制造业是立国之本、强国之基，增强制造业质量优势对于推动产业链向中高端升级转型至关重要。同时，质量作为评估工业设备、产品及服务能否稳定发挥其性能作用的关键指标，对工业技术升级、工业成本和消费体验均有较大影响。
现代工业设备、产品及系统十分复杂，仅仅依赖传统的质量管理手段很难对其质量问题进行规避， 从而实质性地提升其质量水平。而随着大数据、传感器、人工智能等技术领域的飞速发展，一些原本较为隐蔽的质量特征、关联关系可以从工业质量数据中得到挖掘。
质量大数据可以将各类工业场景下的质量风险暴露，实现质量关联关系挖掘、质量水平优化和质量经验知识积累，达到工业产品和服务向中高端转型升级的目的，提升整体行业效益。
质量大数据的概念和外延
质量大数据根据质量管理在不同生产体系、管理体系和数据基础等上下文的内涵不同，决定了其边界和内容。
从数据要素的角度，质量大数据是指围绕工业产品各种质量要求（功能型质量、性能质量、可靠性质量、感官质量等）在不同阶段（ 研发设计、生产制造、 使用运行等）所产生的与产品质量相关的各类数据的总称，覆盖了人、机、料、法、环、测等多个因素。
从业务范围的角度，质量大数据除了应用于单个企业内部的特定业务环节，也包括上下游企业构成的供应链协同和联动，甚至覆盖一个产业生态圈。
从应用技术的角度，质量数据技术包括数据规划、检测采集、传输存储、建模查询、管控治理、统计分析和管理应用等相关技术，而质量大数据更聚焦在针对海量异构质量数据的平台、分析和应用等大数据技术。
上面的描述可以看出，质量大数据有业务、数据、技术等不同的维度，不同维度上的差别决定了质量大数据在不同行业、不同企业的侧重点不同。
例如，在医药、食品等行业，全产业链质量追溯是重点；对于半导体生产，先进过程控制（ Advanced Process Control,APC）是重点；对于装备制造，全生命周期（从研发、制造到运维）的质量管控与优化是重点。基于多个行业实践和调研，归纳出如图 1.1 所示的质量大数据的参考模型，从业务、数据、技术三个维度对质量大数据的范畴和内涵进行刻画。
图 1：质量大数据参考架构
大数据带来的契机
1、质量分析
随着计算能力和存储能力的提升，大数据分析方法与传统分析方法的最大区别在于分析的对象是全体数据，而不是数据样本，其最大的特点在于不追求算法的复杂性和精确性，而追求可以高效地对整个数据集的分析。质量大数据为质量分析带来四个转变，这些转变将改变质量管理中数据分析的方法。
第一个转变：在大数据时代，可以分析更多的质量数据，甚至是某个事物的全集质量数据，并且“样本”可以等于“总体”，而不需要随机抽样和多级抽样，可以洞察全局、整体的质量，更容易形成“系统质量观”。
第二个转变：在大数据时代，因为数据量非常庞大，可以不再热衷于追求精确性，而是可以适当忽略微观层面的精确性而专注于宏观层面的洞察力，偏重于用概率说话，接受混乱和不准确性，宽容错误可能会带来更多价值，不追求最高质量（质量是有成本的，很多时候并不是质量越高越好，需要综合考虑），而追求最具效能的质量，更容易形成“效能质量观”。
第三个转变：在大数据时代，质量分析将从寻找因果关系跃迁到寻找事物之间的关联关系，能让我们超越目前已掌握质量可靠性理论的局限，发现新的质量问题、挖掘新的潜在价值，更容易形成“超前质量观”。
第四个转变：在大数据时代，“数据+算法”研究范式将由于数据“量”的增长形成“质”的变革，简单算法比传统的复杂分析算法更有效，改变传统基于有限数据不得不花费大量精力追求算法复杂性、精密性和智能性的模式，花费更少的精力寻找有效的简单算法，计算分析的效率也将提升，更容易形成“简单质量观”。
2、质量管理
图 2：质量管理体系与大数据的融合关系
随着制造业数字化转型、高档数控机床的配置应用和自动化采集设备的广泛应用，工业装备生产产生的质量数据，逐渐被全方位采集和多形式记录，数据量、数据类型、数据传输均得到大幅提升和扩展，不断采集和积累的质量数据将质量管理推进到大数据时代。
随着大数据时代的到来，基于大数据的质量控制、质量追溯等技术开始得到应用，质量控制变得比以前更加精准，基于质量大数据技术的智能质量管理模式将会是往后质量管理模式的重要发展方向。一方面，在既有质量管理体系下，质量大数据技术可以加速和提升关键过程环节的效率和质量，主要体现在质量问题的可视、可溯、可决这三个方面。
更重要的是，通过一些数字化历程，质量大数据管理将实现从“科学化”、“定量化”到“智能化”的转型。
在质量管理执行模式上，将从“以人和流程管理为中心” 变为“以数据洞察和智能决策为中心”。过去是问题找人，人来找设备找数据去支撑，现在是问题去找数据，分析后的结论再去找人；过去是人需要主动发现改善点，现在是潜在改善建议主动找人确认。这样，质量管理人员不再受限于生产现场，通过数字孪生可以在更大广度上实现质量的集中管理。
在管理经验和知识的传承方式上，将“以人和文档为载体”的模式转变“以数字为载体”的模式。历史上出现过产品质量过程可以在很大程度上保持下来，这样质量管理知识将可以跨越物理时空，实现更大范围的沉淀；知识载体是数据和模型，经过大量数据不同场景的证伪检验，可信度有相对客观的评价，消除了传承损失，复用成本更低。
注：以上内容节选自《质量大数据白皮书——数字化转型系列研究报告 No.1》
获取《质量大数据白皮书》全文178页
请扫描二维码关注公众号“质课堂”
首页“发消息”回复关键词“大数据白皮书”
通过链接进行下载
（文件较大，请耐心缓存）
关注中国质量研究院
