛所导致的数据流通不顺畅、流程效率低下、问题响应不及时等问题，很多企业致力于不断升级和引进各种IT信息系统，以打通数据流，其实通过构建企业大数据库（质量数据中心），不但能消除信息孤岛，还可以通过大数据发掘管理价值。企业大数据平台是IT信息系统发展的一个方向。企业运行端到端的数据都被储存在大数据中心，无论是流程数据还是产品数据、设备数据等，最后通过对所有数据的整合分析、挖掘，找到信息数据之间的联系，实现效率提升、质量提高。

二、大数据在质量管理中的应用场景

对于制造业来说，工业4.0时代正在到来。工业4.0的信息物理融合系统将会产生大量的数据，如何引入大数据的思想有效挖掘这些零散数据，为企业质量管理带来价值呢，下面我们来看几个应用场景。

1.大数据的质量预测、预警和智能诊断作用

基于积累的大数据的分析对未来可能发生的情况进行预测，是大数据的典型应用场景之一。所有预测都基于模型，而模型的存在就会导致抽样的误差。大数据管理的优势在于，可以根据数据的相关性对模型不断进行调整，以期获得更为精准的预测。在质量管理领域，基于制造过程的大数据，如人员的情况及变动、设备的状态数据、物料的信息数据、制造方法和工艺监控数据、制造环境的感知数据等，通过其相关性、趋势性分析，能够预测产品输出结果质量的可能变异，并提前对可能的变异过程进行纠偏。与SPC基于已有结果进行趋势分析预测不同，大数据的数据维度更多、相关性分析的模型更智能、数据的实时性更高，可以做到真正的预测。

除了预测，大数据还可以应用于问题的智能诊断上。由于“大数据”的存在，过程变得可追溯，原因的诊断和定位也将更智能、更快速。

2.大数据在质量变化点管理中的应用

质量过程控制的核心是控制变异。变化是导致质量不稳定的核心原因，结果的变异往往是由于过程的变化引起的，因此利用大数据开展变化点管理，将帮助过程质量有效控制变异。变化点包含影响过程结果变化的所有可能因素，通过大数据实时监控，可以清晰地展示变化过程，及时对变化的合理性进行评估和判断，确保所有变化都受控。

3.大数据在产品生命周期管理上的应用

未来的产品除了实物层面，在数字层面也会有一个“数字孪生”来映射产品的全生命周期。通过对“数字孪生”的分析和度量，实现产品的全生命周期管理。所谓数字孪生，就是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映实体装备的全生命周期过程。基于“数字孪生”的产品生命周期管理将产生大量数据，是形成大数据的重要途径。通过数字孪生的大数据分析，能够有效监控、追溯产品的生命周期全过程，对产品制造、售后服务质量，甚至客户需求习惯监测、备品备件等增值服务的推进都起到巨大的数据支撑决策作用。

4.大数据在服务质量管理中的应用

大数据除了在制造过程的质量管理上能够发挥作用，在产品的服务质量管理方面，也将发挥巨大的作用。相对于服务业，制造业的售后服务质量一直存在管理方法有限、重视度不高、资源投入不足等问题。应用大数据技术，增加服务过程的数据监控和收集，能够细化服务过程的标准化程度及控制措施，提升服务的过程质量。大数据的应用还可以细化客户声音管理，提高客户声音获取的范围和真实性。通过大数据分析，将更有效地识别客户服务痛点，更全面地获知服务过程中每个环节的优劣势，从而促进服务质量的持续改善。

5.大数据在客户需求管理中的应用

质量就是满足客户需求，管理好客户需求是质量管理的第一步。在客户需求（或潜在客户需求）的挖掘和分析上，大数据能够发挥重要作用，甚至可以发掘新的业务领域。百度通过收集整理网络玩家搜索需求与热点，将用户人群细分，并对网络游戏的搜索行为数据提炼组织，建立用户行为数据库销售给网络游戏运营商，创造了以数据销售为主、广告服务为辅的双轨模式。过去，很多企业对自身经营发展的分析只停留在数据和信息的简单汇总层面，缺乏对客户、业务、营销、竞争等方面的深入分析。如果决策者只凭主观与经验对市场进行评估而制定决策，可能导致战略定位不准，存在很大风险。在大数据时代，企业通过收集、分析大量内部和外部数据，获取有价值的信息。通过挖掘这些信息，企业可以预测市场需求，从而制定行之有效的战略。

以上大数据应用场景，无论是质量预测诊断还是变化点管理、服务质量管理，不是只强调在产品质量管理上的应用，而是大质量范畴内包括流程、体系、过程、产品等方面均可落地应用。在整个管理体系角度看，基于更大的数据监控和分析，无论从战略落地效率还是企业各模块协同，更易发现短板，也更容易识别企业自身优劣势，从而促进企业战略的有效制定和落地。从流程优化层面看，大数据将帮助实现端到端流程畅通，直观并且快速地展示流程结果，发现流程结果质量和时效性方面的问题，促进流程的持续优化。

三、注重大数据本身的质量

随着大数据的发展和应用，大数据的数据质量如何保证，也将是一个重要的课题。企业应从数据入口进行数据的质量管理，尽量通过自动化、底层传感器自动采集数据，减少人为数据录入的失误风险。此外，大多数数据不是全数据，而是一种抽样。只要是抽样，就可能因为抽样的分层导致误差。同时，大数据分析必须建模，模型存在也会导致抽样的分层，从而带来误差，所有这些误差在实际的应用中都需要充分考虑。

四、总结

大数据时代已经到来，质量工作者的很多经验将失去价值，以往作为“质量卫士”的大多数传统工作职能将由计算机承担。从组织层面构建质量数据中心、逐步开展企业运营大数据分析研究、不断积攒质量数据，最终能否创造价值，目前还无法断言，但一定是契合未来制造系统和企业运营大方向的。基于大质量数据的研究、挖掘、流程规范化、体系化，未来必将出现新时代的大数据质量管理体系。