您可以捐助,支持我们的公益事业。

1元 10元 50元





认证码:  验证码,看不清楚?请点击刷新验证码 必填



  求知 文章 文库 Lib 视频 iPerson 课程 认证 咨询 工具 讲座 Model Center   Code  
会员   
   
 
     
   
 订阅
  捐助
数字化质量管理的企业实践
 
作者:丁肇之
 
  185  次浏览      50
2021-9-10
 
编辑推荐:
本文以某制造型企业的具体实践为例,从数字化建设的角度着眼,以“质量表现可视化、质量控制自动化、端到端质量管理和质量决策智能化”等为标题,谈谈如何做数字化的质量管理。
本文来自数字化演易,由火龙果软件Alice编辑、推荐。

导读:对广大制造业从业人员来说,质量管理,是一个既熟悉又陌生的词汇。说它熟悉,是因为早在上世纪90年代初,中国的制造业就在普遍性地导入ISO质量体系,如果现有还有哪个企业没有通过ISO质量认证,那简直是“天外来客”。说它陌生,是因为大多数制造型企业的质量管理还停留质量检验阶段,而质量检验的主要形式是“检票员”式的手工查验。

很多企业的老板都在说质量很重要,质量是企业的生命,但真正愿意投入足够的人力、财力去做好质量工作的则少之又少;抑或是虽然很想投入,但要么不得其法,要么不得其效。当然,现在市面上讲质量管理的专业书籍很多,提供质量管理咨询服务的公司或人员也很多。

质量表现可视化

有些企业确实很重视质量,也花了大量的资源去做质量保证工作,但质量部门或从事质量工作的人却成了风箱里的老鼠——两头受气。一方面,研发、采购和制造等部门的人认为在质量方面做了很多工作,产品质量有了很大的提升,因而对产品质量比较满意;另一方面,销售和服务部门每天接到来自市场和客户关于产品质量等方面的大量投诉,产品质量似乎很糟糕,并因此而忧虑重重。一方面的人说产品质量较好,另一方面的人说产品质量不好,这让企业的老板也很困惑,问题自然就踢到了质量管理部门。如果质量部门给不出一个让大家都信服的结论,自然就成了多头受气的“受气包”。

质量表现可视化的目的就是产品的质量表现(或质量水平、质量状况)用数字说话,而数字通常是量化的,是相对客观的,用数字说话的质量表现也就容易得到各方的认可,因而也就有公信力。为了实现质量表现的可视化,企业需要结合自身实际和行业特点识别出几个关键质量指标,比如PPM、FTT、3MIS、12MIS、DPV、IPTV,等等;然后通过质量检验等手段来对相关指标进行数据采集,进而对相关指标进行统计、评价和分析。

以PPM为例,它代表百万零件的缺陷数。如果PPM值变大,代表产品质量变差了;如果PPM值变小,代表产品质量得到了改善。有了PPM值的统计数据,企业就可以将之做本企业的同比、环比等形式的比较和分析。对于任何一个企业来说,大家总归是希望自己的今天比昨天更好,明天比今天更好,如果今天的PPM值差于昨天的PPM值,那显然是质量工作没做好。另外,某些行业调查机构也会定期发布行业中各企业的质量表现数据,可供企业做同行之间的比较。以汽车行业为例,J.D. Power每年都会发布汽车可靠性研究报告,从中可以看出相关企业的产品质量表现情况,而企业要参与市场竞争,总归是质量表现要优于同行。

从数字化建设的角度来说,为了实现质量表现的可视化,企业需要实施和应用相关IT系统,将IQC、PQC、FQC、OQC等质量检验工作的结果记录到IT系统中,并通过数据统计和分析模型,将相关质量指标进行统计和分析,并展现和传递给相关人员。

质量控制自动化

我们都知道,产品质量是做出来的,而不是检验出来的。质量表现的可视化,只是解决了质量表现的量化评价和公信力等问题,而要提升质量指标,还是首先要从质量控制活动入手,也就是所谓的质量门或质量阀的应用。

质量门(阀)落实的是质量控制的“三不”理念,即,不接收缺陷,不制造缺陷和不传递缺陷。

图1:质量门的“三不”理念

不接收缺陷,指的是在采购和内向物流环节,对于质量表现不符合要求的供应商,企业不再向其采购原材料或零部件,而不合格的物料则不允许入库、加工或装配。不制造缺陷,指的是对于那些工艺和质量保证达不到要求的新品不予以量产,或者说对于质量异常的产品不接收外部的客户订单,直至产品质量达到要求为止。不传递质量,指的是不把带有瑕疵的在制品流入下道工序,而有缺陷的产品不予以下线、不予以打印合格证,或不予以发货。

从数字化建设的角度来说,质量控制自动化是质量表现可视化的进一步深化。为了做到质量控制自动化,企业的质量IT系统需要与ERP、MES等IT系统做集成,以便将质量控制举措转化为价值链控制活动。以不接收缺陷为例,如果发现某家供应商的供货质量达不到公司的要求,质量IT系统会发送一个指令给ERP,把ERP中的供应商主数据冻结,从而不允许在ERP系统中再给这家供应商下达采购订单。相类似,为了做到不制造缺陷,当发现制造过程质量达不到要求或制造过程发生异常时,质量IT系统将发出一个指令给MES系统,进而控制生产线的PLC,让生产线暂停运行,直至质量问题或异常解决后才予以恢复运行。

端到端质量管理

制造型企业的日常运营讲究“三现主义”和“源头管理”。“三现主义”指的是从现场出发,现场、现物,现实地去解决企业所面临的问题,而“源头管理”则进一步指出,问题管理要从源头着手,不仅要治问题的“标”,更要治问题的“本”,质量管理工作尤其如此。

如果从“流”到“源”来追溯,市场上所反映出的产品质量问题,其源头在制造和采购等环节,而制造和采购环节的质量问题很有可能在产品的设计和开发环节就埋下了问题的种子,产品的设计和开发等环节的问题源头则很可能是市场调研和新品策划阶段。因此,为了从源头来做好产品质量保证工作,企业必须实行端到端的质量管理,把市场调研、新品策划、产品设计和开发、零部件采购、成品制造、销售和服务等全价值链活动纳入质量管理的范畴,因而有所谓的研发质量管理、制造质量管理、供应商质量管理、市场质量管理,等等。

端到端质量管理的另一层含义是质量管理的PDCA闭环。要求企业从质量战略明确到质量目标的设定,再到质量计划的制定,再到质量控制和质量检验的落实,再到质量统计、评价和分析,再到问题管理和持续改进,形成完整的PDCA闭环。其实,质量管理的工作思路和方法虽然有很多,但核心理念还是PDCA的闭环,PDCA闭环得越好,质量管理工作的成效就越明显。

图2:端到端的质量管理IT系统

从数字化建设的角度来说,要想做到端到端的质量管理,要求企业不仅仅是实施和应用采购和制造等领域的质量IT系统,尤其要从端到端的角度,从PDCA闭环的角度,来设计和部署质量IT系统,而这时候的质量IT系统,不再只是一个部门级或领域级的IT系统,而是融入到了企业的各项经营管理活动中,是质量管理领域的“三项集成”。

质量决策智能化

企业经营管理活动中最重要的职能是决策,质量管理同样如此,而如何决策得既准又快,就是决策智能化所需要解决的问题。质量领域的决策智能化,涉及面很广,表现形式也多种多样,在企业实践中常见的有在线检测和判定、检验计划的动态调整、质量成本优化、设计导航和专家系统,等等。

(1)在线检测和结果判定

在传统的质量检测工作中,往往是由人工来判定检测结果,从而导致质量决策滞后。我们知道,企业所做出的决策越及时,决策的效用就越大,在线检测和结果判定就是要力求在最短的时间内(接近于“实时”)做出检测结果的判定。在IQC、PQC、FQC、OQC等各种形式的质量检测中,PQC对实时性的要求最高,如果企业能够实时或在线地进行制造过程质量的检测和结果判定,就不仅可以最大限度地减少不合格在制品的产生,还可以保证制造过程的平顺和产出的高效。

从数字化建设的角度来说,通过视觉检测、边缘计算、人工智能等技术的应用,企业可以实现一定程度的在线检测和结果判定。

(2)检验计划的动态调整

如前所述,质量检测工作的本身是不增值的,对企业而言,在保证产品质量的前提下,质量检测的工作是越少越好。另一方面,因为过程等因素的波动,质量表现往往也是动态和波动的。以供应商送货质量为例,不同批次的送货,质量表现会时好时坏。在质量波动的背景中,企业要想通过质量检验来保证产品质量,可选的工作逻辑是在供货质量不好的情况下全检,质量有明显改善的情况下抽检,供货质量好且稳定的情况下免检。全检、抽检、免检,代表的是不同的检验计划,而其应用背景是质量表现的好坏和稳定与否。

从数字化建设的角度来说,企业可以通过质量IT系统的应用,记录各种检验结果并对质量表现予以实时跟踪,并根据质量表现动态推荐或切换全检,抽检,或是免检等不同形式的检验计划,从而在确保质量的前提下,最大程度地减少检验频次或样本数量,并减少质量检验成本。

(3)质量成本优化

从产品全生命周期的角度看质量成本,质量成本包括预防成本、控制成本和纠错成本等不同形式,上述不同形式质量成本的总和,就是质量总拥有成本。通常的逻辑是,预防成本的增加,有助于控制成本和纠错成本的减少,并会导致质量总拥有成本的降低。因此,质量成本优化的目的就是通过数据分析和业务模拟,合理的规划质量预防活动、质量控制活动和质量修复活动,以实现质量总拥有成本的最小化。

从数字化建设的角度来说,质量成本优化的实施,要求企业将质量管理与管理会计进行有机结合,借用管理会计的思路和方法,从质量成本优化的角度来改进质量管理工作。

(4)设计导航和专家系统

好的产品质量与其说是制造出来的,不如说是设计出来的,而大多数企业的经营管理实践也表明,80%以上的产品质量问题源自于产品设计和开发环节的不当,比如,选择了不当的产品结构,选择了不当的材料规格,选择了不合理的尺寸公差、尺寸链或装配配合,等等。因此,好的质量管理工作应该从产品设计和开发等上游环节抓起,与之相配套的质量工具是FEMA(潜在失效模式分析),等等,落实到数字化建设工作中,就是设计导航和专家系统的应用。

数字化质量管理

最后,我们可以对数字化质量管理的本质、逻辑和愿景做个小结。在之前的文章:《数字化建设的五个抓手》中,笔者曾经说过,数字化建设的本质是问题的转换,即,把企业经营管理中存在的问题转化为数字化的问题,而这可以从网络、数据、模型、流程、场景等要素中寻找答案。

就质量管理的数字化而言,上述五个要素或抓手都有效,尤其关键是的数据和流程。就一个企业的质量而言,有流程质量和产品质量,流程质量的关注对象是过程,产品质量的关注对象是结果。结果是过程决定的,只有好的过程质量,才可能有好的结果质量,因而要做质量控制的自动化和端到端的质量管理。过程是服务于结果的,流程质量要仅仅围绕产品质量来展开,因而要做质量表现的可视化和质量决策的智能化。如果说数字化的本质和逻辑是数据思维,那么,数字化质量管理的高级技术形式是通过流程质量数据和产品质量数据的有效管理,形成以“关键质量特性(CTQ)”为中心的质量数据中台,进而实现基于质量数据中台的互联、智能、自主型数字化质量管理。

图3:质量数据中台

 
   
185 次浏览       50
相关文章

基于EA的数据库建模
数据流建模(EA指南)
“数据湖”:概念、特征、架构与案例
在线商城数据库系统设计 思路+效果
 
相关文档

Greenplum数据库基础培训
MySQL5.1性能优化方案
某电商数据中台架构实践
MySQL高扩展架构设计
相关课程

数据治理、数据架构及数据标准
MongoDB实战课程
并发、大容量、高性能数据库设计与优化
PostgreSQL数据库实战培训
最新课程计划
 
最新文章
大数据平台下的数据治理
如何设计实时数据平台(技术篇)
大数据资产管理总体框架概述
Kafka架构和原理
ELK多种架构及优劣
最新课程
大数据平台搭建与高性能计算
大数据平台架构与应用实战
大数据系统运维
大数据分析与管理
Python及数据分析
更多...   
成功案例
某通信设备企业 Python数据分析与挖掘
某银行 人工智能+Python+大数据
北京 Python及数据分析
神龙汽车 大数据技术平台-Hadoop
中国电信 大数据时代与现代企业的数据化运营实践
更多...