基于工业互联网的数字化质量管理

管理 2019/11/06 15:19:17 来源:三之一智联作者:原创丁少华 13064阅读

关于工业互联网的应用场景和业务价值，以及工业互联网与传统信息化工作的区别与联系，虽然在之前的数篇文章中都有谈及，但还是有部分读者反馈了各种疑问，并希望笔者能够结合具体的业务场景进行解释。本文中，笔者就以质量管理领域的应用为例，谈谈基于工业互联网的数字化质量管理解决方案。

大家知道，在制造企业中，从质量管理生命周期的角度看，质量工作主要分为三大块：质量计划、质量控制和质量评价。质量计划包括质量目标设定、质量功能展开（QFD）、质量检验计划和判定标准，等等；质量控制指价值链中设计、制造、采购、服务等各环节的过程质量管理；质量评价则主要是产品质量、过程质量等质量表现的评价、分析和反馈。以PDCA管理循环来划分，质量计划是“P”，质量控制是“D”，质量评价是“C”和“A”。

笔者在之前的多篇文章曾经说过，传统信息化工作场景主要是建立在基于过程（Process-Based）的基础上，强调流程集成和流水线式作业；工业互联网的应用场景则主要是数据驱动（Data-Driven）的业务监测、分析、模拟和计划。传统的信息化工作中当然也有报表分析等数据应用，但数据的即时性、准确性和完整性，数据应用的深入和广度，等等，还存在着很大的不足，以工业物联网、大数据、人工智能等数字化技术为技术栈的工业互联网正好可以弥补传统信息化在数据应用能力上的不足。因此，人们可以这么认为，基于工业互联网的数字化质量管理解决方案，是传统信息化质量管理上的完善和提升，是建立在基于流程的业务集成和数据驱动的业务分析和计划等双引擎驱动的基础上的。

图1：基于工业互联网的数字化质量管理解决方案

在技术应用和实现方式上，基于工业互联网的数字化质量管理解决方案充分应用了传统信息化和工业互联网的赋能技术。举例来说，在质量过程控制等领域，以传统信息化质量管理技术为主，需应用到业务流程管理（Business Process Management，BPM）引擎、可配置表单、面向对象编程、事件驱动器、三层架构、关系型数据库，等等；在质量评价和计划等领域，以工业大数据技术和人工智能为主，包括ETL、数据清洗、Hadoop、图像识别、文本挖掘、高级分析、机器学习、数据可视化，等等；在与资产、过程、智能互联产品的双向通讯、监测和控制等领域，则主要应用工业物联网技术，并力求IT和OT的完美融合。在用户体验层，门户导航、基于角色的App、虚拟现实、增强现实或混合现实，等等的应用，可以为用户提供信息全面、操作简单、精益化（Lean）和沉浸式体验。

图2：基于工业互联网的数字化质量管理解决方案技术架构简图

从图2可知，在传统式信息化质量管理解决方案向基于工业互联网的数字化质量管理解决方案的进化过程中，既有继承，也有创新；继承的主要是基于流程的质量控制过程集成，而在质量数据获取、分析和展现等层面，则需要有向新型的技术或模式转换，即从传统式手工录入数据向基于工业物联网的过程数据采集、文本挖掘、图像识别、网络爬虫等自动化方式转变，从以饼图、直方图、线性图等为主的描述性分析向以高级分析、机器学习等为主的诊断性分析、预测性分析和响应式分析转变，从以菜单式、冗余型、平面化用户界面向导航式、基于角色、精益型、立体化用户界面转变。

在工业互联网的加持下，数字化质量管理解决方案将具有以下几个鲜明特点：互联、智能和自主，也有人将之概括为工业4.0背景下的质量4.0（Quality4.0）。

图3：基于工业互联网的数字化质量管理解决方案的特点

互联（Connected）

这里的“互联”有两层含义，其一是指过程质量与产品质量，人员、过程、工具、资产和（智能互联）产品等之间的相互连接和信息沟通；其二是指这种连接和沟通是双向的、实时的。互联型数字化质量管理解决方案得以实现的技术基础上工业互联网的应用。

智能（Cognitive）

“智能”指的是质量数据自己会“说话”。一方面，通过图像识别、文本挖掘、网络爬虫等技术，企业可以获得更多的质量数据，不仅能够识别数字等结构化数据，还能识别文本、图像、语言、文章等非结构化数据；另一方面，通过高级分析和机器学习等技术的应用，企业还可以做诊断性、预测性和响应式质量分析。智能型数字化质量管理解决方案得以实现的技术基础是大数据、高级分析和机器学习等的应用。

自主（Autonomous）

自主型数字化质量管理解决方案是建立在“互联”和“智能”基础上的更高级阶段。在这一阶段，质量管理的PDCA循环已经实现了高度的少人化，实现了与生物免疫系统相类似的自主化状态。自主型数字化质量管理解决方案是企业在质量管理方面的发展愿景，如果科学有序地遵循自主进化的路径去推进质量改进的各项工作，这个愿景一定会在不远的将来得以实现。