在技术不断迭新、信息爆炸的时代,种类繁多的数据如潮水般涌来,我们如何高效利用工具“乘风破浪”,才不被海量数据所湮没?近日,国际质量科学院院士、香港工程师学会会士宗福季教授(见上图)作客珠江科学大讲堂第52讲,围绕“工业4.0、大数据、质量创新”作了专题科普报告。
1 大数据的作用越来越重要
宗福季说,在高容量、高速度、多种类的大数据中,做到实时捕捉信号,及时过滤噪声,掌握辨别信号和噪声能力的是分析大数据、应用大数据,是大数据环境下质量创新的关键。
随着质量和大数据的融合,大数据在质量管理尤其是宏观质量管理中将发挥着越来越重要的作用,当前质量管理已全面进入宏观管理,实行质量行政监督正在向聚焦系统性安全管控和防范的方面转变。抽查监测、风险预警、诚信管理等新老监管手段的有效性都越来越依赖于对质量大数据的收集、整理、分析的科学性,凭借质量大数据来实现科学管理将是未来的趋势,这需要通过大数据在消费者、企业、市场、政府之间建立连接的桥梁,采集大数据、分析大数据、应用大数据,进而提升质量管理水平。
2 工业生产面临不少数据难题
生产工序复杂,生产过程参数过多,数据量庞大,模型维度高,不同数据源的信息需要整合……这些都是工业生产中采集、分析数据所面临的挑战。
宗福季举例说明目前存在的业界问题:国内某航空企业制造的飞机惯性导航系统产品,由于制造和装配过程参数与产品质量水平的映射关系不明,无法精准预测产品最终装配后质量,导致最终装配的良品率无法提高,出现质量事故时无法立即追踪环节,也无法立即界定影响范围。
某半导体工业中数据驱动的制造过程监控,监控对象是玻璃面板的物理气相沉积成膜过程,由于数据过于繁多,虽然有海量实时数据,依然无法识别重要过程参数,难以对过程进行调控或提升,只能依赖最终检测,出现质量事故时也无法立即追踪哪个环节出了问题。
制衣工业也面临着分析数据的难题,某制衣工厂虽有完整的ERP系统和RFID系统,但是工序复杂、不同数据源需要整合导致建模难度高,制造前线供需、工时、报价的计划及管理,依然无法仅用系统数据预测建模,主要依赖人为判断。
网友跟贴