在過去的近四十年里，中國制造業(yè)實現(xiàn)了從沉寂到崛起的飛躍，巨大的制造業(yè)總量持續(xù)催化著技術升級與產業(yè)成熟。

隨著后工業(yè)化階段和產業(yè)鏈轉型發(fā)展進程加快，一個新的問題出現(xiàn)了——

只關注如何把產品制造出來，在速度和數量上領先他人，能構建起企業(yè)的核心競爭力嗎？

我們的答案是，不能；或者說，遠遠不夠。

在這之外，我們還需關注工程化能力，關注卓越運營能力。

如何更快更好地制造產品？如何不生產不良品？如何實現(xiàn)零缺陷？這些都有必要系統(tǒng)地納入考評體系和經營策略當中。

本專欄旨在以案例為直觀容器，來承載卓越運營理念，來落地全面質量管理體系，為試圖著力于此的企業(yè)提供一個多元豐富的信息平臺、參考支點和交流圈層。

更直白點說，我們希望這些案例可以幫助企業(yè)降低成本、提高效率、增進效益，從而達成可持續(xù)競爭。

01 高瞻遠矚

搭乘制造業(yè)高質量發(fā)展快車

上個月月初，我們對燈塔工廠做過一個深度解讀專題，分析了燈塔工廠的行業(yè)分布、發(fā)展意義以及具體入選案例的成功因素所在。今天想重提當中的一組數據：2023年全球最新燈塔工廠中，共有50座中國工廠入選，蟬聯(lián)世界第一。

對比另一組數據一起看：2022年，我國制造業(yè)增加值突破40萬億人民幣大關，占GDP比重達33.2%，已連續(xù)十三年全球第一。（數據來源：中國工業(yè)和信息化部）

從中可解讀出不少信息:

第一，制造業(yè)增加值突破40億大關，實為“大”，但無法掩蓋“大而不強”的積弊。傳統(tǒng)制造業(yè)中的高端基礎設備、高端人才、高端技術長期受制于人，技術創(chuàng)新水平落后于世界先進水平，產業(yè)層次較低，產品質量效益亟需提升，工廠用地、勞工成本、不斷上漲的原材料價格都是攔路虎，企業(yè)心有余而力不足。

第二，中國燈塔工廠數量穩(wěn)步攀升，實在彰顯從“大而不強”走向“大且強”的良好趨勢。在新一代信息技術推動下，大數據、云計算人工智能、數字孿生等新技術引領制造業(yè)轉型變革，不斷重塑數據流、業(yè)務流與工作流，制造業(yè)數字化轉型漸趨深化，轉型基礎不斷夯實、轉型范圍不斷拓展、轉型程度不斷提升。

作為提升我國綜合競爭力的核心力量，扎實推進中國制造業(yè)在量與質雙重維度上沖刺世界前列，是我國未來經濟發(fā)展的重要支撐，制造業(yè)數字化轉型不再只是大勢所趨，更是企業(yè)、行業(yè)及國家民族百尺竿頭更進一步的必需。

綜合來看，數字經濟是驅動經濟高質量發(fā)展的重要引擎，質量管理是企業(yè)發(fā)展壯大的關鍵與核心，質量管理數字化是企業(yè)經營變革、實現(xiàn)效率與效益高速躍遷的現(xiàn)實選擇。

02 殊途同歸

傳統(tǒng)與數字原生型企業(yè)的現(xiàn)實選擇

縱觀制造業(yè)發(fā)展歷程，產業(yè)革命與技術革命交匯發(fā)展。從工業(yè)4.0概念提及至今，我們似乎看見，數字技術正在滲透進制造業(yè)發(fā)展的各個環(huán)節(jié)，工廠內似乎建構起了能夠滿足客戶和內部制造流程的先進制造體系，智能制造似乎顛覆了傳統(tǒng)模式。

但吊詭的是，當我們把視角從行業(yè)俯瞰之處逐漸往下推進，會訝異地發(fā)現(xiàn)，在目前的大部分一線工廠中，一切還在起步探索階段。

很多企業(yè)還保留著非常古老傳統(tǒng)的工作習慣，紙質表單在車間內靠人為流轉，審批流程極其繁瑣臃腫，很難在成堆的紙張和無效的excel中把報表分析做好做完整做完美。

你看見檢驗員在產線上像勤勞的小蜜蜂一般忙碌，頻繁填寫著紙質檢驗表單，填好了之后核對上交，交給主管審核，那成堆的紙質表單宛如浮萍，在數個工站間隨著產品一路漂流。

假如這時候出現(xiàn)了不合格品，檢驗人員就得緊急填寫異常問題單，隨后找到研發(fā)部門、審核部門等多部門溝通，一群人在成堆的表單中搜尋檢索，期望能盡快找到相對應的質量信息數據。這時候產線可以干嘛？出現(xiàn)了不合格品，還要往下走嗎？停止生產和繼續(xù)生產都會造成損失，生產節(jié)拍被極大地打亂。

質量管理數字化的一大核心門檻是質量數據，有沒有用起來，有沒有用好？從MES到QMS，無非都是對質量數據的系統(tǒng)性管理的嘗試，把盲區(qū)推倒、暢通開來。

試著理解一下“質量數據黑匣子”。

如果將其解讀成不可知的質量黑色地帶，那么數字化系統(tǒng)能減少人為參與帶來的不可避免的錯誤，用系統(tǒng)規(guī)范數據錄入錯誤，用系統(tǒng)去取代主觀判斷，和不同系統(tǒng)對接解決效率問題。

如果將其視作全量信息數據，那么聚合起產品研發(fā)、生產制造、不合格品處理等產品全生命周期的質量數據，就有必要保證它們得以便捷流通、高效利用。

對于傳統(tǒng)企業(yè)來說，數字化主需求在于線下業(yè)務向線上業(yè)務轉型，在于導入數字化系統(tǒng)/軟件，重連相互割裂的流程孤島；那么，對另一些在初創(chuàng)時期就已在進行數字化概念耕耘的數字原生型企業(yè)來說，他們的問題則更為具體、更為精細。從初創(chuàng)期、探索期到發(fā)展期再到擴張期，企業(yè)的內部數據逐漸沉淀，業(yè)務和組織架構走向成熟。

不論是傳統(tǒng)企業(yè)還是數字原生型企業(yè)，企業(yè)但凡要成長就要處理好質量信息數據，著手進行系統(tǒng)連通底層信息工作，打通數據壁壘、銜接底層數據、挖掘數據價值，讓數據賦能決策。

03 系統(tǒng)工程

精細化管理產品質量數據

在所有質量數據當中，制造質量數據又是最直觀助益企業(yè)運營的角色。產品質量直接決定著企業(yè)的核心競爭力，而在越發(fā)復雜的商業(yè)競爭中，產品質量波動帶來的結果愈發(fā)不可控，我們有必要對影響制造過程質量的因素進行監(jiān)控分析。對制造質量數據的管理應運而生，通過采集過程因素數據和檢驗檢測數據，對人機料法環(huán)測信息進行分析，幫助企業(yè)識別產品缺陷和薄弱環(huán)節(jié)。

本期案例智，就為大家?guī)硪粋€制造過程質量數據管理案例，它來自N公司。如果非要定位一下N公司，那就是“介于傳統(tǒng)企業(yè)和數字原生型企業(yè)之間的中間公司”，有數字化手段，但不多；做過數字化改造嘗試，但效果不好。

我們診斷出其主要問題出現(xiàn)在質量數據上，N公司存在質量數據收集不完整、存儲分散、可利用性低的問題。值得一提的是，這不是孤例，而是很多生產企業(yè)當下面臨的共性難題：

·質量數據收集的完整性較差，多半是“為了收集而收集”，主要面向生產任務，目的不在于質量分析，導致很多質量因素沒有得到關注

·存在數據孤島現(xiàn)象，制造質量數據存儲在了不同的業(yè)務部門，在管理數據時甚至使用了兩種以上的分類編目方法，導致對數據定義難以取得一致，各個環(huán)節(jié)數據存在斷檔，難以集成和共享

這些普遍困難早就是海岸線的老相識了，得益于對海岸線豐富的實施經驗的信賴，N公司前期的調研選型推進得非常迅捷。但當我以為這是決定因素時，N公司大領導在啟動大會上意味深長地說：“你們是我們聽到的第一家把每個場景講清楚理清楚的服務商?！?/p>

制造業(yè)質量管理數字化是一項系統(tǒng)性工程，于是很多企業(yè)一味相信大而全，小部分服務商用話術掩蓋自己捆綁銷售全家桶的事實，偏偏企業(yè)還只能在吃盡苦頭后才醒悟過來：原來這東西我根本用不上??！每個月平白燒掉那么多錢。再或者是：我明明有這么多數據了，為什么還是做不好改善？

這是因為，質量從來就不只是一個結果數據，只靠結果數據做改善是很難的，生產制造流程本來就千差萬別，我們需要對過程信息進行更精細更高效的管理。

比方說檢驗，很多中上層決策者可能不太清楚，檢驗環(huán)節(jié)的效率盈余其實遠超想象。全面數字化檢驗＞數字化檢驗＞人力檢驗，像N公司就有3個生產基地分布在不同城市，但3個基地有時候會使用同一批次來料，PQM檢驗模塊中的檢驗規(guī)則是動態(tài)的，能夠因地制宜適配企業(yè)在不同階段、不同業(yè)務上所需要的檢驗標準，隨時靈活調整。除此之外，檢驗計劃和任務也是在系統(tǒng)內主動創(chuàng)建的，并將自動指派和提醒給任務人。

當然，做好單個環(huán)節(jié)是QMS/PQM本應具備的基礎硬實力。質量數據能不能反哺分析改善，往往出現(xiàn)在問題上。例如，當產品性能出現(xiàn)質量問題時，我們需要追溯到具體的制造過程因素。PQM的全景追溯能力，能夠基于工單追蹤檢驗信息、不合格品處理信息、異常分析信息、制造信息的全量人機料法環(huán)測追溯。在單件質量成本很高的情況下，迅速定位到該單件問題出現(xiàn)批次及問題所在點，及時處理召回，遏制更大損失產生。

盡管我們才剛剛開始和N公司合作，但不論是前期溝通階段還是項目交付部署階段，整個過程都保持著融洽友好的交流，團隊雙方的成員始終在為相同的目標一道努力。當專業(yè)的人遇上專業(yè)的人，會開創(chuàng)出一片更好的天地，我們期待能和你遇見。

審核編輯黃宇