浅谈大数据分析在质量控制中的应用

郑占高

广西中烟工业有限责任公司柳州卷烟厂 广西 柳州 545006

大数据技术是计算机网络的衍生，是一个数据量大、数据流快、数据类型多的数据集。通过对产品从设计到交付的整个生产周期的数据采集和统计分析，建立数据平台。结合大数据技术，整合大数据资源，形成有利于质量控制的数据链。推广和实施先进的质量控制技术，保证产品质量，在客户服务和产品开发中有效发挥产品质量控制的作用。

1 大数据分析的定义与应用

大数据具有数据量大、速度快、种类多等特点。随着大数据时代的到来，大数据分析逐渐在商业中应用，如数据库、数据安全、数据分析、数据挖掘等。

①视觉分析。在大数据分析中，对于普通用户和专家来说，可视化分析是最基本的前提，更容易被读者接受。②数据挖掘算法。数据挖掘算法是大数据分析理论的核心，根据不同的数据类型和格式呈现数据特征，更快地处理数据[1]。③预测分析。预测分析是大数据分析的应用领域之一，建立科学模型，引入新数据预测未来数据。对于更深入的大数据分析，有很多典型的、专业的大数据分析方法。

2 大数据分析在质量控制方面的优势

大数据的出现对质量控制产生了巨大而深刻的影响，这里的质量概念是指人们对质量的基本理解，大数据背景下的质量概念关系到我们对质量科学未来发展的基本方向的认识，促使我们反思和完善当前的质量技术。

（1）大数据在质量控制中的应用是以质量为中心的数据，不再局限于随机抽样。数理统计方法是质量科学发展的内在动力，随机抽样是现代质量管理技术最重要的手段和方法，也是六西格玛管理和质量改进的重要技术特征。传统的统计工具和软件不能用于计算和分析大数据，因此，即使收集了所有的统计数据，也很难完成质量管理和数据分析的任务。这就需要特殊的大数据分析技术和云计算技术。质量数据在理论上可以满足质量管理的所有需求，但实际上由于数据量大，无法进行定期的统计分析和监测，这就需要大数据分析方法对产品质量进行分析，实现产品质量控制[2]。

（2）大数据是许多计算的标准。精确的建模和计算是统计时代的产物，也是演绎逻辑的顶点，在数据相对稀缺的时代，要求所有的统计数据都是准确的，但在大数据时代，杂乱、不准确的数据不一定是一种劣势。首先，在数据量增加时通过减少数据来获得更多信息；其次，数据混合是使用大数据的一种标准方法；最后，使用大数据的简单算法比使用小数据的复杂算法更有效。

（3）大数据分析更注重相关性而非因果关系。传统的质量控制方法特别强调因果逻辑，总是试图通过统计模型来描述事物之间的关系，并得到因果逻辑的支持。许多质量改进技术都涉及因果关系，用准确的数据模拟了实际生产过程，得出了准确的质量结论。然而，大数据分析的主要研究结果相对强调影响逻辑，不考虑这种关系的影响。

3 大数据分析在产品质量控制中的应用

随着经济的发展，客户对产品性能和服务的要求也在不断提高，越来越多的企业开始研究如何不断提高产品质量控制水平，使客户对产品质量满意。大数据在产品质量控制中的应用核心是采用产品从设计到交付的全生命周期，以及故障预测、故障定位、故障处理和产品持续改进的流程。将提取出来的大数据资源进行整合，形成从原始数据采集、识别、存储到数据处理、挖掘、显示的智能信息闭环技术链，大数据技术的应用可以分为以下几类：

（1）数据仓库与挖掘技术的应用。利用数据仓库进行数据挖掘的目的是为数据分析创造良好的环境，从数据模型的有效数据源中提取数据，通过分析实现数据挖掘的集成。在数据挖掘中，数据是控制产品质量的有效措施，形成数据仓库的质量控制措施[3]。

（2）数据收集。在提供质量信息时，必须考虑以下几个方面：一是质量信息的全过程；二是传统的质量管理；现代生产技术和质量管理是以产品良好的性能和耐久性为基础的，有效地控制了整个过程。预测性质量信息收集是对每个离散阶段收集完整、详细的质量信息，从而获得尽可能完整的数据，为未来的统计分析提供足够的信息；第二，在质量信息处理的背景下，由于采集器的专业能力有限，以及产品测试工具和数据采集传感器的限制，所收集的产品信息可能超出了质量管理或质量管理的范围，这就产生了大量低价值的信息。

（3）数据筛选。随着大数据引入产品质量控制，非结构化产品数据显著增加。为了解决这个问题，在整个生产周期中会产生大量的信息，并进行必要的筛选，加强对不同类型数据的分类、归纳和分析，及时准确地判断信息是否与质量控制相关，确定信息的相关性，排除不相关的数据，保持数据与信息之间的密切关系。

（4）数据的使用。①产品故障点预测。在建立产品质量模型的基础上，确定产品质量薄弱环节，对故障易发部位和操作步骤进行修正，预测故障点。②产品缺陷定位。当产品发生故障时，通过建立产品质量模型，预测产品故障点，可以快速、准确地定位产品故障。③产品故障排除。根据产品质量模型和缺陷定位，对产品缺陷的处理提出合理建议。④产品持续改进。在产品的实际使用中，故障情况复杂，有些故障点是相同的产品有不同的表现形式，产品设计与生产的收集、分析、安排和传播对于产品的持续改进非常重要。

4 结束语

大数据时代已经到来，关键是如何利用大数据产生更好的结果，充分利用大数据中的资源。一方面，要注意建立标准化，包括数据定义、数据分类、数据测量、数据存储和数据使用的标准化；另一方面，必须注重实施过程的质量控制，包括数据选择、数据集成和数据分析的标准化。只有做好审计数据的准备，才能提高大数据的容量和应用水平，确保大数据应用的质量。