论文部分内容阅读
大数据时代的到来，为企业质量管理工作带来新的发展契机。面对卷烟行业激烈的竞争格局，立足产品质量把关，用好大数据这一当下最有力的工具，对提高企业质量管理水平，提升品牌竞争力有重要意义。
在大数据时代的背景下，互联网行业飞速发展，提出了“数据是企业最宝贵的财富”的观点。伴随数字化转型的浪潮，这一理念开始深入到企业日常生产工作中，为质量管理工作带来新的发展契机。
一般认为，大数据有四个重要特征（4V特征）：数据规模大（Volume）、种类繁多（Variety）、处理速度快（Velocity）、价值密度低（Value）。卷烟工业企业的生产过程中，时时刻刻、源源不断地产生的质量数据，从数据体量上看，企业数据规模似乎已进入大数据的范畴。
然而，卷烟工业企业的生产经营业态与互联网行业截然不同，如何把握正确的技术方向，用好企业的数据财富？针对这一问题，我们不妨回溯到大数据的本质，探寻大数据技术诞生的“初心”。牛津大学教授迈尔·舍恩伯格在《大数据时代》中指出，大数据时代的思维变革，首先是“更多”：大数据获取的不是随机样本，而是所有数据，即“样本=总体”的“全数据”模式。“全数据”是人们追求确定性世界的一种理想，大数据技术正因这一理想而诞生、发展。
然而，结合大数据的特征，我们会发现当前卷烟工业生产过程中采集的质量数据，远不是生产过程的“全数据”。当前企业采集的质量数据，距离真实地还原当时整个生产过程有着相当大的差距。因此，我们需要以“全数据”为导向，结合现有技术手段，在更大的时空维度上充分采集质量数据，建立有效的数据分析、挖掘、反馈机制，实现传统质量管理的价值转型突破。
一、全面覆盖，充分利用质量数据的时空多样性
一直以来，工业企业的质量管理主要依赖抽样调查方法，通过统计过程控制（SPC）评估生产过程是否正常。然而，这种抽样形式决定了“样本总体”，在有限人力资源的投入下，车间一线的质量管理无法实现对生产环境空间、时间的全面覆盖，不可避免地存在漏检风险。
质量是品牌建设的基石。新工艺、新产品是卷烟品牌进一步寻求突破的契机。在品牌成长最吃劲的阶段，消除生产过程的质量管理盲点，最大程度阻止瑕疵品流入市场，树立良好的品牌形象已成当务之急。可喜的是，随着信息技术的发展，我们能看到“全数据”在质量管理中大显神通的曙光。
首先，要建立空间维度上非结构化数据的数据采集能力。非结构化数据是大数据多样性特征的重要组成部分，是没有预定义的数据模型，不适合用数据库二维逻辑表来表现的数据，如文档、报表、图像和音频视频信息等。在生产线上，外观缺陷产品往往呈现明显的视觉特征，如果我们能够部署覆盖全生产线的实时视频监控，利用工业相机的高速采集能力，依托当前较为成熟的无线网络和5G技术，完整采集、传输、存储这些生产过程的非结构化数据，进而从中发现特征数据，就能做到空间覆盖的“全”。
其次，要引入时间维度上人工智能算法的实时分析能力。隨着计算机视觉技术的发展，目标检测领域RCNN和YoloV3算法族日渐成熟，模型泛化效果稳定，无论是追求检测精度或兼具检测精度与速度的场景，都能针对性地提供相应的解决方案，已具备工业化推广的基础。在纺织、白酒、建材等行业的智能质量管理实践中，瑕疵检测技术已较为成熟，能够在这些行业上落地应用，效果达到甚至超越人类水平，更产生了显著的经济价值。这些成功的理论研究和产业实践证明，人工智能技术目前足以胜任复杂生产环境下，连续不间断的实时在线质检，做到时间覆盖的“全”。
最后，要打造完整的联动告警和异常处置机制。随着5G、物联网等新兴技术的发展，非结构化数据的传输和处理时间大幅缩短，实时检测、即时告警、设备联动已成为可能。当前主流的人工智能目标检测模型能够支持各种场景下的部署，如服务端部署、边缘端部署、移动端部署等，并提供API接口给客户端调用检测结果。我们可以解析算法模型的检测结果，结合工控系统构建即时联动机制，产品质量管理将实现由事后补救向事中控制、事前预防的转变，进而掌握主动，做到流程覆盖的“全”。
二、赋能一线，推动质量管理工作持续进化
英国数学家托马斯·克伦普在《数字人类学》一书中指出，数据的本质是人，数据的价值在于服务人类社会。为生产一线赋能，通过科技手段为生产过程质量管理服务，正是面向“全数据”的质量管理探索的价值体现。
首先，要以降本增效为导向，撬动技术转化为生产力的杠杆。“高、精、尖”是很多传统的质量检测仪器的特点，检测精度高、价格昂贵、维护困难，极大地限制着企业质量管理工作。新技术向生产力的转化，如果总是需要以高昂的成本为代价，必然举步维艰。而在大数据技术发展历程中，大规模部署普通服务器获得商业成功经验，带给人们新的启示：“一切质量问题，本质都是数量问题”。如果我们要加强车间杂物管控的能力，沿着现有生产线部署几十个高清智能摄像机，其性价必将远胜过采购动辄百万美元的除杂机。
其次，要以沉淀数据为基础，建立完整的数据标注机制。人工智能技术是大数据“喂”出来的。然而，只有按照特定规范整理和标注的数据，送入人工智能系统才能有效“学习”。数据标注的体量和准确性，直接决定了人工智能系统能否胜任赋能一线的使命。数据规模越大、标注数据越多，智能应用的检测结果就越准确、效率越高。相关统计资料显示，2019年国内数据标注行业市场规模为30.9亿元，未来几年的平均年增长为21.8%，预计到2025年，国内数据标注市场规模将突破113亿元，充分证明了数据标注的重要性。因此，企业需要建立数据标注流程，对数据采集、加工、应用过程进行规范，这些沉淀下来的标注数据才能形成数据资产，助力企业在生产力竞争中取得优势。
最后，要以能力建设为支撑，形成数据应用的良性循环。缺少自主能力的建设，没有强大人才队伍作后盾，质量管理工作的创新就是无源之水、无本之木。面向“全数据”的分析方法，较之传统的样本数据归纳存在较大差异;人工智能是自然学科和社会学科的交叉学科，技术学习路线陡峭，同时还需要较强的综合认知力。企业只有构建起掌握新技术原理、方法的内部人才梯队，洞悉数据应用的发展脉络，结合对企业生产经营活动的深入理解，才能总结出切实符合企业质量管理需求的场景，让新技术在一线生产中有所作为，形成良性循环，推动企业质量管理工作的进化。 三、关注反馈，向创造增值的质量管理转型
反馈迭代、价值导向是互联网行业依托大数据技术飞速发展的秘诀。传统的质量管理更关注缺陷管理，在标准化的流程中，每一个工序的质量管理过程到呈现给消费者产品的转化链路非常漫长。由于卷烟快速消费品的特点与烟草行业的特殊性，获取消费者对产品的真实反馈一直以来都是行业难题，如果能在产品生命周期的“全数据”利用上实现突破，既是质量管理由成本中心向价值转化的契机，更将助力卷烟品牌再上新台阶。
首先，要建立全面的消费者评价采集机制。在电子商务领域，商品的评论区不仅是潜在客户购买商品的重要依据，基于商品评论的分析结果，更是新品研发、爆款识别的重要依据。长期以来，烟草制品的消费者评价数据非常有限，面向消费者的质量管理多为投诉处理，如果我们能从企业全局出发，加强质量管理顶层设计，将产品质量管理与精益营销建设相结合，合理地前置消费者评价机制，广泛收集消费者关于包装、吸味、营销活动的真实评价，并进行针对性分析研究，无疑将帮助品牌在市场拓展与行业竞争中把握先机。
其次，要形成贯穿产品全生命周期的质量文化。随着消费者评价数据的持续收集，产品全生命周期质量管理的PDCA循环将得到持续迭代升级，企业需要形成与之相适应的质量管理文化。质量价值的创造过程不是孤立的节点，需要企业上下一致，从更全面的角度对产品质量进行思考：设计、研发、供应、生产、仓储、销售，在产品质量的全生命周期管理中，人人有责。
最后，要开展以产品增值为导向的质量管理探索。长期从事质量管理研究的美国质量协会研究院专家妮可·拉齐维尔指出，我们现今处在质量4.0的起点——“质量即探索”阶段。由于新技术的出现，我们处于一个新的前沿趋势中，探索的过程往往是曲折的。在这个适应性强、智能化的环境中，唯有始終以为价值增值为导向，才能用好价值密度并不高的“全数据”，持续不断地为企业创造财富。
四、结语
技术进步为提升企业质量管理水平开辟了新的道路。如果说，面向“全数据”是通过技术手段填补了传统质量管理工作“力所不及”的空白，那么，探索质量管理的价值驱动转型之路更进一步诠释了质量的定义。面对行业激烈的竞争格局，用好大数据这一当下最有力的工具，提升企业质量管理水平，必将为卷烟品牌建设增添新的动力。
（作者单位：福建中烟工业有限责任公司）
在大数据时代的背景下，互联网行业飞速发展，提出了“数据是企业最宝贵的财富”的观点。伴随数字化转型的浪潮，这一理念开始深入到企业日常生产工作中，为质量管理工作带来新的发展契机。
一般认为，大数据有四个重要特征（4V特征）：数据规模大（Volume）、种类繁多（Variety）、处理速度快（Velocity）、价值密度低（Value）。卷烟工业企业的生产过程中，时时刻刻、源源不断地产生的质量数据，从数据体量上看，企业数据规模似乎已进入大数据的范畴。
然而，卷烟工业企业的生产经营业态与互联网行业截然不同，如何把握正确的技术方向，用好企业的数据财富？针对这一问题，我们不妨回溯到大数据的本质，探寻大数据技术诞生的“初心”。牛津大学教授迈尔·舍恩伯格在《大数据时代》中指出，大数据时代的思维变革，首先是“更多”：大数据获取的不是随机样本，而是所有数据，即“样本=总体”的“全数据”模式。“全数据”是人们追求确定性世界的一种理想，大数据技术正因这一理想而诞生、发展。
然而，结合大数据的特征，我们会发现当前卷烟工业生产过程中采集的质量数据，远不是生产过程的“全数据”。当前企业采集的质量数据，距离真实地还原当时整个生产过程有着相当大的差距。因此，我们需要以“全数据”为导向，结合现有技术手段，在更大的时空维度上充分采集质量数据，建立有效的数据分析、挖掘、反馈机制，实现传统质量管理的价值转型突破。
一、全面覆盖，充分利用质量数据的时空多样性
一直以来，工业企业的质量管理主要依赖抽样调查方法，通过统计过程控制（SPC）评估生产过程是否正常。然而，这种抽样形式决定了“样本总体”，在有限人力资源的投入下，车间一线的质量管理无法实现对生产环境空间、时间的全面覆盖，不可避免地存在漏检风险。
质量是品牌建设的基石。新工艺、新产品是卷烟品牌进一步寻求突破的契机。在品牌成长最吃劲的阶段，消除生产过程的质量管理盲点，最大程度阻止瑕疵品流入市场，树立良好的品牌形象已成当务之急。可喜的是，随着信息技术的发展，我们能看到“全数据”在质量管理中大显神通的曙光。
首先，要建立空间维度上非结构化数据的数据采集能力。非结构化数据是大数据多样性特征的重要组成部分，是没有预定义的数据模型，不适合用数据库二维逻辑表来表现的数据，如文档、报表、图像和音频视频信息等。在生产线上，外观缺陷产品往往呈现明显的视觉特征，如果我们能够部署覆盖全生产线的实时视频监控，利用工业相机的高速采集能力，依托当前较为成熟的无线网络和5G技术，完整采集、传输、存储这些生产过程的非结构化数据，进而从中发现特征数据，就能做到空间覆盖的“全”。
其次，要引入时间维度上人工智能算法的实时分析能力。隨着计算机视觉技术的发展，目标检测领域RCNN和YoloV3算法族日渐成熟，模型泛化效果稳定，无论是追求检测精度或兼具检测精度与速度的场景，都能针对性地提供相应的解决方案，已具备工业化推广的基础。在纺织、白酒、建材等行业的智能质量管理实践中，瑕疵检测技术已较为成熟，能够在这些行业上落地应用，效果达到甚至超越人类水平，更产生了显著的经济价值。这些成功的理论研究和产业实践证明，人工智能技术目前足以胜任复杂生产环境下，连续不间断的实时在线质检，做到时间覆盖的“全”。
最后，要打造完整的联动告警和异常处置机制。随着5G、物联网等新兴技术的发展，非结构化数据的传输和处理时间大幅缩短，实时检测、即时告警、设备联动已成为可能。当前主流的人工智能目标检测模型能够支持各种场景下的部署，如服务端部署、边缘端部署、移动端部署等，并提供API接口给客户端调用检测结果。我们可以解析算法模型的检测结果，结合工控系统构建即时联动机制，产品质量管理将实现由事后补救向事中控制、事前预防的转变，进而掌握主动，做到流程覆盖的“全”。
二、赋能一线，推动质量管理工作持续进化
英国数学家托马斯·克伦普在《数字人类学》一书中指出，数据的本质是人，数据的价值在于服务人类社会。为生产一线赋能，通过科技手段为生产过程质量管理服务，正是面向“全数据”的质量管理探索的价值体现。
首先，要以降本增效为导向，撬动技术转化为生产力的杠杆。“高、精、尖”是很多传统的质量检测仪器的特点，检测精度高、价格昂贵、维护困难，极大地限制着企业质量管理工作。新技术向生产力的转化，如果总是需要以高昂的成本为代价，必然举步维艰。而在大数据技术发展历程中，大规模部署普通服务器获得商业成功经验，带给人们新的启示：“一切质量问题，本质都是数量问题”。如果我们要加强车间杂物管控的能力，沿着现有生产线部署几十个高清智能摄像机，其性价必将远胜过采购动辄百万美元的除杂机。
其次，要以沉淀数据为基础，建立完整的数据标注机制。人工智能技术是大数据“喂”出来的。然而，只有按照特定规范整理和标注的数据，送入人工智能系统才能有效“学习”。数据标注的体量和准确性，直接决定了人工智能系统能否胜任赋能一线的使命。数据规模越大、标注数据越多，智能应用的检测结果就越准确、效率越高。相关统计资料显示，2019年国内数据标注行业市场规模为30.9亿元，未来几年的平均年增长为21.8%，预计到2025年，国内数据标注市场规模将突破113亿元，充分证明了数据标注的重要性。因此，企业需要建立数据标注流程，对数据采集、加工、应用过程进行规范，这些沉淀下来的标注数据才能形成数据资产，助力企业在生产力竞争中取得优势。
最后，要以能力建设为支撑，形成数据应用的良性循环。缺少自主能力的建设，没有强大人才队伍作后盾，质量管理工作的创新就是无源之水、无本之木。面向“全数据”的分析方法，较之传统的样本数据归纳存在较大差异;人工智能是自然学科和社会学科的交叉学科，技术学习路线陡峭，同时还需要较强的综合认知力。企业只有构建起掌握新技术原理、方法的内部人才梯队，洞悉数据应用的发展脉络，结合对企业生产经营活动的深入理解，才能总结出切实符合企业质量管理需求的场景，让新技术在一线生产中有所作为，形成良性循环，推动企业质量管理工作的进化。 三、关注反馈，向创造增值的质量管理转型
反馈迭代、价值导向是互联网行业依托大数据技术飞速发展的秘诀。传统的质量管理更关注缺陷管理，在标准化的流程中，每一个工序的质量管理过程到呈现给消费者产品的转化链路非常漫长。由于卷烟快速消费品的特点与烟草行业的特殊性，获取消费者对产品的真实反馈一直以来都是行业难题，如果能在产品生命周期的“全数据”利用上实现突破，既是质量管理由成本中心向价值转化的契机，更将助力卷烟品牌再上新台阶。
首先，要建立全面的消费者评价采集机制。在电子商务领域，商品的评论区不仅是潜在客户购买商品的重要依据，基于商品评论的分析结果，更是新品研发、爆款识别的重要依据。长期以来，烟草制品的消费者评价数据非常有限，面向消费者的质量管理多为投诉处理，如果我们能从企业全局出发，加强质量管理顶层设计，将产品质量管理与精益营销建设相结合，合理地前置消费者评价机制，广泛收集消费者关于包装、吸味、营销活动的真实评价，并进行针对性分析研究，无疑将帮助品牌在市场拓展与行业竞争中把握先机。
其次，要形成贯穿产品全生命周期的质量文化。随着消费者评价数据的持续收集，产品全生命周期质量管理的PDCA循环将得到持续迭代升级，企业需要形成与之相适应的质量管理文化。质量价值的创造过程不是孤立的节点，需要企业上下一致，从更全面的角度对产品质量进行思考：设计、研发、供应、生产、仓储、销售，在产品质量的全生命周期管理中，人人有责。
最后，要开展以产品增值为导向的质量管理探索。长期从事质量管理研究的美国质量协会研究院专家妮可·拉齐维尔指出，我们现今处在质量4.0的起点——“质量即探索”阶段。由于新技术的出现，我们处于一个新的前沿趋势中，探索的过程往往是曲折的。在这个适应性强、智能化的环境中，唯有始終以为价值增值为导向，才能用好价值密度并不高的“全数据”，持续不断地为企业创造财富。
四、结语
技术进步为提升企业质量管理水平开辟了新的道路。如果说，面向“全数据”是通过技术手段填补了传统质量管理工作“力所不及”的空白，那么，探索质量管理的价值驱动转型之路更进一步诠释了质量的定义。面对行业激烈的竞争格局，用好大数据这一当下最有力的工具，提升企业质量管理水平，必将为卷烟品牌建设增添新的动力。
（作者单位：福建中烟工业有限责任公司）