從工業4.0到質量4.0
——影響與挑戰（下）

◆郭 政/ 文

三、質量4.0——大數據驅動的全鏈質量管理

質量4.0是質量管理在應對上述變化和挑戰的系統再造。不同學者提出了各自的見解，從多個角度進行了定義，包括價值創造、商業模式、消費者權利等，但目前尚未形成共識。

本文認為，工業4.0本質特征是基于數據的分析方式、決策方式、生產方式、控制方式的變化，數據驅動是基礎。與此相似，質量4.0與以往質量管理的主要區別也是大數據驅動，以及由此導致的全產業鏈的質量變革。因此，本文將質量4.0界定為“大數據驅動的全鏈質量管理”。

（一）大數據驅動的質量管理

質量管理從其學科建立伊始就是一門基于數據的學問。隨著工業4.0的發展，數據本身將從小樣本的、零散的、碎片化的數據，變為了海量的、多維的、連續的大數據。

1.大數據的類型、獲取與影響

企業中存在的大數據主要歸集為以下類型。

（1）產品數據。包括設計、建模、工藝、加工、測試、維護、產品結構、零部件配置關系、變更記錄等。產品的各種數據被記錄、傳輸、處理和加工，使得產品全生命周期管理成為可能，也為滿足個性化的產品需求提供了條件。今后，外部設備不再是記錄產品數據的主要手段，內嵌在產品中的傳感器將獲取更多實時產品數據，使得產品管理能夠從需求、設計、生產、銷售、售后貫穿到淘汰報廢等全生命周期。另外，通過產品終端將用戶數據實時傳回，可動態感知并實時響應消費需求，服務成為企業營利的主要手段。“產品即服務”“軟件即服務”“數據即服務”，使原有僅僅聚焦于產品的質量管理必須擴大適用范圍。

（2）運營數據。包括組織結構、業務管理、生產設備、市場營銷、質量控制、生產、采購、庫存、目標計劃、電子商務等方面數據。工業4.0中無所不在的傳感與互聯，帶來無所不在的數據，這些數據會帶來研發、生產、運營、營銷和管理方式變化。首先，生產線、生產設備的數據可以實現對設備的實時監控，同時生產數據反饋至生產過程中，使得工業控制和管理最優化。其次，通過對采購、倉儲、銷售、配送等供應鏈環節上的數據采集和分析，帶來效率大幅提升和成本大幅下降，并極大減少庫存，改進和優化供應鏈。利用銷售數據、供應商數據的變化，可以動態調整和優化生產、庫存的節奏和規模。此外，基于實時感知的能源管理系統，能夠在生產過程中不斷實時優化能源利用效率。

（3）價值鏈數據。包括與客戶、供應商、合作伙伴相關或者由這些主體共享的數據。大數據技術的發展和應用，使得價值鏈各環節數據和信息能夠被深入分析和挖掘，為企業管理者和參與者提供看待價值鏈的全新視角，使得企業有機會把價值鏈上更多的環節轉化為企業的戰略優勢。從企業自我管理到協同管理，價值鏈數據管理大大延伸了質量管理的邊界。

（4）外部數據。包括經濟運行、行業、市場、競爭對手等數據。為了應對外部環境變化帶來的風險，企業必須充分掌握外部環境的發展現狀以增強自身的應變能力。大數據分析技術在宏觀經濟分析、行業市場調研中得到了越來越廣泛的應用，已經成為企業提升管理決策和市場應變能力的重要手段。少數領先的企業已經通過為高管、營銷人員、車間工人等在內的員工提供信息、技能和工具，引導員工更好、更及時地在“影響點”做出決策。在數字時代，企業可以實時獲取各種數據，對所處環境進行實時分析，并作出敏捷應對。

2. 質量數據處理層級

依據處理數據的數量級和智能水平，宗福季（2020）對質量管理進行了9個層級的劃分。

（1）不用數據，只依賴經驗，比如制衣業早期；

（2）收集數據，但只研究數據本身；

（3）將收集的數據用圖表進行展示；

（4）收集普查數據并進行描述性統計分析；

（5）收集抽樣數據并進行描述性統計分析；

（6）收集抽樣數據并進行推斷性統計分析；

（7）收集實時異構傳感器數據并進行描述性統計分析與可視化；

（8）收集實時異構傳感器數據并進行推斷性統計分析，給出決策建議；

（9）使用工業人工智能的自主過程控制，將數據分析階段智能化，減少人為參與。

其中，從第7階段開始進入大數據質量分析與處理，標志著質量4.0的開端。第8階段，即運用大數據做出決策是質量4.0取得突破性進展的主要難點。目前，還沒有形成通用的框架和方法，決策建模成本過高，且需要大量調試，還難以大范圍推廣應用。不過許多行業的領先企業都做出了有益的嘗試，在單個企業層面也取得了不錯的效果。

今后，大數據驅動的質量管理對質量專業人員的要求將進一步向數據方向聚焦，質量工程師和數據分析師之間的邊界逐漸模糊。

（1）使用數據加深對業務環境和實際問題的理解；

（2）在決策中應用盡可能多的不同數據，產生盡可能多的觀點與解決方案；

（3）培養對數據和整體業務變化的理解；

（4）處理不確定性和犯錯的可能性；

（5）認識到高質量數據的重要性并投資可信賴的來源進行改進。

3. 基于大數據的質量建模與仿真

數字技術使人們幾乎可以為所有產品、系統、子系統或功能過程建立物理模型或行為模型，從而形成現實世界的虛擬照應，即通常所說的數字孿生。一些計算機軟件，如 MATLAB、Simulink、modeFRONTIER等，使系統建模的難度和成本大幅下降。通過仿真模型，可以為產品開發與生產等各環節尋求多種可能方案，并從中取得最優解，實現穩健性、可靠性和安全性等質量要求的平衡。

通過建模與仿真，質量管理的范疇擴大且效率進一步提升。

（1）數字模型被認為是關于產品參數和功能的“真實”，經驗證后的模型將被視為產品的一部分進行交付，因此數字模型的質量被納入管理；

（2）數字模型通過仿真可以獲得對改進有益的數據，從而增強分析能力；

（3）數字模型成為過程管理的重要依據，幫助縮短制造流程，避免了缺陷和錯誤；

（4）數字模型有助于快速開發與升級嵌入產品的軟件，同時降低出錯概率；

（5）數字模型可用于制造、操作和維護產品的操作和培訓材料。

因此，建模和仿真將成為質量管理非常重要的新工具，應該整合到現有的工具方法集。對于質量專業人員來說，建模和仿真將成為新的必備技能，或者（很大可能性）他們的工作將被高效強大的軟件所替代。

4. 基于大數據的質量預測

在論及大數據時，通常在兩個維度上進行理解：一方面數據數量級和類別極大擴充，另一方面數據處理能力大幅提高。更多的數據、更強的算力、更優的算法使企業能實時掌握現實，并在此基礎上預測未來。對未來預測能力的提升是大數據重要的功能。

事實上，運用大數據開展預測在許多領域已經得到很多應用。最常見的例子是天氣預報，將各類氣象信息輸入超級計算機，并通過多種模型進行仿真計算，選出最大概率的預測項。建模的精確性加上超級計算機的強大算力，使得天氣預報越來越準確。

但在工業領域，受資源條件限制，到目前為止，對故障和異常的預測有一定程度的開展，但能力很弱，預測結果準確性不高，在可能發生質量問題的位置和時間兩個維度上都不能精準給出判斷。質量管理中的失效分析對預測需求很大，目前主要基于試驗方法進行，受控的參數少，能夠進行的試驗受條件限制大，所以失效分析雖然理念很好，但真正用得上、用得起、用得好的企業不多。大數據的應用使企業能夠在多維度條件下采集各類海量數據，經建模后運用仿真技術設定虛擬的試驗條件，從而做出更加精準的預測。隨著建模人才的培養和計算機算力成本的進一步下降，質量預測正在成為重要的新興部門。今后，當在線SPC給出質量異常報警的同時，計算機軟件會給出相應的問題來源與調整解決方案。甚至更進一步，當生產過程還在正常進行時，計算機軟件會給出預警提示，告知可能發生故障的位置和發生的概率，提醒工程師及時檢查維護。

未來，企業中開展質量預測的活動和形式可以包括。

（1）通過在組件、子系統和系統的測試和試驗中使用預測管理，在系統開發階段引入預測功能；

（2）在產品或設備的壽命管理中應用預測功能；

（3）將預測功能集成到TPM系統中，增強生命周期管理能力；

（4）在產品開發中引入基于狀態的維護，作為實現產品可靠性的主動方法；

（5）將質量預測功能集成到生產系統或檢測系統中。

（二）全鏈質量管理

在質量2.0發展到質量3.0的過程中，全面質量管理（TQM）是其核心特質。TQM提出的全員、全過程、全企業的基本原則得到廣泛認可，但該理論覆蓋范圍仍然是企業內部，隨著現代生產組織方式的演變，三個全面的質量管理應該演化為面向“供應鏈、價值鏈、產業鏈”的全鏈質量管理。

在工業4.0時代，競爭關系并不僅僅存在于企業之間，也更多存在于以大型平臺企業為依托的產業生態之間。谷歌、亞馬遜、阿里巴巴等互聯網公司是全球ICT等先進技術的開發者、應用者，也是全球組織變革的創新者、引領者。它們成功的重要原因之一在于構建了與先進生產力相適應的生產關系，以及與業務快速迭代、持續創新相適應的組織架構和運行體系。

過去40年，基于產業生態的競爭在ICT領域愈演愈烈，從Wintel體系到Android、iOS兩大操作系統，從電子商務、搜索引擎到社交平臺，一批領軍企業主導了全球ICT產業生態發展。當前，伴隨著新一代信息通訊技術和制造業的融合發展，以平臺為核心的產業競爭正從ICT領域向制造領域拓展。GE、西門子等領軍企業圍繞“智能機器+云平臺+工業App”功能架構，整合“平臺提供商+應用開發者+用戶”生態資源，搶占工業大數據入口主導權、培育海量開發者、提升用戶黏性。通過組建產業聯盟、成立開源社區、開展試驗測試等舉措，這些企業打造了基于工業互聯網平臺的制造業生態，不斷鞏固和強化制造業壟斷地位，搶占全球新一輪產業競爭的制高點。

圖1 價值鏈的外部化與群落化

隨著這一新興的工業組織形式的變化，質量管理的重點并不僅僅局限在企業內部的控制上，而在于企業與企業之間的相互協調上。目前70%以上的制造質量問題，其源頭來自各級供應商。

因此，質量管理將逐步由企業內部的點式管理變化為開放的鏈式管理。隨著產品實現過程的跨企業流動，質量管理流程必將覆蓋整個供應鏈、價值鏈、產業鏈。

四、應對挑戰

質量4.0是質量管理應對工業4.0諸多新挑戰所必須開展的變革，是基于大數據驅動的全鏈質量管理。質量4.0在不同領域不同層面對不同主體提出了要求。為應對挑戰，應在政策方面重點考慮以下問題。

（一）系統推進質量管理數字化變革

工信部頒布了《制造業質量管理數字化實施指南（試行）》，對推進質量管理數字化變革進行了整體布局，其主要內容包括“圍繞一條主線、加快三大轉變、把握四項原則”。

一條主線，即把數字能力建設作為推進質量管理數字化發展的主線。

三大轉變，即質量管理范圍從企業質量管控向生態圈協作轉變；質量管理重點環節從以制造過程為主向研發、設計、制造、服務等多環節并重轉變；質量管理關注焦點從以規模化生產為主向規模化生產與個性化、差異化、精細化并重轉變。

四項原則，即注重價值牽引和數據驅動；注重深化實踐和創新應用；注重分類引導和示范帶動；注重開放合作和安全可控。

（二）建立健全數字化法律法規

進一步完善數據開放共享、知識產權保護、隱私保護、安全保障等方面的法律法規要求，加快數字化共性標準、關鍵技術標準制定和推廣；推動企業落實數據安全相關法規要求，強化數據安全意識，履行數據安全保護義務，增強風險防范、科學決策能力，降低治理成本，提高治理效率。

（三）建設質量數據服務平臺

依托國家質量基礎設施重點實驗室，建設質量數據服務平臺，提高企業獲取質量數據、標準數據、應用數據的能力；鼓勵企業參與數據服務平臺建設，為企業提供數字化轉型系統解決方案；支持企業依托平臺開展質量創新，通過平臺數據資源和能力供給，強化質量競爭力；推動質量數據服務平臺結合重點產業的應用場景和關鍵質量問題，綜合運用物聯網、大數據、5G、人工智能等新興技術，開發一批通用性強、安全可靠、低應用成本、易二次開發的質量信息系統、軟件和工具包，減低企業質量管理數字化實施成本。

（四）推進產業鏈質量協同

鼓勵大企業為中小企業提供一攬子的質量信息支持，包括產品與服務需求信息、質量標準、工藝與流程規范，提高全鏈條質量效益。在重點行業培育1000家以上鏈主型示范企業，建立人才聯合培養、標準聯合研制、專利聯合開發的協同管理體系；鼓勵鏈主型示范企業與其產業鏈、供應鏈上的中小企業構建開放式質量創新平臺，實現企業間質量信息的雙向溝通、質量基礎設施的雙向共享；推動鏈主型企業與中小企業以及技術服務機構針對產業、區域的共性質量技術展開聯合攻關，加快共性技術研發和應用；鼓勵鏈主型企業運用區塊鏈等技術建立產業鏈質量追溯系統。

（五）質量政策的系統性評估

質量政策并不是孤立存在的。通常情況下，涉及標準、質量和技術法規的相關政策通常涵蓋工業發展、出口貿易的加強、環境控制、食品安全、動植物健康安全、科學技術發展等多方面。在質量4.0下，質量管理的對象、范疇、過程、供給、需求等都發生了根本性的變化，隨之而來的是對現有政策的變化需要。我國應建立統籌的大質量政策體系，以增強政策有效性。從國家戰略層面，應圍繞國家高質量發展目標，編制質量強國戰略綱要，明確新時代建設質量強國的指導思想、目標路徑、工作任務；制定年度行動計劃和重點項目，明確部門任務分工，嚴格責任落實；從推進落實層面，應制定出臺促進企業特別是中小微企業質量升級的若干財稅、補貼和扶持政策，包括制定優質優價的政府采購質量安全保障機制與辦法，建立質量分級制度，完善產品質量“三包”責任，建立完善非訴訟質量爭議解決和補償機制，建立新型質量人才教育培養體系和質量專業人員資格認證制度等。