基于大數(shù)據(jù)的產(chǎn)品質(zhì)量信息管理系統(tǒng)研究

雷林林，葛智君，羅劍武，李浩波

（1.工業(yè)和信息化部電子第五研究所，廣東 廣州 511370；2.工業(yè)裝備質(zhì)量大數(shù)據(jù)工業(yè)和信息化部重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 511370）

0 引言

質(zhì)量是企業(yè)的生命線，是生產(chǎn)力水平的綜合反映，是消費(fèi)者利益所在，產(chǎn)品的質(zhì)量問(wèn)題直接關(guān)乎著整個(gè)企業(yè)的效益[1]。隨著新一代產(chǎn)品功能復(fù)雜程度和科技含量的不斷增加，系統(tǒng)高度綜合，軟硬件的比重越來(lái)越大，大型試驗(yàn)不斷地增加，產(chǎn)品質(zhì)量可靠性問(wèn)題越來(lái)越突出，因此產(chǎn)品使用階段的售后維修問(wèn)題也越來(lái)越多，產(chǎn)品質(zhì)量管理的難度越來(lái)越大。

大數(shù)據(jù)技術(shù)作為新一代信息技術(shù)，具有復(fù)雜的數(shù)據(jù)處理、存儲(chǔ)和分析能力，是實(shí)現(xiàn)數(shù)據(jù)融合管理、數(shù)據(jù)分析、知識(shí)決策和數(shù)據(jù)交換的有效途徑[2]。產(chǎn)品在研發(fā)生產(chǎn)、檢驗(yàn)試驗(yàn)和售后維修等生命周期過(guò)程中會(huì)產(chǎn)生大量的質(zhì)量數(shù)據(jù)（故障數(shù)據(jù)、故障分析數(shù)據(jù)、糾正措施數(shù)據(jù)、生產(chǎn)過(guò)程數(shù)據(jù)、售后數(shù)據(jù)和質(zhì)量體系文件數(shù)據(jù)等）。因此，利用大數(shù)據(jù)技術(shù)，充分地管理和挖掘這些數(shù)據(jù)資源的價(jià)值，對(duì)產(chǎn)品質(zhì)量提升和質(zhì)量?jī)?yōu)化具有重要的意義。

本文針對(duì)產(chǎn)品質(zhì)量數(shù)據(jù)的特點(diǎn)、產(chǎn)品質(zhì)量信息管理體系的特點(diǎn)和產(chǎn)品質(zhì)量提升的需求，研究了基于大數(shù)據(jù)技術(shù)的產(chǎn)品質(zhì)量信息管理系統(tǒng)和分析方法，為產(chǎn)品質(zhì)量信息數(shù)據(jù)采集、統(tǒng)籌管理、數(shù)據(jù)挖掘分析、質(zhì)量?jī)?yōu)化及決策提供了支撐。

1 產(chǎn)品質(zhì)量信息管理系統(tǒng)現(xiàn)狀

我國(guó)在產(chǎn)品質(zhì)量信息管理方面的研究與應(yīng)用起步較晚，是在早期的諸如統(tǒng)計(jì)過(guò)程控制（SPC:Statistical Process Control）系統(tǒng)、測(cè)量系統(tǒng)分析（MSA:Measurement System Analysis）等工具型軟件的基礎(chǔ)上發(fā)展起來(lái)的[3]。在經(jīng)過(guò)長(zhǎng)期的市場(chǎng)競(jìng)爭(zhēng)和技術(shù)發(fā)展后，各種產(chǎn)品研發(fā)企業(yè)開(kāi)始采用較為先進(jìn)的信息化技術(shù)，以提升產(chǎn)品研發(fā)的快速設(shè)計(jì)、精益制造和質(zhì)量可靠性管理的整體能力和水平，產(chǎn)品研發(fā)企業(yè)建設(shè)了很多與產(chǎn)品質(zhì)量相關(guān)的信息管理系統(tǒng)。但是，由于在質(zhì)量信息管理方面還較多地使用舊的管理方法和技術(shù)，現(xiàn)階段的質(zhì)量信息管理系統(tǒng)在應(yīng)用方面，仍然存在著較多的不足，主要體現(xiàn)在以下幾個(gè)方面。

a）缺乏規(guī)范、統(tǒng)一的采集機(jī)制。產(chǎn)品在生產(chǎn)制造、設(shè)計(jì)仿真、產(chǎn)品檢驗(yàn)試驗(yàn)和售后維修等生命周期過(guò)程中會(huì)產(chǎn)生大量的質(zhì)量數(shù)據(jù)，由于缺乏質(zhì)量數(shù)據(jù)采集與管理平臺(tái)，使得產(chǎn)品的質(zhì)量數(shù)據(jù)管理分析工作與產(chǎn)品設(shè)計(jì)生產(chǎn)脫節(jié)，無(wú)法實(shí)現(xiàn)產(chǎn)品設(shè)計(jì)與質(zhì)量可靠性設(shè)計(jì)工作協(xié)同，造成質(zhì)量分析結(jié)果無(wú)法有效地反饋產(chǎn)品設(shè)計(jì)。

b）缺乏數(shù)字化質(zhì)量數(shù)據(jù)管理分析協(xié)同工作環(huán)境的支撐。因此，無(wú)法協(xié)同地開(kāi)展產(chǎn)品的質(zhì)量可靠性設(shè)計(jì)分析、評(píng)估驗(yàn)證等工作項(xiàng)目；無(wú)法實(shí)現(xiàn)工作項(xiàng)目間的無(wú)縫連接，工作的一致性、準(zhǔn)確性和完整性無(wú)法得到保證；質(zhì)量數(shù)據(jù)分析應(yīng)用的效果一般，重復(fù)性工作現(xiàn)象嚴(yán)重；工作效率不高，工作進(jìn)度滯后，分析結(jié)果無(wú)法及時(shí)地反饋到產(chǎn)品設(shè)計(jì)上；無(wú)法有效地實(shí)施產(chǎn)品質(zhì)量可靠性再設(shè)計(jì)、再分析、再驗(yàn)證，嚴(yán)重地制約了產(chǎn)品質(zhì)量可靠性水平的提升。

c）缺乏高效的大數(shù)據(jù)存儲(chǔ)和分析技術(shù)支撐。當(dāng)前已采集的產(chǎn)品質(zhì)量數(shù)據(jù)描述不規(guī)范、數(shù)據(jù)存儲(chǔ)不完整、信息保存不規(guī)范，對(duì)于質(zhì)量數(shù)據(jù)的描述，沒(méi)有結(jié)構(gòu)化的數(shù)據(jù)模板。而且，大量的質(zhì)量數(shù)據(jù)是文檔型、圖片型、綜合型等多種非結(jié)構(gòu)化數(shù)據(jù)，傳統(tǒng)的技術(shù)難以開(kāi)展質(zhì)量數(shù)據(jù)的分析處理。產(chǎn)品質(zhì)量數(shù)據(jù)管理仍然缺少一個(gè)能從研發(fā)生產(chǎn)、檢驗(yàn)試驗(yàn)和售后維修等生命周期的基于大數(shù)據(jù)架構(gòu)的產(chǎn)品質(zhì)量信息管理系統(tǒng)，將產(chǎn)品研發(fā)在各個(gè)階段的質(zhì)量數(shù)據(jù)進(jìn)行匯總、存儲(chǔ)、分析，并及時(shí)地將分析結(jié)果反饋給研發(fā)部門(mén)，形成質(zhì)量閉環(huán)管理，改進(jìn)產(chǎn)品的設(shè)計(jì)和達(dá)到產(chǎn)品質(zhì)量?jī)?yōu)化的目的。

2 大數(shù)據(jù)技術(shù)

大數(shù)據(jù)技術(shù)的體系龐大且復(fù)雜，基礎(chǔ)的技術(shù)包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、分布式存儲(chǔ)、NoSQL數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)、機(jī)器學(xué)習(xí)、并行計(jì)算、可視化等技術(shù)范疇和不同技術(shù)層面[4]。目前通用化的大數(shù)據(jù)處理框架，主要分為4個(gè)方面的技術(shù):大數(shù)據(jù)采集、大數(shù)據(jù)集成與預(yù)處理、大數(shù)據(jù)存儲(chǔ)、大數(shù)據(jù)建模與分析。

2.1 大數(shù)據(jù)采集

大數(shù)據(jù)采集包括文件日志采集、數(shù)據(jù)庫(kù)日志采集、關(guān)系型數(shù)據(jù)庫(kù)接入和應(yīng)用程序的接入等內(nèi)容。大數(shù)據(jù)采集技術(shù)主要包括:Sqoop、Strom、Zookeeper等技術(shù)。

Sqoop是用來(lái)將關(guān)系型數(shù)據(jù)庫(kù)和Hadoop中的數(shù)據(jù)進(jìn)行相互轉(zhuǎn)移的工具，可以實(shí)現(xiàn)關(guān)系型數(shù)據(jù)庫(kù)中的數(shù)據(jù)和Hadoop中心數(shù)據(jù)相互轉(zhuǎn)換。Sqoop的一大優(yōu)勢(shì)是其傳輸大量的結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)的過(guò)程是完全自動(dòng)化的。

Strom集群結(jié)構(gòu)是一種由一個(gè)主節(jié)點(diǎn)和多個(gè)工作節(jié)點(diǎn)組成的主從結(jié)構(gòu)，主節(jié)點(diǎn)通過(guò)配置靜態(tài)指定或者在運(yùn)行時(shí)動(dòng)態(tài)選舉，nimbus與supervisor都是Storm提供的后臺(tái)守護(hù)進(jìn)程，它們之間的通信是結(jié)合Zookeeper的狀態(tài)變更通知和監(jiān)控通知來(lái)處理的。

Zookeeper是一個(gè)分布式的、開(kāi)放源碼的分布式應(yīng)用程序協(xié)調(diào)服務(wù)，提供數(shù)據(jù)同步服務(wù)。它的作用主要有配置管理、名字服務(wù)、分布式鎖和集群管理，很好地保證了數(shù)據(jù)的可靠和一致性，同時(shí)它可以通過(guò)名字來(lái)獲取資源或者服務(wù)的地址等信息，可以監(jiān)控集群中機(jī)器的變化，實(shí)現(xiàn)了類(lèi)似于心跳機(jī)制的功能。

2.2 大數(shù)據(jù)集成和預(yù)處理

大數(shù)據(jù)預(yù)處理是利用數(shù)據(jù)庫(kù)技術(shù)、數(shù)據(jù)清洗轉(zhuǎn)換加載等多種大數(shù)據(jù)處理技術(shù)，將集成的數(shù)據(jù)集合中大量的、雜亂無(wú)章的、難以理解的數(shù)據(jù)進(jìn)行分析和加工，形成有價(jià)值、有意義的數(shù)據(jù)[5]。主要涉及數(shù)據(jù)的抽取轉(zhuǎn)換加載（ETL）技術(shù)、數(shù)據(jù)存儲(chǔ)管理技術(shù)、數(shù)據(jù)查詢(xún)與計(jì)算技術(shù)，以及相應(yīng)的數(shù)據(jù)安全管理和數(shù)據(jù)質(zhì)量管理等支撐技術(shù)。大數(shù)據(jù)集成與預(yù)處理技術(shù)框架如圖1所示。

圖1 大數(shù)據(jù)集成與預(yù)處理技術(shù)框架

2.3 大數(shù)據(jù)存儲(chǔ)

Hadoop框架是目前主流的大數(shù)據(jù)存儲(chǔ)和計(jì)算框架，已被廣泛地用于多源異構(gòu)數(shù)據(jù)存儲(chǔ)[6]。Hadoop框架核心的設(shè)計(jì)就是:Hadoop分布式文件系統(tǒng)（HDFS:Hadoop Distributed Filesystem）、HBase和MapReduce。HDFS、HBase為海量的數(shù)據(jù)提供了存儲(chǔ)，MapReduce為海量的數(shù)據(jù)提供了計(jì)算。

HDFS以流式數(shù)據(jù)訪問(wèn)模式來(lái)存儲(chǔ)超大文件，運(yùn)行于商用硬件集群上，是管理網(wǎng)絡(luò)中跨多臺(tái)計(jì)算機(jī)存儲(chǔ)的文件系統(tǒng)。

HBase是一個(gè)分布式的、面向列的開(kāi)源數(shù)據(jù)庫(kù)，本質(zhì)是數(shù)據(jù)存儲(chǔ)、NoSQL數(shù)據(jù)庫(kù)。HBase是一種Key/Value系統(tǒng)，部署在HDFS上，克服 了HDFS在隨機(jī)讀寫(xiě)這個(gè)方面的缺點(diǎn)。Hbase目標(biāo)主要依靠橫向擴(kuò)展，通過(guò)不斷地增加商用服務(wù)器來(lái)增加計(jì)算和存儲(chǔ)能力。

Yarn是一種Hadoop資源管理器，Yarn主要由ResourceManager、NodeManager、ApplicationMaster三大組件組成，可為上層應(yīng)用提供統(tǒng)一的資源管理和調(diào)度，可以為集群在利用率、資源統(tǒng)一管理和數(shù)據(jù)共享等方面帶來(lái)巨大的便利和好處。

2.4 大數(shù)據(jù)建模與分析

數(shù)據(jù)建模是根據(jù)實(shí)際元素與業(yè)務(wù)流程，在采集數(shù)據(jù)的基礎(chǔ)上，構(gòu)建產(chǎn)品數(shù)字模型，并結(jié)合數(shù)據(jù)分析方法提供工具及開(kāi)放功能，為各類(lèi)數(shù)據(jù)分析決策提供支持。大數(shù)據(jù)分析建模技術(shù)，已經(jīng)形成了一些比較成熟穩(wěn)定的模型算法。從大的方面可以分為基于知識(shí)驅(qū)動(dòng)的方法和基于數(shù)據(jù)驅(qū)動(dòng)的方法。

知識(shí)驅(qū)動(dòng)的分析方法，是基于大量理論模型，以及對(duì)現(xiàn)實(shí)系統(tǒng)的物理、化學(xué)和生化等動(dòng)態(tài)過(guò)程進(jìn)行改造的經(jīng)驗(yàn)，建立在系統(tǒng)的物理化學(xué)原理、工藝和管理經(jīng)驗(yàn)等知識(shí)之上，包括基于規(guī)則的方法、主成分析技術(shù)、因果故障分析技術(shù)和案例推理技術(shù)等。

數(shù)據(jù)驅(qū)動(dòng)的分析方法，很少考慮機(jī)理模型和閉環(huán)控制邏輯的存在，而是利用算法在完全數(shù)據(jù)空間中尋找規(guī)律和知識(shí)，包括神經(jīng)網(wǎng)絡(luò)、分類(lèi)樹(shù)、隨機(jī)森林、支持向量機(jī)、邏輯回歸和聚類(lèi)等機(jī)器學(xué)習(xí)方法，以及基于統(tǒng)計(jì)學(xué)的方法。

大數(shù)據(jù)建模與分析技術(shù)體系如圖2所示。

圖2 大數(shù)據(jù)建模與分析技術(shù)體系

3 基于大數(shù)據(jù)的質(zhì)量信息管理系統(tǒng)設(shè)計(jì)

3.1 系統(tǒng)總體設(shè)計(jì)

基于大數(shù)據(jù)的產(chǎn)品質(zhì)量信息管理系統(tǒng)總體框架如圖3所示。首先，通過(guò)采集產(chǎn)品質(zhì)量全壽命周期的質(zhì)量數(shù)據(jù)，作為底層數(shù)據(jù)支撐；其次，將采集到的分散在各個(gè)部門(mén)和產(chǎn)品研發(fā)各個(gè)階段的故障數(shù)據(jù)和質(zhì)量數(shù)據(jù)，通過(guò)大數(shù)據(jù)存儲(chǔ)和處理技術(shù)實(shí)現(xiàn)數(shù)據(jù)的存儲(chǔ)和預(yù)處理；再次，通過(guò)數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和知識(shí)圖譜等數(shù)據(jù)建模和分析技術(shù)，建立產(chǎn)品故障模型，形成故障知識(shí)庫(kù)和故障機(jī)理模型庫(kù)，應(yīng)用于產(chǎn)品綜合質(zhì)量表現(xiàn)分析、壽命預(yù)測(cè)和趨勢(shì)分析等，為產(chǎn)品研發(fā)生產(chǎn)、使用和維護(hù)提供智能決策。應(yīng)用為載體，實(shí)現(xiàn)對(duì)產(chǎn)品質(zhì)量?jī)?yōu)化、壽命預(yù)測(cè)等服務(wù)。

圖3 系統(tǒng)總體框架

d）應(yīng)用層

主要構(gòu)建產(chǎn)品全生命周期質(zhì)量分析、質(zhì)量預(yù)測(cè)和質(zhì)量?jī)?yōu)化應(yīng)用模型，包括基于大數(shù)據(jù)技術(shù)的設(shè)計(jì)質(zhì)量問(wèn)題閉環(huán)管理、質(zhì)量過(guò)程監(jiān)控、經(jīng)驗(yàn)知識(shí)庫(kù)構(gòu)建、綜合質(zhì)量表現(xiàn)分析和壽命預(yù)測(cè)等。通過(guò)對(duì)產(chǎn)品全生命周期的質(zhì)量數(shù)據(jù)分析、處理，以量化分析結(jié)果支持包括設(shè)計(jì)、分析、管理等決策和質(zhì)量?jī)?yōu)化。

e）數(shù)據(jù)可視化層

該層是對(duì)大數(shù)據(jù)的產(chǎn)品質(zhì)量?jī)?yōu)化的數(shù)據(jù)處理分析結(jié)果的可視化展示，包括產(chǎn)品質(zhì)量趨勢(shì)分析、區(qū)域分析、產(chǎn)品壽命分析、多維分析、洞察分析和戰(zhàn)略決策的結(jié)果顯示，有利于決策層從整體上把握產(chǎn)品的質(zhì)量，以便于決策支持，提高決策的科學(xué)性。

3.2 功能模塊設(shè)計(jì)

a）數(shù)據(jù)源

數(shù)據(jù)源是產(chǎn)品質(zhì)量?jī)?yōu)化、智能化決策的數(shù)據(jù)支撐。數(shù)據(jù)源包括生產(chǎn)設(shè)備采集數(shù)據(jù)，質(zhì)量工具分析數(shù)據(jù)，與ERP、PDM、PLM等軟件集成的采集數(shù)據(jù)，設(shè)計(jì)軟件產(chǎn)生數(shù)據(jù)，以及相應(yīng)的產(chǎn)品生產(chǎn)制造數(shù)據(jù)資源。

b）數(shù)據(jù)存儲(chǔ)層

主要是對(duì)設(shè)計(jì)數(shù)據(jù)、試驗(yàn)分析數(shù)據(jù)、基礎(chǔ)數(shù)據(jù)、產(chǎn)品故障數(shù)據(jù)和售后維修數(shù)據(jù)等存儲(chǔ)資源的數(shù)據(jù)存儲(chǔ)，建立相應(yīng)的數(shù)據(jù)庫(kù)，并進(jìn)行管理和調(diào)用。提供大數(shù)據(jù)分析所需的結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)庫(kù)及其他網(wǎng)絡(luò)資源等基礎(chǔ)數(shù)據(jù)支撐。

c）數(shù)據(jù)分析層

主要是用于大數(shù)據(jù)的挖掘、處理和分析，以及通過(guò)人工智能技術(shù)來(lái)構(gòu)建工業(yè)機(jī)理模型。數(shù)據(jù)分析層對(duì)采集的產(chǎn)品數(shù)據(jù)和相關(guān)數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，通過(guò)檢索統(tǒng)計(jì)、回歸分析、聚類(lèi)分析、關(guān)聯(lián)分析和工業(yè)機(jī)理模型預(yù)測(cè)等數(shù)據(jù)分析，以大數(shù)據(jù)和人工智能基于大數(shù)據(jù)的產(chǎn)品質(zhì)量信息管理系統(tǒng)圍繞著產(chǎn)品質(zhì)量數(shù)據(jù)采集、質(zhì)量協(xié)同監(jiān)控、過(guò)程質(zhì)量控制、質(zhì)量綜合管控、質(zhì)量問(wèn)題管理與分析決策等方面的內(nèi)容，從決策層、管理層、執(zhí)行層和支撐層等4個(gè)層面全面支撐質(zhì)量體系建設(shè)工作。系統(tǒng)功能架構(gòu)如圖4所示。

圖4 系統(tǒng)功能架構(gòu)

a）支撐層

支撐層主要為通用底層功能，包括自定義流程引擎、大數(shù)據(jù)底層技術(shù)、大數(shù)據(jù)算法庫(kù)、故障機(jī)理庫(kù)、質(zhì)量基礎(chǔ)數(shù)據(jù)管理、三員管理、用戶(hù)管理、訪問(wèn)控制管理和日志管理，以及權(quán)限管理等。

b）執(zhí)行層

1）產(chǎn)品研發(fā)過(guò)程質(zhì)量管控子系統(tǒng)

主要包括風(fēng)險(xiǎn)評(píng)估控制管理、設(shè)計(jì)開(kāi)發(fā)過(guò)程管理、產(chǎn)品試驗(yàn)評(píng)價(jià)管理、產(chǎn)品質(zhì)量評(píng)審管理、產(chǎn)品全過(guò)程質(zhì)量數(shù)據(jù)采集、分析與管理等子模塊。實(shí)現(xiàn)質(zhì)量信息傳遞和共享，供相關(guān)質(zhì)量人員使用，滿(mǎn)足產(chǎn)品全壽命周期過(guò)程監(jiān)控工作規(guī)范落實(shí)、有序、受控和閉環(huán)等。

2）質(zhì)量問(wèn)題管理與分析決策子系統(tǒng)

主要包括質(zhì)量問(wèn)題歸零管理、綜合質(zhì)量大數(shù)據(jù)分析和質(zhì)量問(wèn)題糾正措施，以及預(yù)防措施管理等，為質(zhì)量問(wèn)題數(shù)據(jù)分析、解決質(zhì)量問(wèn)題和領(lǐng)導(dǎo)決策提供支撐。

c）管理層

1）質(zhì)量綜合管控子系統(tǒng)

主要包括質(zhì)量體系策劃管理、質(zhì)量體系審核管理、質(zhì)量培訓(xùn)管理、不合格品管理、產(chǎn)品實(shí)現(xiàn)過(guò)程綜合質(zhì)量信息統(tǒng)計(jì)分析、質(zhì)量成本管理、質(zhì)量管理評(píng)審管理等模塊。

2）質(zhì)量協(xié)同監(jiān)控子系統(tǒng)

主要面向各級(jí)質(zhì)量管理人員，提供質(zhì)量可靠性綜合監(jiān)管和決策支撐。對(duì)產(chǎn)品實(shí)現(xiàn)過(guò)程質(zhì)量控制子系統(tǒng)、質(zhì)量綜合管控子系統(tǒng)和質(zhì)量問(wèn)題與分析決策子系統(tǒng)產(chǎn)生的故障數(shù)據(jù)進(jìn)行分析，形成質(zhì)量數(shù)據(jù)看板，為領(lǐng)導(dǎo)決策提供量化數(shù)據(jù)。

3）接口管理系統(tǒng)

產(chǎn)品質(zhì)量信息管理系統(tǒng)需要與產(chǎn)品研發(fā)單位已有的業(yè)務(wù)系統(tǒng)集成，與相應(yīng)的設(shè)計(jì)分析工具集成，與經(jīng)驗(yàn)知識(shí)庫(kù)數(shù)據(jù)庫(kù)集成，以獲得設(shè)計(jì)、研發(fā)、試驗(yàn)和維修等全過(guò)程的質(zhì)量數(shù)據(jù)。

c）決策層

通過(guò)對(duì)質(zhì)量協(xié)同監(jiān)控、過(guò)程質(zhì)量控制、質(zhì)量綜合管控和質(zhì)量問(wèn)題管理等四大方面建設(shè)，建成可以貫穿產(chǎn)品壽命周期的質(zhì)量一體化協(xié)同管理和智能決策系統(tǒng)，實(shí)現(xiàn)產(chǎn)品質(zhì)量管理過(guò)程透明、數(shù)據(jù)實(shí)時(shí)有效、結(jié)果規(guī)范量化、監(jiān)控評(píng)價(jià)閉環(huán)、基于大數(shù)據(jù)分析和模型預(yù)測(cè)的事實(shí)決策，全面提升產(chǎn)品全壽命周期過(guò)程中的質(zhì)量管理和決策工作的系統(tǒng)化、規(guī)范化、科學(xué)化和智能化。

4 結(jié)束語(yǔ)

本文針對(duì)產(chǎn)品質(zhì)量信息綜合管理存在的問(wèn)題，研究基于大數(shù)據(jù)的產(chǎn)品質(zhì)量信息管理系統(tǒng)，系統(tǒng)以產(chǎn)品質(zhì)量數(shù)據(jù)特點(diǎn)為出發(fā)點(diǎn)，圍繞產(chǎn)品質(zhì)量設(shè)計(jì)、分析、管理和改進(jìn)等技術(shù)需求，構(gòu)建一種集產(chǎn)品數(shù)據(jù)管理、產(chǎn)品故障數(shù)據(jù)管理、產(chǎn)品檢驗(yàn)試驗(yàn)數(shù)據(jù)管理、綜合質(zhì)量數(shù)據(jù)分析、過(guò)程監(jiān)控及質(zhì)量預(yù)警展板和經(jīng)驗(yàn)知識(shí)數(shù)據(jù)管理等具有多個(gè)開(kāi)放接口的產(chǎn)品質(zhì)量信息管理大數(shù)據(jù)系統(tǒng)，覆蓋產(chǎn)品設(shè)計(jì)、生產(chǎn)、檢驗(yàn)與試驗(yàn)和售后維修的全過(guò)程，以高效的大數(shù)據(jù)服務(wù)技術(shù)手段支撐產(chǎn)品的質(zhì)量可靠性管理體系，促進(jìn)產(chǎn)品質(zhì)量可靠性根本性提升。