摘要：在质量强国、质量强军的时代背景下，装备质量数据资源是推动装备质量工作向基于故障的持续改进、基于风险的问题预防和基于大数据的精准管理的重要基础。本文从当前形势出发，分析了装备质量数据资源建设的现状、面临的问题，提出了装备质量数据资源建设的工作思路，并阐述了实施要点、分享了实践经验，指出了后续持续推进装备质量数据资源建设的工作方向。

关键字：质量；数据；流程；信息化

1 形势

近年来，随着网络技术的不断发展，信息技术与经济社会的交汇融合引发了数据迅猛增长，数据已成为国家基础性战略资源。在全球范围内，运用大数据推动经济发展、完善社会治理、提升服务和监管能力正成为趋势。加快大数据部署，深化大数据应用，已成为稳增长、促改革、调结构、惠民生和推动政府治理能力现代化的内在需要和必然选择。目前，我国在大数据发展和应用方面已具备一定基础，并已列入国家战略，大数据产业正蓬勃发展。但是在装备制造领域，明显存在数据基础薄弱、数据共享不足、数据利用率不高等问题。如何构建丰富的装备质量数据资源，推动装备质量工作向基于故障的持续改进、基于风险的问题预防和基于大数据的精准管理是目前急需解决的一项重要课题。

2 探索

2.1 现状分析

装备质量数据资源主要是指用于质量改进的故障数据、用于风险预防的过程数据以及用于质量评价的数据产品，来源于装备生命周期过程，涵盖产品的研制、批产到服役各个阶段。作为装备承制单位，在统筹规划的基础上，以产品研制生产过程的质量数据资源为突破口，逐步推进装备质量数据资源建设工作。这些质量数据资源可以从两个维度来看，一是从质量视角，即本文关注的质量数据资源；二是从产品视角，关注产品各组成部分的质量信息以及产品在不同阶段的质量信息。然而，在实际科研生产过程中，要想从浩如烟海的数据中抓取想要的质量数据并非易事，主要存在以下几方面的问题：

（1） 数据化程度不高

当前，很多装备承制单位都大力开展了信息化建设工作，但在建设的过程中，一般是从梳理业务流程起步的，流程“主动”、数据“被动”，信息化系统建设完成后，虽然实现了无纸化，但是在提取想要的数据的时候，却有些力不从心。举一个笔者所在单位不合格品处理的例子，在第一次实现信息化流程处理的时候，问题现象、问题原因、处理意见全部以文本框的形式进行描述，在进行质量问题统计的时候，想要找到问题现象分类、原因分类、处理时长、责任单位、责任人、质量损失等信息，还得进行二次加工，费时费力，这就是在信息化建设的时候，没有充分从数据的视角进行考虑，不同的业务到底关注哪些数据和信息，数据要素是否全面，数据是否结构化等问题考虑不充分，导致数据利用率不高。除此之外，在现有的信息化系统中，还存在大量的以附件形式存在的质量信息，这部分数据是沉睡的数据，是很难有效利用的。

（2） 质量数据零散

图1是某整机产品需要关注的质量数据，三个大类10小类的数据分布在六个信息化系统中，这些数据基本上是按照业务条块进行分割的，在系统建设的时候也更多的从自身业务流程进行考虑，系统间缺乏融合，数据分布零散，很难进行系统利用。

图1  某产品质量数据资源组成及及来源示意图

注：ERP——企业资源管理系统，MES——制造执行系统，QMS——质量管理系统，TDM——试验数据管理系统，PDM——产品数据管理系统，CAPP——计算机辅助工艺编制系统。

（3） 缺乏统一规划和标准

造成数据化程度不高和数据零散的根本原因是由于缺乏系统规划和统一标准。首先是业务规划，装备质量数据资源到底需要哪些数据，数据的具体要求是什么，跟哪些业务流程相关，如何采集、存储和利用，缺乏系统策划，因此很多已建信息化系统无法满足当前装备质量数据资源需求；其次是数据规划，数据的采集、存储及交换格式，数据分类编码等缺乏统一标准，导致数据交互、共享困难；再次就是信息化规划，顶层设计不够，大部分系统是从业务的角度出发提出的，各系统烟囱林立，系统之间以网状形式进行数据交互，不同系统之间的数据接口不统一，导致数据互通困难。

2.2 推进思路

根据习主席关于装备质量建设的系列重要论述和国家相关部门对装备质量数据资源建设的总体指导意见，我所装备质量数据资源建设的基本原则是坚持顶层规划、质量部门抓总，坚持立足现有、集成整合；坚持重点突破、稳步推进。总体推进思路是制定装备质量数据资源建设实施计划，梳理质量数据资源需求，理清当前业务流程和数据资源现状，明确数据资源规范标准，以质量管理信息系统建设为抓手，逐步推进装备质量数据资源建设工作。

图2  质量数据资源建设工作推进步骤

在制定装备质量数据资源建设实施计划前，需要构建装备质量数据资源总体框架（如图3所示）。依据总体框架，明确三步走策略，第一阶段，完成所有基础数据库建设和过程数据的结构化采集和质量问题闭环管理；第二阶段，完成质量指标体系建设，建立过程监视测量数据库，实现体系、过程和产品质量的度量与监测；第三阶段，以产品质量基础数据、过程数据和度量数据为基础，通过数据挖掘、数据比对等技术，实现基于故障的持续改进、基于风险的问题预防、基于大数据的精准管理以及产品质量综合评估和宏观质量态势分析。

图3  质量数据资源框架

在梳理质量数据资源需求方面，由质量部门抓总，既从质量部门的角度去梳理需求，更要充分考虑设计部门、制造部门、维保部门和一线作战部队对装备质量数据的需求。装备质量数据资源不仅仅用于产品质量评估，还可以用于管理优化、设计改进、工艺完善等各环节。

在理清当前业务流程和现状方面，重点清理当前业务流程存在的问题，结合GJB 9001C体系换版，将业务流程和数据指标融入体系文件，将业务过程从之前的流程驱动转变为流程和数据的双轮驱动，使流程承载大量的质量数据。

在明确数据资源规范标准方面，目前在装备制造行业还没有统一的标准，为积极推动装备质量数据资源建设工作，我所从自身实际出发，先行先试，统一物料检验质量数据、生产过程质量数据、整机检验质量数据要素和格式，明确这些质量数据采集、传输与共享机制。以结构化的形式对相关数据进行存储，便于在后续过程中实现交互和共享。

在推进实施方面，因涉及到多部门、多业务，因此必须成立工作组织机构，明确工作目标和检查标的，制定详细工作计划，通过例会等方式确保计划按期完成，对需要跨部门协调的事项，及时明确问题和责任人，及时紧跟解决，确保工作顺利推进。

3 实践

3.1 需求梳理

图3 所示质量数据来源与多个业务系统，因此必须从质量业务的视角理清他们之前的关系，系统解决数据零散的问题。表1以整机质量档案为例，给出了质量数据需求梳理的思路和关注点。按照该表进行梳理，明确了具体的数据项和数据来源，以及数据的相互集成关系。笔者通过2个月时间，全面梳理了单位质量业务，共梳理出16个业务模块68项数据项。

表1 质量数据需求梳理表

3.2 标准建设

在装备质量数据资源建设过程中，涉及到的管理标准和技术标准众多，且部分标准仍在摸索过程中。因此，我所从当前实际情况出发，重点建立了编码基础标准和数据采集标准。

编码标准是装备质量数据资源建设最重要的基础工作，通过编码可以便捷地实现质量数的关联、查询和追溯。编码标准建设一般分为以下几个步骤：

（1）建设信息分类与编码标准体系框架；

（2）制定信息代码管理办法，规范各类代码的管理与使用流程；

（3）编制系列编码标准，制定数据描述与表达规范；

（3）整理数据、建立代码数据库，包括电子元器件、标准件、材料、人员、部门、仪器设备等代码数据；

（4）建设信息代码管理系统，实现PDM/ERP/MES等信息系统获取和应用统一代码。

通过标准建设，我所完成了九类标准的制定工作，涵盖物品分类、PDM系统ItemID编制、人员代码编制、数控程序代码编制、库房代码等编制规则，并完成了编码系统建设，为质量数据资源的建设奠定了坚实的基础。

针对数据采集，我所从数据资源最多的检验数据入手，统一数据格式，实现数据的结构化采集。其核心是从检验要求的源头入手，将检验技术条件或产品规范转化为检验结构化表单，在后续检验过程中，根据物料编码自动调用相应的检验结构化表单并实施数据采集。该方案适用于从原材料、元器件、工序到整机的所有检验过程，实现了关键器件质量数据、关键工序质量数据、整机产品检验数据的结构化。

图4是检验结构化表单的示例，该表单将技术条件中的文字描述转换为检验项目，对于有测量值要求的，采用计量方式，没有测量值要求的，采用计数方式。在信息化系统中，通过产品编码自动索引检验项目，在检验人员检验过程中，通过数据采集设备或人工输入数据，实现检验结果数据的结构化。

图4  某整机检验结构化表单

针对同一物品，如有多个检验步骤，可在一份结构化表单中以多个数据表的形式进行描述，当导入系统后，会根据检验步骤自动生成检验流程卡，实现检验流程的标准化和数据的结构化。图5展示了某器件基于检验结构化表单自动生成的检验流程卡。每一步骤都可以记录结构化的检验数据。

图5  某器件检验流程卡

3.3 基础信息库建设

装备质量数据资源建设的基础是基于一系列的基础数据库，从基础数据库中去获取相关的质量信息。5M1E中的人员、设备和物料是最基本的基础信息。针对人员基础信息，我所在综合门户中建立了人员基础信息库，其它系统涉及到人员信息的，均从该系统获取；针对仪器设备，建立了设备管理系统，实现了仪器设备的统一管理；针对物料，建立了元器件管理系统和编码系统，实现了物料基础信息的统一管理。

除此之外，我所还针对质量问题，建立了问题现象分类和问题原因分类基础信息，形成了包括13个大类105个小类的不合格现象分组和14个大类41个小类的不合格原因分组。在问题统计过程中，按照大类情况自动进行柏拉图展示，对于每个大类，还可以进一步查看小类分布情况，找出存在的主要问题，实现了产品故障信息的结构化采集。

图6  质量问题现象分类统计示例

3.4 信息化系统建设

在明确了质量数据需求和相关标准后，我所以质量管理系统的升级为抓手，将装备质量数据资源建设的要求融入到信息系统。在系统建设过程中，因涉及到多个相关方，推进难度大，因此需要按照项目运作的模式实施过程管理。

（1） 项目启动：成立项目团队，明确项目标的、范围，任命项目经理，召开启动会；

（2） 项目规划：制定项目管理计划，对项目范围、时间、成本、质量、沟通、人力资源、风险、采购和干系人参与等做出规定；质量系统开发应特别关注干系人；

（3） 项目执行：按照项目管理计划来协调人员和资源，整合并实施项目活动；特别是在需求调研和功能测试过程中，一定要让关键干系人充分参与；

（4） 项目监控：跟踪、审查和调整项目进展，定期检查项目执行情况，识别必要的计划变更并启动相应变更流程；

（5） 项目收尾：准备验收相关材料，重点确认需求实现情况，同时总结经验教训。

按照这种模式，笔者所在单位的质量管理系统顺利完成开发、测试、安全保密测评和运行，实现了质量管理系统与ERP、MES等系统的综合集成和质量数据资源索引。

4 展望

通过装备质量数据资源建设工作的推进，理清了装备质量数据资源建设的思路和方法，建立了装备质量数据资源基础数据库，实现了产品检验数据的结构化采集，构建了以编码为基础的质量数据资源索引模式。在此基础上，后续重点围绕以下方面开展工作：

（1）紧跟国家和装备行业数据工程顶层标准建设情况，完善质量数据资源建设标准规范体系，建立健全质量数据采集、质量数据传输与共享、质量数据加工与处理等标准规范；

（2）深化数据应用，充分利用既有装备质量数据，创新质量管理模式和故障分析手段，逐步实现产品质量的动态监测、故障诊断与预测；通过质量数据挖掘，横向、纵向对比分析，识别质量薄弱环节和风险，评估产品质量状况；

（3）推动质量数据可视化，将巨大的、复杂的、枯燥的的数据展现出来，发现关联规律，继而进行深度挖掘，最大限度地消除数据世界和人类认知之间的边界。重点开展宏观态势可视化、数据统计分析可视化工作，并进行多视图整合，探索不同维度的数据关系。

参考文献：

[1] 国务院国发〔2015〕50 号，促进大数据发展行动纲要，2015

[2] 邓潇.产业互联网的大数据可视化应用.数据观，2015

[3] 孟春蕾.产品质量管理中的大数据技术应用分析.电子质量，201707