企业质量大数据的应用 目前我国制造企业已逐步实现生产自动化,管理信息化，正在向着制造智能化迈进，需要重视数据价值，懂得数据使用。企业要从质量入手,建立质量数据中心，以此进行全过程质量数据分析，让企业从信息系统中使用数据，挖掘数据的价值。建立“互联网+”的企业大数据平台，是企业通往智能制造的必经之路。 在新的市场条件下，企业能否取得经济效益，能否在激烈的市场竞争中立于不败之地，满足不同用户的需求,提高产品质量是其中的关键所在.为了有效的降低生产成本、提高产品质量，企业不但要在生产装备能力、生产工艺技术、生产过程控制等方面做大量工作，还需要科学的建立一体化质量管理体系，从全局角度了解产品在所有生产过程中的质量情况将以前只关注结果转变为既关注结果也关注过程,通过追溯生产过程来优化生产工艺，从而将质量管理形成闭环网络。钢铁生产是一个连续、高温、长流程、跨工序的生产过程，其产品及中间产品的质量不仅取决于工序过程质量，而且与前道甚至更前的工序有关，因而在整个生产过程中各工序原料质量情况、过程操作参数的取值、设备运行状态、操作和检验人员的经验及其工作状态直接决定了产品及中间产品的质量.通过收集各工序影响产品质量的关键参数,形成质量大数据，及时、准确掌握各工序在制品的质量情况，将传统的结果型质量管理模式变为事前预测的过程型质量管理模式。为此，构建企业的质量数据中心势在必行.1 质量数据中心 构建企业的质量数据中心,首先收集与质量相关的数据，其中包含来自于自动化系统的生产过程数据、来自于表面检测系统的缺陷数据及部分缺陷图片、来自于设备系统的设备状态数据、来自于检化验系统的检验数据、来自于 ERP 系统或 MES 系统的生产标准数据、来自于销售系统或 ERP 系统的质量异议数据、来自于点检系统或人工的点检数据、来自于各个系统记录的操作数据等等。这些数据之间的采集频次差别很多，有毫秒级别的数据，有每天记录一次的数据，而且钢铁制造的工序长，从炼钢的板坯到热轧、冷轧，数据之间并不是一一对应的关系，因此，简单的把数据收集起来并不能建立数据中心,要建立数据中心，必须进行数据的重新组织。1.1 大数据的技术应用 在质量数据中心的建设中,使用业界流行的大数据技术-—HADOOP 技术进行海量明细数据的存储，解决了以前数据存储速度慢、实时性低的特点。采纳大数据技术进行分析相比于传统的数据仓库应用，具有数据量大、查询分析复杂等特点...
