作为工业4.0的重要组成部分，质量4.0概念比以往任何时候都更加重要。该概念是由欧美等国的质量协会联合提出的，是面向数字化转型和防止企业衰退的举措。在智能化工厂中，信息起着关键作用，而正确的数据管理方法依赖于对应的人员、流程和技术。2022年LNS Research的质量4.0报告发现，越来越多的公司正在寻求数字化转型，目标是找到在节省人工、材料或设备费用方面具有高回报的系统用例。

很多公司在数据分析上投入了大量时间和金钱，但他们往往更注重分析技术，而不注重数据来源。事实上，质量分析作为一项功能，如果能针对不同级别类型的数据采取不同的技术手段，才至关重要。

LNS Research的研究还发现，58%的公司正在部署工业数据分析解决方案，但只有11%的公司实现了业务目标。这里有很多原因，但其中一个主要原因是数据管理。

在这里，我们将重点介绍LNS Research的质量4.0报告中的一些重要发现，包括陈旧的流程带来的挑战，以及工业数据中心可以怎样解决这些难题。

质量管理实践和挑战的实例

当下的质量管理实践并不能自然而然向质量4.0的过渡。高回报率的应用并非垂手可得，往往需要复杂的数据连接和集成能力，而这正是许多公司所缺乏的。这种缺乏给希望通过使用数据提高业务效率的组织带来了挑战。以下是制造业从业者面临的一些挑战，这些挑战阻碍了他们从数据分析中实现具体业务目标。

   基于纸质文档的流程

完全基于纸质流程的坏处一目了然。简单说是过时的，严重说则会对公司业务造成损害。使用物理文档存储数据的效率非常低。它们的信息往往不一致，容易出错，很难相互引用，记录和重新查看这些数据非常耗时。然而调研中差不多四分之一的公司仍在其质量流程中使用纸质文档。

将高质量的数据数字化是具有挑战性的，因为它涉及到流程的转变和数据存储的变化，以及新的思维方式。仅仅因为纸质流程在过去奏效，并不意味着它们永远都会起作用。事实上它们将来几乎肯定会让你失望。

   基于文件的系统

纸质文档并不是质量管理和数据收集效率低下的唯一罪魁祸首：使用电子表格、Word文档、PPT文件和其他基于平面文件的系统也是并非佳选择。之前纸质文档的一些问题也许可以避免，但电子文档也不能在质量审计或检查分析的场景下提供更多有用的信息。

另外，电子文档也不支持质量自动化所需的工作流，而质量4.0的正在迅速打通瓶颈转而拥抱各种先进的质量管理方法。

   IT与关系型数据库

常见的情况是，质量部门通过多个IT系统来管理所需的质量数据。首先，不同系统间会出现效率低下和数据不一致的冗余问题。另外质量管理系统也需要与其它应用程序集成，包括企业级PLM、ERP、SCM、CRM、MES、归档系统以及SPC、LIMS系统等。

这些系统是花时间打造的并且业务部门很熟悉，因此客户会选择继续使用它们。问题是，由于各系统设计时候缺乏统一规划，所以数据的跨系统集成、数据质量和访问限制方面存在各种问题。幸运的是，质量管理系统如ETQ Reliance，可以实现以上场景的系统集成，以丰富产品生命周期所有阶段的质量数据。

工业数据中心

如何为质量4.0打开新机遇

对于致力于改进数据收集和管理的组织来说，工业数据中心方法论使公司能够通过整合维护IT和业务部门所需的单一真实数据来源，有效减轻用户侧的集成工作，并克服传统数据管理的其他挑战。

  功能

LNS质量4.0报告解释了工业数据中心战略如何应对数据管理挑战，并帮助质量4.0团队处理复杂的高回报用例。

报告指出，工业数据中心是复杂的，该中心需要在同一位置上有几个核心功能来有效地收集、存储、调节和治理多种数据类型。这些功能包括：

·协调：同时处理批处理、流处理和间歇性数据；

·同步：整合多种类型的数据以确保随时间推移的一致性；

·条件查询：筛选、过滤、内插和其他数据查询功能；

·语境化：在数据及其元数据之间建立关系；

·持久性：当源数据更改时维护数据间的关系；

·访问权限：以数据使用者需要的格式向他们提供访问权限。

该中心在现有应用程序和数据池之间创建了共生关系，而不是包含自己的任何分析功能。这释放了EQMS和其他系统上更丰富的分析功能，并使企业能够通过基本的可视化工具管理数据质量。

  用例

工业数据中心通过将高质量的IT和OT（运营）数据结合在一起，使制造商能够探索新的用例。IT-OT融合在大多数组织中是一个问题，因为它需要将质量管理和业务执行结合在一起。

数据中心为授权人员在必要的时间内提供数据访问，并且能够适配经过验证的数据治理佳实践，包括将数据的一致性检验尽量推到数据源头。这就确保了数据所有者不局限于数据保管者，而且包括活跃的数据用户。

这些功能应该支持现阶段的质量部门扩展他们的数据分析方法，并允许他们探索复杂的、高收益的用例场景。

应用工业数据中心

解决复杂的质量4.0用例

作为一项功能，质量跨越了不同的业务层次，需要多种类型和格式的数据来执行有意义的分析。这种复杂性远远超出了传统质量数据管理流程所能处理的范围。因此，需要一种数据中心方法来克服当下的挑战，并使质量能够追求质量4.0用例，从而大化ROI。

工业数据中心的好处包括释放大数据分析的力量，以便从产品生命周期的所有阶段获得与环境相关的质量数据。数据中心旨在为所有IT和OT(运营)系统提供单一的真理来源。在IT方面，数据中心允许质量工程师对制造、质量、供应商和客户信息执行分析，以减少供应商缺陷、维护费用等。在OT方面，数据中心允许使用这样的数据用例：如操作员的动态工作指令，以及将SPC数据与其他数据点关联以获得洞察的能力。

工业数据中心的存在并不是为了取代数据管理系统：它们从不同的来源收集和聚合数据，并为其它应用程序使用这些数据做好准备。这种变化需要在底层流程中进行深度转换，并需要必要的人员和流程能力的支持。此外，数据池的建立也需要参考严格的数据治理流程来实现回报大化。