随着国家电网公司“三集五大”不断深入和“一型五化”大营销建设,各网省公司计量中心的核心业务由传统的计量检定转变为计量资产的现代化智能化集中检定配送及管理,全寿命周期管理是实现大营销精细化管理的有效手段。由于计量资产的特点是使用量大、平均单只价格低、使用领域广、易轮换等,且直接关系国计民生、和谐稳定等社会因素,因此计量产品的质量管理是全寿命周期管理的核心。省级计量中心生产调度平台实现了对计量产品从采购、验收、检定、仓储、配送的全过程监控调度,对自动检定流水线、智能化仓储的协调控制,实为国网总部计量管控平台建设和计量资产的全寿命周期管理创造了有利条件。但是现阶段省级计量中心生产数据及系统采用文件存储,未对数据的使用进行多维度的分析。现有的传统技术不能满足设备质量数据的分析,利用大数据技术对计量设备进行质量分析的研究已成为本领域亟待解决的关键问题。本文对计量资产全寿命周期质量分析的关键技术进行了深入研究与应用。利用三角模糊数的层次分析法建立全寿命质量分析模型,并通过MDS大数据分析平台,根据数据抽取方案,进行离线和实时挖掘数据,从而对表计进行综合质量评价、潜在关联分析、趋势预测、实时检定告警、表计质量预测等研究。利用大数据不断深化、细化营销计量全寿命周期各环节检定及故障数据,梳理实际工作应用需求,研究数据规律,形成多维度、多视角的数据处理模型和算法,建立全了包含时间、空间、各业务流程等的多维度分析场景。论文的主要研究内容如下：(1)建立基于三角模糊数的层次分析法的全寿命质量分析模型,将各阶段质量分析体系模型都分为三个层次：质量目标层、质量分析准则层和质量特性指标层,确定质量分析体系模型的比重关系。综合电能表各环节的的误差数据,从产品供应商、运行区域、产品型号等方面多维度分析误差数据的分布特性与规律；研究智能电能表各环节的检定检测误差数据,追溯检定不合格项目与方案选型、主要元器件的关联关系,预测及规避因检定设备故障问题引发的批量检定不合格数据的出现,发掘电能表设计方案类基因缺陷,规避质量风险。(2)建立MDS大数据分析平台,利用时间戳方式抽取MDS平台中的误差数据、批次信息、不合格项目数据及SG186营销系统的故障检测数据、报废故障检测数据等,通过ETL数据集成的技术实现对数据的转换、清洗和加工。并将抽取到的数据(3)进行离线数据挖掘分析和实时数据挖掘分析,通过数理统计和人工智能等算法对海量的数据进行基于聚类划分的综合质量评价、表计检定数据以及异常报废的潜在关联分析、趋势预测、实时检定告警、表计质量预测、基于CCA方法的检定不合格数据与故障数据相关性分析等研究。(4)基于MDS平台提供的检定误差数据、自动检定流水线(或检定装置)信息、批次信息、供应商信息等数据,利用大数据分析技术对数据进行多维度、深挖掘,以图形化方式展示数据挖掘结果,形成数据样本；然后对数据样本进行分析比对,发现各样本间存在的差异和误差异常点,实现对检定流水线(或流水线上的检定装置)潜在故障隐患及电能表潜在故障隐患的预估。(5)对检定不合格项目数据多维度深挖掘,形成不合格项目各维度数据样本；然后对数据样本进行分析比对,深入挖掘不合格项目大类与其对应的小类之间的相关关系,通过在厂家、批次、同种设备等维度上与不合格项目间建立联系,在相同的外部条件下,及时发现不合格原因分布,及时对相应的不合格项进行预警提示,对频发的不合格原因形成专门的预警库,预估该段时间内入库的设备可能存在的隐患故障,实现对检定流水线(或流水线上的检定装置)潜在故障隐患及电能表潜在故障隐患的预估。(6)利用大数据分析技术对数据进行多维度、深挖掘,以图形化方式展示数据挖掘结果,形成运行故障各维度数据样本,通过对从而对某厂商某批次的运行设备可能存在的故障隐患进行预估；对申请报废的标记检测数据挖掘分析,以多样化的图形展示数据状态,从而对各厂商各类型在运行设备可能存在的故障隐患进行预估。