工业4.0 背景下现代质量管理的发展变革

刘沛琦，金春华

（1.北京信息科技大学经济管理学院，北京 100192；2.北京信息科技大学质量与可靠性研究中心，北京 100192）

1 工业4.0 概述

1.1 工业4.0 的概念

工业4.0 是由德国首次提出的战略构想，在我国，通俗意义上称其为两化融合，即工业化与信息化的深度结合。现如今德国已将工业4.0 列入战略计划，预计在未来10～15 年内初步实现工业4.0 的战略构想。工业4.0 是指应用大数据、云计算、物联网等新型技术手段，将实体世界与信息化网络相联结，形成更加智能化的工业生产模式。工业4.0 将使得机器能够自主学习、自主认知，通过信息物理系统，实现产品的智能化升级，对产品服务进行全生命周期管理，并进一步满足制造的多样化和个性化需要。在工业4.0 的时代背景下，机器将在更大范围内取代人工操作，大规模发展生产力。

而质量管理作为生产制造过程中愈发重要的环节，在新的时代背景下质量管理也必将为新兴的工业革命做出改变。在工业4.0 时代，生产制造中的质量管理可以通过人工智能、机器学习、云计算、数字孪生、大数据、机器人技术、物联网等新兴技术手段实现更加高效便捷的全生命周期管理。驱动工业4.0 的技术如图1 所示。

图1 驱动工业4.0 的技术

1.2 工业4.0 的特征

1.2.1 运用大数据分析决策

智能传感器与机器设备的互联互通为企业提供大量有效数据。大数据可帮助生产商分析历史趋势，识别不同的商业模式，并做出更智能化的决策。智慧工厂可以使用其广泛的供应商和分销商的生态系统的数据，提供更加智能化的协助能力。通过查看来自市场、销售或仓库储存的数据，生产商可以根据当时的经营条件做出实时生产决策。“数字孪生”系统的应用可以使得运营的完整数字流程有更直观的表达。

1.2.2 两化深度融合

信息化、工业化更加深度的融合为生产制造带来便利，从生产线的传感器、设备和机器收集的数据可以实时提供给其他工厂，并且可以在企业软件系统层面实时高度共享，促进产业发展。

1.2.3 个性化生产

未来工厂可以定制生产个性化的产品，更有效地满足不同客户的需求。通过使用先进的模拟应用软件、复合材料以及3D打印技术等，生产商可以便捷地为客户制作小规模特供产品。第一次工业革命的进步发展是实现规模化生产，而工业4.0 的目标是实现大规模个性化定制。

1.2.4 更加高效的供应链系统

制造业企业的发展尽管不依赖于高效的供应链，但供应链必须与生产制造活动相结合，成为工业4.0 战略的重要组成部分。这改变了在以往的生产中厂商获取原材料并交付商品的方式。制造商通过与供应商共享生产数据，可以更好地安排交付货物的时间。比如，如果某生产环节中断，可以更改交货路线或延迟交货，以减少成本的浪费。另外，通过研究天气、运输合作伙伴和零售商数据，企业可以使用预测式发货在合适时间发送制成品，满足不同消费者的需求。区块链技术的发展也正在成为使供应链管理透明化的关键因素。

2 传统质量管理面临的挑战

2.1 质量管理体系亟需完善

从制造业的发展现状来看，整个生产方式方法已经发生了改变，新兴技术如智能机器人、3D 打印技术、物联网的应用等，使得质量管理的内容、形式发生变化，传统的质量管理体系已经无法满足需求。因此，企业需要结合当前当发展形势，制定合理的质量管理体系，以满足工业4.0 背景下企业的质量管理需求。

2.2 质量管理技术方法亟需改进

随着物联网、人工智能等高新技术的快速发展，企业生产现场也发生了天翻地覆的变化。智能化和信息化的程度逐步加深，使制造业生产质量水平持续提高。新科技的应用使得生产现场管理工作变得与以往不同，从传统的人员管理、物料管理、设施管理到大数据、智能化设备的管理，管理人员的数量在减少，但是管理效率却越来越高。在生产智造技术不断提高的今天，为了能够适应新的生产质量管理要求，改进质量管理技术方法有着十分重要的现实意义。

2.3 质量管理团队结构亟需调整

在传统的质量管理活动中，要求把各项工作分为Plan—Do—Check—Act 四个阶段，即计划（Plan）、执行（Do）、检查（Check）、处理（Act）。在PDCA 质量管理流程的实施过程中，并非只执行一次循坏，而是在该循环过程中发现问题、解决问题，以达到更高的质量标准。在以往的企业质量管理流程中，更多依靠的是具有相互独立专业技能的技术型人才对生产过程进行质量提升，而在工业4.0 的背景下，面对着海量的数据流，新型生产模式亟需具有数据分析与管理技能相结合的复合型人才。

3 工业4.0 背景下现代质量管理的优化策略

随着大规模的定制和个性化的生产已经成为可能，质量的概念将在第四次工业革命中扩大，包括个性化的服务质量。产品质量将更注重设计、安全，而不是服务质量。设计质量将比制造质量更重要，因为设计影响客户的需求满足程度，而制造质量将在智能制造、机器人、3D 打印等技术的蓬勃发展下缩小差异。

3.1 建立多维度全面质量管理体系

由于大数据、人工智能和物联网等不断发展的新兴技术，多维度质量管理体系的构建将变得越来越可行，即在计划、设计、生产、营销和销售中建立一个多维度质量管理体系。大数据的广泛应用以及软件系统的更新改变了质量管理的流程，图2 展示了传统的现有生产系统，在整体生产销售流程结束后再进行反馈。因此，它只是一个单向的质量管理流程，而实时反馈改进质量的需求则得不到充分的满足。在传统的质量管理流程中，工业生产的5 个阶段（计划、设计、生产、市场营销和销售）之间没有相互作用。然而，在工业4.0 时代下，图3所示的通过数据互联而形成的5 个阶段实时联通而构建的多路径质量管理成为可能。在大数据、人工智能、物联网等相关技术的帮助下，生产系统的每个阶段都将可以实现实时诊断和反馈。因此，将实现每个阶段的质量诊断和客户需求实时反馈。构建一个面向数据的系统平台将在整个生产系统中发挥重要的作用。

图2 传统单向质量管理流程

图3 多维度质量管理体系

生产系统的5 个阶段都存在多路径质量控制，在大数据—人工智能—物联网平台和5 个质量管理阶段之间的关系体现了第四次工业革命所带来的显著优势。例如，在计划阶段即可综合客户实际需求考虑产品和服务质量，设计阶段采用团队合作的协同能力来应对产品开发过程中面对的挑战。

3.2 应用基于大数据的用户需求挖掘

大数据是第四次工业革命的重要组成部分。基于客户细分，大数据可以创造新的客户价值，并为客户提供定制的服务，从而使得客户需求与商家之间的距离进一步被拉进。因此，为客户创造价值的能力将在第四次工业革命中成为市场营销和销售的关键竞争优势。

智能化系统将有效地利用数据资源发掘新的客户价值需求，在此种背景下会产生新型的商业模式。传感器将连接所有内容，而高度集成化的系统将为新型业务提供多维度的质量管理。目前正处于试点建设阶段的智慧城市就是一个很好的先例，它通过传感器生成的多元化数据流自动控制调节城市中的基础设施，从而实时优化城市居住条件。

3.3 实现生产过程实时质量检验

在过去，产品的统计质量控制通常采取抽样检验的方法。然而，在第四次工业革命中，利用配备高效检验工具的快速信息技术，全面检验将稳步取代抽样检验。未来，缺陷产品的自动识别和自动生产线生产系统将越来越普及。

3.4 组建基于数据科学家的质量管理团队

数据科学家将领导第四次工业革命。数据科学家是能够处理数据，在大型数据集中找到有效信息，通过统计数据分析提取有用信息，并创造商业机会的专家。

传统上，受过统计质量控制和工业工程培训的质量专家为质量管理做出很大贡献。然而在第四次工业革命中，质量专家和数据科学家将合并成一个职业，“数据与质量科学家”。它们可以在质量管理中将发挥更加重要的作用，其中生产系统5 个阶段之间数据互联互通是十分必要的。通过对生产系统每个阶段的诊断和反馈，可以提高质量和生产力。“数据与质量科学家”将在这方面接受良好的培训。公司中有统计和管理方面经验的黑带或六西格玛管理方面的主黑带在继续接受一定额外的信息技术领域培训后可以成为一个优秀的数据与质量科学家。

因此，数据科学家所需的知识领域包括：①IT，如数据库管理、编程、大数据软件等；②统计，如数据分析、统计分析方法、统计数据包等；③管理，如管理科学、工业工程、技术管理、质量管理、客户关系管理等。

3.5 应用基于人工智能的风险管理

应用基于大数据的人工智能系统，将对现代质量管理中的风险管控体系做出重大贡献。人工智能是一项通过计算机实现人类智能的技术，如思维和学习。思论上人工智能可以被区分为强人工智能和弱人工智能，其中强人工智能指的是具有像人一样自由思维的人工智能、弱人工智能指的是没有认同感的人工智能。弱人工智能将专门从事补充人类的限制性活动，弱人工智能将为质量管理领域的发展做出贡献。

应用以大数据技术建立的高质量的人工智能产品，可以研究和预测潜在的故障或产品投诉、确定基于环境变化而恶化性能的潜在因素。由于这一过程可以在产品的设计和开发阶段被引入，人工智能可以指导一种能够适应环境变化、环保和高度可靠的产品的生产。此外，人工智能可以收集和分析该过程中的各种数据，发现制造过程中无法观察到的潜在失效模式或变化来源。人工智能也可用于新产品开发的质量管理，要使公司可持续，它必须及时开发和商业化具有竞争力的产品。一家公司在开发和将其产品商品化的过程中，面临着各种风险和不确定性。管理这些风险对企业成功至关重要。公司必须确定可能的风险来源以及如何应对风险。产品开发过程中可能出现各种风险，如客户需求的变化或开发资源或制造能力的变化。在这种情况下，公司必须尽快调整其对策以适应新情况。人工智能可以用来分析和有效地管理在生产开发期间可能出现的风险因素或不确定性。因此，人工智能可以有效支持高质量产品的开发和生产。基于大数据的人工智能技术，预计有望促进质量管理的广泛应用。

4 结束语

在第四次工业革命中，质量管理的理念将从产品质量向设计质量、服务质量和品牌质量不断发展。软件、物联网、大数据和人工智能等新兴技术的整体质量将构成未来质量管理的主要问题。

质量管理在工业4.0 背景下的新思维，出包括质量管理在计划、设计、生产、市场营销、销售阶段的多维度质量管理体系，面向大数据背景下的市场客户需求挖掘，建立数据科学家质量管理团队等新理念。希望研究人员和从业者可从本文中受益，认识到第四次工业革命到来时未来质量管理的发展方向。