大数据技术在设备质量管理中的应用探索（管理体系 设备质量管理）

大数据技术在设备质量管理中的应用探索作者：精诚ISO管理体系摘要：近年来，产品生产呈现出创新要求高、研发生产周期短、对设备可靠性要求高等特点，同时信息化建设快速推进，在设备质量管理领域，如何科学有效的应用大数据提高质量管理的信息化水平，成为一项关键课题。重点分析了设备质量管理现状，探讨了大数据技术在推进设备质量管理信息化中的应用。关键词：大数据技术、设备质量管理0引言设备质量管理，是在设备活动中，为达到或满足质量要求，对设备质量形成的过程和因素，进行计划、组织、指挥、协调和控制的活动。其主要任务是通过制订设备质量管理方针和质量管理目标，实施质量策划、质量控制、质量保证以及其他质量活动，保证生产和服务的圆满完成。大数据技术是一系列使用非传统的工具来对大量的结构化、半结构化和非结构化数据进行处理以获得分析和预测结果的数据处理技术的总称，主要包括数据的采集与预处理、数据存储与管理、数据计算模式与系统、数据分析与挖掘、数据可视化分析及数据隐私与安全等几个方面，如图1所示。图1大数据技术框图从企业长远发展看，设备质量管理的信息化水平，直接影响到设备的整体进程及结果。立足于当前信息技术的实际发展水平，在质量管理的过程中应用大数据技术已成为一种必然趋势。1设备质量管理现状1.1缺乏专用的管理系统，信息化程度不高从设备质量管理的实际情况来看，由于缺乏顶层设计，已经建成的各类与设备质量管理相关的系统之间互不兼容，信息数据无法共享，缺少专用的能够有效融合大量数据的信息管理系统以及专业化数据管理的设备，导致设备质量管理信息化水平不高，大量有价值的数据分布散乱，不便于利用。1.2数据信息管理受到限制，实用性不强在信息化建设过程中，由于信息管理系统过于固定化和标准化，无法根据数据处理和信息管理的实际需要做出及时的调整，不具备灵活性，管理设备和信息处理的系统功能过于单一，抑制了信息使用的灵活性，制约了设备质量管理效益的提升。1.3缺乏科学的管理机制目前在信息管理的过程中，难以保证规范化的使用和操作，管理水平有待提高。在进行信息的收集获取、存储提取以及分析处理的过程中，没有明确的运行机制，很大程度上影响了信息管理的综合水平，难以实现设备质量管理的高效性。1.4缺乏专业的管理人才队伍由于员工的信息化素养和计算机应用技能有一定的局限性，目前普遍缺乏专业技能强和信息化素养高的信息管理人才，这也是导致设备质量管理信息化水平发展滞后的原因之一。2大数据技术应用于设备质量管理在计算机和网络技术的基础上，使用大数据技术对设备质量管理信息进行获取收集、存储提取、分析利用等工作，建立及时、准确、完整、连续的信息流，帮助质量管理者了解日常质量状况以便进行既有效有高效的控制、组织、决策、实施等活动，推进实现质量目标。2.1数据信息的获取与收集有效的应用大数据技术，进行有关信息的收集与获取，可以帮助提高设备质量管理的综合水平。除人工自下而上的采集获取方式外，还可以通过安装各种传感器、扫描设备、监视设备对与质量管理活动有关的信息进行采集，再通过一定的数据处理，就可以获得有价值的信息。例如可以从人、机、料、法、环、测、信息等方面获取设备性能状态、设备指标情况、人员训练和考核情况、供电和网络状态、软件和备件测试情况、厂房和车间状态、文件资料状态、仪器仪表用具情况、大气环境因素、潜在质量问题及措施、工作计划和落实情况、维护和保养情况、外协情况等与质量管理相关的信息，如图2所示。图2信息的获取与收集通过对数据信息的获取与收集，可以形成覆盖范围较广、内容相对全面的综合化的数据信息库，为提升设备质量管理水平打下基础。2.2数据信息的存储和提取使用分布式存储技术，充分发挥大数据技术收集储存海量信息的特点，能够收纳不同形式，不同种类的数据信息，并且便于实现对各类信息的提取，提高设备质量管理的全面性。从存储类型上看，结构化数据（主要包括用户定义的由二维表结构来逻辑表达和实现的数据）一般采用Oracle或MySQL等数据库技术进行存储，非结构化数据（不方便用数据库二维逻辑表来表现的数据）一般采用GFS技术进行存储，半结构化数据（介于完全结构化数据和完全无结构的数据之间的数据）一般采用NoSQL数据库技术进行存储。分布式存储可以有效解决分散的海量数据的存储问题，能够收集大量的设备质量管理信息，在此基础上，用户可以自行提取所需信息，以满足各领域对质量管理中数据的需求，促进质量管理的全面化、体系化。2.3数据信息的分析与利用引进先进的信息管理设备，充分发挥大数据技术的分析、挖掘和辅助作用，加强对设备质量信息的加工和处理，提高分析的时效性和实用性，实现对设备质量的综合性有效性分析，为管理人员进行下一步的决策部署提供可靠支撑，提高设备质量管理的科学性、综合性、针对性、预见性。例如结合季节特点可以分析不同季节的设备故障情况，结合生产特点可以分析不同产品或环节生产的难点弱点，结合人员变化可以分析可能出现的风险，结合设备寿命和维护情况可以给出预防性维修建议，结合设备性能指标的变化趋势可以发出故障告警或预警等。通过大数据分析技术，实现对质量信息进行收集和汇总，能够按照过程或部门将质量信息进行分类统计、态势显示、输出打印，生成相关的报表和质量报告，也可以将产生的质量问题及采取的纠正措施及时反映出来，便于实时掌握质量动态，提高质量管理效益。3需要解决的几个问题3.1加强技术人才队伍建设技术人才队伍建设是大数据发展的重要支撑。加强大数据人才队伍建设迫在眉睫，可以考虑从社会上引进技术过硬的大数据人才队伍，也可以依托优秀院校或大数据研究机构培养人才，促进大数据技术发展。3.2加大技术创新与研发技术创新和研发是大数据发展的重要动力。目前存在的各质量管理系统不统一、标准不一致的问题，数据收集渠道过于单一（大部分数据的采集还都是依靠业务软件进行人工收集和简单处理）的问题，都需要在不断创新和研发过程中解决。3.3提高信息安全性信息安全是大数据技术发展必须考虑的重要方面。由于大数据的存储和计算等相对分散，各数据之间存在传输风险和失泄密隐患。做好大数据的信息安全工作要从数据的产生、存储、计算和传输等方面整体抓起。在数据的产生和存储过程中，对不同密级的数据可采取不同的权限等级，同时进行有效分类和细致的密级评定，做好保密工作。在数据的计算和传输过程中，根据不同的数据信息密级要求，适当采取专门的计算机设备处理，同时采用一定的加密技术，对计算和传输过程实施全程监控，发现异常，采取立即报警并停止作业等措施。4结语本文主要介绍了设备质量管理现状及大数据技术在设备质量管理中的应用等内容。随着信息化建设的推进，大数据技术将成为设备质