工信部发布《质量大数据白皮书》

制造业是立国之本、强国之基、大国经济的“压舱石”，增强制造业质量优势对于推动产业链中高端跃升、构建新发展格局、加速经济高质量发展具有重要意义。

以大数据为代表的新一代信息技术与质量管理深度融合产生质量大数据，不断提升制造业全要素、全价值链、全产业链质量管理活动数字化、网络化、智能化水平，加速制造业的数字化转型。为发挥大数据等新一代信息技术对质量提升的基础支撑作用，助力制造业高质量发展，工业装备质量大数据工业和信息化部重点实验室联合工业和信息化部电子第五研究所赛宝智库组织相关单位编写了《质量大数据白皮书》。

白皮书围绕质量大数据的边界内涵、架构体系、资源建设、实施路径、发展趋势和实践案例等方面进行研究。白皮书给出质量大数据参考架构统领全文，包括数据视角、技术视角和业务视角三大视角，其中数据资源是价值起点，技术支撑是工具，业务落地是目标，数据、技术、业务三个视角统筹推动质量大数据的建设。

　　 质量大数据与工业互联网的关系

从实际工业系统来看，工业设备的状态、工艺数据、产品数据、反馈调整操作等数据是作为质量大数据的不同要素进行融合分析的，而工业互联网是将这些数据进行网络化管理的系统。

　　 质量大数据与数字孪生的关系

工业场景中为了更好地研究设备运行和产品加工的具体内部应力、形变、损伤、振动等多种难以观察的质量数据，常用工业数字孪生技术将工业实体模型与其物理特性数据相结合，通过各类孪生算法模型，完成物理实体的数字空间映射。

　　 质量大数据与工业大数据的关系

对企业来说，一个底层数据源如设备的工况数据可能被用于支持多个业务应用领域，因此质量大数据和其他工业大数据常常存在多种交叉。

　　 质量大数据与人工智能的关系

质量大数据的要素维度高、类型多样但样本偏少，这些特点也促发了人工智能的很多新课题，例如小样本学习、多模态学习、联邦学习等。

　　 质量大数据与区块链的关系

区块链可以作为质量追溯的支撑技术，实现产业链不同企业间的产品标识的链接机制，也为产业链的质量协同优化和联邦学习典型技术基础。

　　 从数据维来看，质量大数据可从数据源、资源体系和治理体系的层次进行划分。

• 数据来源： 数据来源的分析和管理是工业质量大数据的基础，是实施质量大数据的第一步。数据源包括产品设计、生产制造、售后、回收产品全生命周期质量数据和供应生态质量数据。

• 资源体系： 从不同粒度来看，质量数据资源体系包括企业资源体系、产业资源体系。企业资源体系是以企业自身为核心，注重企业内部质量数据的采集与存储，基于企业产品生命周期质量管控需求，集成企业内部不同来源质量数据，构建企业质量数据资源，实现基于企业质量数据资源的跨部门协作、数据共享等。

• 数据治理： 数据质量管理是质量大数据治理的核心，数据治理可分为基于数据标准、按需治理两大类别，数据治理标准、治理工具、数据质量指标是治理的核心要素。从顶层数据治理制度、标准与规范到基于平台数据治理实施，保障数据质量，以数据推动数字化质量管理，打破数据孤岛、确保源头数据准确、促进数据共享、保障数据隐私与安全。

PPT相关解读：

具体内容如下

责任编辑：蔺弦弦