大數(shù)據(jù)技術(shù)在制造型企業(yè)管理中的應(yīng)用

王西山

（中車(chē)青島四方機(jī)車(chē)車(chē)輛股份有限公司 山東省青島市 266111）

中國(guó)制造業(yè)企業(yè)隨著ERP、PLM 等信息化系統(tǒng)的部署完成，管理方式正由粗放式管理轉(zhuǎn)為精細(xì)化管理，新產(chǎn)品研發(fā)速度和設(shè)計(jì)效率有了大幅提升，企業(yè)在實(shí)現(xiàn)對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行有效管理的同時(shí)，積累了大量的數(shù)據(jù)信息[1]。但隨著各業(yè)務(wù)系統(tǒng)的不斷深化應(yīng)用與業(yè)務(wù)數(shù)據(jù)量的不斷增加，系統(tǒng)間的數(shù)據(jù)交互變得越來(lái)越復(fù)雜，系統(tǒng)運(yùn)維及服務(wù)的工作量激增。主要問(wèn)題如下：

（1）多源異構(gòu)數(shù)據(jù)整合：業(yè)務(wù)數(shù)據(jù)來(lái)自多個(gè)不同的系統(tǒng)，且數(shù)據(jù)結(jié)構(gòu)存在較大差異，需要對(duì)各種數(shù)據(jù)源進(jìn)行梳理、整合，讓數(shù)據(jù)流動(dòng)起來(lái)，發(fā)揮其應(yīng)有價(jià)值；

（2）大數(shù)據(jù)量處理：隨著業(yè)務(wù)系統(tǒng)的不斷深化應(yīng)用，積累的數(shù)據(jù)越來(lái)越多，數(shù)據(jù)體量越來(lái)越大，企業(yè)內(nèi)部對(duì)數(shù)據(jù)分析及應(yīng)用的要求也越來(lái)越高；

2018年上半年木質(zhì)家具出口數(shù)量1.82億件，比上年同期增長(zhǎng)3.82%，其中美國(guó)6 999.61萬(wàn)件，比上年同期增長(zhǎng)8.07%，美國(guó)占38.41%;木質(zhì)家具出口金額108.49億美元，比上年同期下降0.44%，其中美國(guó)46.42億美元，比上年同期增長(zhǎng)5.25%，美國(guó)占42.79%。

（3）數(shù)據(jù)處理工程量大：在獲取到源數(shù)據(jù)后，往往需要對(duì)數(shù)據(jù)進(jìn)行清洗、挖掘等加工操作，目前的處理技術(shù)效率較低。

（2）數(shù)據(jù)是標(biāo)準(zhǔn)化的：例如數(shù)據(jù)值應(yīng)該是標(biāo)準(zhǔn)的產(chǎn)品名稱(chēng)、標(biāo)準(zhǔn)的工序名稱(chēng)、標(biāo)準(zhǔn)的系統(tǒng)功能分類(lèi)、標(biāo)準(zhǔn)的故障模式、標(biāo)準(zhǔn)的嚴(yán)重等級(jí)、標(biāo)準(zhǔn)的質(zhì)量安全特性等級(jí)等，而不是由數(shù)據(jù)記錄人員隨意描述的，如車(chē)門(mén)表述有車(chē)門(mén)、塞拉門(mén)、側(cè)門(mén)、外門(mén)等不同名稱(chēng)，問(wèn)題缺陷表述有不良、卡滯、故障等不同描述；

1 面臨的難題

1.1 如何發(fā)揮業(yè)務(wù)數(shù)據(jù)的價(jià)值

以軌道交通裝備造修企業(yè)為例，采購(gòu)管理、生產(chǎn)制造及售后服務(wù)等過(guò)程中會(huì)產(chǎn)生大量業(yè)務(wù)數(shù)據(jù)，如首件檢驗(yàn)發(fā)現(xiàn)的不合格項(xiàng)、進(jìn)貨檢驗(yàn)發(fā)現(xiàn)的質(zhì)量問(wèn)題、造修工序缺陷、生產(chǎn)現(xiàn)場(chǎng)不合格品處置、調(diào)試故障、產(chǎn)品交付問(wèn)題及運(yùn)用故障等。以上這些質(zhì)量問(wèn)題雖然均已實(shí)施了閉環(huán)管理，但是數(shù)據(jù)的價(jià)值尚未得到充分的挖掘，其影響因素的相關(guān)性、不同問(wèn)題表象下共同的根源、措施的合理性及有效性均需要對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行深層次挖掘才能使數(shù)據(jù)得到有效利用，同時(shí)要達(dá)到對(duì)業(yè)務(wù)數(shù)據(jù)的有效利用，還需具備以下前提：

（1）數(shù)據(jù)是結(jié)構(gòu)化的：例如數(shù)據(jù)在數(shù)據(jù)庫(kù)、Excel 等存儲(chǔ)形式中是以列表、字段、鍵值的方式存儲(chǔ)，而不是以Word、PDF、圖片等非結(jié)構(gòu)化方式存儲(chǔ)；

大數(shù)據(jù)技術(shù)的戰(zhàn)略意義不在于已掌握巨大的數(shù)據(jù)源信息，而在于通過(guò)專(zhuān)業(yè)化的處理技術(shù)，實(shí)現(xiàn)多重?cái)?shù)據(jù)信息內(nèi)在含義的交互、衍生。如果把大數(shù)據(jù)看作一種新興產(chǎn)業(yè)，其快速發(fā)展的關(guān)鍵在于提高對(duì)原始數(shù)據(jù)的再加工能力，通過(guò)再加工實(shí)現(xiàn)數(shù)據(jù)的增值[2-3]。因此急需運(yùn)用大數(shù)據(jù)技術(shù)的優(yōu)良特性，助力企業(yè)解決當(dāng)前所面臨的難題，促進(jìn)企業(yè)由傳統(tǒng)的問(wèn)題驅(qū)動(dòng)的被動(dòng)式改進(jìn)轉(zhuǎn)變?yōu)閿?shù)據(jù)模型驅(qū)動(dòng)的主動(dòng)式改進(jìn)。

棉田Cry1Ac蛋白土壤降解菌12T-103為枯草芽孢桿菌(Bacillus subtilis)，該菌對(duì)降解Cry1Ac蛋白能力較強(qiáng)，在1 h的降解率為92. 26%。

（2）整理包括對(duì)數(shù)據(jù)進(jìn)行分類(lèi)、梳理數(shù)據(jù)關(guān)系，數(shù)據(jù)分類(lèi)是指找出各業(yè)務(wù)數(shù)據(jù)的通用基礎(chǔ)屬性和專(zhuān)用屬性并進(jìn)行結(jié)構(gòu)化描述，梳理數(shù)據(jù)關(guān)系是指對(duì)各業(yè)務(wù)數(shù)據(jù)的依賴(lài)關(guān)系、邏輯關(guān)系進(jìn)行整理。以軌道交通裝備制造企業(yè)質(zhì)量管理數(shù)據(jù)為例，通用基礎(chǔ)數(shù)據(jù)包括：系統(tǒng)功能分類(lèi)、產(chǎn)品認(rèn)證審查分類(lèi)、產(chǎn)品平臺(tái)、車(chē)型、項(xiàng)目、臺(tái)份、內(nèi)部單位、供應(yīng)商、用戶單位等；

圖1：典型應(yīng)用流程

若企業(yè)現(xiàn)有數(shù)據(jù)無(wú)法滿足上述要求，為實(shí)現(xiàn)對(duì)數(shù)據(jù)的有效利用，需開(kāi)展專(zhuān)項(xiàng)數(shù)據(jù)治理工作，包括梳理現(xiàn)有數(shù)據(jù)、分析數(shù)據(jù)表現(xiàn)、制定數(shù)據(jù)標(biāo)準(zhǔn)、規(guī)范數(shù)據(jù)收集、對(duì)數(shù)據(jù)進(jìn)行清洗等。

1.2 協(xié)同的產(chǎn)品及服務(wù)持續(xù)改進(jìn)

制造企業(yè)不僅需要良好的生態(tài)環(huán)境，還需要內(nèi)部各部門(mén)的高效運(yùn)作，即解決相關(guān)方之間、內(nèi)部部門(mén)之間在不同產(chǎn)品壽命階段的數(shù)據(jù)需求與數(shù)據(jù)采集的矛盾。以軌道交通行業(yè)為例，相關(guān)方按產(chǎn)業(yè)鏈分工劃分為供應(yīng)商、主機(jī)廠和運(yùn)用單位，制造企業(yè)內(nèi)部按業(yè)務(wù)分工劃分為市場(chǎng)部門(mén)、設(shè)計(jì)部門(mén)、工藝部門(mén)、質(zhì)量部門(mén)、采購(gòu)部門(mén)、生產(chǎn)部門(mén)（包括新造、檢修）、售后部門(mén)等。產(chǎn)品按壽命階段劃分為采購(gòu)管理、內(nèi)部生產(chǎn)過(guò)程管理、售后服務(wù)管理。

上述不同的產(chǎn)業(yè)鏈協(xié)作分工、企業(yè)內(nèi)部業(yè)務(wù)分工勢(shì)必導(dǎo)致對(duì)不同產(chǎn)品壽命階段關(guān)注的側(cè)重點(diǎn)不同，但往往數(shù)據(jù)需求方不是數(shù)據(jù)產(chǎn)生方，相互之間的配合容易存在如下問(wèn)題：

（1）關(guān)注點(diǎn)不同，數(shù)據(jù)記錄內(nèi)容未達(dá)成共識(shí)；

O-GlcNAc修飾調(diào)節(jié)心血管功能的作用是復(fù)雜的。隨著深入研究發(fā)現(xiàn)，O-GlcNAc修飾對(duì)心血管蛋白的修飾是一個(gè)動(dòng)態(tài)過(guò)程，對(duì)維持心肌細(xì)胞的正常功能至關(guān)重要。O-GlcNAc修飾從基因水平到蛋白質(zhì)水平調(diào)節(jié)著細(xì)胞。新證據(jù)表明，蛋白質(zhì)O-GlcNAc修飾也有助于調(diào)節(jié)自噬、表觀遺傳學(xué)以及線粒體生物合成[22,45-46]。在細(xì)胞核、細(xì)胞質(zhì)以及線粒體中也存在不同的OGT和OGA亞細(xì)胞庫(kù)，它們可能對(duì)特定刺激做出不同的反應(yīng)。

（4）應(yīng)用指形成數(shù)據(jù)治理標(biāo)準(zhǔn)，指導(dǎo)數(shù)據(jù)應(yīng)用，數(shù)據(jù)治理標(biāo)準(zhǔn)包括數(shù)據(jù)分類(lèi)標(biāo)準(zhǔn)、數(shù)據(jù)應(yīng)用規(guī)范，數(shù)據(jù)應(yīng)用包括采集滿足分析要求的數(shù)據(jù)和保障數(shù)據(jù)統(tǒng)計(jì)分析的準(zhǔn)確性。

（2）存在業(yè)務(wù)壁壘，數(shù)據(jù)不貫通、標(biāo)準(zhǔn)不一致；

3.畫(huà)圖。例如，第一袋米重 10kg,第二袋米的重量是第一袋米的一半，問(wèn)兩袋米一共多重？圖形是比較直觀的形式，先將兩個(gè)重量的大米進(jìn)行對(duì)比畫(huà)圖，這樣能夠較直觀看出兩者之間的關(guān)系，進(jìn)而將解題思路清晰化，解題方法也隨之明了。因此，用畫(huà)圖的方法將復(fù)雜的問(wèn)題直觀化，通過(guò)直觀的方式能夠較快速找到解題方法。

項(xiàng)目，是一個(gè)特殊的將被完成的有限任務(wù)，它是在一定時(shí)間內(nèi)，滿足一系列特定目標(biāo)的多項(xiàng)相關(guān)性工作的總稱(chēng)。項(xiàng)目管理是在一個(gè)確定的時(shí)間范圍內(nèi)，為了完成一個(gè)既定的目標(biāo)，并通過(guò)特殊形式的臨時(shí)性組織運(yùn)行機(jī)制，通過(guò)有效的計(jì)劃、組織、領(lǐng)導(dǎo)與控制，充分利用既定有限資源的一種系統(tǒng)管理辦法。[1]

1.3 多視角的業(yè)務(wù)統(tǒng)籌

傳統(tǒng)的質(zhì)量、成本、效率的簡(jiǎn)單平衡三角已不適用于制造企業(yè)的發(fā)展需求。軌道交通裝備制造企業(yè)還應(yīng)從質(zhì)量、成本、安全、效率、市場(chǎng)、售后服務(wù)等多方位視角全面檢視自身。例如X 型動(dòng)車(chē)組軸承的選型，貝氏體軸承新造價(jià)格高于馬氏體軸承，但貝氏體軸承更加耐磨壽命較長(zhǎng)檢修成本相對(duì)較低，同時(shí)還需考慮不同型號(hào)軸承的劣化發(fā)展趨勢(shì)以保障運(yùn)用安全，如果僅從單一或片面的視角出發(fā)分析問(wèn)題，得出的結(jié)論未必是最優(yōu)解，甚至可能導(dǎo)致一場(chǎng)謬誤或?yàn)?zāi)難。對(duì)數(shù)據(jù)的認(rèn)知必然是全方位的兼顧整體與各個(gè)視角，例如從質(zhì)量管理體系過(guò)程的視角、從全壽命周期的視角、從部門(mén)的視角等。

必須從產(chǎn)品全壽命周期的整體視角進(jìn)行統(tǒng)籌規(guī)劃，形成行業(yè)、企業(yè)標(biāo)準(zhǔn)規(guī)范，企業(yè)之間重點(diǎn)打通系統(tǒng)功能分類(lèi)、產(chǎn)品構(gòu)型、失效模式及影響分析等。企業(yè)內(nèi)部重點(diǎn)打通設(shè)計(jì)EBOM、工藝PBOM、生產(chǎn)MBOM、檢修服務(wù)SBOM 等。

2 大數(shù)據(jù)技術(shù)的優(yōu)良特性

2.1 數(shù)據(jù)資源化整合

大數(shù)據(jù)技術(shù)的進(jìn)步從基礎(chǔ)框架層面保障了在功能性、易用性、交換性能、數(shù)據(jù)實(shí)時(shí)性（最小延遲）、穩(wěn)定性、可運(yùn)維管理性等方面的要求，避免了前期投入了相當(dāng)大的開(kāi)發(fā)人力成本及后期高昂的運(yùn)維成本而達(dá)不到預(yù)期效果。

（1）對(duì)新數(shù)據(jù)源的有效支持能力，日益增加的異構(gòu)數(shù)據(jù)源環(huán)境，包括各種關(guān)系型數(shù)據(jù)庫(kù)、結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)、以及NoSQL、MPP 數(shù)據(jù)庫(kù)/倉(cāng)庫(kù)和大數(shù)據(jù)平臺(tái)Hadoop/Kafka 的應(yīng)用環(huán)境；

焊接檢驗(yàn)?zāi)康脑谟诜乐古c發(fā)現(xiàn)焊接缺陷，以確保結(jié)構(gòu)（件）的安全使用。各類(lèi)產(chǎn)品都規(guī)定了對(duì)焊接接頭質(zhì)量等級(jí)的技術(shù)要求。試制新產(chǎn)品或制訂焊接新工藝時(shí)，通過(guò)焊接檢驗(yàn)可發(fā)現(xiàn)并解決其質(zhì)量問(wèn)題，使新產(chǎn)品與新工藝獲得發(fā)展和應(yīng)用。有的產(chǎn)品在使用中還需定期檢驗(yàn)，以發(fā)現(xiàn)和及時(shí)消除在使用中產(chǎn)生而尚未導(dǎo)致破壞的缺陷，從而防止事故的發(fā)生，延長(zhǎng)產(chǎn)品的使用壽命。

（2）保障交換性能，在任務(wù)多、數(shù)據(jù)量大的場(chǎng)景下保障交換性能，避免系統(tǒng)阻塞的狀況出現(xiàn)，實(shí)時(shí)數(shù)據(jù)同步，同時(shí)保證事務(wù)復(fù)制的完整性和時(shí)間次序性；

（3）新出現(xiàn)的ELT 技術(shù)架構(gòu)和方案，將抽取、加載過(guò)程與轉(zhuǎn)換過(guò)程分開(kāi)，并將所有需要的全量和實(shí)時(shí)增量數(shù)據(jù)快速加載至數(shù)據(jù)倉(cāng)庫(kù)，在數(shù)據(jù)倉(cāng)庫(kù)結(jié)構(gòu)設(shè)計(jì)中更具有靈活性以應(yīng)對(duì)新的變化需求，有利于運(yùn)維和管理；

人才培訓(xùn)是促進(jìn)企業(yè)發(fā)展的重要舉措，尤其針對(duì)電廠企業(yè)而言，通過(guò)人才培訓(xùn)可以更新工作人員的知識(shí)結(jié)構(gòu)，鍛煉其崗位技能，因此，企業(yè)要加強(qiáng)人才培訓(xùn)的管理和投入，通過(guò)對(duì)現(xiàn)有人員的培訓(xùn)和開(kāi)發(fā)，實(shí)現(xiàn)企業(yè)的既定發(fā)展目標(biāo)。首先，企業(yè)要給予人才培訓(xùn)以資金支持，保證人才培訓(xùn)工作的有序進(jìn)行以及全面開(kāi)展；其次，企業(yè)要對(duì)人才培訓(xùn)開(kāi)展科學(xué)的管理，提升人才培訓(xùn)的效率和質(zhì)量；最后，企業(yè)要對(duì)注重更新培訓(xùn)內(nèi)容，傳授給員工以行業(yè)前沿的知識(shí)和技能，提升員工的專(zhuān)業(yè)技術(shù)和素養(yǎng)，進(jìn)而為企業(yè)發(fā)展注入人才活力。

（4）在企業(yè)私有云和混合云的計(jì)算環(huán)境下，滿足構(gòu)建云與邊緣端的數(shù)據(jù)交換，支持遠(yuǎn)程多用戶共享使用的要求；

（5）數(shù)據(jù)異常處理和監(jiān)控運(yùn)維等管理功能服務(wù)，保障后續(xù)系統(tǒng)運(yùn)維質(zhì)量。

就業(yè)難一直是應(yīng)用型本科院校發(fā)展的瓶頸。學(xué)生畢業(yè)即面臨著失業(yè)，畢業(yè)后是就業(yè)還是創(chuàng)業(yè)，成為眾多應(yīng)屆畢業(yè)生面臨的棘手難題。而將“雙創(chuàng)”理念與電子商務(wù)課程的培養(yǎng)目標(biāo)相整合，能夠逐漸激發(fā)學(xué)生的創(chuàng)新意識(shí)，提高學(xué)生的創(chuàng)業(yè)能力，使其充分認(rèn)識(shí)自身的能力和社會(huì)對(duì)人才需求的方向，自覺(jué)挖掘潛能，主動(dòng)尋求發(fā)展機(jī)遇，增強(qiáng)自信心，提升就業(yè)競(jìng)爭(zhēng)力。

2.2 數(shù)據(jù)標(biāo)準(zhǔn)化治理

數(shù)據(jù)標(biāo)準(zhǔn)化治理重點(diǎn)解決數(shù)據(jù)的一致性和完整性問(wèn)題，保障數(shù)據(jù)分析的準(zhǔn)確性。數(shù)據(jù)標(biāo)準(zhǔn)化治理分為四個(gè)階段：收集、整理、分析、應(yīng)用。

（1）收集是對(duì)既有數(shù)據(jù)進(jìn)行整合，以軌道交通裝備制造企業(yè)為例，收集的數(shù)據(jù)按產(chǎn)品壽命階段包括采購(gòu)、新造、運(yùn)用、檢修，按管理活動(dòng)分為采購(gòu)管理、新造過(guò)程管理、調(diào)試過(guò)程管理、交付過(guò)程管理、售后服務(wù)過(guò)程管理、檢修過(guò)程管理；

（3）數(shù)據(jù)是可標(biāo)識(shí)的：例如物料在采購(gòu)訂單、物流入/出庫(kù)單、生產(chǎn)訂單、過(guò)程施工記錄、不合格品處置記錄、拆換記錄中需有明確的唯一標(biāo)識(shí)，而不是無(wú)法追溯的。

（3）分析包括研究數(shù)據(jù)清洗標(biāo)準(zhǔn)及清洗方法，便于后續(xù)根據(jù)數(shù)據(jù)清洗標(biāo)準(zhǔn)對(duì)不同產(chǎn)品壽命階段的數(shù)據(jù)進(jìn)行清洗、入庫(kù)；

（3）冗余的數(shù)據(jù)記錄和不一致的統(tǒng)計(jì)分析結(jié)果。

在保險(xiǎn)公司內(nèi)部財(cái)務(wù)控制的組織實(shí)施方面，應(yīng)該從保險(xiǎn)公司財(cái)務(wù)管理的實(shí)際需要出發(fā)，明確保險(xiǎn)公司內(nèi)部財(cái)務(wù)控制的目標(biāo)要求，系統(tǒng)的完善保險(xiǎn)公司內(nèi)部財(cái)務(wù)控制的實(shí)施策略，并進(jìn)一步強(qiáng)化保險(xiǎn)公司的內(nèi)部審計(jì)監(jiān)督機(jī)制，以促進(jìn)提高保險(xiǎn)公司財(cái)務(wù)管理的規(guī)范化水平，促進(jìn)保險(xiǎn)公司整體管理水平的提高。

長(zhǎng)期以來(lái)對(duì)數(shù)學(xué)實(shí)用性的誤解層出不窮，很多數(shù)學(xué)家也認(rèn)為數(shù)學(xué)應(yīng)該追求純粹的知識(shí)，即使是阿基米德那樣的偉大人物也反對(duì)站在實(shí)用的角度研究知識(shí)，這也是古希臘文明一度沉寂的原因。歷史已經(jīng)證明，聯(lián)系現(xiàn)實(shí)世界才是數(shù)學(xué)的出路，高職學(xué)生要學(xué)好數(shù)學(xué)，唯一的途徑只能是開(kāi)發(fā)便于理解，方便記憶，隨時(shí)應(yīng)用現(xiàn)實(shí)世界的課程。

2.3 數(shù)據(jù)顯性化挖掘

2.3.1 經(jīng)典數(shù)據(jù)挖掘算法

聚類(lèi)算法，聚類(lèi)與分類(lèi)相似，目的是把數(shù)據(jù)對(duì)象分成聚類(lèi)簇，但聚類(lèi)與分類(lèi)的不同在于，進(jìn)行聚類(lèi)分析時(shí)，不存在類(lèi)標(biāo)號(hào)已經(jīng)知道的訓(xùn)練數(shù)據(jù)集，聚類(lèi)算法必須能自動(dòng)總結(jié)出各個(gè)聚類(lèi)或者簇之間的區(qū)別，根據(jù)某種規(guī)則對(duì)數(shù)據(jù)對(duì)象進(jìn)行聚類(lèi)。

若承認(rèn)破產(chǎn)解除權(quán)的追溯力，側(cè)重于非破產(chǎn)方利益保護(hù)，則與破產(chǎn)企業(yè)財(cái)產(chǎn)保值增值這一破產(chǎn)基本原則相違背。即使從合同法的可預(yù)見(jiàn)原則考慮，合同解除后存在無(wú)法恢復(fù)原狀、其物權(quán)請(qǐng)求權(quán)變?yōu)閭鶛?quán)請(qǐng)求權(quán)的風(fēng)險(xiǎn)，這點(diǎn)守約方在訂立合同時(shí)是可以預(yù)見(jiàn)的，故否定破產(chǎn)解除權(quán)的溯及力并非將利益保護(hù)的天平過(guò)度向破產(chǎn)方傾斜，而是更有利于達(dá)到破產(chǎn)重整中各方利益的平衡。所以，破產(chǎn)解除權(quán)不應(yīng)具有溯及力，待履行合同自管理人行使解除權(quán)之通知到達(dá)相對(duì)方時(shí)終止。但是，若破產(chǎn)解除權(quán)的行使致使合同相對(duì)人的權(quán)益甚至是基本生存權(quán)受到極大的損害，應(yīng)當(dāng)基于公平原則和比例原則予以突破，如消費(fèi)型購(gòu)房合同的相對(duì)人，該問(wèn)題將在下文購(gòu)房相對(duì)人權(quán)益救濟(jì)部分詳細(xì)討論。

關(guān)聯(lián)規(guī)則挖掘算法，主要興趣度指標(biāo)有兩個(gè)：支持度（表示項(xiàng)集{X，Y}在總項(xiàng)集里出現(xiàn)的概率）和置信度（表示在先決條件X發(fā)生的情況下，由關(guān)聯(lián)規(guī)則“X-＞Y”推出Y 的概率，即在含有X的項(xiàng)集中，含有Y 的可能性）。

決策樹(shù)算法，決策樹(shù)算法是一種簡(jiǎn)單但卻廣泛適用的分類(lèi)技術(shù)，通過(guò)一系列規(guī)則對(duì)數(shù)據(jù)進(jìn)行分類(lèi)的過(guò)程。決策樹(shù)學(xué)習(xí)過(guò)程包括特征選擇、決策樹(shù)生長(zhǎng)、剪枝。

回歸分析算法，回歸分析就是對(duì)具有相關(guān)性的變量之間數(shù)量變化的一般關(guān)系進(jìn)行測(cè)定，確定一個(gè)相關(guān)的數(shù)學(xué)表達(dá)式，以便進(jìn)行預(yù)測(cè)的方法。

2.3.2 深度學(xué)習(xí)技術(shù)

機(jī)器學(xué)習(xí)通過(guò)大數(shù)據(jù)可以發(fā)現(xiàn)許多有價(jià)值的規(guī)律，例如失效模式的季節(jié)規(guī)律、地域分布規(guī)律、用戶規(guī)律、產(chǎn)品在不同壽命階段的故障規(guī)律等，進(jìn)行有效的預(yù)測(cè)分析，并且提供相應(yīng)決策支持。數(shù)據(jù)建模涉及對(duì)數(shù)據(jù)的專(zhuān)業(yè)理解、對(duì)數(shù)據(jù)挖掘算法的理解以及算法優(yōu)缺點(diǎn)的取舍，常見(jiàn)的模型包括：自動(dòng)編碼器、限制波爾茲曼機(jī)、深信度網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)等。

3 典型應(yīng)用

數(shù)據(jù)應(yīng)用是實(shí)現(xiàn)數(shù)據(jù)價(jià)值的重要支撐，其主要通過(guò)對(duì)所采集的數(shù)據(jù)進(jìn)行匯聚、整合，構(gòu)建應(yīng)用指標(biāo)，從專(zhuān)業(yè)維度提供應(yīng)用分析能力，通過(guò)分析可以精準(zhǔn)識(shí)別出質(zhì)量問(wèn)題突出原因，并進(jìn)一步定位發(fā)生該問(wèn)題的具體原因，為制定質(zhì)量改進(jìn)措施提供數(shù)據(jù)支持。典型應(yīng)用流程如圖1所示。

流程說(shuō)明：

（1）數(shù)據(jù)準(zhǔn)備：根據(jù)對(duì)質(zhì)量管理現(xiàn)狀的梳理和研究，確定質(zhì)量改進(jìn)目標(biāo)和要求，定義相應(yīng)的評(píng)價(jià)指標(biāo)，確定數(shù)據(jù)采集方式、采集內(nèi)容和頻率，利用技術(shù)能力實(shí)現(xiàn)數(shù)據(jù)的加工處理；

（2）改進(jìn)機(jī)會(huì)識(shí)別：圍繞質(zhì)量業(yè)務(wù)的具體特性，構(gòu)建質(zhì)量改進(jìn)模型，自動(dòng)觸發(fā)質(zhì)量改進(jìn)預(yù)警，根據(jù)質(zhì)量改進(jìn)機(jī)會(huì)的實(shí)際數(shù)據(jù)追溯機(jī)制，進(jìn)一步界定質(zhì)量問(wèn)題的具體原因和責(zé)任方；

（3）質(zhì)量改進(jìn)：通過(guò)人工或者系統(tǒng)自動(dòng)觸發(fā)的方式將質(zhì)量改進(jìn)機(jī)會(huì)推送給相關(guān)責(zé)任方，責(zé)任方制定改進(jìn)措施并執(zhí)行；

（4）效果評(píng)估：定義質(zhì)量改進(jìn)效果評(píng)估指標(biāo)，可通過(guò)時(shí)序、橫向?qū)Ρ鹊榷喾N分析方式，對(duì)比改進(jìn)前后的效果，當(dāng)出現(xiàn)評(píng)估的結(jié)果與實(shí)際有差異時(shí)，進(jìn)一步分析其原因，為質(zhì)量改進(jìn)模型和數(shù)據(jù)準(zhǔn)備提供優(yōu)化建議，最終實(shí)現(xiàn)質(zhì)量改進(jìn)閉環(huán)支撐。

4 結(jié)語(yǔ)

本文運(yùn)用大數(shù)據(jù)技術(shù)帶來(lái)的數(shù)據(jù)資源化整合、數(shù)據(jù)標(biāo)準(zhǔn)化治理、數(shù)據(jù)顯性化挖掘等便利條件，重點(diǎn)研究了如何解決發(fā)揮企業(yè)數(shù)據(jù)價(jià)值，相關(guān)方、部門(mén)之間協(xié)同的產(chǎn)品及服務(wù)持續(xù)改進(jìn)，質(zhì)量、成本、安全、效率、市場(chǎng)等多視角的業(yè)務(wù)統(tǒng)籌等難題，促進(jìn)企業(yè)由傳統(tǒng)的問(wèn)題驅(qū)動(dòng)的被動(dòng)式改進(jìn)轉(zhuǎn)變?yōu)閿?shù)據(jù)模型驅(qū)動(dòng)的主動(dòng)式改進(jìn)。