智能制造质量管理转型探索

文/顾云飞 符步军

随着智能制造、智能工厂、智能物流和智能维修等概念被不断地重新定义和界定，移动互联、物联网、云计算和大数据等各类新技术得到不断突破。企业逐步向数字化、自动化、可视化、网络化和智能化方向发展。质量管理该如何转型成为了质量工作者关切的问题。

一、传统质量管理痛点

传统的质量控制大多基于历史数据，通过人工收集分析并利用质量工具实现质量控制，缺乏实时性；相同的问题，由不同的人分析决策，得出的结论可能大相径庭；分析决策环节存在模糊地带。例如：如何应用质量工具,样本如何分组；信息孤岛普遍存在，信息的传递仍主要依赖于人的经验和技术；供应链上的零件质量和检测数据未在最终产品上实现互联互通；规划的组织是分散的，产品设计、工艺系统和信息系统集成性差等。

二、智能制造质量管理特点

随着智能制造时代的到来，原有的质量管理模式需要持续改进。利用智能技术促进质量管理转型，企业可以从三方面寻求突破。

1. 质量管理再次升级

依托自动化和数字化等智能制造技术，整合并促进质量管理再次升级。通过自动化，将更多的检测工作交给设备和系统；通过数字化，充分利用质量数据进行分析和决策。

2. 建设一个智能质量信息系统

利用大数据分析和创建算法，实现质量预防、诊断和控制 。基于质量数据的互联互通和决策模型，通过信息化技术，最大程度地集成质量数据、信息和知识。质量信息系统应与企业业务范围相适应（见图1）。

图1 质量信息系统框架

3. 培养一支智能质量专业人才队伍

加强质量技术人员三大能力的培养：基于客户洞察的整体业务架构设计、规划和集成能力；先进制造技术应用和集成能力（新工艺、新设备、新材料和新方法等）；工业大数据的应用与集成能力（大数据挖掘、分析和决策）。

三、智能质量业务转型指导思想

依据《国家智能制造标准体系建设指南（2018年版）》，结合企业自身特点，制订企业智能质量转型实现策略（见图2）。从生命周期、系统层级和智能特征三个维度，基于企业质量体系和智能制造战略两个基础，依靠质量队伍专业能力的建设，推进企业转型。

生命周期维度包括项目早期的开发质量、中期的制造质量和后期的售后质量；系统层面向两级延伸，关注向设备层面的传感器、单元层面的控制逻辑和政府、新兴市场对质量的要求；智能特征追求自感知、自学习、自决策和自执行的特征实现。

四、智能质量转型落地

智能质量的需求应在企业主营业务基础上，对质量信息的测量、采集、分析、诊断及可视化进行识别和规划（见图3）。

测量应具备在线测量、精准定位、自动补偿和视觉技术等特征；信息采集需关注规范的数据格式、不同设备软件兼容、可追溯性和虚拟现实技术等；分析诊断需结合过程和产品特性，建立算法模型和专家系统，实现自主决策；可视化是对智能质量输出的基本要求，可涵盖便携式设备、定制报表界面、人机交互和远程办公等。

需求的识别可利用一些工具，包括流程图、需求分析表和系统开发需求任务书等，达到广泛收集和定量决策等目的。对业务流程进行自动化和数字化需求分析，按“共性先立、急用先行”原则,创立课题并对课题的效益和战略意义开展定量评价。

图2 智能质量策略图

图3 智能质量需求场景

图4 智能质量管理系统

自动化技术和数字化技术为智能质量管理的落地提供了技术支撑[1]。自动化技术为质量数据的获取和分析奠定了稳定的基础。如：某生产制造项目应用场景，可包括部分项目实现的精确定位、自动柔性检测、视觉检测、远程诊断和虚拟现实技术等。数字化技术方面，企业可以搭建智能质量管理系统（见图4）。基于该平台统一管理其子过程、子模块流程、控制线和算法的优化。

智能质量管理系统的搭建可分步实施。第一步，实现质量数据的快速采集与可视化质量报表管理，配置软硬件，实现产品特性、工艺参数、设备、物流和来料等质量特性的展示；第二步，实现人与质量检测、控制系统的交互，由人远程操控；第三步，智能化的大数据分析决策，实现系统思考判断和自动决策。

机制保障上，企业层面通过各类创新活动的组织或创新工作室的建立或设立奖项，在资金和技术上对创新进行孵化。可通过部分项目进行先行先试、后期推广来控制风险。

五、结 语

智能质量管理是基于企业智能制造发展而形成的一套更加适用于未来质量控制、预防与管理的理念和方法，本质上是企业结合主营业务流程不断再造和转型固化的过程，目的是提升企业卓越质量管理能力。

目前，智能质量管理的实现是没有标准模板和方法论的，不同的企业实现的路径可能千差万别，结合中国制造业创新的时机，希望我们目前在做的智能质量管理的一套构想和方法为大家提供借鉴。