关于工业4.0 环境下如何进行质量转型的探讨

石琰美

（中海油惠州石化有限公司，广东惠州 516084）

工业4.0 最早是由德国政府在2013 年提出一项高科技战略计划，以信息通信技术、物联网技术、机器人技术、增材制造技术、人工智能技术为基础，以自主动态运营为目标，实现高定制化产品的量产，其普遍特征是互联、数字化和智能化。

1 工业4.0 重要技术简介

1.1 大数据

大数据指的是在企业中加速增长的各种大型信息集合。大指的是信息量、创建和收集信息的速度以及数据点的种类或范围。美国国家科学基金会（2012 年）将大数据描述为 “从仪器、传感器、互联网和/或其他数字来源生成的大型、复杂和纵向数据集”。

在大数据的基础上可进行高级分析，高级分析包括描述性分析、诊断性分析、预测性分析、规范性分析。描述性分析和诊断性分析都是对过去的数据进行检查并揭示趋势或异常情况；而预测性分析和规范性分析则是利用这些数据创建有关未来的新信息。虽然这四个类别被视为分析的阶段或状态，而规范性分析是最终的目标，此类技术用于确定最佳替代方案，可以向人类推荐行动，也可以自动执行，无需干预。大数据技术涵盖整个数据生命周期所需的各种技术，包括数据收集、数据存储、数据处理、数据分析、数据应用和数据管理[1]。

1.2 边缘计算

传感器和物联网设备将收集大量数据，但并非所有数据都需要采集或传输。有些数据将在本地进行分析和使用，一旦处理完毕，可能就不需要存储了。例如，如果因为传感器的配置而每100 毫秒读取一次电压，但进一步计算只需要1秒钟的平均值，那么该操作可以在传感器附近（边缘）完成。专用芯片也可以在边缘获取数据并执行机器学习算法，仅将结果发送回来。

1.3 网络物理系统（CPS）

网络物理系统是“由物理和计算组件组成的共同工程交互网络”。CPS 有网络连接部分和物理部分，通过增加各层之间的连接，打破了工业系统中传统的自动化层次结构。从流程层面到供应链层面，每个层面的组件都可以根据具体情况与其他组件连接。这些系统将为未来的关键基础设施奠定基础，并为新兴和未来的智能服务奠定基础。

1.4 工业物联网（IIoT）

工业物联网（IIoT）是数百种OT 协议与基于IP 的通信协议融合的结晶，使控制设备和生产流程的硬件更具通用性和能力。除了支持智能家电、智能家居安全和个人助理等消费设备外，物联网还可用于空气质量和水质监测、医疗保健行业的设备监测、农村医疗保健行业的患者生命体征监控，以及提高产品质量和产量的精准农业。

1.5 数字孪生

数字孪生是将信息从实物中剥离出来，创建出数字孪生体。使得现实世界的实物或环境能够虚拟呈现，并可以根据现实世界的数据进行创建和更新。利用数字孪生，企业可以自动感知态势，监控异常情况，并利用虚拟空间推动优化工作，比单纯的直接观察和模拟更有效率[2]。数字孪生还可作为衡量多个模拟、优化工作和预测模型的影响的基础，而无需改变物理世界中的任何东西。数字孪生技术可应用于复杂产品装配过程的实时质量管理[3]、设备故障诊断和预防性维护。

1.6 人工智能

人工智能是使计算机能够模拟和执行人类智能任务的科学和技术领域。它致力于开发能够感知、理解、学习、推理、决策和与人类进行交互的智能系统。

2 质量4.0 的定义

Jacob 在工业4.0 概念的基础上提出了质量4.0，他将工业4.0 定义为质量管理数字化及相关技术对质量管理方法、质量管理流程和质量人员的影响，而质量4.0 则是将传统质量管理方法与工业4.0 技术相结合，以实现经营、业绩和创新的最优状态[4]。质量4.0 可以宽泛地理解为“工业4.0 背景下的质量管理”[4]。

美国质量协会ASQ 将质量4.0 描述为“将工业4.0 的先进数字技术与卓越质量相结合，推动绩效和效益的大幅提升”。

质量4.0提高了互联性、智能性和自动化程度，从而使人员、机器和数据能够协同工作，提高绩效并实现企业目标。互联意味着找到将人、机器和数据连接在一起的方法。智能可以来自收集数据和与数据交互的新方法、新的学习方法，或机器学习算法等自动化方法。自动化意味着让一个系统执行人类以前必须完成的任务。有很多层级的自动化，从提供人类行动建议的机器，到自行做出和执行所有决策的完全自主系统。

3 工业4.0 和质量4.0 的关系

质量4.0 应用工业4.0 的新兴技术来改进和创新质量管理理念和方法，其核心在于提升质量和达到绩效目标。工业4.0的研究可能仅限于如何影响制造业和工业流程，而质量4.0 则适用于所有行业，质量4.0 强调信息的实时获取、流程的可视性、智能决策支持以及人员、系统和机器之间的强化沟通。

工业4.0 是质量4.0 的一部分，在工业4.0 的环境中，质量管理人员可以从多个来源获得大量实时数据，利用这些数据做出满足客户需求的决策。工业4.0 可以帮助我们提高智能运营水平，解决质量问题，工业4.0 是质量4.0 的重要助力，工业进步与质量发展之间的关系如表1 所示。

表1 工业进步与质量发展之间的关系

4 如何实施质量4.0 变革

4.1 质量4.0 变革的重点

从宏观角度来看，质量4.0 的重点是数字化转型。它涉及由客户和业务需求驱动的战略变革。从微观角度来看，质量4.0旨在利用现有的质量控制方法和工业4.0 技术来协助各企业提高质量和创新。传统技术一如既往地重要，不能因为软件和智能系统而忽视传统技术；相反，应将传统技术作为一种补充。

数据是成功提高质量和绩效的数字化转型的基础。数据为机器学习和其他算法所产生的高级分析提供了动力源。数据科学是将这一切联系在一起的实践，它将获取和吸收数据的机制与分析并进行决策联系在一起。

4.2 数字化转型步骤

（1）要将数字战略转化为行动，在开始转型之前，首先必须清楚的了解企业的工作内容、运作方式及其竞争环境。是什么让企业独一无二？企业如何进入市场和开展业务竞争？有哪些优势、挑战和风险会影响企业追求工业4.0 和数字化转型目标和实施计划？回答所有这些问题非常重要，可以在变革时期为员工提供共同理解的基础，促进员工的认同和对变革的支持。

（2）其次应明确角色、职责、数据驱动的决策过程和定义标准化工作。目前，最著名的质量活动是ISO 9000、全面质量管理、六西格玛和鲍德里奇卓越绩效计划、丰田生产方式（TPS）和持续改进（kaizen）都可以联合或单独用于实现这一目标。如何系统地整合这些质量活动，预防和解决质量问题仍然是企业实施质量管理的重要方向。在所有质量管理活动中，核心目的都是质量改进。要实现质量改进就必须解决质量问题。解决问题的关键环节是发现问题、分解问题、收集和分析数据以及解释分析结果。

（3）明确为什么要转型，如果企业已经开始了数字化转型，那么是否已经明确了自己的目标？研究表明，决定数字化转型计划成功与否的是战略而非技术，这就是为什么许多转型计划都以实施某项特定技术为重点，结果却以失败告终。

（4）预先设定质量和绩效目标，并确定了每个目标机制如流程优化、客户界面和体验、新生态系统、新业务模式和智能产品的质量和绩效目标，就可以开始考虑具体细节了，提出数字化转型目标的一个有效方法就是头脑风暴。

（5）头脑风暴之后，整合如何实现目标的多种想法，在实现过程中必须考虑各种关系。所有企业都应在坚实的数据管理支持下建立企业骨干，以协调人员、流程和技术。ISO 9001、鲍德里奇和精益管理都可用于此，因为它们提供了一个框架，可将战略目标转化为行动、明确的角色和责任；对工作和价值交付的标准描述；以及学习和交流的方法。同样，坚实的数字化平台也是数字化转型计划的先决条件。这包括为员工和供应网络提供知识库和数字服务，共享和管理关键数据并确保数据完整性的平台，以及在企业内外共享工作和协同创新的工具。

（6）差距分析，整理出初步实施计划后，对于其中的大多数工作，企业不太可能从零开始。列出比较感兴趣领域的现状与未来期望状态，对差距进行准确评估来确定实施该计划是否可行。差距分析过程可用于支持小组讨论，以明确数字化、集成化、智能化或自动化的程度，从而实现既定的质量和绩效目标。每个项目或举措都有其自身的背景，在某种情况下是适当和可取的，在另一种情况下可能是不适当、危险或不可行。并非所有流程都应由机器智能驱动的互联自主工作系统管理。

（7）确定潜在计划的列表，这些计划与4.2(4)确定的战略和质量目标相匹配。在实施之前，先确定各种计划的优先级。

（8）技术的战略性使用，由于数字化转型计划是技术密集型的，因此企业必须确定信息技术在其整体战略中将扮演什么角色，以及信息技术是否是其核心能力之一，这可以帮助企业选择正确的技术。

（9）创造价值，由于数字技术会影响公司的业务模式，因此必须研究这些变化可能是什么，以及它们会如何影响创收。建议审视流程和产品的数字化环境。明确数字渠道是否只是用来提升流程管控质量还是为现有产品和服务提供增值。

（10）转型结果评价，选择正确的成功衡量标准，不仅能为计划进程提供指导，还能让管理者清楚地了解企业从数字化转型工作中获得了哪些收益。关键绩效指标KPI 应与4.2(4)中列出的质量和绩效目标挂钩。

成功的数字化转型计划将质量和绩效放在首位和中心，领导者要确保正确的基础、流程、能力和规则，以实现预期成果。

有效的质量管理就是过程纪律。将新兴工具、流程规范和稳健的闭环方法融为一体，不仅有效，而且充满力量和洞察力。它将实时数据和预测数据转化为可操作的信息。

按照这些步骤，就能制定出可行的质量4.0 战略，即由质量和绩效驱动的数字化转型战略。工业4.0 的研究重点可能是制造业和相关行业的网络物理系统，而质量4.0 则适用于所有行业。它涉及人员、流程和新技术之间的相互作用，这些新技术增强了互联性、智能性和自动化。

当人工智能和机器学习与数据化决策相结合时，质量系统将开始具有自我意识。但这并不是一场纯粹的技术变革：设计有效的智能代理并使用它们提供的建议将是一个独特的人类命题。这些变化将对制造业的劳动力产生特殊影响，因为在制造业中，认知技能和根据数据做出决策的能力已经开始变得与体能和灵活性同等重要。

在质量4.0 时代，即使数据的数量和种类不断增加，许多机器学习算法必须经过训练，而训练会受到个人和认知偏见的影响。质量专业人员可以预测积极和消极影响，帮助企业防范消极后果。

5 结束语

工业4.0 和中国制造2025 是当今最具热度的工业实践，其一系列新技术的应用与质量管理方法相结合，将数据、流程、产品和人员集成，使它们能够合作提高效率和质量，从而提高客户满意度；同时也能提升人工智能水平，提高决策的速度和质量。

本文就企业如何进行质量4.0 转型实践进行探讨，提出数字化转型规划的步骤，包括定义企业概况、确定战略方向和质量绩效目标、确立价值主张和潜在计划、确定计划的优先次序和结果评价，为企业数字化、智能化转型提出可行措施。