大数据技术在产品质量管理中的应用研究

大数据技术在产品质量管理中的应用研究

唐雯

南京市产品质量监督检验院(南京市质量发展与先进技术应用研究院)江苏南京210019

摘要：大数据在产品质量管理中的运用分布在多个领域，例如农机质量监控领域、建筑工程质量监控领域、成品油质量管控领域等，在这些领域中使用大数据技术可以有效提高产品质量，加强质量监督。大数据技术能够运用统计分析工具筛选出有使用价值的数据体，和总体目标相互绑定，通过数据筛选和数据分析功能，最终将数据以目标结论的方式呈现出来，这种技术能够为工作人员提供更加科学合理的数据判断方式。通过对数据的不断挖掘，展开信息的统计，有效确保产品质量的安全性。此外，大数据技术也可以发掘数据中的隐藏发展行为，从而为产品质量改进提供更加科学的建议。

关键词：大数据技术；产品质量管理；应用

前言：产品质量管理是指在特定的工艺条件和工艺情况下，采用科学的方式展开产品直接测量或间接测量，对产品质量安全隐患进行事前预防和控制，确保用户能够得到所需产品，提高客户满意度。产品质量管理随着智能化社会的到来而逐渐发展，目前产品质量管理已经到了全面发展和蓬勃壮大的阶段，大多数企业会采取全员参与的方式提高产品质量，加强质量管控，并采用智能化技术进行监督，控制可能会影响产品最终品控的诸多要素，进而提升产品质量。其中，大数据运用发挥了巨大的作用，它包括云计算技术、云标签技术、关系图技术等，它的运用可以在很大程度上包容巨量的数据信息体，有目的、有计划地进行系统分析和处理，从而提高产品质量管理效率。

1产品质量管理中的常见大数据技术

1.1数据收集技术

在大数据理念的支持之下，采用数据收集技术可以为产品质量监督和管理提供更加有价值的品质报告，这对于早期采购工作和品质判断工作来说非常必要，针对产品品质收集有关资料需要注意以下两个方面的工作：第一个方面，需要全方位、全过程地采集产品的品质信息。在传统的产品品质管理中，有关工作人员更加侧重于对生产过程的监督，而现代社会中的质量控制则要考量商品是否具有长期特性和最佳使用寿命，重视的是产品的全面性，而不侧重于某一点，同时还要关注产品缺点和质量不足之处的防范与监督。采用数据收集技术需要对产品生产、加工、制造的全过程展开有效监督，并且在产品设计、原材料采购、原材料入库、生产加工、交货、储存等各个环节都要展开特殊监管，包括售后服务在内，把产品从“出生”到“死亡”的全过程、全周期设计在内，确保产品品质达标。对产品数据和品质信息进行收集，其本质就是要对离散变量的相关数据展开全方位采集，形成详细数据云资料，为之后的数据分析工作和数据清洗工作打下基础；第二个方面，数据收集还包括对品质信息内容的有效采集，需要对检测工具和产品检测手段加强创新和完善，可以按照采集、检测、判断、重采这一步骤对产品生产加工展开全方位监督，获得高效率的数据云库。

1.2数据清洗技术

数据清洗技术是在数据收集步骤之后需要完成的一项工作，其原理和根据是搜集到的所有资料并非都是可以利用的，其中存在大量的垃圾数据、重复数据或错误数据，大数据在数据价值方面相对偏低，其主要特征是体量巨大，因此需要在巨大的数据库之中筛选有价值的部分，这就需要通过数据清洗技术展开分辨和发掘，因此数据清洗技术是大数据运用的有效保障和关键的分支，在产品质量管理过程中引进数据清洗技术能够使产品的非结构化数据增多，在产品加工生产过程中由于大数据本身体量巨大的特点，一定会产生海量的数据资料，因此需要用数据清洗技术对数据展开筛查，根据不一样的使用目标做好数据资料的梳理、剖析和归纳，精准地辨别信息内容的真伪，同时做好数据的筛选沉淀，选择有效的和品质管理相关的程序，从而使不相干的数据、错误的数据、过时的数据被清除，使数据信息的粘连性和关联性都较高，方便后期使用。

2大数据技术在产品质量管理中的应用

2.1食品检测

实现大数据技术在食品药品检验检测行业的应用，首先要有海量的系统业务数据支持，其次需要实现基于大数据的软件开发及数据挖掘、数据采集与处理系统的建设。通过数据分析系统的软件开发不断完善，以及数据采集技术的发展，数据挖掘手段越来越高，进一步充实扩展信息资源数据库并完善数据的标注及分析。在大数据技术的支撑基础上，通过软件管理系统平台共享分析数据，为食品监督、食品检验及时掌握各种统计信息提供帮助，为领导决策提供依据支持，为公众信息查询平台提供数据支撑。物联网和大数据分析技术可以让所有人都能吃上安全卫生的食品。只需要确保在食品种植、收获、加工和运输过程的每个环节都充分利用物联网和大数据技术即可。第一，食品智能检测仪可快速定量检测食品中农药残留、拟除虫菊酯、茶多酚、面粉中铝、食用合成色素——甲醛、胭脂红、糖精（钠）、二氧化硫、硼砂、苋菜红、过氧化苯甲酰、酱油氨基酸态氮、奶粉蛋白质、日落黄、肉类新鲜度、吊白块、亚硝酸盐、硝酸盐、双氧水、甲醇、过氧化值和重金属铅等。

第二，食品智能检测技能不断地应用到食品安全检测中，将一些不符合规范的食品筛选，仪器剖析办法在食品剖析中所占的比重不断提升，并成为现代食品剖析的重要支柱。同时，由于计算机技能的引入，使仪器剖析的快速、灵敏、准确等特点愈加显著，多种技能的结合与联用使仪器剖析应用愈加广泛，有力推动了食品仪器剖析的开展。第三，仪器采用安卓智能操作系统，采用更加高效和人性化操作。仪器具有Wi-Fi联网上传、5G联网传输、GPRS无线远传、网线连接功能，快速上传数据。仪器具有自检功能：具有开机自检和调零功能，具有自动检测重复性功能。新一代高速热敏打印机，检测完成可自动打印检测报告和二维码。第四，仪器带有监管平台，数据可局域网和互联网数据上传，检测结果直接传至食品安全监管平台。进行区域食品安全监管及大数据分析处理与数据统计，检测区域食品安全长短期动态，达到食品安全问题预估、预警。总之，大数据技术与先进的食品安全快速检测手段的应用，进一步提高了我国食品安全的检验标准度。安全快速检测技术借助大数据平台，对食品检测发挥了重大的作用，使得食品检测结果更加快捷、准确和灵敏，需要解决一些关键问题。

2.2成品油质量管理

成品油质量管理较为复杂，其业务流程较为繁琐，涉及诸多主体单位，也具有诸多外界影响因素。成品油是企业生产加工的质量风险源，也是管控的难点，在其管理过程中运用大数据技术可以抵御潜在风险，推动质量检测高质量运行。首先，大数据技术在成品油质量管理中的运用可以对油品特征展开画像和模拟。用户画像是典型的大数据商业领域的运用，根据用户历史数据对用户展开贴标签手段的处理，也就是用简单的信息对用户群体特征进行概括，根据不同的运用场景将其匹配不同的商业途径和渠道。大数据技术可以方便管理人员了解供应商的油品品质，使用油品群落分析的数据方式展开特征画像和模拟，常见的技术是K-means算法和决策树，可以根据油品的来源划分成配置油和外采油，根据配置油和外采油不同的特征，又可以采取分类监督将其划分为典型外采油和典型配置油等不同的类别。其次，大数据技术可以加入外采油品溯源工作。为了解决人工溯源率不高的问题，大数据算法可以为人工溯源提供辅助，同一企业生产的成品油质量较为相似，可以根据这一原理对溯源样本展开品质追踪。常用的技术包括k近邻算法建设油品生产商匹配模型，把常规化处理指标当作特征向量，计算样本间相似程度。最后，成品油质量管理还可以采用辛烷值预测研究法，这也是大数据的分支之一，把模型预测结果和标准检测结果的偏差进行统计和对比，建设成品油质量大数据分析平台，使用LIMS系统展开实时研究，借助可视化技术打造成品油质量分析平台，方便为管理人员提供更加科学的决策。

结束语：

大数据技术在产品质量管理中的运用可以发挥强大的作用，提高产品质量管理的实际效果。具体而言，大数据技术可以在农机作业质量管理、、成品油质量管理中发挥不错的效果。在未来，大数据技术的运用必然会迈上崭新的台阶，需要继续加强产品信息的相关性分析和预测处理，促使社会产品质量管理水平不断提升。

参考文献：

[1]杨强,扈玲,崔永凤.产品质量管理中的大数据技术应用分析[J].中国标准化,2022(18):165-167.