地方普通高校质量管理课程体系优化研究——基于工业大数据背景

张茜娅，陈振鹭

[1.中国地质大学(北京)，北京100083； 2.河北经贸大学，石家庄050061]

通过质量知识普及教育、职业教育和专业人才培养等措施提升全民质量素养，鼓励有条件的高等学校设立质量管理相关专业，培养质量专业人才。随着“中国制造2025”的不断推进，智能制造加快了信息化与工业化的深度融合，企业研发设计、生产制造、经营管理和销售服务等流程中将产生无限多的大数据。要积极对工业大数据进行分析和挖掘，了解质量问题产生的原因和可能产生的影响并找出解决方案，这应成为新时代质量管理人才教育和培训的重点。

1 工业大数据对质量管理产生的影响

工业大数据时代的来临给企业的管理模式带来了一定挑战。工业大数据时代的诞生是技术发展的产物，技术发展是工业大数据时代诞生的基础条件。对大数据的认识不能只停留在数量的庞大上，更应该关注数据的质量和变化，将数据处理能力作为企业面对大数据时代的核心能力。质量管理是企业日常运营过程中的重要管理活动，产品的质量决定着企业未来的发展趋势。与传统的质量管理数据不同，工业大数据具有高速、大量、多样、价值密度低等特点，要求企业能够使用大数据技术对工业场景下质量数据间的统计关系进行分析和探究，以产生更大的经济价值。大数据技术的发展为改进质量管理方法和提升质量管理人员的素质提供了技术支持。质量管理中较为重要的环节就是质量检验，而数据就是质量检验的核心。利用大数据技术可以发现生产过程中存在的隐藏问题，改进原有的质量检测方式，使质量检验更加精准，进而优化质量管理体系。

由于早期的技术条件有限，对于一批产品可能只进行随机检验，预估总体样本。如今可以通过云计算、移动互联等技术搜集到总体的质量数据，对其进行分析、挖掘，实现数据的分析处理，弥补早期技术条件存在的不足，使数据更加具有真实性、普遍性。合理运用大数据的采集、处理、分析技术可以促进质量管理方法的进一步完善。

以往的数据分析更注重因果关系的探究，而大数据背景下则更加注重信息数据之间的相关关系，从大量的数据中找到相关性，通过对相关性进行分析来建立预测分析模型，从而作出精准有效的决策。可以通过大数据技术对生产过程中的问题进行归纳收集，在数据库中对数据进行分析计算，针对性地确定培训内容，进而提高质量管理人员的素质。与此同时，质量管理人员也需要不断进行自主学习，主动认识大数据，转变以往的思维方式和管理方法，灵活应用现有的数据分析工具。

大数据时代的到来为产品工艺的改进提供了数据支撑，可以实现边生产边进行数据分析，从数据库中搭建相应的模式。除此之外，还可以对数据的参数进行调整，从而找到更加优化的生产模式，这样有助于全面提高产品质量。能够对大数据进行处理和分析的专业人才将繁杂的数据转化为可以变现的经济指标，为企业的质量管理作出了贡献，有利于增加企业的总体效益。

目前，质量管理领域的人才较为认可大数据的重要性，但对大数据的深入理解还不够，尤其是在质量层面上。质量管理者需要认识到利用大数据对企业进行质量管理是大势所趋，会给企业带来效益的同时也存在一定风险，不可以过度依赖大数据。大数据时代的到来对质量管理人才提出了更高要求，能够对海量数据进行运用并提高转化率才是人才发展的前提。与培养质量管理相关的大数据人才所需要耗费的财力、精力也不容小觑，这些人才不仅需要具备质量管理相关经验和实践经历，还需要能够熟练应用大数据技术对质量管理问题进行实时反馈和跟踪，同时与各行业的质量管理人才就相关问题进行交流。大数据人才不仅仅是某一专业、某一领域的人才，还需要关注其他专业和领域，具备多元化视野。能够有效利用大数据是将信息转化为经济效益的关键纽带。

工业大数据时代的到来给技术的发展也带来了一定挑战。大数据的量是巨大而复杂的，对于数据的存储、挖掘、处理需要有技术平台作为支撑，前期是对数据的挖掘分析，后期是对数据的管理，做好数据的聚合和保证信息安全是重中之重。在这一背景下，需要对质量管理观念、质量管理体系进行相应变革，提升企业对大数据的认知程度，树立大数据质量管理理念，培养出更多的大数据人才。

2 地方普通高校质量管理课程体系存在的问题

2.1 教学方式更新不及时

一些高校采取的是多媒体授课方式，教师更注重对学生进行知识输出，会给学生讲授大量的理论知识，与学生的互动力度不够。尽管部分高校采取了小组讨论或翻转课堂的模式，但真正参与到课堂中的学生数量还不是很多，会对预期教学效果的达成产生一些影响。

2.2 教学内容更加注重理论讲解

质量管理学中涉及的概念及理论较多，有些专业术语比较生僻，学生学习起来会存在一定难度，一些教师便对这些内容进行重点讲解，在教学内容上的设计与大数据进行结合的力度不够，学生进行实践的机会有限，不利于精准把握质量管理学的精髓。

2.3 教学课时编排不太合理

质量管理学的内容较多而课时较少，部分教师会更加侧重对重点章节的讲解，这样就可能出现学生的知识体系不够连贯的问题。质量管理学开头的理论知识课时较多，在数据分析板块和实践板块上的课时较少，不利于学生形成质量检验的数据思维。

2.4 考核评价体系有些单一

闭卷考试是质量管理学课程最为常见的考核方式，注重学生对理论知识的掌握情况，而且题目通常都是固定的，一般分为单选、双选、简答、计算等类型，考核内容都是课本上的知识，有些忽略了学生的实践能力考核，不利于全面评估学生对知识的掌握情况。

2.5 课程资源不能充分满足教学需求

大数据时代对学生的专业能力提出了更高的要求，需要学生能够对大数据进行分析和处理，不断与时俱进，成为当代社会所需要的技术型人才。而质量管理学教材关于这方面知识的介绍不是很多，一些教师利用互联网资源来实现数据和信息共享的意识也不是很强，可能会出现课程资源不能满足教学需求的问题。

3 工业大数据背景下的地方普通高校质量管理课程体系优化策略

工业大数据时代的到来对地方普通高校的质量管理课程体系建设产生了积极影响，创新了质量管理课程的内容建设和教学方式，使学生和教师的思维方式更加偏向于问题导向，要求学生和教师具备相关性思维，找出不同要素之间的联系，不断对质量管理课程体系建设进行探索与实践。

质量管理课程体系的建设应该与质量管理人才的培养目标相一致，即强化质量意识，推行合适的质量管理模式，不断提高改进质量。高校在教学方式上应该与时俱进，与工业大数据时代的特点相结合，进而提高课堂教学效率。以河北某财经类院校工商管理专业学生为例，该专业的质量管理课程共计34学时，课程体系优化包含理论部分、上机部分、实践部分、考级部分和考核部分。

3.1 理论部分

该部分包含基础篇和标准篇，其中基础篇包括质量管理理论、质量管理理念与基本模式这两章内容，标准篇包括质量管理体系和卓越绩效评价准则这两章内容，共计8学时。该部分是质量管理课程的基础部分，学习起来较为简单，但内容有些单一。为了提高学生在课程初始阶段的学习兴趣，除质量管理理论(2课时)由教师讲授外，其余内容均通过翻转课堂的形式来进行，充分体现出“学生主动输出，教师积极引导”的教学理念。此外，可以适当弱化或删减一些关于专业名词讲解的理论内容。

3.2 上机部分

该部分为方法篇，包括统计思想与简易统计方法、统计过程控制、质量检验理论与方法应用这三章内容，共计16学时。控制图和质量检验作为课程核心内容，应依托大数据技术从大量的质量数据中发现有价值的信息，并对其进行整理和分析，升级质量管理控制手段。Python语言因具有简洁性和易读性而被广泛应用于数据分析领域；Minitab软件因功能强大和可视化操作较为简单而被广泛应用于现代质量管理统计领域。基于此，该部分的具体授课流程为基础理论与方法分析→以问题为导向的企业质量管理情境模拟→Python软件数据处理→Minitab统计分析→问题解决。

3.3 实践部分

该部分为应用篇，包括质量经济性分析、顾客需求管理、设计过程质量管理、QC小组活动这四章内容，共计8学时。质量管理课程的实践性较强，为培养学生的问题解决能力和团队合作能力，该部分仍采用翻转课堂的教学模式，由学生进行小组讨论并展示成果。

3.4 考级部分

该部分由教师带领学生了解中国质量协会质量专业人员考试的科目类型(六西格玛黑带、可靠性工程师、六西格玛绿带和质量经理)，共计2学时。通过对该部分进行学习，可以帮助学生提升自身的知识专业度，同时可以对考试真题进行改编，利用Minitab软件对数据进行整理和分析，实现应用情境、统计技术和大数据技术的有机结合。

3.5 考核部分

该部分是对学生的理论学习情况和数据处理能力进行综合性考查，让学生掌握质量管理的思想、理念、实践发展沿革，能够使用合理的数据处理软件来解决实际质量问题，从而对质量管理有一个全新的理解，使学生具备分析和解决企业生产活动中的质量问题的工作能力和创新能力。考核包括考勤(30%)、期末闭卷考试(30%)和期末上机考试(40%)这三部分。

4 结语

在“质量为王”的时代背景下，工业大数据呈现出数据模态多样、结构关系复杂等特点，使得质量管理的工作方法和技能都发生了一定改变。为顺应大数据技术的发展，地方普通高校需要对质量管理课程体系作出相应调整，制订新的课程体系，不断丰富课程内容，将培养高素质质量管理专业人才作为重点，满足社会对高质量产品和质量管理人才的需求。