提高質(zhì)量和降低質(zhì)量成本并不是工業(yè)轉(zhuǎn)型計(jì)劃的主要驅(qū)動力。質(zhì)量領(lǐng)導(dǎo)者在工業(yè)轉(zhuǎn)型計(jì)劃的高層規(guī)劃中基本上缺席，數(shù)字化轉(zhuǎn)型項(xiàng)目往往錯(cuò)過質(zhì)量——而是專注于提高效率、更快交付和更多種類。

如果沒有質(zhì)量方面的發(fā)言權(quán)，工業(yè)轉(zhuǎn)型計(jì)劃就會錯(cuò)過主要的質(zhì)量優(yōu)勢之一：預(yù)測質(zhì)量以防止缺陷。

01 

質(zhì)量領(lǐng)導(dǎo)者需要在數(shù)字化轉(zhuǎn)型中擁有發(fā)言權(quán)和決策權(quán)

在最近的一份 LNS 研究報(bào)告中，平均不到 50% 的正在進(jìn)行工業(yè)轉(zhuǎn)型計(jì)劃的組織有質(zhì)量領(lǐng)導(dǎo)者的參與。福布斯關(guān)于“數(shù)字化轉(zhuǎn)型和客戶體驗(yàn)的 100 項(xiàng)統(tǒng)計(jì)數(shù)據(jù)”的報(bào)告顯示，報(bào)告的三大優(yōu)勢是提高運(yùn)營效率、加快上市時(shí)間和滿足不斷變化的客戶期望的能力。

雖然質(zhì)量肯定與滿足不斷變化的客戶期望和效率有關(guān)，但下圖中的圖表顯示了質(zhì)量原因遠(yuǎn)遠(yuǎn)低于所見影響列表。

質(zhì)量計(jì)劃包括測量抽樣、故障模式和影響分析、控制計(jì)劃和統(tǒng)計(jì)過程控制在內(nèi)的工具和策略來創(chuàng)建基于人和設(shè)備的流程或操作來預(yù)防和檢測缺陷。數(shù)字時(shí)代質(zhì)量領(lǐng)導(dǎo)者面臨的挑戰(zhàn)是將人員的經(jīng)驗(yàn)與解決問題的結(jié)果轉(zhuǎn)化為制造技術(shù)。

從歷史上看，工業(yè)轉(zhuǎn)型努力在運(yùn)營和質(zhì)量職能方面的代表性不足，盡管工廠是變化最為明顯的地方。盡管工廠是工業(yè)運(yùn)營的場所，但工廠很少是定義或執(zhí)行工業(yè)轉(zhuǎn)型計(jì)劃的重點(diǎn)。下圖顯示了這個(gè)問題。盡管在圖表頂部附近，質(zhì)量仍然在不到 50% 的工業(yè)轉(zhuǎn)型團(tuán)隊(duì)中得到體現(xiàn)，運(yùn)營領(lǐng)導(dǎo)力的比例甚至更小。過去幾年取得了一些進(jìn)展，但還遠(yuǎn)遠(yuǎn)不夠。

這里的答案是，質(zhì)量領(lǐng)導(dǎo)者需要在工業(yè)轉(zhuǎn)型解決方案的開發(fā)和設(shè)計(jì)中擁有一席之地和發(fā)言權(quán)。

02 

為什么質(zhì)量領(lǐng)導(dǎo)者在數(shù)字化轉(zhuǎn)型項(xiàng)目中具有重要影響

很難看出數(shù)字解決方案如何解決真正的質(zhì)量問題。質(zhì)量領(lǐng)導(dǎo)者如何熟悉數(shù)字技術(shù)并將其應(yīng)用于制造質(zhì)量情況？這無疑是一個(gè)挑戰(zhàn)。許多軟件產(chǎn)品被定位為數(shù)字化轉(zhuǎn)型解決方案。但會發(fā)現(xiàn)不像數(shù)字化轉(zhuǎn)型那樣直觀，至少在制造領(lǐng)域不是這樣。這意味著對什么構(gòu)成數(shù)字化轉(zhuǎn)型解決方案有一個(gè)廣泛而包容的定義，這使得新手很難辨別出適合他們情況的解決方案。解決這個(gè)問題的方法是顛倒操作順序，從需要解決的問題開始，

一家連續(xù)流程制造商實(shí)施了由質(zhì)量負(fù)責(zé)人設(shè)計(jì)和領(lǐng)導(dǎo)的數(shù)字化轉(zhuǎn)型試點(diǎn)計(jì)劃。該計(jì)劃將產(chǎn)品質(zhì)量作為該計(jì)劃成功的一個(gè)關(guān)鍵方面。這家公司的產(chǎn)品質(zhì)量投訴和缺陷程度不可接受，因此實(shí)施了數(shù)字產(chǎn)品監(jiān)控并將其作為項(xiàng)目的一部分集成到平臺中。數(shù)字監(jiān)控工具與客戶投訴和報(bào)廢報(bào)告分析的產(chǎn)品質(zhì)量的重要方面相關(guān)聯(lián)。結(jié)果是項(xiàng)目試驗(yàn)階段的缺陷減少了 50%。

Research顯示，質(zhì)量 4.0 與“傳統(tǒng)”質(zhì)量方法相同，只是具有更好、更快的分析和決策制定以及更互聯(lián)的環(huán)境。質(zhì)量 4.0 的這種定義忽略了質(zhì)量領(lǐng)導(dǎo)者的一個(gè)關(guān)鍵潛力——通過預(yù)測進(jìn)行預(yù)防。

質(zhì)量職能的主要任務(wù)是建立預(yù)防缺陷的系統(tǒng)和方法。我們必須絕對防止缺陷流程到客戶端?？刂朴?jì)劃是檢查點(diǎn)的集合，如果遵循所有規(guī)定，應(yīng)該會產(chǎn)生良好的結(jié)果。統(tǒng)計(jì)過程控制，可以為我們提供即將發(fā)生的缺陷的早期警告。抽樣計(jì)劃試圖打破模式，并為我們關(guān)于接受/拒絕決定的決策提供一定程度的保證。

03

質(zhì)量數(shù)字化系統(tǒng)的弱點(diǎn)-人

到目前為止，這個(gè)系統(tǒng)的弱點(diǎn)一直是人。眾所周知，讓人們始終如一地表現(xiàn)是很困難的。每個(gè)人偶爾都會有糟糕的一天，想要休假，或者因家庭或家庭問題或與同事的沖突而分心。一個(gè)檢查員，在他們的狀態(tài)好的時(shí)候，最多只有 80% 。

數(shù)字時(shí)代需要開箱即用的思維，但舊習(xí)慣很難改掉。2020 年，我參觀了加利福尼亞的一家農(nóng)產(chǎn)品工廠。這家工廠（實(shí)際上是整個(gè)公司）多年來一直在本土進(jìn)行數(shù)字化之旅。生產(chǎn)線高度數(shù)字化。質(zhì)量檢測功能數(shù)字化、半自動化，但未聯(lián)網(wǎng)。 

在回顧他們在數(shù)字化方面取得的進(jìn)展時(shí)，我發(fā)現(xiàn)質(zhì)量功能的表現(xiàn)與數(shù)字化前完全相同：他們以相同的頻率進(jìn)行相同的測試，對產(chǎn)品中的內(nèi)容具有相同的理解水平。過程導(dǎo)致質(zhì)量好或差的結(jié)果。在整個(gè)數(shù)字化過程中，質(zhì)量控制沒有任何變化，即使采樣頻率相同。

作為防止缺陷工作的標(biāo)準(zhǔn)部分的所有工具和方法都是基于過去的。我們在產(chǎn)品生產(chǎn)后對其進(jìn)行抽樣，我們在數(shù)據(jù)存在后收集數(shù)據(jù)并在控制圖上繪制點(diǎn)，有時(shí)甚至在數(shù)據(jù)存在之后。我們將統(tǒng)計(jì)過程控制規(guī)則應(yīng)用于先前生成的數(shù)據(jù)，以早期警告可能導(dǎo)致缺陷的模式。我們預(yù)防缺陷戰(zhàn)略的所有要素都是在缺陷產(chǎn)生后及時(shí)回顧。如同我們正試圖通過后視鏡駕駛汽車。

04

產(chǎn)品和過程質(zhì)量的各個(gè)點(diǎn)與實(shí)際控制變量關(guān)聯(lián)

數(shù)字時(shí)代為我們提供了一個(gè)獨(dú)特的機(jī)會，可以將我們的注意力從嚴(yán)格的被動式轉(zhuǎn)移到主動管理事件并從一開始就防止問題發(fā)生。

數(shù)字時(shí)代質(zhì)量未來的機(jī)遇在于發(fā)展完全展示其過程及其質(zhì)量結(jié)果的預(yù)測能力。這種思維方式的最佳代表是控制計(jì)劃。控制計(jì)劃表示在六西格碼中稱為傳遞函數(shù) (Y=f(x))。傳遞函數(shù)是需要控制以獲得良好結(jié)果的過程變量的公式。

為了有效，控制計(jì)劃應(yīng)該只包含實(shí)現(xiàn)高質(zhì)量產(chǎn)品的最重要的項(xiàng)目，而不是最容易或最方便測量的項(xiàng)目?；仡櫩刂朴?jì)劃，記住以下問題：“這些元素實(shí)際上是否可以代表舊范式中無法測量的東西？”

如果控制計(jì)劃元素是真正應(yīng)該控制的東西的代表，那么現(xiàn)在是使用數(shù)字技術(shù)糾正它的機(jī)會。例如，如果控制計(jì)劃列出了冷卻罐溫度的檢查點(diǎn)，則該測量值實(shí)際上是產(chǎn)品溫度的代表——從重要的實(shí)際變量中刪除了一個(gè)步驟。這是我們當(dāng)時(shí)能做的最好的事情，所以我們就這么做了。在我們的示例中，產(chǎn)品溫度是最終產(chǎn)品幾個(gè)不同質(zhì)量特性的關(guān)鍵控制因素。

但是，如果我們可以使用激光溫度計(jì)在制造過程中的許多點(diǎn)不斷測量產(chǎn)品溫度，并將該數(shù)據(jù)報(bào)告回機(jī)器學(xué)習(xí)系統(tǒng)，那么現(xiàn)在我們可以直接從對質(zhì)量結(jié)果很重要的變量中獲得有意義的數(shù)據(jù)。

數(shù)字時(shí)代為我們提供了重新定義可能性的獨(dú)特機(jī)會，將產(chǎn)品和過程質(zhì)量的各個(gè)點(diǎn)與實(shí)際控制變量聯(lián)系起來，以實(shí)現(xiàn)良好的結(jié)果。

隨著時(shí)間的推移，隨著流程模型的“庫”被填充和使用，這些模型將得到改進(jìn)并變得更加可靠，機(jī)器學(xué)習(xí)系統(tǒng)的信任度也會增加，從而給出適當(dāng)?shù)闹甘尽?/strong>那么，以前無法想象的事情現(xiàn)在變成了可能；最終導(dǎo)致真正預(yù)防的質(zhì)量預(yù)測。

預(yù)測質(zhì)量將至少比當(dāng)前的預(yù)防方法便宜 10 倍，正如幾十年前被廣泛接受的預(yù)測性維護(hù)實(shí)踐所證明的那樣。

版權(quán)說明：
本文僅代表作者個(gè)人觀點(diǎn)，版權(quán)歸原創(chuàng)者所有。部分圖片源自網(wǎng)絡(luò)，未能核實(shí)歸屬。本文僅為分享，不為商業(yè)用途。若錯(cuò)標(biāo)或侵權(quán)，請與我們聯(lián)系刪除。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請?jiān)谖闹凶⒚鱽碓醇白髡呙帧?/p>

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com