原文刊载于中国美术学院“商道与艺道”2017论坛专刊。转载请注明出处

本文为《谈品质》一文的下篇，前情提要请见谈品质（上）：品质溯源。

质量大数据

从前文中可以看到，无论是制造还是服务，质量与创新都与数据和统计紧密相关。而随着大数据越来越被大家关注，数据采集方法、数据量都有很大的发展，因此质量和大数据也是紧密相关的。下面我借用宾州大学知名的Dennis Lin教授提到过的一个例子显示数据与我们到底有多么紧密相关：这是一封质量大数据情书。信中写道：  

亲爱的齐：
我们的感情，在组织的亲切关怀下、在领导的过问下，一年来正沿着健康的道路蓬勃发展。这主要表现在：
（一）我们共通信121封，平均3.01天一封。其中你给我的信51封，占42.1%；我给你的信70封，占57.9%。每封信平均1502字，最长的达5215字，最短的也有624字。
（二）约会共98次，平均3.7天一次。其中你主动约我38次，占38.7%；我主动约你60次，占61.3%。每次约会平均3.8小时，最长达6.4小时，最短的也有1.6小时。
（三）我到你家看望你父母38次，平均每9.4天一次，你到我家看望我父母36次，平均10天一次。
以上充分证明一年来的交往我们已形成了恋爱的共识，我们爱情的主流是互相了解、互相关心、互相帮助的，是平等的互利的。

这封情书就是一个现实生活中利用数据的范例，如果情书通篇只谈我有多么爱你，往往是一封空洞的书信。但是如果在情书中加入量化的数据，能够大大增加情书的说服力。但是光靠罗列数字就能称之为大数据吗？虽然他们的通信总数是121封，但或许他们通信的数量是随着时间的增长而逐渐减少的，约会的间隔是逐渐增长的。通过具体图表的形式，我们才可以直观的看到数字所不能呈现的内容。上述的例子说明了现在的大数据环境下，光靠罗列数字是不够的，还需要辅以其他图表、分析，才能真正让大数据“说话”。  

一般而言，我们可以把质量数据分析划分为六个层次： - 第一个阶段是只依靠经验，不考虑数据。很多发展还不错的中小企业实际上并不依赖数据，主要依靠人员的经验来处理生产中遇到的各种问题。这些中小企业往往很难扩大他们的市场，尤其是一旦资深员工退休或者辞职后，企业的质量往往出现大幅度的回撤。 - 第二个阶段是单看数字。正如之前讨论到的情书例子，单看数字并不能够看清楚事情的本质，而如果解释数字不恰当的话，数字往往还会误导管理人员。 - 第三个阶段是开始整合数据，使用图表来解释数据。相比于数字，大部分人对图形更加敏感，如果使用合适的图表来解释数据的话，通常更能解释问题的本质。大部分企业能做到第三个阶段就已经很不错了，但更进一步的是第四个阶段。 - 第四个阶段是加入统计调查的数据，采用描述性的统计量来刻画数据。一个具体的例子是在工厂中主动去调查测量生产线中的良品率、停机率、产出比例等数据，这些数据只是用来描述生产过程的好与坏。 - 第五个阶段是通过具体取样数据，例如如果遇到了若干个不良品，我们主动去测量不良品中的具体质量和特性，而不是通过计数的方式统计良品率，这样采样得到的数据相比于做加法的统计调查数据包含更多的信息量。 - 第六个阶段是利用统计推断，使用置信区间等统计方法来量化质量的好坏。通过统计预测的方法来实现质量的控制和预防不良品的出现等。大部分企业还没有到达第六阶段的层次。  

在以前的生产中，研究人员最困扰的问题往往是缺乏数据。但随着传感器、收集数据方法的进步，现在在企业生产中，大量的测量数据自动的被计算机记录下来，形成了质量大数据。利用质量大数据，我们可以将第六个阶段进一步拓展，即利用实时的数据，持续的使用描述性统计量或可视化工具来展示生产过程中所遇到的各种质量问题。目前有一些高端制造企业已经能够做到实时的采集数据并在显示器上可视化。相比以前离线的采集数据并累计一段时间后才分析数据，目前这些企业已经有了不小的进步。但最好的层面是第八个阶段，即利用实时收集的数据进行统计建模，使用统计推理和预测来帮助企业的决策与质量管理。  

在传感器实时监控下的现代工业生产

随着质量大数据的提出，学术界也在质量大数据中提出新的方法和工具。早期研究人员只能每个小时甚至每天去生产线上测量数据，计算均值和标准差，构建控制图来监控生产流程。但是在大数据时代，研究人员如何依靠自动收集、实时的数据（也称为数据流），提出合适的方法和工具来运用数据监控生产过程，已经逐渐成为研究的热点。另一个与质量大数据有关的研究方向是可靠性和可维护性。在传统数据的背景下，对于一个产品，它的保修期的长短和具体什么时候需要进行保养检测，相关的模型和方法已经十分成熟了。但是在质量大数据的环境下，如何依靠实时的数据来提升产品的可靠性成为了研究挑战。

一个具体的例子是：通用电子公司历史上是把飞机引擎作为企业产品卖给波音公司，但是最近通用电子公司将飞机引擎租给波音公司。在这些引擎上，通用电子设计并安装了很多传感器实时的将引擎工作状况发送到企业总部，通用电子通过这些大数据来准确并实时的为波音公司提供售后和保养服务。这个例子有点类似于疾病的预防。以前的人往往是等到身体出现了异常，才会去医院挂号看病（类似坏机送厂维修）。现在许多人在身体没有异常的情况下，也会定期体检，确保健康（类似对机器定期保养维护）。再进一步，因为穿戴装置的进步与流行，腕上的运动手环会借助实时健康数据的测量、监控、分析，期望做到提前感知身体的健康变化，从而避免疾病的发展与恶化。通用电子也是希望通过质量大数据的应用，提前感知到飞机引擎的工作状态，从而避免飞机引擎出现故障。

通用公司喷气引擎测试场

结语

上面主要通过具体的例子分析了品质和品味的具体关系，品质如果要继续提高，就必须达到品味的高度，方可在竞争激烈的市场中胜出。但要从品质上升到品味的高度，就不能离开创新和创意；而创新和创意又与质量大数据紧密相关。

作为结语，我想引用宗白华（注：宗白华（1897-1986），美学家、哲学家、诗人；被称为“中国现代美学的先行者和开拓者”）先生的《美学散步》中的一段话：  

散步是自由自在，无拘无束的行动，它的弱点是没有计划，没有系统。看重逻辑统一性的人会轻视它，讨厌它，但是西方建立逻辑学的大师亚里士多德的学派却被唤作“散步学派”，可见散步和逻辑并不是绝对不相容的。  

同样的道理，科学的方法、量化跟艺术的品味也一样，他们不是绝不相容的。如果要达到艺术，达到品味的高度，是离不开科学的逻辑、成熟的技术方法相配合的；同理，如果要只追求品质的一致性，而不考虑艺术的品味，质量也很难达到它应该达到的高度。