面向“全數據”，探索價值驅動轉型之路

顧茜 馮明輝

大數據時代的到來，為企業質量管理工作帶來新的發展契機。面對卷煙行業激烈的競爭格局，立足產品質量把關，用好大數據這一當下最有力的工具，對提高企業質量管理水平，提升品牌競爭力有重要意義。

在大數據時代的背景下，互聯網行業飛速發展，提出了“數據是企業最寶貴的財富”的觀點。伴隨數字化轉型的浪潮，這一理念開始深入到企業日常生產工作中，為質量管理工作帶來新的發展契機。

一般認為，大數據有四個重要特征（4V特征）：數據規模大（Volume）、種類繁多（Variety）、處理速度快（Velocity）、價值密度低（Value）。卷煙工業企業的生產過程中，時時刻刻、源源不斷地產生的質量數據，從數據體量上看，企業數據規模似乎已進入大數據的范疇。

然而，卷煙工業企業的生產經營業態與互聯網行業截然不同，如何把握正確的技術方向，用好企業的數據財富？針對這一問題，我們不妨回溯到大數據的本質，探尋大數據技術誕生的“初心”。牛津大學教授邁爾·舍恩伯格在《大數據時代》中指出，大數據時代的思維變革，首先是“更多”：大數據獲取的不是隨機樣本，而是所有數據，即“樣本=總體”的“全數據”模式。“全數據”是人們追求確定性世界的一種理想，大數據技術正因這一理想而誕生、發展。

然而，結合大數據的特征，我們會發現當前卷煙工業生產過程中采集的質量數據，遠不是生產過程的“全數據”。當前企業采集的質量數據，距離真實地還原當時整個生產過程有著相當大的差距。因此，我們需要以“全數據”為導向，結合現有技術手段，在更大的時空維度上充分采集質量數據，建立有效的數據分析、挖掘、反饋機制，實現傳統質量管理的價值轉型突破。

一、全面覆蓋，充分利用質量數據的時空多樣性

一直以來，工業企業的質量管理主要依賴抽樣調查方法，通過統計過程控制（SPC）評估生產過程是否正常。然而，這種抽樣形式決定了“樣本總體”，在有限人力資源的投入下，車間一線的質量管理無法實現對生產環境空間、時間的全面覆蓋，不可避免地存在漏檢風險。

質量是品牌建設的基石。新工藝、新產品是卷煙品牌進一步尋求突破的契機。在品牌成長最吃勁的階段，消除生產過程的質量管理盲點，最大程度阻止瑕疵品流入市場，樹立良好的品牌形象已成當務之急。可喜的是，隨著信息技術的發展，我們能看到“全數據”在質量管理中大顯神通的曙光。

首先，要建立空間維度上非結構化數據的數據采集能力。非結構化數據是大數據多樣性特征的重要組成部分，是沒有預定義的數據模型，不適合用數據庫二維邏輯表來表現的數據，如文檔、報表、圖像和音頻視頻信息等。在生產線上，外觀缺陷產品往往呈現明顯的視覺特征，如果我們能夠部署覆蓋全生產線的實時視頻監控，利用工業相機的高速采集能力，依托當前較為成熟的無線網絡和5G技術，完整采集、傳輸、存儲這些生產過程的非結構化數據，進而從中發現特征數據，就能做到空間覆蓋的“全”。

其次，要引入時間維度上人工智能算法的實時分析能力。隨著計算機視覺技術的發展，目標檢測領域RCNN和YoloV3算法族日漸成熟，模型泛化效果穩定，無論是追求檢測精度或兼具檢測精度與速度的場景，都能針對性地提供相應的解決方案，已具備工業化推廣的基礎。在紡織、白酒、建材等行業的智能質量管理實踐中，瑕疵檢測技術已較為成熟，能夠在這些行業上落地應用，效果達到甚至超越人類水平，更產生了顯著的經濟價值。這些成功的理論研究和產業實踐證明，人工智能技術目前足以勝任復雜生產環境下，連續不間斷的實時在線質檢，做到時間覆蓋的“全”。

最后，要打造完整的聯動告警和異常處置機制。隨著5G、物聯網等新興技術的發展，非結構化數據的傳輸和處理時間大幅縮短，實時檢測、即時告警、設備聯動已成為可能。當前主流的人工智能目標檢測模型能夠支持各種場景下的部署，如服務端部署、邊緣端部署、移動端部署等，并提供API接口給客戶端調用檢測結果。我們可以解析算法模型的檢測結果，結合工控系統構建即時聯動機制，產品質量管理將實現由事后補救向事中控制、事前預防的轉變，進而掌握主動，做到流程覆蓋的“全”。

二、賦能一線，推動質量管理工作持續進化

英國數學家托馬斯·克倫普在《數字人類學》一書中指出，數據的本質是人，數據的價值在于服務人類社會。為生產一線賦能，通過科技手段為生產過程質量管理服務，正是面向“全數據”的質量管理探索的價值體現。

首先，要以降本增效為導向，撬動技術轉化為生產力的杠桿。“高、精、尖”是很多傳統的質量檢測儀器的特點，檢測精度高、價格昂貴、維護困難，極大地限制著企業質量管理工作。新技術向生產力的轉化，如果總是需要以高昂的成本為代價，必然舉步維艱。而在大數據技術發展歷程中，大規模部署普通服務器獲得商業成功經驗，帶給人們新的啟示：“一切質量問題，本質都是數量問題”。如果我們要加強車間雜物管控的能力，沿著現有生產線部署幾十個高清智能攝像機，其性價必將遠勝過采購動輒百萬美元的除雜機。

其次，要以沉淀數據為基礎，建立完整的數據標注機制。人工智能技術是大數據“喂”出來的。然而，只有按照特定規范整理和標注的數據，送入人工智能系統才能有效“學習”。數據標注的體量和準確性，直接決定了人工智能系統能否勝任賦能一線的使命。數據規模越大、標注數據越多，智能應用的檢測結果就越準確、效率越高。相關統計資料顯示，2019年國內數據標注行業市場規模為30.9億元，未來幾年的平均年增長為21.8%，預計到2025年，國內數據標注市場規模將突破113億元，充分證明了數據標注的重要性。因此，企業需要建立數據標注流程，對數據采集、加工、應用過程進行規范，這些沉淀下來的標注數據才能形成數據資產，助力企業在生產力競爭中取得優勢。

最后，要以能力建設為支撐，形成數據應用的良性循環。缺少自主能力的建設，沒有強大人才隊伍作后盾，質量管理工作的創新就是無源之水、無本之木。面向“全數據”的分析方法，較之傳統的樣本數據歸納存在較大差異;人工智能是自然學科和社會學科的交叉學科，技術學習路線陡峭，同時還需要較強的綜合認知力。企業只有構建起掌握新技術原理、方法的內部人才梯隊，洞悉數據應用的發展脈絡，結合對企業生產經營活動的深入理解，才能總結出切實符合企業質量管理需求的場景，讓新技術在一線生產中有所作為，形成良性循環，推動企業質量管理工作的進化。

三、關注反饋，向創造增值的質量管理轉型

反饋迭代、價值導向是互聯網行業依托大數據技術飛速發展的秘訣。傳統的質量管理更關注缺陷管理，在標準化的流程中，每一個工序的質量管理過程到呈現給消費者產品的轉化鏈路非常漫長。由于卷煙快速消費品的特點與煙草行業的特殊性，獲取消費者對產品的真實反饋一直以來都是行業難題，如果能在產品生命周期的“全數據”利用上實現突破，既是質量管理由成本中心向價值轉化的契機，更將助力卷煙品牌再上新臺階。

首先，要建立全面的消費者評價采集機制。在電子商務領域，商品的評論區不僅是潛在客戶購買商品的重要依據，基于商品評論的分析結果，更是新品研發、爆款識別的重要依據。長期以來，煙草制品的消費者評價數據非常有限，面向消費者的質量管理多為投訴處理，如果我們能從企業全局出發，加強質量管理頂層設計，將產品質量管理與精益營銷建設相結合，合理地前置消費者評價機制，廣泛收集消費者關于包裝、吸味、營銷活動的真實評價，并進行針對性分析研究，無疑將幫助品牌在市場拓展與行業競爭中把握先機。

其次，要形成貫穿產品全生命周期的質量文化。隨著消費者評價數據的持續收集，產品全生命周期質量管理的PDCA循環將得到持續迭代升級，企業需要形成與之相適應的質量管理文化。質量價值的創造過程不是孤立的節點，需要企業上下一致，從更全面的角度對產品質量進行思考：設計、研發、供應、生產、倉儲、銷售，在產品質量的全生命周期管理中，人人有責。

最后，要開展以產品增值為導向的質量管理探索。長期從事質量管理研究的美國質量協會研究院專家妮可·拉齊維爾指出，我們現今處在質量4.0的起點——“質量即探索”階段。由于新技術的出現，我們處于一個新的前沿趨勢中，探索的過程往往是曲折的。在這個適應性強、智能化的環境中，唯有始終以為價值增值為導向，才能用好價值密度并不高的“全數據”，持續不斷地為企業創造財富。

四、結語

技術進步為提升企業質量管理水平開辟了新的道路。如果說，面向“全數據”是通過技術手段填補了傳統質量管理工作“力所不及”的空白，那么，探索質量管理的價值驅動轉型之路更進一步詮釋了質量的定義。面對行業激烈的競爭格局，用好大數據這一當下最有力的工具，提升企業質量管理水平，必將為卷煙品牌建設增添新的動力。

（作者單位：福建中煙工業有限責任公司）