大數據技術在產品質量管理中的應用研究

麥 豐

（梧州市產品質量檢驗所，廣西 梧州 543003）

產品質量管理是指在特定的工藝條件和工藝情況下，采用科學的方式展開產品直接測量或間接測量，對產品質量安全隱患進行事前預防和控制，確保用戶能夠得到所需產品，提高客戶滿意度。產品質量管理隨著智能化社會的到來而逐漸發展，目前產品質量管理已經到了全面發展和蓬勃壯大的階段，大多數企業會采取全員參與的方式提高產品質量，加強質量管控，并采用智能化技術進行監督，控制可能會影響產品最終品控的諸多要素，進而提升產品質量。其中，大數據運用發揮了巨大的作用，它包括云計算技術、云標簽技術、關系圖技術等，它的運用可以在很大程度上包容巨量的數據信息體，有目的、有計劃地進行系統分析和處理，從而提高產品質量管理效率。

1 產品質量管理中的常見大數據技術

1.1 數據收集技術

在大數據理念的支持之下，采用數據收集技術可以為產品質量監督和管理提供更加有價值的品質報告，這對于早期采購工作和品質判斷工作來說非常必要，針對產品品質收集有關資料需要注意以下兩個方面的工作：第一個方面，需要全方位、全過程地采集產品的品質信息[1]。在傳統的產品品質管理中，有關工作人員更加側重于對生產過程的監督，而現代社會中的質量控制則要考量商品是否具有長期特性和最佳使用壽命，重視的是產品的全面性，而不側重于某一點，同時還要關注產品缺點和質量不足之處的防范與監督。采用數據收集技術需要對產品生產、加工、制造的全過程展開有效監督，并且在產品設計、原材料采購、原材料入庫、生產加工、交貨、儲存等各個環節都要展開特殊監管，包括售后服務在內，把產品從“出生”到“死亡”的全過程、全周期設計在內，確保產品品質達標。對產品數據和品質信息進行收集，其本質就是要對離散變量的相關數據展開全方位采集，形成詳細數據云資料，為之后的數據分析工作和數據清洗工作打下基礎；第二個方面，數據收集還包括對品質信息內容的有效采集，需要對檢測工具和產品檢測手段加強創新和完善，可以按照采集、檢測、判斷、重采這一步驟對產品生產加工展開全方位監督，獲得高效率的數據云庫。

1.2 數據清洗技術

數據清洗技術是在數據收集步驟之后需要完成的一項工作，其原理和根據是搜集到的所有資料并非都是可以利用的，其中存在大量的垃圾數據、重復數據或錯誤數據，大數據在數據價值方面相對偏低，其主要特征是體量巨大，因此需要在巨大的數據庫之中篩選有價值的部分，這就需要通過數據清洗技術展開分辨和發掘，因此數據清洗技術是大數據運用的有效保障和關鍵的分支，在產品質量管理過程中引進數據清洗技術能夠使產品的非結構化數據增多，在產品加工生產過程中由于大數據本身體量巨大的特點，一定會產生海量的數據資料，因此需要用數據清洗技術對數據展開篩查，根據不一樣的使用目標做好數據資料的梳理、剖析和歸納，精準地辨別信息內容的真偽，同時做好數據的篩選沉淀，選擇有效的和品質管理相關的程序，從而使不相干的數據、錯誤的數據、過時的數據被清除，使數據信息的粘連性和關聯性都較高，方便后期使用。

1.3 大數據使用

大數據的使用需要經過收集和清洗兩個步驟才可以完成，其自身包含較為復雜的供應管理體系，可以為產品管理提供可借鑒的方式和方法，將數據使用技術運用在眾多領域也會對產品質量管理產生廣泛的影響。工作人員可以利用大數據搜集技術找尋較多的產品資料和產品信息，通過數據清洗以及其他處理方法可以根據不一樣的應用目的創建大數據庫和資源平臺，對企業生產的產品展開全方位的質量評測，評測的結果具有較高的真實性。例如要針對某款探測器展開評價，在大數據使用階段，登錄大數據庫和數據平臺就可以查看探測器接收分機的電子元器件構成部分，還可以查看電子元器件做過哪些篩選實驗，它的全過程狀況如何，所得的結論如何，這些信息內容都可以判斷探測器的拼裝檢測狀況是否達標，查看電磁兼容測試性能是否良好，查看是否具有野外環境的適應機能，檢測是否符合指標特性，同時還可以查看探測器和調頻發射機是否能構成電磁兼容測試性整體[2]。數據信息的查看人和使用人可以根據產品設計的目標展開數據的統計，對探測器展開品質質量評價，明確產品質量是否存在缺陷之處，探測器的一些零部件或關節部位容易出現問題或者運作卡頓，這時就可以根據異常現象展開數據校準，精準判斷產品問題點，并展開數據預測。

2 大數據技術在產品質量管理中的具體應用

2.1 在農機作業質量管理中的應用

大數據技術在農機作業質量管理中的應用取得了不錯的效果，隨著我國農業生產效率不斷提升，大數據技術伴隨著衛星技術、傳感器技術等諸多科技分支在其領域的運用提高了農機作業的整體質量和監管效率，減少了人力工作的壓力和投入，促使農業生產呈現出科學化和現代化的發展轉型趨勢，同時其運用也顯著提高了農戶專業素質。大數據在農機作業質量管理中的具體運用包括以下幾個方面的內容：

首先，打造農業數據供給鏈平臺，雖然大數據技術在我國農業生產中的運用起步較晚，但是其發展速度較快，在其具體運用時首先需要結合農村地區實際情況和農業生產土壤信息、氣候信息，建設農業數據智能化管理平臺，用戶可以自行下載APP 或其他移動終端，完成大數據信息鏈條的閉合。大數據的運用可以做好農機設備作業質量的分析工作，解決大數據科技的不足之處，提出更加科學的建議，有利于農機設備的維護和保養。同時大數據還可以幫助建成農機設備服務體系，向農戶或使用人提供周邊農機設備維修站點的信息，從而提高農機生產效率和服務效率，滿足人民群眾的運用需求。

其次，大數據技術在農業生產質量管理中的運用還需要加強基礎設施建設，大數據技術的發展需要專業的基礎設備作為支撐和輔助，需要建立衛星定位系統打造大數據平臺，建成一體化的基礎設施格局，使農業生產數據得到高效處理和精準分析。此外，還需要打造農機設備位置服務平臺，對傳統的智能協同精密定位技術展開再升級，搭建以云技術為基礎的平臺建設工程，大力打造基礎設施，輔助建設數據備份和基準站，提高大數據技術的運用深度和廣度[3]。除此之外，大數據技術在農機作業質量管理中的運用還應當加快技術推廣和技術創新，大數據技術本身就屬于高新科技產業之一，目前其在農業產業中的運用范圍和推廣程度還受到了一定的局限性，需要加強對大數據科技的廣泛推廣和使用，不同地區需要因地制宜，根據實際情況打造技術示范推廣區域，建設大數據發展技術體系，尤其是要加強農機用戶的知識培訓和宣傳，提高大數據技術的接受程度和普及程度。

2.2 在建筑工程質量管理中的應用

大數據技術在建筑工程質量管理中的運用也具有不錯的效果，它的應用范圍非常廣泛，適應性較強，屬于當前建筑行業運用的最先進的科技之一，經過長時間的行業實踐后，大數據的優勢更加凸顯出來，它可以在建筑工程龐大的數據體量中對數據展開快速識別、分析和判斷，提取有效的關鍵信息，它可以對工程質量管理進行數據的采集、提取和集成，發揮云計算技術、BIM 技術的強大功能，對數據展開自動存儲和實時分析探索。大數據技術還可以關聯質量控制模型，讓該模型和質量管控指標相互聯系，打通施工環節的溝通渠道，使質量信息數據得到及時交換，施工過程中如果存在質量問題可以得到有效解決和妥善處理，具有較強的針對性。在質量數據的采集環節，大數據技術需要面對信息分散的問題，BIM 技術和大數據技術相互配合可以彌補數據采集和統計上的不足，將資料上傳到質量管理平臺，方便后期工作能夠順利開展。在數據分析環節，大數據技術可以就挖掘到的信息內容展開深度解析，并將其運用到具體施工過程中，它還可以對工程的質量數據展開深入探索，發現工程建設細節之處的不足之處。同時大數據技術還可以對質量數據展開可視化演示，找到不同數據體之間的關聯點，對數據展開可視化建模，為現場管理人員提供更加直觀的數據引導，以數據作為支撐和基礎，重新調整施工方案。

具體而言，大數據技術在質量管理工程安全管理和成本進度管理中都可以發揮不錯的效果，在質量管理中它可以量化地展示施工項目原材料的儲存量，查看和需求量是否吻合，減輕人工工作的壓力，減少出錯概率，規范實際使用的材料質量、規格和參數，匹配機械使用程度[4]。通過大數據技術的參與，施工技術的運用貫徹效率也在不斷提升，該項技術可以使施工流程得到規范，根據作業流程進行操作，最終的成果不會出現過大的問題，在安全管理中使用大數據技術可以防范安全事故的發生，結合BIM 技術可以對現場施工的流程展開模型打造，快速識別施工現場存在的安全細節隱患，預防突發事故的出現。企業有關工作者還可以根據大數據的支持建設安全管理方案，對細節之處展開二次詳查，徹底解決安全死角。施工結束之后，施工方可以對施工現場遺留問題進行分析和總結，預測最終的安全方案執行效果。在進度管理和成本管理中使用大數據技術可以對施工進度展開模擬，方便工作人員了解工程進度和其實際執行情況，如果存在工期滯后等問題可以發出預警和提示信息。項目管理計劃也可以隨時和實際進度展開對比，施工人員登錄線上平臺可以查看進度完成度，如果不符合預期標準需要及時調整施工計劃。總而言之，大數據技術在建筑工程領域的運用表現出充分的延展性和適用性，它和其他技術分支相互結合可以優化建筑工程的整體質量。

2.3 在成品油質量管理中的運用

成品油質量管理較為復雜，其業務流程較為繁瑣，涉及諸多主體單位，也具有諸多外界影響因素。成品油是企業生產加工的質量風險源，也是管控的難點，在其管理過程中運用大數據技術可以抵御潛在風險，推動質量檢測高質量運行。具體而言，大數據技術在成品油質量管理中的運用可以對油品特征展開畫像和模擬。用戶畫像是典型的大數據商業領域的運用，根據用戶歷史數據對用戶展開貼標簽手段的處理，也就是用簡單的信息對用戶群體特征進行概括，根據不同的運用場景將其匹配不同的商業途徑和渠道。大數據技術可以方便管理人員了解供應商的油品品質，使用油品群落分析的數據方式展開特征畫像和模擬，常見的技術是K-means 算法和決策樹，可以根據油品的來源劃分成配置油和外采油，根據配置油和外采油不同的特征，又可以采取分類監督將其劃分為典型外采油和典型配置油等不同的類別；其次，大數據技術可以加入外采油品溯源工作。為了解決人工溯源率不高的問題，大數據算法可以為人工溯源提供輔助，同一企業生產的成品油質量較為相似，可以根據這一原理對溯源樣本展開品質追蹤[5]。常用的技術包括k 近鄰算法建設油品生產商匹配模型，把常規化處理指標當作特征向量，計算樣本間相似程度。除此之外，成品油質量管理還可以采用辛烷值預測研究法，這也是大數據的分支之一，把模型預測結果和標準檢測結果的偏差進行統計和對比，建設成品油質量大數據分析平臺，使用LIMS 系統展開實時研究，借助可視化技術打造成品油質量分析平臺，方便為管理人員提供更加科學的決策。

3 結語

大數據技術在產品質量管理中的運用可以發揮強大的作用，提高產品質量管理的實際效果。具體而言，大數據技術可以在農機作業質量管理、建筑工程質量管理和成品油質量管理中發揮不錯的效果。在未來，大數據技術的運用必然會邁上嶄新的臺階，需要繼續加強產品信息的相關性分析和預測處理，促使社會產品質量管理水平不斷提升。