数字化转型下工业大数据在质量创新中的应用

来源：核心期刊咨询网时间：12

摘要：摘 要：进入工业4.0时代以后，数字化转型成为经济发展的普遍趋势。工业大数据是数字化转型的重要载体，其在质量创新中的重要性日益显著。无论是行业还是个人发展，都将面临数字化转型下工业大数据的应用所带来的重要机遇和挑战。大数据在质量创新中的机遇具

　　摘 要：进入工业4.0时代以后，数字化转型成为经济发展的普遍趋势。工业大数据是数字化转型的重要载体，其在质量创新中的重要性日益显著。无论是行业还是个人发展，都将面临数字化转型下工业大数据的应用所带来的重要机遇和挑战。大数据在质量创新中的机遇具体表现在通过采集数据、分析数据并建立模型进行质量控制与质量提升。与此同时，大数据在质量创新的应用中也面临着数据完整性、数据质量、数据场景、领域知识、数据隐私、样本稀缺等方面的诸多挑战。此外，质量大数据的思想被应用拓展到社会的各个方面。

　　关键词：工业4.0; 大数据;质量创新;机遇;挑战

　　一、引言

　　2020年新冠疫情的爆发，极大地加速了数字化转型的趋势。数字化转型是在工业4.0的框架下，以客户需求为中心，以数据为资产，以新技术为手段，以人才为依托，突破企业发展瓶颈，解决行业发展痛点的转型升级。工业4.0最早来源于德国战略性方针，又被大家称之为第四次工业革命。第一次工业革命是由瓦特发明蒸汽机所导致的工业化，第二次工业革命是在电气革命背景下引发的大规模生产，第三次工业革命是由于电脑与控制器的介入所产生的自动化。尽管各国都对第四次工业革命有不同的解读与偏向，但是其中心思想就是数字化转型，即利用物联网信息系统，将生产中的供应、生产、销售信息数字化、智能化，最终实现快速、有效、个性化的产品供应。质量创新能够创造和产生新的用户需求，是企业实现从“速度效益型”向“质量效益型”转变的关键(程虹等，2014)。数字化转型则是实现质量创新的重要手段，而工业大数据又是数字化转型中的关键因素(Barchiesi等，2021)。工业大数据可理解为工业领域信息化应用中所产生的大数据，作为互联网、数据科学以及工业产业相互融合的产物，工业大数据除了具备一些传统大数据海量、多变及多样性的特征，还拥有更强的目的性和指导决策性，具备更高的稳定性(王韵滋等，2020)。

　　通过围绕工业4.0时代背景下大数据在质量创新中应用的介绍，阐明了大数据是质量创新的一种工具，以及大数据在质量创新应用中面临的机遇、挑战，并阐述了大数据在其他方面的一些拓展性应用，以期带来一些研究方向的启发或引起学界的探讨。

　　二、文献综述

　　(一)质量创新研究及其在大数据中的地位

　　质量创新，其实就是利用技术、管理、文化等方法创造新的质量。创造出的新的质量可以更好地满足消费者和用户的需求，帮助企业实现新的目标，创造更加良好的效益(程虹等，2015)。随着对于质量要素投入的增加，经济也在不断地发展。质量创新还包括相关的如对于质量需求的创新、面向质量技术的创新以及质量制度的创新，这些可以称之为一个创新的集合。质量的本质含义，就是要不断地去满足需求。由于人们的需求具有多样性和个性化特点，所以对于质量，其关键在于如何满足用户需求，这也即是进行质量创新的内涵。在现代社会中，人们开始追求个性化，更加关注产品背后的意义，而不仅仅局限于产品的使用功能(Aghion等，1992)。

　　工业大数据是工业产品和服务全生命周期数据的总称，包括工业领域中各个环节中可能产生和用到的数据(王建民等，2017)。现在的大数据有三个原始特性：高容量、高速度、多种类，其中，特别值得关注的特性是高速度(宗福季，2019)。宗福季(2018)认为大数据的特性可以帮助获取海量数据中的价值，通过对数据的分析和处理，大数据将成为未来进行质量创新的关键。宗福季(2019)还认为软件、硬件、系统的整合非常重要，要真正解决问题还是需要工具。

　　随着科技的发展，大数据已经在很多方面和质量相结合，在对于宏观质量的管理中，质量管理的地位已经越来越重要，而对于未来宏观质量管理及质量管理等都需要高质量的数据作为支撑，利用大数据来帮助实现更加科学的管理是未来主要的发展趋势，这需要未來在科学管理中更加重视数据的应用和其价值的挖掘，以帮助提高质量管理水平(李国杰等，2012)。

　　(二)工业大数据的研究及其应用

　　工业大数据是未来很多产业核心价值的创造者，而云计算技术则是支撑广泛、分散、大量的工业大数据采集、聚合、处理、分析的关键技术(李君等，2019)。随着大数据行业的发展，工业数据收集呈现时间维度不断延长、数据范围不断扩大、数据粒度不断细化的趋势。以上三个维度的变化使得企业所积累的数据量以加速度的方式增加，最终构成了工业大数据的集合，也已经发展成为目前工业中最宝贵的战略资源(吴晓怡，2020)。工业大数据来源可粗略分为内部和外部两类，内部包括生产经营和机器设备信息等数据，外部包括来自市场、政府等的数据。据Gartner报告称， 2019年互联设备数量已超过142亿台，预计2021年将达到250亿台。这是一个巨大的数量，并将产生海量数据。工业大数据在工业控制系统中除提高决策效率和速度外，将大数据整合到工业环境中时还具有以下优势：一是预测流程中涉及的资产故障或问题，提前采取行动;利用数据精准定位问题所在，提高服务质量。二是改善过程中产品的生成或需求平衡。如利用采购和销售数据等，更好地了解用户需求。三是对可能出现的问题进行预警，避免事故发生。四是提高数据使用效率，挖掘海量数据中的价值，从而推动质量创新的发展(施锦诚等，2021)。

　　从工业大数据的应用场景看，工业大数据是针对每一个特定工业场景，以工业场景相关的大数据集为基础，集成工业大数据系列技术与方法，获得有价值信息的过程(高婴劢等，2020)。工业大数据应用的目标是从复杂的数据集中发现新的模式与知识，挖掘得到有价值的信息，从而促进工业企业的产品创新、运营提质和管理增效(Crosby等，1979)。根据行业自身的生产特点和发展需求，工业大数据在不同行业中的应用重点以及所产生的业务价值也不尽相同。黎勇等(2020)认为工业设计方面和以往相比也发生了巨大的变化，客户需求方面的要求不断提高，其通过研究将大数据技术和工业设计创新相结合的方法来帮助推动我国工业的全面创新发展。Porter 等(2016)认为工业大数据在智能制造中也存在巨大的应用价值。我国经济快速发展的同时，工业企业管理也面临着更加严峻的挑战。王中玺(2020)利用物联网大数据分析对工业企业管理的作用，通过分析物联网大数据在工业企业管理中的有效应用试图弥补以往工业企业管理存在的不足。大数据不仅在工业领域能够发挥很大作用，在企业财务管理方面也有较大价值。对于制造业而言，工业大数据的应用促进了智慧供应链管理、个性化定制等新型商业模式的快速发展，有助于企业提高精益生产水平、供应链效率和客户满意度(王媛媛等，2020)。

　　推荐阅读：哪些行业可以写工业环保相关论文

转载请注明来自：http://www.qikan2017.com/lunwen/lig/20595.html