質量大數據分析的案例
質量管理 | 海克斯康質量大數據分析，破解質量管理智能化難題
HEXAGON
01
什么是質量大數據
質量大數據是產品在其生命周期的各階段所產生的與質量相關的各類數據及相關應用技術的總稱。除質量數據本身外，還包括質量數據的采集、存儲、分析等相關應用技術。
質量大數據從來源看，主要有：與質量直接相關的質量檢驗結果與可靠性數據；直接影響質量形成的過程參數，這類數據一般由IOT進行采集；還包括與質量相關聯的其它信息化系統（如MES系統、ERP系統等）的數據。
在人工智能時代，數據是核心基礎資源，對企業來說，數據是重要資產。這些數據經過適當的處理、分析和應用，將為企業經營帶來巨大的價值。
HEXAGON
02
質量大數據的價值—兩個閉環
質量大數據在產品質量控制中的價值可以歸納為兩個閉環：過程質量控制小閉環及設計工藝優化大閉環。
下圖的左邊是產品質量的實現過程，右邊是質量大數據在產品質量控制中的應用。
? 在加工裝配至質量檢測階段，通過對核心質量指標及關鍵過程參數進行實時監控，及時調整過程異常，確保產品質量的穩定，實現過程質量控制的小閉環（閉環一）。
? 在采集的大量的質量、工藝數據基礎上，通過應用質量大數據分析技術，進行質量優化分析，并將分析結果反饋至工藝、設計階段，推動工藝、設計優化，實現產品質量持續改善，即工藝設計優化大閉環（閉環二）。
HEXAGON
03
海克斯康QMS解決方案
海克斯康質量大數據分析系統是海克斯康數字化質量平臺（QMS系統）的核心模塊，聚焦質量與可靠性大數據的價值挖掘與應用，賦能企業質量管理數字化轉型與智能化升級。其核心功能包括多元異構質量數據的采集與管理、質量數據可視化分析與看板、測量系統分析（MSA）、統計過程控制（SPC）、質量實時監控預警等常規質量分析功能，同時具備高階統計建模及AI智能化分析擴展能力。
展開 質量管理 | 海克斯康數字化質量平臺助力巴奧米特提升質量監控預警及質量數據分析能力
? 此項目通過質量大數據分析技術的深入應用，利用試驗設計（DOE）、假設檢驗、回歸分析等統計建模技術，對機加工藝參數進行了改進優化和效果確認，提升了過程質量。
? 此項目極大提升了員工的數據分析技能與意識，顯著提升了質量數據的價值挖掘與應用能力。
質量管理 | 海克斯康Q-DAS質量大數據專家SPC解決方案
海克斯康 Q-DAS 軟件產品能夠助力各行業企業提升產品與流程質量，其覆蓋范圍貫穿質量管控全流程：從前期的質量規劃，到中期的檢測數據采集，再到后期的數據可視化呈現與統計分析。憑借符合行業標準及規范要求的評估能力，Q-DAS 已成為該領域的行業領導者，為不同領域企業的質量管控提供可靠支撐。
在統計過程控制（SPC）領域，Q-DAS 憑借對 “過程波動預防” 與 “質量數據深度應用” 的精準聚焦，成為各行業企業提升產品與流程質量的核心工具。其價值不僅限于基礎的質量數據處理，更貫穿 SPC 全生命周期的關鍵環節：從前期的SPC 規劃階段，可協助企業結合行業標準合理進行策劃；到中期的數據采集階段，能直接連接超200種主流測量設備，兼容各類輸出格式，自動抓取 SPC 所需的實時測量數據，避免人工錄入導致的誤差；再到后期的數據可視化與統計分析階段，為現場操作人員-工程師-管理人員各個層級可自動生成符合標準和定制化要求的報表，直觀呈現過程質量狀況，幫助企業在質量問題發生前實現預警。
SPC大循環演示
數據采集與實時監控
手工量檢具
專注于車間現場檢臺手動/半自動數據錄入，實時數據展示與報警監控。
展開 質量管理 | 海克斯康Q-DAS質量大數據系統，解鎖企業高效運營新姿勢
在食品、醫藥、汽車等對質量追溯要求極高的行業，軟件能夠完整記錄每一批產品的質量數據，從原材料批次到生產班組，再到檢測人員，實現全流程可追溯。無論是應對客戶的質量審核，還是滿足行業監管要求，都能輕松應對，為企業規避合規風險。
來自汽車零部件行業的張先生，對此深有感觸：“之前我們車間的質量數據雜亂無章，每次客戶審核都要加班加點整理資料，生產過程中出現質量問題也找不到根源。自從引入海克斯康Q-DAS系統后，數據自動采集、分析一步到位，異常情況能及時預警，不僅減少了不良品率，客戶審核也一次就能通過，工作效率提升了不止一個檔次。”
除了核心的質量數據分析與管控功能，Q-DAS系統還具備良好的兼容性與擴展性。它能夠與企業ERP、MES等系統無縫集成，實現質量數據與生產、采購、銷售等環節的數據互通，助力企業構建全鏈條的數字化管理體系。無論是中小型企業還是大型集團，都能根據自身需求靈活配置功能模塊，滿足不同階段的質量管控需求。
▼
結 語
在數字化轉型的浪潮下，質量管控的智能化升級已成為企業提升核心競爭力的必然選擇。海克斯康Q-DAS系統，以數據為核心，以智能為驅動，幫助企業打破傳統質量管控的瓶頸，實現從“經驗驅動”向“數據驅動”的轉變。
點擊了解產品更多詳情：Q-DAS 質量大數據專家
展開 
基于大數據的航空裝備質量信息管理路徑探索
林 嵐
（航空工業成都飛機工業（集團）有限責任公司，成都 610092）
摘 要：航空裝備的質量狀況，會對航空工作的開展產生直接影響，注重質量信息管理，可以大大降低質量隱患，以增強設備運行安全性與穩定性。在大數據環境中，質量信息也呈現出多樣化的特點，應該轉變粗放式管理模式，實現對設備生產制造和維護保養等各個環節的全面掌控。充分發揮大數據技術的優勢，提高管理工作質量和效率。本文將對大數據和航空裝備質量信息的基本概念進行介紹，提出航空裝備質量信息管理的問題及原因，探索基于大數據的航空裝備質量信息管理路徑，為實踐工作提供參考。
關鍵詞：大數據；航空裝備；質量信息；管理路徑
隨著我國航空事業的發展，對于航空裝備的需求量也在逐年增長，如何確保各類設備的良好性能，促進部隊整體戰斗力的增強，成了當前面臨的主要問題。尤其是在航空裝備的設計制造、生產、日常維護和修理等過程中，產生了大量的質量信息，加強對各類信息數據的統一化規范管理，能夠為航空裝備的全周期管理提供依據。大數據時代的到來，為航空裝備質量信息管理提供了新的思路，通過信息的及時、全面采集和分析，能夠明確設備應用中的問題及原因，以便采取針對性預防與控制措施，使航空裝備的整體性能得到改善。同時，可以明確航空裝備的變化情況，并對其未來發展做出可靠性預測，從而滿足質量改進的要求。
1 大數據和航空裝備質量信息概述
1.1 大數據
大數據是海量數據的集合，不僅在數據和類型上具有海量化的特征，而且具有較低的價值密度[1]。大數據技術是多種先進技術手段的融合，能夠在采集數據、分析數據和研究數據中更具高效化和精準化，涉及統計學領域相關專業理論，通過數據的整合與分析，能夠滿足決策需求。對于已有數據的采集與分析、對于數據的診斷、對于數據的預測和應對措施的制定，是大數據技術的基本功能。
展開 數據分析與AI丨基于AI的電子元件焊接質量優化
<p><strong>一、行業難點</strong></p><p>在電子元件制造行業中，時常會出現因焊接質量不穩定導致高廢品率、生產周期延長及設備利用率不足等情況，影響了生產成本和客戶滿意度。</p><p>頻繁的質量問題和停機檢測，使得<strong>交付周期延長，進一步影響市場競爭力，公司急需提升焊接質量與生產效率的方案。 </strong></p><p><img src="https://mmecoa.qpic.cn/mmecoa_png/x0yLiaf5fF6we33KOfMqBR2fiamEN1JtRS2CgTY2RjY8gjlwX3uicWSAdNKqvDEL2iahUnFKoqXKglPC0qffZDicauw/640?wx_fmt=png" width="1129" style=""></p><p><strong>二、如何利用AI方案進行電子元件焊接質量優化</strong></p><p>在數據分析與 AI 平臺 Altair<sup>?</sup> RapidMiner<sup>?</sup> 中，利用<strong>平臺產品 AI Studio 的數據分析及機器學習技術</strong>對焊接工藝展開優化。</p><p><br></p><p>具體而言，先收集溫度、濕度、焊接速度等多維度數據，隨后以此為基礎<strong>構建決策樹模型</strong>，借助該模型精準識別出最為關鍵的工藝參數，并進一步實現參數的優化，從而達成<strong>焊接工藝的整體提升。
展開 質量管理 | 模具行業尺寸精度管控及3D交互式數據分析
然而由于模具和模具產品的市場需求差異很大，種類繁多，在外形，尺寸，材料，結構等諸多方面變化多樣且要求頗高，使得我們在模具和產品的生產過程中遇到了不少問題和困難，其中如何切實有效的控制模具及模具產品的幾何尺寸非常直觀地放在了我們面前。
PART.01
用戶面臨痛點
?? 尺寸數據顯示不直觀，無法與CAD模型做交互關聯顯示，只能翻閱PDF測量報告；
?? 對于尺寸數據沒有較好的手段進行管理，無法追溯長期尺寸數據；
?? 尺寸數據存在信息孤島，來源于測量團隊的資源無法通過系統快速分析至其它團隊協作。
現階段模具檢測主要通過自動化測量設備完成，比如三坐標測量機、關節臂測量機、光學掃描測量設備等，而不同的設備受限于采用不同的測量軟件，無法將所有尺寸數據集成到統一的平臺中進行綜合分析。
PART.02
海克斯康解決方案
模具制造企業通過采用eMMA系統，可實現：
?? 打通不同測量設備來源的數據自動采集的障礙，既包括測點文本類數據，也包括非接觸點云數據；
?? 打破信息孤島，尺寸數據從測量設備端自動進入系統，制造企業內所有需要查詢分析尺寸數據的用戶都可以在任意電腦實時訪問；
?? 系統集成了3D功能，可將尺寸數據與CAD模型測量位置自動關聯，方便用戶在3D交互環境中快速找到關鍵位置的數據；
?? 通過簡單設置，可分類顯示各類指標結果，如：合格率（百分比）、Cp（百分比）、Cpk（百分比）、極差、最大值、最小值、6Sigma、均值、標準偏差等；
?? 用戶通過尺寸區域信息，自動創建不同分析區域的3D尺寸報告模板，用于常規報告導出；
?? 用戶可通過多零件虛擬匹配功能，實現零件與零件裝配尺寸（例如：內部裝配間隙，外部間隙面差，孔與孔中心距等）的分析。
尺寸數據分析表列舉：
展開 質量管理 | 數據驅動洞察，Q-DAS生產過程能力分析助力企業降本增效
實際生產中，產品質量難以始終完全符合既定要求與質量標準。一旦零件出現不符合質量規格的問題，便只能予以拒收處理。隨著生產環節推進，質量問題導致的成本損失會愈發嚴重。針對此問題，構建有效解決方案需對生產流程進行全方位、多層次的評估，既要細致分析每個環節，也要把握整體過程。實現這一目標的關鍵在于獲取并運用質量評估的核心數據。
由于實際生產中難以對所有零件進行全面檢測（即 100% 測量），所以需要借助統計分析手段，通過對樣本數據的深入研究，推斷整體生產質量狀況，從而為生產過程的質量管控提供科學依據。
本文將邀您共同探討利用Q-DAS軟件節約生產成本、優化生產流程的分析方法：通過對生產流程進行嚴謹剖析，并全面審視各個環節，可實現顯著的成本節約。為幫助制造企業落實這些策略，本文闡述了利用數據驅動洞察的實用方法。借助數據分析，企業能精準定位改進點，從而做出基于數據的明智決策。這不僅優化了運營流程，還能最大化資源利用率，最終打造更高效、更具成本效益的生產環境。
洞察一：
Cp/Cpk指標的用途
質量參數可通過關鍵指標Cp/Cpk進行量化評估，這些指標精準反映了生產過程的能力，以及實際測量值與公差范圍的匹配程度，據此可判定生產工藝是否符合既定規范。通常，當某一生產過程的 Cp/Cpk 指標大于或等于1.33時，意味著該過程能力良好，對應缺陷率約為百萬分之64（PPM）；反之，若Cp/Cpk指標低于1.33，則表明過程能力不足，亟待采取改進措施。
在傳統應用中，對 Cp/Cpk 指標的解讀往往止步于此 —— 用戶僅能獲取關于過程能力是否達標的簡單結論。這或許能滿足編制過程能力報告的基本需求，但此類評估僅適用于能力合格的過程，對于存在缺陷、亟需優化的環節，難以提供實質性的改進方向與策略指導。
展開 質量管理 | 海克斯康Q-DAS重塑數據采集分析體系，賦能制造業智能化升級
目前，眾多企業的質量團隊已具備自主開發復雜分析模型的能力，在應對工業大數據挑戰時始終保持領先優勢。
從效率工具到戰略資產
Q-DAS實現多維價值躍遷
歷經多年迭代升級，Q-DAS已從單純的數據管理工具，成長為企業數字化轉型的戰略基礎設施。它不僅具有節省數據處理時間、降低質量成本的顯性價值，更在隱性層面重塑了企業的質量文化—讓 “用數據說話” 成為每個員工的工作準則。
在工業互聯網加速滲透的今天，Q-DAS的實踐成果印證了：真正的數字化轉型，始于數據采集的標準化，成于分析能力的智能化，終于組織能力的持續進化。這既是制造業智能化升級的必由之路，也是企業在智能時代構建核心競爭力的關鍵所在。
展開 郭臺銘：云端大數據分析將成為八大生活的基石
5月26日，2015貴陽國際大數據產業博覽會暨全球大數據時代貴陽峰會在貴陽開幕。富士康科技集團創辦人兼總裁郭臺銘在演講中說，將來在三網融合的基礎上，云端大數據分析將成為富士康“八大生活”的基石，也是寬帶中國的實際應用，透過云網端的串接，富士康的“八大生活”應用將貫穿我們每一天，云端大數據分析將為全人類打造一個智能生活網。
郭臺銘說，富士康集團已從一個制造業轉型為六流公司，所謂六流，其實是在大數據產業中一個關鍵的信息處理技術，大數據咨詢處理過程中蘊含著信息流、技術流與資金流、人員流、物料流、過程流這六個方面。六流哲理深藏在公司治理、產業創新、應用凈化過程中，因為六流的虛實結合，軟硬整合，才能貫穿整個大數據的應用，讓大數據的積累更有意義，更進而轉化為有用的作為決策的小數據，幫助我們創新與分析決策。透過這些有用的小數據，可以邁向萬物聯網的智能社會，這就需要這六流來幫公司進行轉型，進而實現互聯網+八大生活，這也是富士康在轉型過程中不忘的重要使命。我們可以采取更多的有用的大數據，再通過六流分析為我們創造智能生活。
“富士康打造全球最先進的服務器與數據中心，提供更綠色、更智能的云端儲存技術服務。”郭臺銘介紹。在移動終端方面，富士康已經是全球最大移動終端制造廠；在物聯網方面，富士康正在全力推動在工業自動化與機器人配合工業版4.0的演進，富士康將全力投入在萬物聯網方面的關鍵技術，尤其在中國制造2025中將全力參與，絕不缺席。
郭臺銘認為，在互聯網+時代，富士康的八大生活就是包括工作生活、教育生活、娛樂生活、家庭生活、安全生活、采購與交易生活、交通環保生活。
展開 質量管理 | 數字化賦能：醫療器械企業質量管理新標桿
案例
PART. 01
背景
某醫療器械公司是全球前三大骨科醫療器械生產廠商，憑借90多年的行業深耕經驗及豐富的專業知識，依托在全球超過25個國家的運營分支及遍布100多個國家的銷售網絡。在華投資多家生產型企業，以生產膝關節、髖關節、脊柱類外科手術工具及創傷類植入物類產品為主，產品遠銷美國、英國、法國、西班牙等國家。
該公司非常注重企業質量管理體系的建立，先后通過了ISO13485及JMGP的認證并完成了US FDA的注冊。在面向數字化轉型趨勢要求，該公司在2022年已實施上線海克斯康數字化質量平臺，實現制造過程質量的閉環管理。為進一步提升質量管理數字水平，補齊質量數據分析與應用的短板，完善QMS系統應用的廣度與深度，項目通過搭建SPC及質量大數據分析平臺，將質量管控關口前移，以質量數據驅動過程質量的持續提升。
解決
PART. 02
方案
■ 質量數據治理：從SPC與質量大數據分析應用的角度，參照AQDEF高級質量數據交互格式，策劃質量數據的采集內容，統一質量數據組織與格式，構建該公司的質量數據管理模型。通過系統集成技術，整合QMS、ERP等系統的相關質量數據，消除質量數據孤島，并通過數據接口，聯通SPC與質量大數據分析系統；
■ 構建SPC及質量大數據分析系統，包括可視化看板、MSA、SPC、質量監控預警等基礎功能，同時具備回歸分析、DOE等高階統計分析功能，滿足多樣化的質量數據分析需求；
■ 梳理關鍵質量與過程特性，應用SPC系統豐富的數據可視化與分析能力，針對輪廓尺寸、關鍵擰緊力矩等進行可視化監控與持續改進，實現以質量數據為主線的質量管理PDCA閉環。
展開 
大數據建模、分析、挖掘技術
隨著《關于印發促進大數據發展行動綱要的通知》發布，各類型數據呈現出了指數級增長，數據成了每個組織的命脈。今天所產生的數據比過去幾年所產生的數據大好幾個數量級，企業有了能夠輕松訪問和分析數據以提高性能的新機會，如何從數據中獲取價值顯得尤為重要，也是大數據相關技術急需要解決的問題。大數據是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。數據建模不僅僅是任意組織數據結構和關系，還必須與最終用戶的需求和問題聯系起來，并提供指導，幫助確保正確的數據正確使用正確的方法獲得正確的結果。
為響應科研及工作人員需求，根據《國務院關于推行終身職業技能培訓制度的意見》提出的“緊跟新技術、新職業發展變化，建立職業分類動態調整機制，加快職業標準開發工作”要求，中國管理科學研究院現代教育研究所（http://www.pdhb.org.cn）聯合北京龍騰亞太教育咨詢有限公司特舉辦“大數據建模、分析、挖掘技術應用研修班”。本次培訓采用實戰培訓模式。
本次培訓由北京龍騰亞太教育咨詢有限公司承辦并進行相關費用收取及發票開具。具體通知如下：
一、時間安排:
2023年8月18日 — 2023年8月22日 上海（同時轉線上直播）
（18日報到發放上課材料，19日-22日上課）
二、培訓目標
1.掌握大數據建模分析與使用方法。
2.掌握大數據平臺技術架構。
3.掌握國內外主流的大數據分析與BI商業智能分析解決方案。
4.掌握大數據分析在搜索引擎、廣告服務推薦、電商數據分析、金融客戶分析方面的應用。
5.掌握主流的基于大數據Hadoop和Spark、R的大數據分析平臺架構和實際應用。
展開 2018年船用大鍛件的市場分析和質量要求
作者： 吳慕華
市場分析
2018年，全球經濟仍將保持溫和復蘇態勢，海運貿易需求小幅增長，但受國際貿易摩擦和環保新規實施的影響，船東對訂造新船持謹慎態度。部分船型市場和新航線新船需求市場將繼續保持活躍。7月17日，工業和信息化部裝備工業司公布了2018年上半年我國三大造船指標。統計數據顯示，我國船企上半年新接訂單量同比增長近一倍。2018年1～6月，全國造船完工量1886萬載重噸，同比下降28.9%，其中海船為615萬修正總噸；承接新船訂單量2270萬載重噸，同比增長97.2%，其中海船為2994萬修正總噸；截止6月底，手持船舶訂單量9107萬載重噸，同比增長9.9%，其中海船為2994萬修正總噸，其中出口船舶占總量的89.2%。
今年上半年，中國造船完工量、新接訂單量、手持訂單量分別占世界市場份額的41.7%、51.9%和45.4%，與去年同期相比分別下降2.3個百分點、增長9.5個百分點和204個百分點。中國造船三大指標均居全球第一位。隨著中國船舶工業建造總量的日益增長，就越來越多需要船用大鍛件，這就給為船舶配套的船用大鍛件生產廠的發展提供了良好機遇。按造船年產量4000萬噸來估算，各大船廠和船用柴油機廠需外協的大鍛件大約為38萬噸，毛坯約61萬噸，船用鍛件的市場前景普遍看好。但是由于造船周期的日益縮短，價格競爭日益激烈，這樣對船用鍛件的需求周期越來越短，質量要求也越來越高，價格卻要求越來越低。船用鍛件毛坯交貨期往往在2個半月以內，經精加工后的鍛件交貨期為4個月左右。
展開 科技前沿 | 什么是大數據中的實時分析？
實時大數據分析的好處
由于感知到初期會投入成本，也可以獲得一些提升，組織可能會對實施實時大數據分析猶豫不決；然而，從長遠來看，由于實時大數據分析對業務效率和盈利能力的影響，企業獲得的好處遠不止這些。實時大數據分析通常也比許多公司想象的更容易實施。
1、擴大競爭優勢
將實時數據分析引入大數據意味著從處理信息到幫助組織做出更改或關鍵決策之間的時間顯著減少。
通過結合對市場、目標受眾和競爭對手行動的實時洞察，組織可以保持創新并獲得競爭優勢。
2、提高客戶體驗
對客戶情緒的更多洞察使組織能夠在其服務和產品的決策和演變中考慮客戶反饋。由于這些數據在不斷變化，因此只要數據相關性仍在，那么其對企業決定采取何種行動非常重要。
3、優化業務流程
實時大數據分析使組織能夠識別業務流程中的趨勢，并獲得有關如何在整個組織中提高效率的具體見解。
4、降低風險
PLM數字主線應基于標準零件目錄作為唯一的真實來源，并實現零件合理化和重用。工程師應該能夠輕松找到零件數據以集成到他們的設計中。
5、整合質量數據
實時檢測模式的能力意味著組織可以主動識別并降低風險—而不是在損害已經造成后才意識到漏洞存在。這尤其適用于識別潛在的客戶流失、制造運營效率低下的情況和財務漏洞。
6、實現長期成本節約
從長遠來看，通過向技術堆棧添加實時大數據分析，有可能顯著降低成本并提高利潤率。通過創造新的業務流程效率，組織可以釋放資源并節省成本。
展開 科技前沿 | 物聯網與大數據分析有何關聯？
大數據和物聯網 (IoT) 是企業領導者非常關心的兩個熱門話題。這兩個方面都會對公司捕獲和分析數據以推動業務決策的能力產生重大影響。在當今的環境中，物聯網和大數據并駕齊驅的情況很多。但是，它們是作為獨立的技術發展而來的，并且也存在一定差異。這就提出了一個問題—兩者究竟是如何聯系起來的？
什么是大數據？
自數字時代開始以來，大數據一直是一個不斷發展的概念。
其用于描述由三個特征定義的龐大數據集，稱為三 V——體積（Volume）、速度（Velocity）和多樣性(Variety)—大數據與其他數據集的不同之處在于大小（體積）、增長/變化率（速度）和集合中的各種結構化、非結構化和半結構化數據。
擁有龐大數據集的好處是您可能會在如此大的數據集中發現隱藏其中的模式或趨勢。此外，它還支持全視圖。然而，由于大數據的規模和復雜性，其價值取決于您能否對這些大數據進行分析—而不是數據本身—這是一個很大的挑戰。大數據非常龐大和復雜，以至于無法通過傳統的信息處理和分析方法從如此多的信息中發現業務價值。
從以往來看，組織如果想從中獲得任何有價值的見解，就必須投入大量的時間、金錢和資源來分析數據。幸運的是，由于計算的進步，大數據分析現在可以將大數據集與高性能分析相結合。這樣會碰撞出什么樣的火花呢？您現在可以從以前笨拙的數據集中發現可行性見解。大數據分析將龐大的數據集打包成一種易于理解的格式，以使組織能夠使用。
此外，通過結合人工智能 (AI) 和機器學習等技術，可以發現更多適用的見解。
展開 