“十一年，蔺令肖狈、下库工师臤石、冶人参所铸钴户者”在距今2,000多年历史的春秋战国时期出土文物蔺令赵狈矛(十一年蔺令矛)上，赫然刻着令（主持者）、工师（监造者）、冶人（制作者）的名字，这便是《礼记·月令》记载的“物勒工名”制度，用于器具出现问题后，对制作匠人进行追溯、追责，充分体现了我国古代工匠对质量的严格要求。

在时隔千年的数字经济时代，质量仍然是制造企业的核心竞争力。不同的是，随着新一代信息技术、工业自动化、新材料等重要领域和前沿方向的交叉融合，对于产品质量的检测和追溯方式正发生着翻天覆地的变化。机器视觉、人工智能等更多创新方法正在不断涌现，被企业汲取实践。检测手段的不断进化，也促使检测数据量迎来了爆发式的增长。如何“存、管、用”好这些数据，使其释放价值，不仅成为企业提升产品质量的重要手段，更是降本增效、实现高质量发展的核心引擎。

在过去的一个多世纪中，企业的质量管理经历了产品质量检验、统计质量控制、全面质量管理三个阶段，用以避免生产过程中的各种质量问题，帮助企业生产出符合市场需求的产品。

以质量检测环节为例，传统的产品质量检测主要采用人工目视检测，劳动强度大、检测稳定性及一致性差、效率低；质检和量测环节占生产时间的40%左右，质检效率直接影响企业订单增长。技术发展下，领先的制造企业开始投入大量自动化检验设备，如AOI、X-Ray、CCD等机器视觉检测设备，以机器模拟人眼进行观察和判断，实现自动化检测，提高检测的速度与精确度。经过升级改造，AI检测设备以其状态稳定、准确度高、检测速度快的优势得到了广泛应用。IDC预计，2022-2026年中国工业AI质检（含硬件）复合增速为 33%，到2026年工业AI质检整体市场（含硬件）将达到13.35亿美元。

工业AI质检的快速发展，带来了海量的产线检测数据，以工业机器视觉检测数据为切入点，成为企业提升质量管控能力的重要手段。在高精度摄像头和图形处理算法的作用下，企业可以实时获取反映产品尺寸、外观、是否为不良品及缺陷部位等多个维度的检测数据，大幅度提升了检测的准确性和效率。更重要的是，通过AI构建基于检测数据的缺陷模型，对缺陷的类型、特征的识别等进行分析，可以为企业业务流程优化和工艺再造提供支持，实现全面的质量管理。

今年9月工信部印发的《智能制造典型场景参考指引（2024年版）》提出，面向质量数据管理、质量问题追溯、质量优化等业务活动，针对质量数据不完整、追溯难度大等问题，构建质量管理系统，应用条码、二维码、RFID、5G、标识解析、区块链等技术，集成分析原料、设计、生产、使用等质量相关数据，实现产品全生命周期的质量精准追溯和优化改进。

企业通过检测数据进行缺陷根因分析，从发现问题到逐步找到问题并解决问题，促使检测数据成为驱动企业产品质量改进的重要数字资产。 

另一方面，随着国际、国内市场监管要求和下游客户对质量管控的要求日益规范严格，确保检测数据的长期安全保存和管理，成为企业生产合规性的必然要求。例如，根据《锂离子电池行业规范条件（2024年本）》规定，锂离子电池企业必须建立和维护质量管理体系，确保产品符合国家法律法规和行业标准，以提升产品质量和安全性。同时，动力电池、汽车电子、面板、半导体等行业下游客户对质量管控、回溯要求日益严格，要求质检数据保存周期少则1~3 年，长则数十年。

特别是近年来，中国制造业出海势头强劲。在追求国际化发展过程中，严格遵守所在国家及目标市场的数据存储与管理法律法规至关重要。根据国际标准化组织（ISO）发布的IATF16949质量标准要求，生产者应当建立并保存汽车产品设计、制造、标识、检验等方面的信息记录；欧洲CE认证强调锂电池产品的安全性、环保性和用户安全，要求企业通过严格的检测流程并附有检测报告才能进入欧洲市场。

对于制造企业而言，数据驱动是实现数字化转型的主线。在充分释放检测数据价值上，部分企业却陷入了“只见树木，不见森林”的窘境。虽然企业初步意识到检测数据的重要性，立足当下对检测数据进行了存储，但却忽略了如何建立面向未来的数字化管理架构，让检测数据做到“可视化、可快速检索和调用”，真正发挥数据价值。

从检测数据存储与管理的角度，机器视觉、AI质检的深化应用正在导致质检的非结构化数据数量和类型（主要为图片、生产日志、工艺参数等）激增，例如，在某半导体芯片生产工厂，一个机台就有10个检测点位或设备，每个点位图片大小平均为50MB，约2秒钟进行1个工件检测；10条这样的产线7*24小时运行，1个月文件数量就达到了1亿多，存储容量达6PB以上。

应行业政策法规、自身工艺改进和下游客户要求，这些数据通常需要长期保存，这就直接带来了海量数据的“存、管、用”难题：

图2 海量检测数据面临的存管用难题

🔵 首先，从“存”的角度，机台本地存储空间有限，需频繁转出硬盘数据到其他介质，通过FTP等方式时有数据丢失现象；检测数据的激增，也导致存储读写性能出现瓶颈，存储容量规划难，扩容繁琐，成本高。

🔵 其次，从“管”的角度，面对百亿甚至千亿级文件规模，品质工程师进行质量分析或追溯时，传统方式只能到对应机台按目录逐层查找，检索维度单一，且需要手工比对数据，导致质量分析和追溯周期冗长，耗时耗力。因检测机台设备涉及多个供应商，种类复杂，数量多，设备管理人员需要频繁来回各产线对机台数据进行管理，效率低下。

🔵 最后，从“用”的角度，因数据分散、数据格式和标准不统一、系统间数据无法打通，导致现有检测数据利用率低、决策滞后，难以在生产和管理层之间流动，OT&IT融合缓慢，更难以通过数据实时获取和处理，构建缺陷识别、生产调整的自动化闭环，进而优化生产工艺，提升整体质量水平。

以某半导体芯片封测企业为例，在数字化浪潮下该企业业务高速发展，积极推动产线智能化升级。在其芯片封测产线上，通过大量工业摄像机拍摄芯片的高清图像进行智能质检，检测精度和效率大大提升。然而引入机器视觉检测技术后，其检测数据（尤其是质检图片）呈现出爆发式增长趋势，应下游A客户要求，这些质检图片需要保存1个月至1年不等，总数据量达到数十亿规模，由此引发了一系列存管用挑战：首先，原有机台本地硬盘存储容量小，导致存储容量和性能与业务增长呈现出明显的不匹配，需要频繁转移数据或者扩容，现有扩容方式必须暂停生产线运转以增加硬盘，影响生产效率，且存储硬件采购成本高；其次，当面对下游客户质量投诉需要查找、调用数据时，需要逐个机台检索拷贝数据，检索流程繁琐、耗时长，无法实时响应，甚至有部分数据已经丢失，给企业带来直接的经济损失；最后，由于数据分散存储，格式和标准不统一，各系统间无法实现数据共享，数据如“明珠蒙尘”，价值难以体现。

对于制造企业而言，“提质增效”是企业质量管理的“源动力”，也是最终价值的直接体现。这也是为什么强调在提升质量管理水平时，不仅要注重“硬实力”，还需要培养“软实力”。中共中央、国务院印发的《质量强国建设纲要》中提出增强产业质量竞争力，推进基础制造工艺与质量管理、数字智能、网络技术深度融合，提高生产制造敏捷度和精益性。支持通用基础软件、工业软件、平台软件、应用软件工程化开发，实现工业质量分析与控制软件关键技术突破。

因此，在变革检测数据管理模式，提升质量管理能力的过程中，企业需要打造开放、统一、高效的检测数据管理平台，在“存好”检测数据的同时，让硬件与软件技术能力兼收并蓄，以更清晰的认知、更明晰的路径和更低的门槛“管好、用好”检测数据，充分发挥数据价值。

基于此，海量数据存储管理领导厂商杉岩数据创新性推出行业首款面向检测数据管理领域的新型工业软件——杉岩检测数据管理系统 IDM，该系统面向先进制造业，解决海量检测数据集中存储、高效管理、深度应用的问题，通过对检测数据的全生命周期管理，优化品质管理流程，帮助制造企业快速构建一套更高效质量管理、更敏捷数据管理以及更低TCO的海量检测数据管理系统。

图3 杉岩IDM架构图

围绕数据存管用一体化理念，杉岩IDM进行了一系列创新：

🔵 在帮助企业提高质量管理效率方面，IDM可根据索引、分类、关键字等多维度检索方式，实现千亿级文件规模下秒级检索指定数据，快速响应质量追溯业务需求，精准定位问题，优化工艺，提升产线良率；提供在线预览、批量下载等功能，辅助质量分析和品质提升。

🔵 在帮助企业提升数据管理效率方面，IDM可将多个厂区、产线上万个机台的数据自动采集，相比人工采集速度提升50%，并自动监控上传进度；自动化分层存储，集中自动化运维，0业务中断；集团跨厂区数据统一管理，细粒度权限管控，快速业务协同。

🔵 在帮助企业降低TCO方面，杉岩自研AI图像无损压缩技术，图片转换压缩后大小可缩小90%；通过热温冷数据自动分层管理，将冷数据分层至磁带库，更省投资成本；可视化界面管理，万级机台自动化运维，大大降低现场IT人力。

以上述半导体芯片封测企业为例，杉岩数据为该企业构筑了以释放数据价值为导向、覆盖检测数据全生命周期的管理系统，因部分质检图片仅前七天需要高清格式，以便于人工复核，七天之后仅作归档和检索，或者直接删除。通过杉岩IDM的数据智能处理能力，将BMP图片转为JPG图片（文件大小减少90%），并对数据实现生命周期自动化管理 (如图片到期自动删除，转码后归档到冷池)，帮助用户节省60%以上存储成本，且数据处理效率相比传统方案提升了50%。

更为重要的是，依托IDM的多维度标签检索和灵活自定义能力，该企业根据自定义的产线、工序、芯片ID、良次品等维度，实现了跨厂区数据快速统一检索和管理，并可批量下载、图片在线预览及编辑标注，使数据查询处理效率提升10倍以上，实现了高效的质量分析和质量回溯。目前，该企业采用杉岩IDM，存储数据总量已达60亿规模，容量高达40PB。

古人云，树高千尺，唯有根深。在杉岩检测数据管理系统IDM帮助制造企业实现更高效质量管理、更敏捷数据管理以及更低TCO的背后，离不开杉岩数据始终践行“让海量数据存得下、管得好、用得爽，持续创造客户价值”的使命，脚踏实地的深入到制造场景中，深耕客户需求，持续迭代创新：

🔵 Me Too阶段：自2014年成立到2021年，专注软件定义存储产品研发，潜心打磨，推出MOS、USP、CNFS等存储产品，帮助企业筑牢数据存储底座；

🔵 Me Better阶段：2022年到2023年，拥抱行业变化，从存储设备管理迈向数据管理，创新性推出了行业领先的iData系列数据管理服务软件；

🔵 Me First阶段：十年磨一剑，通过深入用户场景，将数据存储与企业业务相结合，打造端到端的解决方案。2024年，杉岩数据正式发布了行业首款面向检测数据管理的工业软件IDM，并入选2024 IDC中国新型工业软件市场图谱。

图4 杉岩IDM入选2024IDC中国新型工业软件市场图谱

回顾杉岩从Me Too到Me Better再到Me First的创新历程，我们可以看到全面整合的检测数据管理系统实现了纵向、横向、端到端集成，这也是制造企业普遍存在的共性需求。从某种意义上来说，IDM不仅局限于产品或技术，更是一种理念和策略；其不单单解决了检测数据的存储和管理难题，更是为日后全面的质量管理能力提升，实现数据驱动打下坚实基础。

目前，杉岩已服务华天科技、天岳先进、联测优特半导体、重投天科、奕斯伟、比亚迪、耀宁新能源、蜂巢能源、孚能科技、德赛电池、宁德新能源、天合光能、京东方、鹏鼎控股、信维通信、美维电子等大量半导体、新能源、电子制造行业头部企业。可以预见的是，在国内智能制造和新质生产力发展的浪潮下，企业对于质量管理要求将进一步提高。检测数据管理系统IDM不仅将成为全面赋能企业质量管理数字化的“利器”，也将开启大数据存储、管理、应用技术助力企业业务增长的“新时代”。