智能制造背景下質量管理的未來發展與變革

王福紅 常健聰 郭政

摘要：在智能制造背景下，企業的質量管理行為面臨重大變革。從智能制造的定義與轉型過程出發，結合物聯網和質量大數據分析、現代質量工程理論，提出智能制造時代的質量管理變革的十大方向，給智能制造背景下質量管理創新行為以參考，助力智能制造時代的中國質量管理水平的提高。

關鍵詞：智能制造；質量管理；質量創新

1 引言①

智能制造與傳統制造相比，制造的環境變化了，管理方法也應隨之而發生著變化。傳統的質量管理方式將面臨著怎樣的變革和創新？“質”和“智”如何融合？未來的方向在哪里？只有面向未來，才能抓住機遇，才能走得更遠。這應該是質量技術研究者更應該關注的問題[1]。

智能制造是智能技術和制造技術的融合；智能制造是物聯網、機器人與自動化系統、智能終端與云端技術的融合[2-5]；智能制造首先建立知識庫/知識工程（知識化），然后進行動態傳感/實時感知（感知化），最后進行自主學習/自主決策（自主化、自決策）， 倡導流程的可視化與透明化、可預測化[5-10]。智能制造的另一個內涵是確保產品高質量、賦予產品新功能和發展服務型制造[11]。

企業智能制造發展的思路與過程一般為：第一個階段是萬物互聯，用數據定義產品。第二個階段是形成一個高速的、低延時和安全的信息高速公路，即形成制造網絡，用數據驅動制造。第三個階段是形成一個工廠大腦，形成智能化制造。將材料、機器、方法、測量、維護和數據知識管理等集成在一起，將精益的理念、AGV小車、AR/VR、機器視覺、圖像識別、語音交互和大數據分析等技術深度融合形成一個工廠大腦，形成智能化制造[12-14]。

很多學者給出了企業的具體智能化之路[15-17]：工藝流程自動化-制造設備的自動化-運營的智能化。首先是工藝流程的自動化，然后是制造設備的自動化，最后才是智能化。制造設備的自動化是制約智能化的重要因素。也是企業智能制造轉型升級的瓶頸所在。在智能制造轉型過程中，要注意遵循“產品智能-工具智能-過程智能-服務智能”以及“智能單元-智能產線-智能車間-智能工廠”等循序漸進。形成智能生產、智能管理和智能物流的集成優化。

2 國內外研究現狀

宗福季[18]等人研究了增材制造（AM）過程中質量工程所面臨的獨特挑戰，提出了在增材制造過程可以通過檢查、監控、控制、優化和轉移學習以及通過設計來將質量融入產品中。給出了增材制造中質量管理方法與質量工具的未來趨勢與挑戰。段成[19] 梳理了工業大數據的基本特征及面臨的數據質量問題，然后研究分析了工業大數據質量控制方法，最后對中國工業大數據質量控制的重點工作方向提出了初步建議。文獻[20]汽車質量管理在智能制造背景下的創新分析包括：在產品策劃方面的創新、在生產技術方面的創新以及在數據采集方面的創新等三部分。邱阿東認為：在智能制造環境中質量管理工作已經從最初的質量檢驗演變成一種管理與技術并重的綜合系統工程[21]，文獻[22]采用信息化智能制造技術提高中藥的質量；王振環[23] 研究了如何通過大數據平臺即數據云實現工業產品質量之間的關聯，提高產品質量。劉紅英[24]研究了基于信息化技術的工程質量管理系統的研究與實現。馬文卓[25] 等給出基于物聯網和云計算技術的智能制造控制和質量管理方案，為汽車制造業提供智能控制、精細控制、質量監測和大數據匯集的解決方案。文獻[26]強調了軟件產品線質量工程的重要，提出對軟件產品線建立模型范式，分析軟件的可共用域和變性域，以便于重用。文獻[27]對軟件產品線的質量屬性和測度進行了系統的研究綜述，在研究中發現：在軟件產品線領域，實證評估的研究是缺乏，呼吁和強調軟件工程領域的研究人員做更多的實證評估。文獻[28]闡述一個合作虛擬工廠內的業務流程監控系統、環境通過儀表板用戶界面具有最先進的商業智能和先進數據可視化。文獻[29]管理風格對利比亞的黎波里州建筑業質量成本的影響。文獻[30]認為在智能制造和人工智能時代被稱為I generation 質量工程師，要具備基于云的設備和流利大數據的能力，為智能制造場景提供快速創新的解決方案。

3 智能制造背景下質量管理未來的變革趨勢

通過文獻瀏覽、聆聽了專家分享的有關智能制造的報告與文獻，訪談國內外眾多學者交流之后，筆者認為在智能制造背景下，質量管理的未來變革趨勢如下。

3.1 精益思想仍舊是智能制造的哲學思維

消除浪費、防錯、優化流程、持續改進、降低成本和提高效率等精益思想是智能制造的起點，也是智能制造的終點。自動化和智能化起點是保證質量不被降低，自動化和智能化的首要前提和基礎是保證質量，進而提高質量。精益生產與智能制造應緊密結合，進行精益生產與智能制造的雙輪驅動。

3.2 自動化程度高，人對質量的干預減少，但對“人的質量”要求更高，強調“人機協同”

在智能化和數字化時代，當智能工廠建成之后，自動化的生產，過程質量控制環節人的干預會減少很多，但智能化工廠對人的技能要求會提高，智能化工廠的人，不僅要管理設備、管理和監控質量、查看數據、分析數據和處理緊急情況等，更加強調“人的質量”，即強調“員工的質量和員工的可持續發展質量”，不會為了自動化而自動化，注重人機協同。

3.3 全面質量管理的重心——向設計質量端偏移

智能工廠、工藝流程和制造設備的自動化都需要設計，因此提高設計質量對企業來說至關重要。提高設計的質量工具：如TRIZ、QFD、DOE、Design Thinking （設計思維）、數字化建模、數字孿生、3D打印以及數據化仿真等這些質量工具是企業擁抱未來的智能制造所迫切掌握的。企業會重視研發投入，打造技術新高地。

3.4 創新管理體系成為企業所日益倚重的系統化的創新利器

創新是永恒的主題。在智能制造時代，更需要創新的思維和創新的技術。基于ISO CD2 50501 Innovation management system國際創新體系成為企業所日益倚重的系統化的創新工具。我國應該大力引進和推廣，并致力于創新管理體系在國內的推廣。

3.5 完善智能制造的標準化工作將為我國智能制造技術推廣插上騰飛的翅膀

將各行業的智能制造領域的實踐經驗、應用技術和科研成果進行總結和提煉，寫成標準，進行復制和推廣，可快速促進技術進步，將共性技術寫成標準，在社會生產各組成部分之間進行協調，確立共同遵循的準則，建立穩定的秩序，并可促進整個社會效率的提高與成本的降低。

3.6 綠色可持續性發展是智能制造成功的重要支撐力量

綠色材料、綠色工藝、綠色設備、綠色包裝、綠色回收、綠色制造與再制造以及綠色物流等綠色技術的發展與創新，是可持續發展的基礎，企業社會責任申報、綠色供應鏈認證以及風險管理控制等可持續發展的質量，或質量的可持續性發展是我國智能制造成功的支撐力量。

3.7 軟件質量、數據質量、可靠性管理是智能制造的基石

智能制造離不開APP、離不開信息系統，數字化集成技術業也離不開軟件，硬件與軟件的結合也離不開可靠性管理技術。智能制造會產生數據，從數據-信息-知識-智能這一信息鏈路中可以看出：智能化是基于數據的智能化。感知需要知識，決策需要知識，執行需要知識。而知識來源于數據。數據不可靠，會誤判，造成控制精度的偏差，數據的質量不好，會給企業帶來不可估量的損失，因此數據的質量、數據的可靠性尤為重要。

3.8 以用戶為中心、用戶參與的體驗式數字化協同設計模型成為智能制造的引擎

以用戶為中心，用戶參與的，面向用戶的體驗式設計，可開發APP軟件，和客戶一起來做產品開發，用戶體驗式設計可使產品具有可持續性，并且可以跟蹤消費者這樣或那樣的、不斷變化的需求。采用用戶參與的體驗式、全生命周期的端到端的數字化協同模式。通過點、線、面打造靈敏化的數字化設計平臺，構建數字化制造工藝網絡。

3.9 基于數據科學的智能制造使用的新七大質量分析工具，成為智能制造的有力保障

新舊QC七工具、帕拉圖、六西格瑪、SPC和DOE等質量工具將被大數據和物聯網使用新的七大工具所代替：第一，文本分析：主要用于客戶之聲、 社交媒體數據和情緒分析；第二，預測性建模：采用決策樹、多元回歸和類神經網絡等方法；第三，機器學習；第四，網絡圖解；第五，聚類分析；第六，離散事件仿真；第七，持續事件流。基于5G+工業互聯網（移動工業互聯網）的智能檢測，智能監控技術成為系統質量管理的主要技術支撐，需要采用系統工程的視角、復雜性科學的理論框架來擴展質量工程技術。

3.10 網絡安全成為智能制造發展的障礙

質量是網絡化服務的產物，在智能制造時代，就安全性而言，許多電器都是潛在的攻擊對象，機器和工廠是聯網的，控制過程基于網絡的，因此來自網絡犯罪攻擊的威脅不斷增加。識別網絡威脅、實施IT安全解決方案和安全生產所需的知識是智能制造企業所必需的，如果網絡安全跟不上，很多企業基于安全的考慮，將推遲智能制造的計劃。因此我國可及時推出網絡安全認證培訓課程，掃除智能制造發展道路上的攔路虎，使我國的智能制造事業一帆風順。

4 結束語

未來的制造環境，即使是最簡單的產品，也將由機器人控制，以提高生產力。越來越便宜和高科技的傳感器收集大量的數據將提取有價值的信息，改進過程和產品。這一發展將產生復雜的單元操作，每個單元操作都是更復雜的過程的一部分或者一系列的過程。因此，任何試圖加工和產品改進，以提高生產力、減少浪費、以及在質量工程的保護傘下保證可持續性都將必須考慮到問題的復雜性以及這種新的數據豐富的環境。迫切需要更多的方法和面向應用的研究，來跟上來自工業的日益增長的需求。

質量工程的起源是制造業，質量工程師將基本的統計方法應用于制造業提高產品和工藝的質量和生產力。在過去的十年中，人們發現了這些方法對于改進幾乎任何類型的系統或過程都是有效的，再如對供應鏈、商業、服務業、金融、醫療保健、教育和電子政務等都是有效的。從歷史上看，人們也把質量工程看作是純粹在制造中提高質量、生產力和可靠性的一套理論、方法和策略。

然而，在智能制造背景下，質量工程的未來面臨著一些嚴峻的挑戰[31-32]。首先是智能制造背景下，傳感器的數字化采集與轉換的質量、數字孿生的質量、算法的質量、人機交互的質量和智能制造系統的質量評估等挑戰。其次，大數據背景下的可靠性與可預測性、可維護性的質量管理變革都面臨新的應用場景、國家質量基礎NQI如何與中小型企業NQI進行融合服務，智能制造背景數字化過程的質量提升計劃、質量控制與質量保證模式都發生了新的變化、數據質量、數據治理、數據價值的質量保證、大數據與機器學習背景的質量改進的變革、智能服務型制造中的質量提升、智能制造的可視化提升、工業軟件質量的提升、智能制造中的綠色可持續性的實踐發展與理論創新、大數據背景下的可靠性與可預測性以及可維護性平臺的使用與優化等也都是等待研究的全新領域。最后智能制造涉及到數字化、自動化、智能化和精益化，需要跨學科、多門類的專業知識跨界融合，需要多種類型、不同層次的智能制造專業人才。需要一批既懂數字化、自動化技術，又懂工藝與管理，還具備項目管理經驗的智能制造項目經理。

質量管理面臨的一個非常現實的問題是：學術研究與企業界的需求之間日益擴大的鴻溝。 在智能制造背景下，企業界比以往任何時候都更需要學術界關注智能制造過程質量面臨的問題，以滿足新應用領域的需要。本文的主要研究目的之一是開始在學術研究與企業界之間建立一座橋梁。

同時，在智能制造新的背景下，質量工程領域依舊有著光明的未來，但需要打破一些舊的藩籬。本文首先回顧了近幾年國內外學者對質量工程的主要研究進展和趨勢。討論質量工程在智能制造環境下是如何進行發展的，以便對這些新領域作出重大貢獻。本文從一種概念性方法出發，旨在提出一種理念和方向，討論智能制造時代質量管理所面臨的挑戰，以及未來變革的關鍵研究問題和趨勢。我們相信隨著質量管理實踐的不斷發展，隨著智能制造、物聯網和5G/6G通信技術的興起，數據科學以及質量大數據挖掘技術將快速發展，因此，本文提出的十大變革方向，是智能制造背景下的質量管理創新的主要內容。智能制造是未來世界各國的競爭核心，讓質量管理科學成為中國經濟騰飛的翅膀，更好地服務于人類的明天。

參考文獻

[1] 數字化企業網.優博訊：構建智能制造數字新生力[Z].2021.

[2] VINING G，LAHCI M，PEDERSEN S. Recent Advances and Future Directions for Quality Engineering[J]. Quality and Reliability Engineering，2015，32（3）：863-875.

[3] 陳浩哲.面向智能制造的作業車間調度研究[D].北京：北京郵電大學，2019.

[4] 湯臨佳，鄭偉偉，池仁勇.智能制造創新生態系統的功能評價體系及治理機制[J].科研管理，2019，（7）：97-105.

[5] Wang L.從智能科學到智能制造[J].Engineering，2019，5（4）：53-60.

[6] 呂文晶，陳勁，劉進.工業互聯網的智能制造模式與企業平臺建設-基于海爾集團的案例研究[J].中國軟科學，2019（7）：1-13.

[7] 李清，唐騫璘，陳耀棠，等.智能制造體系架構，參考模型與標準化框架研究[J].計算機集成制造系統，2018，24（3）：539-549.

[8] 薛金萍.王健：每個企業都能打造屬于自己的“智慧工廠”——訪中國科技自動化聯盟秘書長、智慧工廠研究院院長王健[J].今日印刷，2019（9）：11-14.

[9] 劉強.智能制造理論體系架構研究[J].中國機械工程，2020，31（1）：24-36.

[10] 周濟.智能制造——“中國制造 2025” 的主攻方向[J].中國機械工程，2015，26（17）：2273-2284.

[11] 陶飛，戚慶林.面向服務的智能制造[J].機械工程學報，2018，54（16）：11-23.

[12] 李伯虎，柴旭東，張霖，等.新一代人工智能技術引領下加快發展智能制造技術，產業與應用[J].中國工程科學，2018 （4）：73-78.

[13] 孟凡生，趙剛.傳統制造向智能制造發展影響因素研究[J].科技進步與對策，2018，437（1）：72-78.

[14] 朱非凡.云制造環境下資源動態調度研究[D].長春：長春工業大學，2019.

[15] 劉強.智能制造理論體系架構研究[J].中國機械工程，2020，31（1）：24-36.

[16] 梁盈富，祝戰科.汽車輪轂生產線智能制造系統總體架構的設計與研究[J].工業儀表與自動化裝置，2018，000（4）：61-64.

[17] 劉強，卓潔，郎自強，等.數據驅動的工業過程運行監控與自優化研究展望[J].自動化學報，2018，44（11）：1944-1956.

[18] COLOSIMO B M，HUANG Q，DASGUPTA T，et al.Opportunities and challenges of quality engineering for additive manufacturing[J].Journal of Quality Technology，2018，50（3）：233-252.

[19] 段成.智能制造背景下工業大數據的數據質量控制探討[J].機械設計與制造工程，2018，47（2）：13-16.

[20] 朱正德.面向智能制造的汽車質量管理創新[J].質量與標準化，2017（6）：1-5.

[21] 邱阿東.智能制造下全面質量管理的技術性探究[J].工程技術研究，2018（13）：121-122.

[22] 熊皓舒，章順楠，朱永宏，等.中藥智能制造質量數字化研究及復方丹參滴丸實踐[J].中國中藥雜志，2020，45（7）：1698-1704.

[23] 王振環.基于智能制造背景下的質量大數據[J].智能制造，2018，276（8）：36-38.

[24] 劉紅英.基于信息化技術的工程質量管理系統的研究與實現[J].電腦知識與技術，2020，16（2）：85-86.

[25] 馬文卓，張杰.基于物聯網的汽車智能制造控制與質量管理[J].物聯網技術，2015，5（2）：92-95+98.

[26] ABDELMOEZ W，KHATER H，EL-SHOAFY N.Assessing the Evolution of Software Product Lines Maintainability [C].Proceedings of the 21 st International Conference on Computer Theory and Applications， （ICCTA 2011），2020.

[27] MARQUES M，SIMMONDS J，ROSSEL P O，et al.Software Product Line Evolution：a Systematic Literature Review[J].Information and Software Technology，2019（105）：190-208.

[28] CHEN W.Intelligent manufacturing production line data monitoring system for industrial internet of things[J].Computer Communications，2020（151）：31-41.

[29] KREBISH H A K，BERBEROGLU A.THE EFFECT OF MANAGEMENT （STYLE） ON COST OF QUALITY IN ENGINEERING PROJECTS[J].Proceedings on Engineering Sciences，2020，2（1）：31-40.

[30] LEAH，PICKETT.How to Attract the Next Generation of Quality Engineers[J].Quality，2016，55（11）：37-40.

[31] GONCALVES R， ROMERO D， GRILO A.Factories of the future： challenges and leading innovations in intelligent manufacturing[J].International Journal of Computer Integrated Manufacturing，2017，30（1）：4-13.

[32] COLOSIMO B M.Quality Monitoring and Control in Additive Manufacturing[M].Wiley StatsRef：Statistics Reference Online，2020.