制造业数字化转型的现实悖论与现实选择
01 高瞻远瞩
搭乘制造业高质量发展快车
上个月月初，我们对灯塔工厂做过一个深度解读专题，分析了灯塔工厂的行业分布、发展意义以及具体入选案例的成功因素所在。今天想重提当中的一组数据：2023年全球最新灯塔工厂中，共有50座中国工厂入选，蝉联世界第一。
对比另一组数据一起看：2022年，我国制造业增加值突破40万亿人民币大关，占GDP比重达33.2%，已连续十三年全球第一。（数据来源：中国工业和信息化部）
从中可解读出不少信息:
第一，制造业增加值突破40亿大关，实为“大”，但无法掩盖“大而不强”的积弊。传统制造业中的高端基础设备、高端人才、高端技术长期受制于人，技术创新水平落后于世界先进水平，产业层次较低，产品质量效益亟需提升，工厂用地、劳工成本、不断上涨的原材料价格都是拦路虎，企业心有余而力不足。
第二，中国灯塔工厂数量稳步攀升，实在彰显从“大而不强”走向“大且强”的良好趋势。在新一代信息技术推动下，大数据、云计算人工智能、数字孪生等新技术引领制造业转型变革，不断重塑数据流、业务流与工作流，制造业数字化转型渐趋深化，转型基础不断夯实、转型范围不断拓展、转型程度不断提升。
作为提升我国综合竞争力的核心力量，扎实推进中国制造业在量与质双重维度上冲刺世界前列，是我国未来经济发展的重要支撑，制造业数字化转型不再只是大势所趋，更是企业、行业及国家民族百尺竿头更进一步的必需。
综合来看，数字经济是驱动经济高质量发展的重要引擎，质量管理是企业发展壮大的关键与核心，质量管理数字化是企业经营变革、实现效率与效益高速跃迁的现实选择。
02 殊途同归
传统与数字原生型企业的现实选择
纵观制造业发展历程，产业革命与技术革命交汇发展。从工业4.0概念提及至今，我们似乎看见，数字技术正在渗透进制造业发展的各个环节，工厂内似乎建构起了能够满足客户和内部制造流程的先进制造体系，智能制造似乎颠覆了传统模式。
但吊诡的是，当我们把视角从行业俯瞰之处逐渐往下推进，会讶异地发现，在目前的大部分一线工厂中，一切还在起步探索阶段。
很多企业还保留着非常古老传统的工作习惯，纸质表单在车间内靠人为流转，审批流程极其繁琐臃肿，很难在成堆的纸张和无效的excel中把报表分析做好做完整做完美。
你看见检验员在产线上像勤劳的小蜜蜂一般忙碌，频繁填写着纸质检验表单，填好了之后核对上交，交给主管审核，那成堆的纸质表单宛如浮萍，在数个工站间随着产品一路漂流。
假如这时候出现了不合格品，检验人员就得紧急填写异常问题单，随后找到研发部门、审核部门等多部门沟通，一群人在成堆的表单中搜寻检索，期望能尽快找到相对应的质量信息数据。这时候产线可以干嘛？出现了不合格品，还要往下走吗？停止生产和继续生产都会造成损失，生产节拍被极大地打乱。
质量管理数字化的一大核心门槛是质量数据，有没有用起来，有没有用好？从MES到QMS，无非都是对质量数据的系统性管理的尝试，把盲区推倒、畅通开来。
试着理解一下“质量数据黑匣子”。
如果将其解读成不可知的质量黑色地带，那么数字化系统能减少人为参与带来的不可避免的错误，用系统规范数据录入错误，用系统去取代主观判断，和不同系统对接解决效率问题。
如果将其视作全量信息数据，那么聚合起产品研发、生产制造、不合格品处理等产品全生命周期的质量数据，就有必要保证它们得以便捷流通、高效利用。
对于传统企业来说，数字化主需求在于线下业务向线上业务转型，在于导入数字化系统/软件，重连相互割裂的流程孤岛；那么，对另一些在初创时期就已在进行数字化概念耕耘的数字原生型企业来说，他们的问题则更为具体、更为精细。从初创期、探索期到发展期再到扩张期，企业的内部数据逐渐沉淀，业务和组织架构走向成熟。
不论是传统企业还是数字原生型企业，企业但凡要成长就要处理好质量信息数据，着手进行系统连通底层信息工作，打通数据壁垒、衔接底层数据、挖掘数据价值，让数据赋能决策。
03 系统工程
精细化管理产品质量数据
在所有质量数据当中，制造质量数据又是最直观助益企业运营的角色。产品质量直接决定着企业的核心竞争力，而在越发复杂的商业竞争中，产品质量波动带来的结果愈发不可控，我们有必要对影响制造过程质量的因素进行监控分析。对制造质量数据的管理应运而生，通过采集过程因素数据和检验检测数据，对人机料法环测信息进行分析，帮助企业识别产品缺陷和薄弱环节。
本期案例智，就为大家带来一个制造过程质量数据管理案例，它来自N公司。如果非要定位一下N公司，那就是“介于传统企业和数字原生型企业之间的中间公司”，有数字化手段，但不多；做过数字化改造尝试，但效果不好。
我们诊断出其主要问题出现在质量数据上，N公司存在质量数据收集不完整、存储分散、可利用性低的问题。值得一提的是，这不是孤例，而是很多生产企业当下面临的共性难题：
·质量数据收集的完整性较差，多半是“为了收集而收集”，主要面向生产任务，目的不在于质量分析，导致很多质量因素没有得到关注
·存在数据孤岛现象，制造质量数据存储在了不同的业务部门，在管理数据时甚至使用了两种以上的分类编目方法，导致对数据定义难以取得一致，各个环节数据存在断档，难以集成和共享
这些普遍困难早就是海岸线的老相识了，得益于对海岸线丰富的实施经验的信赖，N公司前期的调研选型推进得非常迅捷。但当我以为这是决定因素时，N公司大领导在启动大会上意味深长地说：“你们是我们听到的第一家把每个场景讲清楚理清楚的服务商。”
制造业质量管理数字化是一项系统性工程，于是很多企业一味相信大而全，小部分服务商用话术掩盖自己捆绑销售全家桶的事实，偏偏企业还只能在吃尽苦头后才醒悟过来：原来这东西我根本用不上啊！每个月平白烧掉那么多钱。再或者是：我明明有这么多数据了，为什么还是做不好改善？
这是因为，质量从来就不只是一个结果数据，只靠结果数据做改善是很难的，生产制造流程本来就千差万别，我们需要对过程信息进行更精细更高效的管理。
比方说检验，很多中上层决策者可能不太清楚，检验环节的效率盈余其实远超想象。全面数字化检验＞数字化检验＞人力检验，像N公司就有3个生产基地分布在不同城市，但3个基地有时候会使用同一批次来料，PQM检验模块中的检验规则是动态的，能够因地制宜适配企业在不同阶段、不同业务上所需要的检验标准，随时灵活调整。除此之外，检验计划和任务也是在系统内主动创建的，并将自动指派和提醒给任务人。
当然，做好单个环节是QMS/PQM本应具备的基础硬实力。质量数据能不能反哺分析改善，往往出现在问题上。例如，当产品性能出现质量问题时，我们需要追溯到具体的制造过程因素。PQM的全景追溯能力，能够基于工单追踪检验信息、不合格品处理信息、异常分析信息、制造信息的全量人机料法环测追溯。在单件质量成本很高的情况下，迅速定位到该单件问题出现批次及问题所在点，及时处理召回，遏制更大损失产生。
尽管我们才刚刚开始和N公司合作，但不论是前期沟通阶段还是项目交付部署阶段，整个过程都保持着融洽友好的交流，团队双方的成员始终在为相同的目标一道努力。当专业的人遇上专业的人，会开创出一片更好的天地，我们期待能和你遇见。 收起阅读 »
搭乘制造业高质量发展快车
上个月月初，我们对灯塔工厂做过一个深度解读专题，分析了灯塔工厂的行业分布、发展意义以及具体入选案例的成功因素所在。今天想重提当中的一组数据：2023年全球最新灯塔工厂中，共有50座中国工厂入选，蝉联世界第一。
对比另一组数据一起看：2022年，我国制造业增加值突破40万亿人民币大关，占GDP比重达33.2%，已连续十三年全球第一。（数据来源：中国工业和信息化部）
从中可解读出不少信息:
第一，制造业增加值突破40亿大关，实为“大”，但无法掩盖“大而不强”的积弊。传统制造业中的高端基础设备、高端人才、高端技术长期受制于人，技术创新水平落后于世界先进水平，产业层次较低，产品质量效益亟需提升，工厂用地、劳工成本、不断上涨的原材料价格都是拦路虎，企业心有余而力不足。
第二，中国灯塔工厂数量稳步攀升，实在彰显从“大而不强”走向“大且强”的良好趋势。在新一代信息技术推动下，大数据、云计算人工智能、数字孪生等新技术引领制造业转型变革，不断重塑数据流、业务流与工作流，制造业数字化转型渐趋深化，转型基础不断夯实、转型范围不断拓展、转型程度不断提升。
作为提升我国综合竞争力的核心力量，扎实推进中国制造业在量与质双重维度上冲刺世界前列，是我国未来经济发展的重要支撑，制造业数字化转型不再只是大势所趋，更是企业、行业及国家民族百尺竿头更进一步的必需。
综合来看，数字经济是驱动经济高质量发展的重要引擎，质量管理是企业发展壮大的关键与核心，质量管理数字化是企业经营变革、实现效率与效益高速跃迁的现实选择。
02 殊途同归
传统与数字原生型企业的现实选择
纵观制造业发展历程，产业革命与技术革命交汇发展。从工业4.0概念提及至今，我们似乎看见，数字技术正在渗透进制造业发展的各个环节，工厂内似乎建构起了能够满足客户和内部制造流程的先进制造体系，智能制造似乎颠覆了传统模式。
但吊诡的是，当我们把视角从行业俯瞰之处逐渐往下推进，会讶异地发现，在目前的大部分一线工厂中，一切还在起步探索阶段。
很多企业还保留着非常古老传统的工作习惯，纸质表单在车间内靠人为流转，审批流程极其繁琐臃肿，很难在成堆的纸张和无效的excel中把报表分析做好做完整做完美。
你看见检验员在产线上像勤劳的小蜜蜂一般忙碌，频繁填写着纸质检验表单，填好了之后核对上交，交给主管审核，那成堆的纸质表单宛如浮萍，在数个工站间随着产品一路漂流。
假如这时候出现了不合格品，检验人员就得紧急填写异常问题单，随后找到研发部门、审核部门等多部门沟通，一群人在成堆的表单中搜寻检索，期望能尽快找到相对应的质量信息数据。这时候产线可以干嘛？出现了不合格品，还要往下走吗？停止生产和继续生产都会造成损失，生产节拍被极大地打乱。
质量管理数字化的一大核心门槛是质量数据，有没有用起来，有没有用好？从MES到QMS，无非都是对质量数据的系统性管理的尝试，把盲区推倒、畅通开来。
试着理解一下“质量数据黑匣子”。
如果将其解读成不可知的质量黑色地带，那么数字化系统能减少人为参与带来的不可避免的错误，用系统规范数据录入错误，用系统去取代主观判断，和不同系统对接解决效率问题。
如果将其视作全量信息数据，那么聚合起产品研发、生产制造、不合格品处理等产品全生命周期的质量数据，就有必要保证它们得以便捷流通、高效利用。
对于传统企业来说，数字化主需求在于线下业务向线上业务转型，在于导入数字化系统/软件，重连相互割裂的流程孤岛；那么，对另一些在初创时期就已在进行数字化概念耕耘的数字原生型企业来说，他们的问题则更为具体、更为精细。从初创期、探索期到发展期再到扩张期，企业的内部数据逐渐沉淀，业务和组织架构走向成熟。
不论是传统企业还是数字原生型企业，企业但凡要成长就要处理好质量信息数据，着手进行系统连通底层信息工作，打通数据壁垒、衔接底层数据、挖掘数据价值，让数据赋能决策。
03 系统工程
精细化管理产品质量数据
在所有质量数据当中，制造质量数据又是最直观助益企业运营的角色。产品质量直接决定着企业的核心竞争力，而在越发复杂的商业竞争中，产品质量波动带来的结果愈发不可控，我们有必要对影响制造过程质量的因素进行监控分析。对制造质量数据的管理应运而生，通过采集过程因素数据和检验检测数据，对人机料法环测信息进行分析，帮助企业识别产品缺陷和薄弱环节。
本期案例智，就为大家带来一个制造过程质量数据管理案例，它来自N公司。如果非要定位一下N公司，那就是“介于传统企业和数字原生型企业之间的中间公司”，有数字化手段，但不多；做过数字化改造尝试，但效果不好。
我们诊断出其主要问题出现在质量数据上，N公司存在质量数据收集不完整、存储分散、可利用性低的问题。值得一提的是，这不是孤例，而是很多生产企业当下面临的共性难题：
·质量数据收集的完整性较差，多半是“为了收集而收集”，主要面向生产任务，目的不在于质量分析，导致很多质量因素没有得到关注
·存在数据孤岛现象，制造质量数据存储在了不同的业务部门，在管理数据时甚至使用了两种以上的分类编目方法，导致对数据定义难以取得一致，各个环节数据存在断档，难以集成和共享
这些普遍困难早就是海岸线的老相识了，得益于对海岸线丰富的实施经验的信赖，N公司前期的调研选型推进得非常迅捷。但当我以为这是决定因素时，N公司大领导在启动大会上意味深长地说：“你们是我们听到的第一家把每个场景讲清楚理清楚的服务商。”
制造业质量管理数字化是一项系统性工程，于是很多企业一味相信大而全，小部分服务商用话术掩盖自己捆绑销售全家桶的事实，偏偏企业还只能在吃尽苦头后才醒悟过来：原来这东西我根本用不上啊！每个月平白烧掉那么多钱。再或者是：我明明有这么多数据了，为什么还是做不好改善？
这是因为，质量从来就不只是一个结果数据，只靠结果数据做改善是很难的，生产制造流程本来就千差万别，我们需要对过程信息进行更精细更高效的管理。
比方说检验，很多中上层决策者可能不太清楚，检验环节的效率盈余其实远超想象。全面数字化检验＞数字化检验＞人力检验，像N公司就有3个生产基地分布在不同城市，但3个基地有时候会使用同一批次来料，PQM检验模块中的检验规则是动态的，能够因地制宜适配企业在不同阶段、不同业务上所需要的检验标准，随时灵活调整。除此之外，检验计划和任务也是在系统内主动创建的，并将自动指派和提醒给任务人。
当然，做好单个环节是QMS/PQM本应具备的基础硬实力。质量数据能不能反哺分析改善，往往出现在问题上。例如，当产品性能出现质量问题时，我们需要追溯到具体的制造过程因素。PQM的全景追溯能力，能够基于工单追踪检验信息、不合格品处理信息、异常分析信息、制造信息的全量人机料法环测追溯。在单件质量成本很高的情况下，迅速定位到该单件问题出现批次及问题所在点，及时处理召回，遏制更大损失产生。
尽管我们才刚刚开始和N公司合作，但不论是前期沟通阶段还是项目交付部署阶段，整个过程都保持着融洽友好的交流，团队双方的成员始终在为相同的目标一道努力。当专业的人遇上专业的人，会开创出一片更好的天地，我们期待能和你遇见。 收起阅读 »
什么是一个好的图纸？(Jacd吐血原创)
五一闲来无事，借着这个问题发挥了一下
机械加工图怎么区分重要尺寸和一般尺寸https://www.6sq.net/question/717417
首先，一个好的图纸需要让供应链能够聚焦，才能保证成本可控，不然绝对让整个供应链人仰马翻，品质问题层出不穷。
一个图纸凡带有公差的尺寸都默认为重要尺寸，这个并不是国际标准和惯例，如果一个零件有几百个带公差的尺寸，你要让供应商每批出货全检，敢问哪个供应商愿意配合你？当然，你舍得掏钱花高价除外。
我们常见的例子是，因为研发没标重点，供应商浑沦吞枣也不敢反问客户，也舍不得花大成本全检所有带公差的尺寸，于是随便想当然的挑了几个长宽高当成终点出货检验测A尺寸，然后客户来料检验IQC也是人力很紧张，想当然的随便挑了几个别的尺寸，比如B尺寸，而且客户要是不规范没有来料检验指导书，来料全凭检验员自由发挥，一个检验员检查B尺寸，一个检验员检查C尺寸，最后每次来料绝对都是无穷无尽的品质问题，供应商在无数次退换货之后才幡然醒悟客户想要的是什么，才逐渐把客户关心的尺寸摸着石头过河弄清楚。
一个研发人员最起码的素质和输出应该凭借图纸去告诉整个供应链和内部制程，哪些是影响功能（3F，Function功能尺寸，Fit接口装配尺寸，Form外形尺寸），耐久性（可靠性）和政府法规安全要求的特性。
这句话看起来能让人气的吐血，我觉得贵司高层是国企吃闲饭的吧？
其次，一个好的图纸绝对不是让研发人员自己闲的蛋疼当神仙，结合第一点来看，这根本就是本末倒置。
一个图纸很多都是默认公差，实际是国际上的确考虑减轻研发人员的负担，如果非重要的，不影响功能的的确可以这么走，但研发明知哪些尺寸会影响功能却犯懒，美其名曰我们是高品质产品，供应商就要全尺寸检验，每个尺寸都随时保证合格，我只能说这种狗屎研发企业品质如果很弱势，这种现象绝对是很普遍，品质人要想在这种企业环境里做好品质，那一定需要一定的忍耐力，魄力和经验，满大街都是犯罪分子，找多少福尔摩斯来破案妄想降低犯罪率也是天方夜谭
最后，到底是什么好的图纸？
这也是面试来我手下应聘SDE和SQE必问的问题之一，我遇到很多应聘者有十多年品质经验，却仍然对这个问题回答的一知半解，零零散散，我只能说你只适合做个螺丝钉，缺乏思考和总结，这样的人我也绝对不敢要。
我多年的浅见如下，先引用我们根据APQP和公司经验汇总成的一份我们内部图纸发行之前进行设计评审的一段要求：
当然以上要求研发人员都能做好是不现实的，研发人员也不是超人，即便研发经理也可以进行再评审和监督，最后还是不一定会有好的结果，一味的炮轰研发没有意义。
这要求组织有完整的设计评审制度，靠跨部门三个臭皮匠（品质，设备，供应商（内含多个部门），采购，工艺等等）的持续充分沟通交流来代替一个诸葛亮的不稳定输出。研发单打独斗的局面在国内基本不现实，靠刚毕业的硕士，即便画图纸能力一流，但这样的研发人员和缺乏好的设计评审制度会变成组织和整个供应链的梦魇。趁着五一空闲，和楼主这个问题激发了我的动力，也感谢楼主和各位抛砖引玉，期待各位坛友补充和质疑，以上个人浅见，欢迎交流 收起阅读 »
机械加工图怎么区分重要尺寸和一般尺寸https://www.6sq.net/question/717417
首先，一个好的图纸需要让供应链能够聚焦，才能保证成本可控，不然绝对让整个供应链人仰马翻，品质问题层出不穷。
一个图纸凡带有公差的尺寸都默认为重要尺寸，这个并不是国际标准和惯例，如果一个零件有几百个带公差的尺寸，你要让供应商每批出货全检，敢问哪个供应商愿意配合你？当然，你舍得掏钱花高价除外。
我们常见的例子是，因为研发没标重点，供应商浑沦吞枣也不敢反问客户，也舍不得花大成本全检所有带公差的尺寸，于是随便想当然的挑了几个长宽高当成终点出货检验测A尺寸，然后客户来料检验IQC也是人力很紧张，想当然的随便挑了几个别的尺寸，比如B尺寸，而且客户要是不规范没有来料检验指导书，来料全凭检验员自由发挥，一个检验员检查B尺寸，一个检验员检查C尺寸，最后每次来料绝对都是无穷无尽的品质问题，供应商在无数次退换货之后才幡然醒悟客户想要的是什么，才逐渐把客户关心的尺寸摸着石头过河弄清楚。
一个研发人员最起码的素质和输出应该凭借图纸去告诉整个供应链和内部制程，哪些是影响功能（3F，Function功能尺寸，Fit接口装配尺寸，Form外形尺寸），耐久性（可靠性）和政府法规安全要求的特性。
这句话看起来能让人气的吐血，我觉得贵司高层是国企吃闲饭的吧？
公司高层讨论后一致觉得不能再图纸上增加重要尺寸的符号，认为这样出图不符合国家标准，显得不专业
其次，一个好的图纸绝对不是让研发人员自己闲的蛋疼当神仙，结合第一点来看，这根本就是本末倒置。
一个图纸很多都是默认公差，实际是国际上的确考虑减轻研发人员的负担，如果非重要的，不影响功能的的确可以这么走，但研发明知哪些尺寸会影响功能却犯懒，美其名曰我们是高品质产品，供应商就要全尺寸检验，每个尺寸都随时保证合格，我只能说这种狗屎研发企业品质如果很弱势，这种现象绝对是很普遍，品质人要想在这种企业环境里做好品质，那一定需要一定的忍耐力，魄力和经验，满大街都是犯罪分子，找多少福尔摩斯来破案妄想降低犯罪率也是天方夜谭
最后，到底是什么好的图纸？
这也是面试来我手下应聘SDE和SQE必问的问题之一，我遇到很多应聘者有十多年品质经验，却仍然对这个问题回答的一知半解，零零散散，我只能说你只适合做个螺丝钉，缺乏思考和总结，这样的人我也绝对不敢要。
我多年的浅见如下，先引用我们根据APQP和公司经验汇总成的一份我们内部图纸发行之前进行设计评审的一段要求：
客户设计不排除质量部门以以下方式审查设计工程图纸的责任:工程图纸可能包括必须在控制计划中显示的特殊(政府法规和安全)特征。当客户工程图纸不存在时，图纸的控制和发行应由团队审查，以确定哪些特性影响外形、配合、功能、耐久性和/或政府法规安全要求。
应检查图纸，以确定是否有足够的信息来确定单个零件的尺寸布局。控制面或基准面/定位应明确标识，以便为持续控制设计适当的功能仪表和设备。应对尺寸进行评估，以确保与工业制造和测量标准的可行性和兼容性。如果合适，团队应该确保数学数据与客户的系统兼容，以实现有效的双向通信。
对控制规范的详细审查和理解将有助于质量部门确定主题部件或组件的功能、耐用性和外观要求。组织应确定哪些特性会影响满足功能、耐久性和外观要求。
除了图纸和性能规范外，还应审查材料规范中与物理特性、性能、环境、处理和存储要求有关的特殊特性。这些特性也应包括在控制计划中。
- 聚焦性：图纸应该规划重点尺寸，并且重点尺寸应该区分KPC和PQC尺寸（通用汽车的定义和要求），KPC：Key Product Characteristic（关键产品特性）,越在中心越好，如果靠近上下限会引起客户良率损失的，一定要全检或执行SPC保证这些尺寸永远靠近中值。PQC：Product Quality Characteristic（产品质量特性），只要在范围内就好，靠近上下限不影响功能，但一旦超差会立即影响功能，根据制程能力和超差后影响度来决定是否全检或执行SPC。除了上面这两个还有个叫SPC（Standard Product Characteristic标准产品特性）就是超差了一点实际对功能影响也比较少（可以考虑特采的），超差太大可能会影响功能的。具体大家可以自己搜索KCDS等等，可以看到相关信息，我这里不赘述。随便搜了链接给大家参考https://wenku.baidu.com/view/7 ... %25B8
- 可测量性：研发随意标注，但是发现根本测不准或测不了，或是测量工具或方法很多，三个人完全有可能有三套测量方法，结果差异很大，基准不标注，或标注的基准面不合理，基准面本身就不平，不准。。。
- 可装配性（忽视形位公差）：尺寸虽然是标注了，但是完全没有形位公差标注，研发自己也不理解啥是形位公差，根本不考虑形位公差超差后对产品组装或功能特性。比如孔是椭圆的，几个柱子不同心，产品角度根本测不准，却不标注垂直度或位置度等等，平面度不进行要求标注等等。产品自动化设备对产品宽度有KPC要求（靠近中值），但研发对内部设备精度要求不了解，忽视对产品重要尺寸进行定义等等
- 可制造性（或经济性）：研发美其名曰，我设计的产品是业界标杆，一定要用最严的公差，选用的材料一定是最好，完全有可能即使供应商不在乎成本（经济性）投入全行业最好的设备也加工不出来，或是用一般的成本完全不能满足，而实际装配或功能或可靠性完全不需要这么严的公差或这么好的材料，有的研发完全不了解供应商或内部的注塑特性（忽视产品缩水，毛刺，分模线段差，顶针印痕），要求所有都要完美无瑕的产品，等等。也可能不知道产品的分模线段差会对自己内部的自动化设备有装配影响，最后导致产品无法兼容自动化生产线。
- 完整性（涵盖所有外观，外形、配合、功能、耐久性和/或政府法规安全，包装，存储条件，应用条件和潜在品质要求）：研发说我只负责标尺寸，其他我一概不管，图纸就这么大地方，你让我标那么多额外东西干屁，你们品质自己出标准和文件去控制尺寸之外的要求（当然有的公司的确是品质负责出通用性外观标准），图纸不要求供应商用吸塑盘一个萝卜一个坑的包装，供应商报了个最低价格，然后用塑料袋装了几百个产品揉在一起最后都变形了量产频频出问题，反正研发说都是你们品质，采购，供应商自己犯傻，和我有毛关系。研发人员说我都标注了镀层厚度了，为毛还要标注盐雾试验时间？镀银产品裸露空气很容易变黄，研发人员说我为啥要标注硫酸钾测试标准？我为啥要标注百格测试标准？你让供应商自己控制好就行。胶水需要零度保存，一开始只有研发人员知道，最后仓库傻傻不知道，全部20度保存最后胶水全变硬不得不报废。胶水使用前需要搅拌，生产人员傻傻不知道，最后导致粘性不够一直被客户莫名其妙退货。。。。。还有重灾区是我为啥要标注外观要求？等等
- 可靠性（未建立监控标准和要求，未分解到产品特性）：研发习惯性自己前期弄一锤子研究，就是供应商样品测了5个，测了一次，的确耐高温，耐冷热冲击，耐紫外线不变色，耐老化不开裂，但后期缺乏让生产，品质，供应商持续监控的要求，美其名曰，这些是我自己或客户要求的实验，我为啥要告诉你们？我的设计前期都验证了，你们供应商肯定制程不稳定或偷工减料了才导致可靠性问题，还敢反过来质疑我设计云云。研发并不了解什么产品或过程特性和他要求的可靠性相关联，而只会靠前期撞大运侥幸通过的实验来设计产品。比如杜邦和国产塑胶粒子有些区别和具体性能他也搞不懂，反正国产的通过了，后期开裂和我无关
- 可监控性：研发不对来料检验和供应商出货检验的必须项目，不对抽样方案的大小和频率进行要求（当然，有很多公司是靠品质来要求的），研发的确也缺乏对AQL的认知和了解。当然公司除了研发之外，其他部门也缺乏规范和整体要求，最后导致整个供应链和内部来料检验自由发挥。研发不了解过去产品失效历史和供应商制造工艺的可能缺陷，导致该进行监控的没监控，供应商永远都不会超差的尺寸（公差很大或制程能力很高）过度进行监控
- 客户兼容性和最终应用条件：这个是研发疏于和客户沟通，不敢对客户图纸产生疑问，不主动了解客户应用环境和条件，遗漏客户要求的接口特性（对手件公差要求）等等，最后出问题都是内部和供应商的问题
- 期待各位坛友补充，以上个人浅见，实属有限
当然以上要求研发人员都能做好是不现实的，研发人员也不是超人，即便研发经理也可以进行再评审和监督，最后还是不一定会有好的结果，一味的炮轰研发没有意义。
这要求组织有完整的设计评审制度，靠跨部门三个臭皮匠（品质，设备，供应商（内含多个部门），采购，工艺等等）的持续充分沟通交流来代替一个诸葛亮的不稳定输出。研发单打独斗的局面在国内基本不现实，靠刚毕业的硕士，即便画图纸能力一流，但这样的研发人员和缺乏好的设计评审制度会变成组织和整个供应链的梦魇。趁着五一空闲，和楼主这个问题激发了我的动力，也感谢楼主和各位抛砖引玉，期待各位坛友补充和质疑，以上个人浅见，欢迎交流 收起阅读 »
顺利转版不求人！VDA6.3-2023红皮书深度解析
继1998、2010、2016年三个版本之后，VDA QMC时隔七年正式发布了最新版VDA 6.3过程审核-2023版红皮书。
作为全球汽车行业“标志性”的过程审核标准，VDA 6.3是德系主要汽车OEM，如大众、保时捷、宝马、奔驰等供应商最重要的准入标准，是众多国际一级零部件供应商集团内审与二方审核提问表的编写依据。
根据IATF 16949:2016标准、条款7.2.3内部审核员能力、7.2.4第二方审核员能力要求，VDA 6.3过程审核能力为必备要求之一。
尽管有声音表示2023与2016的版本变化不大，总体格局还是建立在2016版和黄皮版基础之上的，但若是对标准全文进行仔细地对标解析的话，我们就能发现，本次其实也有不少更新内容。
01 明确了VDA 6.3的特点
首先，本次更新是对2016版VDA6.3 的进一步优化和完善，给出了明确定义：
●一种分析过程的结构化方法；
● 一种评价和打分系统；
● 清晰的降级规则；
● 识别特定的产品和过程风险；
● 清晰呈现过程评价结果（A、B或C）；
● 类似产品和过程结果的广泛可比性；
● 在授予合同之前，评价新供方、地点和技术适用性的潜在供方分析；
● 关注产品和过程，而不是体系。
VDA6.3亦可集成或应用到公司的QMS等质量管理体系中，有助于满足IATF16949的要求，是一个深入的、模块化和系统化的过程审核工具，能帮助企业提升质量管理、实物质量、保修服务、降低产品风险、增加企业产品竞争力。
02 本次更新的变与不变
与2016版相比，本次更新的主要变化有：
●提问表中考虑到了软件方面；
● 与VDA方法进一步协调，即ASPICE和新零件的成熟度保证（VDA MLA）；
● P3、P4增加了关于采购活动的要求；
● 规范了审核员资质；
● 增加了实施远程审核的说明；
● 删除了第四章（“审核过程”），因为该内容已包含在ISO 19011中；
● 删除了第八章（“服务过程审核”）；
● 删除了第十章（“最佳实践/经验教训”）；
● 省略了对运输和零件处置（Eu7）的评价；
● 在某些情况下，重新定义了由特殊意义的提问（*—问题）；
● 重新分配了一些潜在供方分析的提问；
● 为所有VDA卷建立了一个综合的在线词汇表。
与2016版相比，未发生变化的有：
●整体评价的分类系统（A、B、C）；
● 提问表结构；
● 单个问题的评分模型（10-8-6-4-0）；
● 过程要素P2-P7的适用性；
● 乌龟图模型；
●以前的降级规则。
我们为大家整理了一份具体更新细则对比：
综合来看，新版VDA6.3 P1部分审核要求更为严格，如：信号灯总体结论打分规则，P1之前需要释放询价要求，P1的审核是供应商发包定点战略的重要支撑，P1承担了分析新项目潜在风险的重任，与发包定点之后项目启动阶段审核紧密相关，所以新版VDA 6.3的P1的审核是极富挑战性的。
03 核心问题答疑
问题一：VDA 6.3的成员都是车厂吗？
问题二：VDA 6.3和IATF 16949哪个比较难通过？
问题三：开发阶段的P2-P4审核需要结合什么要求？
问题四：企业执行VDA6.3的审核，每次都要从条款P2审核到P7吗？
问题五：针对题项评分，我去供应商审核时觉得厂商做的不好，但单项评0分有时使不上力，评为0分可以有什么原则？
问题六：我们的制程有20个工站，但VDA 6.3评分表只有10个工站的评分，那应该如何使用评分表？
问题七：可以列举常见的审核缺失以具体展现VDA6.3的要求？
04 转版8步法
当然，面对VDA 6.3的变与不变，企业在阅读解读分析类文章之余，还是需要更全面地把握和研读。那么，应该怎么更好地掌握和理解呢？转版8步法供您参考：
1、读标准
购买红皮书，通读新版VDA6.3标准，了解新版变化点
2、找差距
将自己企业运行的情况及企业文件等内容，与新版对照查看，找出差异点
3、加要素
将2023版中P3、P4中对新供应商的导入相关事项，增加到企业内部的APQP（新产品研发流程）中去。同时涉及到软件的企业，需要将Automotive SPICE的相关要素融入到APQP的任务中去，也就是需要重做APQP的WBS任务分解
4、评风险
根据2023版提到的MLA（新零件成熟度保障模型）的方法，对项目中的新物料、新供方进行成熟度评估，评定A、B、C风险等级，确定关键路径，制定升级方案
5、再审核
分别按照2023版的P1、P2-P7的要素，重新设计潜在供方评估检查表，重新设计企业内审检查表，并重新执行针对供方或内部的审核
6、定计划
根据上述所有的差异点，制定转版改进计划，并分配改善责任人，必要条件下向高层管理者申请资源
7、重赋能
学习VDA-MLA（新零件成熟度保障模型）；同时，涉及软件的企业还要学习Automotive SPICE，涉及造车新势力供应链或需要快速响应客户的变化多端的需求的企业，需要学习VDA-敏捷管理以及V模型（VDI/VDE 2206 – 2021标准或ASPICE标准），还有8D方法、VDA5测量系统管理、新版FMEA等方法论都需要大家及时深入地学习
8、自评估
实施上述转版过程后，小伙伴们不要忘记多多进行“回头看”的自我评估和结果审视哦，关键时刻的管理评审、阶段总结、全新的过程审核也是必要的。
如果没有识别清楚、识别全面，就有可能导致原6.3体系管理文件难以更新或干脆缺失，结果必然会偏离客户要求，满意度降低、投诉抱怨率上升。企业必须要足够敏锐，适时地了解标准所更新的内容，以便适应新的市场需求，并达到更高的质量。
*本篇文章部分内容援引自红皮书、官方修订说明及网络资料，原版书籍请至VDA QMC官方平台购买，所有内容仅供分享交流使用，如有版权问题，烦请与我们沟通交流，我们将及时处理。 收起阅读 »
作为全球汽车行业“标志性”的过程审核标准，VDA 6.3是德系主要汽车OEM，如大众、保时捷、宝马、奔驰等供应商最重要的准入标准，是众多国际一级零部件供应商集团内审与二方审核提问表的编写依据。
根据IATF 16949:2016标准、条款7.2.3内部审核员能力、7.2.4第二方审核员能力要求，VDA 6.3过程审核能力为必备要求之一。
尽管有声音表示2023与2016的版本变化不大，总体格局还是建立在2016版和黄皮版基础之上的，但若是对标准全文进行仔细地对标解析的话，我们就能发现，本次其实也有不少更新内容。
01 明确了VDA 6.3的特点
首先，本次更新是对2016版VDA6.3 的进一步优化和完善，给出了明确定义：
●一种分析过程的结构化方法；
● 一种评价和打分系统；
● 清晰的降级规则；
● 识别特定的产品和过程风险；
● 清晰呈现过程评价结果（A、B或C）；
● 类似产品和过程结果的广泛可比性；
● 在授予合同之前，评价新供方、地点和技术适用性的潜在供方分析；
● 关注产品和过程，而不是体系。
VDA6.3亦可集成或应用到公司的QMS等质量管理体系中，有助于满足IATF16949的要求，是一个深入的、模块化和系统化的过程审核工具，能帮助企业提升质量管理、实物质量、保修服务、降低产品风险、增加企业产品竞争力。
02 本次更新的变与不变
与2016版相比，本次更新的主要变化有：
●提问表中考虑到了软件方面；
● 与VDA方法进一步协调，即ASPICE和新零件的成熟度保证（VDA MLA）；
● P3、P4增加了关于采购活动的要求；
● 规范了审核员资质；
● 增加了实施远程审核的说明；
● 删除了第四章（“审核过程”），因为该内容已包含在ISO 19011中；
● 删除了第八章（“服务过程审核”）；
● 删除了第十章（“最佳实践/经验教训”）；
● 省略了对运输和零件处置（Eu7）的评价；
● 在某些情况下，重新定义了由特殊意义的提问（*—问题）；
● 重新分配了一些潜在供方分析的提问；
● 为所有VDA卷建立了一个综合的在线词汇表。
与2016版相比，未发生变化的有：
●整体评价的分类系统（A、B、C）；
● 提问表结构；
● 单个问题的评分模型（10-8-6-4-0）；
● 过程要素P2-P7的适用性；
● 乌龟图模型；
●以前的降级规则。
我们为大家整理了一份具体更新细则对比：
综合来看，新版VDA6.3 P1部分审核要求更为严格，如：信号灯总体结论打分规则，P1之前需要释放询价要求，P1的审核是供应商发包定点战略的重要支撑，P1承担了分析新项目潜在风险的重任，与发包定点之后项目启动阶段审核紧密相关，所以新版VDA 6.3的P1的审核是极富挑战性的。
03 核心问题答疑
问题一：VDA 6.3的成员都是车厂吗？
答：不是，分为三级：
Manufact. A：16个成员，成车厂，如Audi, OPEL, BMW, Ford, PORSCHE等；
Manufact. B：500多个成员，属生产件，服务件的供应商，如 BOSCH, Huts等；
Manufact. C：近70个成员，属工具设备商、运输商，实验室，如 KEPPLER, WSETFALIA等。
问题二：VDA 6.3和IATF 16949哪个比较难通过？
答：这两个标准上各有要求，很难有绝对的难易比较基准，IATF 16949是几个大型车厂的“第三方”评审标准；而 VDA 6.3是德系车厂标准，属于车厂“二方审核”的标准。
若以客户需求作为比较标准，VDA 6.3有时会相对显得比较难。曾经有厂商在被审核 VDA 6.3时，客户需求认为有制造良率的问题，要求某条产线全线应该导入自动化设备，这是客户要求，你不得不改善这个缺失。
概括来说，以VDA 6.3为代表的VDA方法更适用于汽车行业特定过程，过程细节要求更符合汽车行业实情，更为具体且严格。
问题三：开发阶段的P2-P4审核需要结合什么要求？
答：相较美系先期产品质量策划APQP五阶段的按部就班，人称德版APQP的VDA-MLA新零件成熟度保障标准架构更为复杂而“立体”。
VDA-MLA沿着时间轴，以创新、项目管理、风险管控等为代表的12条纵向路径始终贯穿整个新零件成熟度保障过程，比美系APQP的纵向路径逻辑较为隐晦，各阶段递交物之间的纵向关联性需要深入理解。
VDA-MLA的8个里程碑设置更加接近OEM整车厂新车开发流程，其中ML2到ML6 五个的里程碑贯穿整个开发阶段，每个里程碑节点递交物更多，具备完善的里程碑评审方法和事态升级制度，总体风险控制PDCA逻辑清晰更加完善。
开发阶段的P2-P4审核一定要考虑审核时机的VDA-MLA 新零件成熟度保障里程碑阶段要求，实际P2-P4审核就相当于一次或几次VDA-MLA阶段评审。
问题四：企业执行VDA6.3的审核，每次都要从条款P2审核到P7吗？
答：可以分阶段，不用全条款都用，若是研发的新产品，可以关注P2~P5，若是量产成熟品，可审核P5~P7。当然，针对相对不成熟的制程或者新供应商，你也可以用P1潜力分析，进行快速审核。
问题五：针对题项评分，我去供应商审核时觉得厂商做的不好，但单项评0分有时使不上力，评为0分可以有什么原则？
答：首先，先了解评0分的定义，分三个面向：
1、如果审核发现的单一问题可以推估至系统没执行、管理系统不稳定，则可评0分；如果供应商审核完后都未进行评分，且未实施跟催纠正等措施，我们可以认定为系统崩解，因此评为0分。
2、如果制程审核时发现，重点尺寸量测都未进行，但QC都判OK，这时若无法无证据显示产品符合要求，可以判断为缺失。
3、审核产线时，发现产品有主要缺陷，并无法进行进一步加工，可以评分为0分。
问题六：我们的制程有20个工站，但VDA 6.3评分表只有10个工站的评分，那应该如何使用评分表？
答：若是这样，则需要把工站整合成十个工站进行评分，评分表设定不能多于10个工站，事实上，多余十个工站有可能会增加审核的混淆，以及浪费太多时间重复确认某些主题。
问题七：可以列举常见的审核缺失以具体展现VDA6.3的要求？
答：列举三项，从中可以了解 VDA 6.3审核的细致度，思维角度跟系统审核还是可以不同：
1. 供应商角色未列入项目管理规划内，且无有效接口；
2. 供应商所在地有风险，但事态升级管理中未考虑此类状况；
3. 公司内部执行 VDA 6.3审核，但审核员未接受过 VDA 6.3的教育训练。
04 转版8步法
当然，面对VDA 6.3的变与不变，企业在阅读解读分析类文章之余，还是需要更全面地把握和研读。那么，应该怎么更好地掌握和理解呢？转版8步法供您参考：
1、读标准
购买红皮书，通读新版VDA6.3标准，了解新版变化点
2、找差距
将自己企业运行的情况及企业文件等内容，与新版对照查看，找出差异点
3、加要素
将2023版中P3、P4中对新供应商的导入相关事项，增加到企业内部的APQP（新产品研发流程）中去。同时涉及到软件的企业，需要将Automotive SPICE的相关要素融入到APQP的任务中去，也就是需要重做APQP的WBS任务分解
4、评风险
根据2023版提到的MLA（新零件成熟度保障模型）的方法，对项目中的新物料、新供方进行成熟度评估，评定A、B、C风险等级，确定关键路径，制定升级方案
5、再审核
分别按照2023版的P1、P2-P7的要素，重新设计潜在供方评估检查表，重新设计企业内审检查表，并重新执行针对供方或内部的审核
6、定计划
根据上述所有的差异点，制定转版改进计划，并分配改善责任人，必要条件下向高层管理者申请资源
7、重赋能
学习VDA-MLA（新零件成熟度保障模型）；同时，涉及软件的企业还要学习Automotive SPICE，涉及造车新势力供应链或需要快速响应客户的变化多端的需求的企业，需要学习VDA-敏捷管理以及V模型（VDI/VDE 2206 – 2021标准或ASPICE标准），还有8D方法、VDA5测量系统管理、新版FMEA等方法论都需要大家及时深入地学习
8、自评估
实施上述转版过程后，小伙伴们不要忘记多多进行“回头看”的自我评估和结果审视哦，关键时刻的管理评审、阶段总结、全新的过程审核也是必要的。
如果没有识别清楚、识别全面，就有可能导致原6.3体系管理文件难以更新或干脆缺失，结果必然会偏离客户要求，满意度降低、投诉抱怨率上升。企业必须要足够敏锐，适时地了解标准所更新的内容，以便适应新的市场需求，并达到更高的质量。
*本篇文章部分内容援引自红皮书、官方修订说明及网络资料，原版书籍请至VDA QMC官方平台购买，所有内容仅供分享交流使用，如有版权问题，烦请与我们沟通交流，我们将及时处理。 收起阅读 »
质量野生军的囧途
昨天接到一公司自称品质负责人的电话，聊了下我的工作，及背景。后来聊到薪资。因为目前工作比较安逸。5天8小时，双休，8K，但是在小厂里，所有IQC到OQC的工作都会我在主导，手下有几个人在做具体事情，我负责对应客户，供应商以及厂内制程异常的处理分析。这家打电话的公司在昆山，而我住吴江，他介绍说以后去负责OQC那头的事情，一天点到8点，上6天休一天，感觉特别吃力，所以谈到薪资时候，他也问过我目前薪资，我掺假了，因为觉得既然要牺牲那么大去那里上班，只要工资到位，我还是可以接受的，所以他问目前薪资时候我说了税前11k，到手也就10k，然后问我期望时候，我说了个12K到13K,我不知道,他说可以接受，但是需要把银行流水给他，看过可以的话，就会安排人事走入职流程，昨天晚上19:00接到他的电话，搞得心里真是个中滋味，难以形容。我是下午能够换个工作提升自己，当然薪资如果高一点，苦一点也没什么。可是掺了假的薪资又让我觉得自己做了亏心事， 收起阅读 »
原创：做一个优秀的质量人②
上次说做一个优秀的质量人，“积极主动“极其重要。很多人觉得自己当然很积极主动，我以为我很XX，但实际上却恰恰相反。今天我们说说第二个观点。
以终为始
所谓的”以终为始“，就是指的以结果为导向，目标感。你可能认为自己当然就具备了，这个学校里很早都教育了。
举个例子。
每年写年终总结或工作述职时，有些人在微信群中索要模板，赶快给个模板吧，没有一点头绪。有些人磨磨蹭蹭，交期前一晚上奋笔疾书，草草了事。最终呈现在你面前90%都是在记载流水账。
小A是一客诉工程师，写了自己去年处理了20件客诉，然后是国外和国内的明细，然后列举了几件重要的客诉，再就是下一年的工作计划：及时完成客诉报告，配合制造部进行改善，加强自身学习等等。
小B是一供应商管理工程师，写了自己要求供应商回复了200份异常联络单，比前年的150份多了50份，下一年计划：及时要求供应商回复异常单，及时处理生产反馈的异常，做好供应商导入审核等等。
……
绝大多数都是此类。
最大的问题是什么呢？缺乏目标。
20件客诉、200份异常单这些不是目标，而是实际的绩效。没有目标，怎么去比较，怎么去管理？
今年200，去年150，这是变好了，还是变坏了？没有说。
来年计划里也没有目标，只是把自己的工作职责抄写了一遍。
如果目标感很强，那么当自己写年终总结时，就会问自己：
去年处理了200件，那今年的目标呢？去年是150件，今年的目标应当是多少？应该是120件或100吧。越小越好。你的PPT中应该是想表达，你看去年150，我今年处理了200，这是我的功劳吧，我多么的勤奋，多么的辛苦。
没有目标就很容易迷失自己，迷失工作的方向。
站在管理者的角度，这种异常类或客诉应当是越少越好，增加了只能说你管理能力差，你只是把自己定位在了一个救火员的角色，只是一个被动接活的角色。你不懂目标，或者不敢正视目标。因为每月和自己的目标去对比，你会发现自己的工作还有很大的空间，自己发力点方向就不对，你需要自我否定。
当然了，你也许知道，天天盯着目标会很累，需要做很多的工作。因为质量管理工作的本质就是“动员团队解决难题”，所有的质量工作都不是自己完成的，自己也不可能完成，是需要自己去调动、主导相关部门去解决的。在没有问题、或者刚刚萌芽时，就能识别风险，把它消灭掉。这需要耗费很多的精力。相比之下，选择无视目标，流水账的每天上班下班更轻松。
曾经听到有人说：哎呀，一个月都没有收到客户投诉了，今天终于有一个，来活了。尽管是无意地在讲，但是你听了，是恭喜呢？还是寒心呢？
达成目标是一件有一定挑战性的事情。
去年实绩是150件，今年目标是120件。30件的削减可不是一件简单的事情。这是在上台阶，需要付出极大的努力，需要主动拥抱改变，主动寻求改变。要积极组团发现问题、解决问题。而不是坐着等问题发生了，再去处理。按照去年的套路，是没法实现今年目标的。
目标讲求的是突破。
想一想，你现在体重是80公斤，想用6个月减肥到60公斤，你能还像现在那样大口吃肉、大口喝酒、很少运动吗？当然不行。你需要控制自己，需要控制饮食，需要增加运动量，需要做各种锻炼。这是一个打破自己舒适圈的事情，开始会很痛苦，然后慢慢适应，最后是成功的喜悦……
质量管理何尝不是呢？紧盯目标就很痛苦，很煎熬。反之，不管目标，只是干活，有活就干，没活就玩，多爽快。什么改善之类的，什么预防之类的，都是别人的事，自己就是一个处理异常的、处理客诉的。我今年比去年处理的客诉数量增多了，应该多加工资，我付出多了，投入多了。
当然，我们说客诉工程师或者供应商工程师救火是首当其冲的，这是紧急重要的事情，但是我们需要不断地调整自己的工作节奏，做一些重要不紧急的事情，从而降低紧急重要的事情。也就是从救火逐步转向预防，逐渐增大预防的比例。这都起源于你要有目标感。尽管预防这些活是别人干的，但你要牵头、要组织、要动员，这才是真正的质量管理。
有老板说，哪家公司里会有专门救火的质量工程师，怎么可能有这个岗位呢？
当然，很多质量人会反驳，领导没有给我目标呀，每个月也不审查目标。确实如此，领导不专业！但咱们做质量人对自己要有要求，要知道什么是对的。领导没有要求，自己按照目标设定的原则，进行月报汇报，你是不是就显得更专业了？管理上级，也是一个技能。
质量管理，就是生活管理。反观在工作中缺乏目标感的，在生活中也大致如此。你有策划过自己职业生涯3年或5年的目标吗？
比如职务提升一级，薪资翻一倍。
当你有了这些目标，就知道自己有很多事情干了，工作再也不是撞钟，而是积极主动地寻找业绩增长点，主动运用质量管理工具开花结果，下班了努力提高自己的能力，弥补与目标之间的各种差距。
这就是目标的力量，这就是“以终点为始”，掌握了这个技能，你能不优秀吗？ 收起阅读 »
以终为始
所谓的”以终为始“，就是指的以结果为导向，目标感。你可能认为自己当然就具备了，这个学校里很早都教育了。
举个例子。
每年写年终总结或工作述职时，有些人在微信群中索要模板，赶快给个模板吧，没有一点头绪。有些人磨磨蹭蹭，交期前一晚上奋笔疾书，草草了事。最终呈现在你面前90%都是在记载流水账。
小A是一客诉工程师，写了自己去年处理了20件客诉，然后是国外和国内的明细，然后列举了几件重要的客诉，再就是下一年的工作计划：及时完成客诉报告，配合制造部进行改善，加强自身学习等等。
小B是一供应商管理工程师，写了自己要求供应商回复了200份异常联络单，比前年的150份多了50份，下一年计划：及时要求供应商回复异常单，及时处理生产反馈的异常，做好供应商导入审核等等。
……
绝大多数都是此类。
最大的问题是什么呢？缺乏目标。
20件客诉、200份异常单这些不是目标，而是实际的绩效。没有目标，怎么去比较，怎么去管理？
今年200，去年150，这是变好了，还是变坏了？没有说。
来年计划里也没有目标，只是把自己的工作职责抄写了一遍。
如果目标感很强，那么当自己写年终总结时，就会问自己：
去年处理了200件，那今年的目标呢？去年是150件，今年的目标应当是多少？应该是120件或100吧。越小越好。你的PPT中应该是想表达，你看去年150，我今年处理了200，这是我的功劳吧，我多么的勤奋，多么的辛苦。
没有目标就很容易迷失自己，迷失工作的方向。
站在管理者的角度，这种异常类或客诉应当是越少越好，增加了只能说你管理能力差，你只是把自己定位在了一个救火员的角色，只是一个被动接活的角色。你不懂目标，或者不敢正视目标。因为每月和自己的目标去对比，你会发现自己的工作还有很大的空间，自己发力点方向就不对，你需要自我否定。
当然了，你也许知道，天天盯着目标会很累，需要做很多的工作。因为质量管理工作的本质就是“动员团队解决难题”，所有的质量工作都不是自己完成的，自己也不可能完成，是需要自己去调动、主导相关部门去解决的。在没有问题、或者刚刚萌芽时，就能识别风险，把它消灭掉。这需要耗费很多的精力。相比之下，选择无视目标，流水账的每天上班下班更轻松。
曾经听到有人说：哎呀，一个月都没有收到客户投诉了，今天终于有一个，来活了。尽管是无意地在讲，但是你听了，是恭喜呢？还是寒心呢？
达成目标是一件有一定挑战性的事情。
去年实绩是150件，今年目标是120件。30件的削减可不是一件简单的事情。这是在上台阶，需要付出极大的努力，需要主动拥抱改变，主动寻求改变。要积极组团发现问题、解决问题。而不是坐着等问题发生了，再去处理。按照去年的套路，是没法实现今年目标的。
目标讲求的是突破。
想一想，你现在体重是80公斤，想用6个月减肥到60公斤，你能还像现在那样大口吃肉、大口喝酒、很少运动吗？当然不行。你需要控制自己，需要控制饮食，需要增加运动量，需要做各种锻炼。这是一个打破自己舒适圈的事情，开始会很痛苦，然后慢慢适应，最后是成功的喜悦……
质量管理何尝不是呢？紧盯目标就很痛苦，很煎熬。反之，不管目标，只是干活，有活就干，没活就玩，多爽快。什么改善之类的，什么预防之类的，都是别人的事，自己就是一个处理异常的、处理客诉的。我今年比去年处理的客诉数量增多了，应该多加工资，我付出多了，投入多了。
当然，我们说客诉工程师或者供应商工程师救火是首当其冲的，这是紧急重要的事情，但是我们需要不断地调整自己的工作节奏，做一些重要不紧急的事情，从而降低紧急重要的事情。也就是从救火逐步转向预防，逐渐增大预防的比例。这都起源于你要有目标感。尽管预防这些活是别人干的，但你要牵头、要组织、要动员，这才是真正的质量管理。
有老板说，哪家公司里会有专门救火的质量工程师，怎么可能有这个岗位呢？
当然，很多质量人会反驳，领导没有给我目标呀，每个月也不审查目标。确实如此，领导不专业！但咱们做质量人对自己要有要求，要知道什么是对的。领导没有要求，自己按照目标设定的原则，进行月报汇报，你是不是就显得更专业了？管理上级，也是一个技能。
质量管理，就是生活管理。反观在工作中缺乏目标感的，在生活中也大致如此。你有策划过自己职业生涯3年或5年的目标吗？
比如职务提升一级，薪资翻一倍。
当你有了这些目标，就知道自己有很多事情干了，工作再也不是撞钟，而是积极主动地寻找业绩增长点，主动运用质量管理工具开花结果，下班了努力提高自己的能力，弥补与目标之间的各种差距。
这就是目标的力量，这就是“以终点为始”，掌握了这个技能，你能不优秀吗？ 收起阅读 »
控制图教程和示例
无论您是刚开始使用控制图，还是精通统计过程控制，都会在我们的控制图相关的文章中找到一些有价值的信息和引人深思的内容。
不同类型的控制图
您在统计学中最先学到的内容之一是，当涉及到数据时，没有一种方法能够放之四海皆准。为了从分析中获得最有用和最可靠的信息，需要选择最适合您的数据类型的方法类型。
对于控制图也是如此。尽管有一些控制图的使用频率极高，但是可供使用的控制图有许多，选择正确的控制图能够对可行性信息和误报（或漏报）进行区分。
《我应当使用哪个控制图？》 简要概述了最常见的控制图，并探讨了如何使用“协助”来帮助您选择适合您的情况的控制图。如果您是控制图新手，并且想了解有关我们为何使用控制图的更多背景，请查看《控制图显示重要的变异》。
我们在《超越“普通”控制图：EWMA 控制图》中赞颂了一个不太常用的控制图。
在 《Minitab 软件开发中使用 Laney P' 控制图》中，Dawn Keller 探讨了 P' 控制图及其变体之间的区别，Tammy Serensits 在《P 和 U 控制图和林堡干酪：一种糟糕的组合》中对此进行了描述。
一定要记住事情并不总是看起来那么复杂，有时候简单的解决方案和更复杂的方法一样有效。查看《放轻松：创建运行图》了解原委。
控制图教程
我们的许多 Minitab 博主都谈到了在特定条件下选择、创建和解释控制图的过程。如果您的数据无法在子组中收集，您可能需要了解《如何创建和读取 I-MR 控制图》。
如果您的数据可以在子组中收集，则在谈到《控制图：子组大小很重要》时，您将需要了解具体原因。
通常，有用的做法是以基于日历的增量查看控制图数据，在《创建控制图以比较月度变化》和创建控制图以比较月度变化（第 2 部分）》系列博客中探讨了每月方法。
如果您想了解您的过程改进所带来的差异，请查看《改进前后的过程分析：具有阶段的历史控制图》和《设置阶段：在控制图中说明过程变更》。
尽管控制图的基本理念非常简单，但解释真实世界的控制图可能有点棘手。请务必阅读 《 Minitab 中的控制图稳定性报告包括示例模式》帖子，了解“协助”中的一个重要功能。
最后，我们的一位专家级统计培训师为您建议了《五种使控制图更有效的方法》。
控制图示例
控制图最常用于质量改进和保证，但它们几乎适用于任何涉及变异的情况。
在将业务质量改进应用到个人生活的示例中，我最喜欢 Bill Howell 的示例，他将自己的六西格玛专业知识应用于糖尿病的（成功）管理。了解他如何使用《控制图控制血糖》。
我们的一些博主将控制图应用于他们的个人兴趣爱好，包括《控制图：合理子组和 Marshmallow Peeps！》中的假日糖果和《P 控制图问题：不受控的 Cycle LaneYs！》中的自行车骑行。
如果您对运动感兴趣，不妨看看控制图如何揭示《应在何时拦下 NHL 守门员》。或者为照看宇宙而考虑《信噪比：检测外星人和异常因素》。最后，像我这样欲罢不能的读者可能也有兴趣看看控制图与文学的相关性，正如 Cody Steele 在《 Laney P' 控制图展示 Poe 如何在《厄舍古屋的倒塌中创造强度》中所阐述的那样。 最后，想问大家是如何使用控制图的？
查看文章中提及的文章，请评论留言或私信客服。 收起阅读 »
结构化问题解决方法的基础:DMAIC & 8D
在解决问题时，组织希望尽快找到问题的根源。他们还希望确保找到解决该问题的最有效的解决方案，确保该解决方案得到充分实施，并持续到将来，以便该问题不再发生。做到这一点的最好方法是实施结构化的问题解决方案。
在这篇博文中，我们将简要介绍结构化问题解决方案和实现卓越运营的最佳改进方法。
在我们深入研究Minitab的帮助方式之前，让我们先了解一下解决问题的基础知识。
什么是结构化问题解决？
结构化问题解决是一种训练有素的方法，它将问题解决过程分解成具有明确目标的离散步骤。这种方法使你能够处理复杂的问题，同时确保你解决的是正确的问题。它还确保你完全理解这些问题，你已经考虑了合理的解决方案，并有效地实施和维持它们。
什么是结构化的问题解决方法？
结构化问题解决方法是一种由一系列阶段组成的技术，项目在完成之前必须经历这些阶段。方法论的目标是强调解决特定问题背后的意图，并提供解决问题的策略方法。
最好的解决问题的方法是什么？
这取决于你试图为你的改进计划解决的问题。完成每种方法中所有步骤的结构和规则比所选择的特定方法更重要。
为了帮助您轻松直观地了解这些方法，我们创建了问题解决方法周期表。
现在，让我们介绍两种成功的流程改进和问题预防的重要方法:DMAIC和8D.
DMAIC
DMAIC代表“Define，M测量，A分析，I改进和C控制”。DMAIC方法是持续改进和卓越运营中最受欢迎的方法之一。
在进行改进项目时，这种方法提供了一个结构化的五阶段框架。它侧重于改进现有流程，而不是创造新产品或流程。
DMAIC最适合处理复杂的问题，或者风险很高的情况。
8D
8D被称为解决问题的八大纪律。它包括八个步骤来解决困难的、反复出现的或关键的问题。该方法由解决问题的工具组成，帮助您识别、纠正和消除组织中的问题根源。
如果您试图解决的问题很复杂，并且需要快速解决，8D可能是适合您的组织实施的方法。
每种方法都可以用一个项目模板来支持，其中它的路线图对应于该方法中的一组阶段。最佳实践是在进入下一步之前完成给定方法的每一步。
MINITAB ENGAGE，您有效解决问题的解决方案
Minitab Engage铥 旨在帮助组织推动创新和改进计划。我们解决方案的独特之处在于，它将结构化的问题解决方法与工具和仪表盘相结合，帮助您规划、执行和衡量您的创新计划！
有许多解决问题的方法和工具可以帮助你开始。我们拥有终极的端到端改进解决方案，帮助您实现创新成功。 收起阅读 »
在这篇博文中，我们将简要介绍结构化问题解决方案和实现卓越运营的最佳改进方法。
在我们深入研究Minitab的帮助方式之前，让我们先了解一下解决问题的基础知识。
什么是结构化问题解决？
结构化问题解决是一种训练有素的方法，它将问题解决过程分解成具有明确目标的离散步骤。这种方法使你能够处理复杂的问题，同时确保你解决的是正确的问题。它还确保你完全理解这些问题，你已经考虑了合理的解决方案，并有效地实施和维持它们。
什么是结构化的问题解决方法？
结构化问题解决方法是一种由一系列阶段组成的技术，项目在完成之前必须经历这些阶段。方法论的目标是强调解决特定问题背后的意图，并提供解决问题的策略方法。
最好的解决问题的方法是什么？
这取决于你试图为你的改进计划解决的问题。完成每种方法中所有步骤的结构和规则比所选择的特定方法更重要。
为了帮助您轻松直观地了解这些方法，我们创建了问题解决方法周期表。
现在，让我们介绍两种成功的流程改进和问题预防的重要方法:DMAIC和8D.
DMAIC
DMAIC代表“Define，M测量，A分析，I改进和C控制”。DMAIC方法是持续改进和卓越运营中最受欢迎的方法之一。
在进行改进项目时，这种方法提供了一个结构化的五阶段框架。它侧重于改进现有流程，而不是创造新产品或流程。
DMAIC最适合处理复杂的问题，或者风险很高的情况。
8D
8D被称为解决问题的八大纪律。它包括八个步骤来解决困难的、反复出现的或关键的问题。该方法由解决问题的工具组成，帮助您识别、纠正和消除组织中的问题根源。
如果您试图解决的问题很复杂，并且需要快速解决，8D可能是适合您的组织实施的方法。
每种方法都可以用一个项目模板来支持，其中它的路线图对应于该方法中的一组阶段。最佳实践是在进入下一步之前完成给定方法的每一步。
MINITAB ENGAGE，您有效解决问题的解决方案
Minitab Engage铥 旨在帮助组织推动创新和改进计划。我们解决方案的独特之处在于，它将结构化的问题解决方法与工具和仪表盘相结合，帮助您规划、执行和衡量您的创新计划！
有许多解决问题的方法和工具可以帮助你开始。我们拥有终极的端到端改进解决方案，帮助您实现创新成功。 收起阅读 »
2023灯塔工厂白皮书发布：成为“榜样”之前，先点亮自身
中国是目前创建灯塔工厂力量最活跃、也是拥有最多灯塔工厂的国家。深追其背后根由，可认为这与国内宏观政策与发展模式密不可分，一边是高质量发展战略指引护航，一边是草莽拓荒后的积弊难消。
因果可循环可倒置，时势既造英雄，英雄亦酿时势。我们很高兴看到，在工业4.0的比武场上，中国的制造力量正发出自己的声音，并不断惊喜亮相。
01 灯塔工厂新范式，翻越效率与效益两座大山
某种程度上，成功遴选为灯塔工厂的企业，即可被视为拥有世界第一流的制造能力，在实践结果和发展路径匹配层面都做到了顶尖，是智能制造及工业4.0当之无愧的代表。
在成为榜样之前，“灯塔工厂”四个字，最先点亮的是企业自身。于是，角逐灯塔工厂、得到市场和行业认可，并进一步扩大自身竞争优势，成为越来越多企业的探索新方向。但当目光放远，我们不得不看清现状：纵然有成功实践作表率，整体的制造业重构升级依然处于雾里看花阶段，企业们还是会在实际困境前焦头烂额。须知，在想到与得到之间，还差一个做到。
纵观制造业发展历程，我们能清晰看到：伴随生产模式从大规模生产、精益生产、柔性制造变革为可重构制造再到智能制造，整个制造业价值链主体也发生了巨大变化，从最初的面向成本，发展为面向产品、面向客户，再到目前的面向效率。
很显然，在效率与效益两座大山前，制造企业想要成功进阶并书写新的转型奇迹，在单一工厂或部分生产网络中实现规模化转型已然不足，而是要在全组织上下实现规模化部署。
如何加强数字化技术与企业不同的发展路径匹配，减少甚至避免大量试错成本带来的发展陷阱，是企业亟待突破的问题。
技术落地是一个老生常谈的问题。工业4.0涉及到的技术变革较为广泛，包含大数据技术、人工智能、智能制造及区块链技术在内的多项技术已得到快速发展和应用，信息技术和制造业不断融合的过程，就是生产制造越发自主的过程。
麦肯锡合伙人、制造业全球负责人Enno de Boer就曾表示：“一种范式转变正在发生，从注重成本控制转向推动增长和促进环境可持续性。这些灯塔工厂的经营实践表明，相比投资建设资本基础设施，通过数字技术提高智能化生产和经营能力更加有效。”
02 端到端集成，重构制造业价值链动态能力
传统生产模式下，企业交付产品就算完成“任务”，产品使用情况、维修情况一律都与生产制造分离，相互之间全然没有任何交互。而灯塔工厂的端到端，是从产品设计、生产制造到物流配送过程，甚至于维护维修等末端环节的产品全生命周期管理和服务。
客户需求和反馈能直接与研发设计端进行互联共享，这种动态闭环的运作模式，能直接拓展企业的边界，推动全流程、全组织的业务信息协同，提升效率、降低成本，实现全产业链的跨越式集成，从而不断提升客户满意度。
结合两版灯塔工厂白皮书，我们能明确一点，制造业数字化转型过程中的价值链生成，可大体可分出以下三个阶段：
·阶段一：价值定位。不同吸收能力的制造业企业具有不同的价值定位，关键条件分为外部信息吸收能力和内部价值定位能力两种，主要体现在价值链跟随生产模式变迁带来的商业模式提升。
·阶段二：适应能力差异化。主要表现为创造机制，关键因素包含对外数字化战略调整能力及对内数字化组织执行能力。前者体现企业高层管理者对数字化转型战略的支持态度，后者体现其对数字化转型的实施计划执行程度。
·阶段三：创新能力。从价值获取的视角看，面向市场的数字化服务反馈能力和数字化服务增值能力构成创新能力的关键要素；数字化服务反馈能力则表现为端到端的集成。
显然，灯塔工厂们用自身的成功实践结果经验告诉我们：以数据为关键要素，对技术应用、认知革新与经营模式进行大胆探索和系统性变革，就能实现运行效率、创新能力和盈利能力的全面提升。
03 灯塔之光照亮制造业数智之路
在2023最新公布的名单中，赫然出现了一个海岸线熟悉的名字——联想集团合肥产业基地（下文简称“LCFC”）。
作为年产值超过千亿的消费电子ODM工厂，LCFC有着较为庞大的供应商数量，但使用的系统既多且老，这便造成了数据孤立、部门墙严重、管理效率低下等一系列问题，而供应商质量好坏又将直接影响产品交付效率和交付质量。
如上篇文章和前文所述，是否明白转型本质、进而看清战略弱点、及时发现并加以改正和提升自身不足，是灯塔企业和非灯塔企业的核心认知差异之一。
面对种种难题，LCFC的高层管理者抱有极大的变革决心，在和海岸线的整个合作过程中，亲自带队参与方案的设计确认和实施支持，给予了最大程度的配合。
最终我们为LCFC搭建了一个面向全供应链的质量管理平台，让上下游供应链之间的在线协作更加精密，帮助企业从源头改善问题，在质量、成本、交付和可持续四大维度，皆实现了业务价值的大幅提升。
这里简略提下该平台为LCFC创造的实际收益：
·质量损失下降28%
·人员效率提升45%
·急单满足提升21%
·供应商质量问题减少55%
·二氧化碳排放下降49%
·成功申报灯塔工厂
在中国传统制造业转型过程中，LCFC所遇到的阻点绝非孤例。普遍来看，制造业的企业组织、业务模式、产品和价值链的复杂和难控性是必须攻克的难题，而提升产品附加值、提升人均产值是保障产业高速增长的必由之路。
故而，能总结制造产业发展共通性，积极推动工厂、价值链和商业模式的规模化转型的“灯塔工厂”，成为我国制造业可持续卓越运营的榜样引航员，照亮无数企业的茫茫数智路。
我们有理由相信，下一份白皮书发布之时，新增灯塔工厂“列席”成员中，或许就将有你。 收起阅读 »
因果可循环可倒置，时势既造英雄，英雄亦酿时势。我们很高兴看到，在工业4.0的比武场上，中国的制造力量正发出自己的声音，并不断惊喜亮相。
01 灯塔工厂新范式，翻越效率与效益两座大山
某种程度上，成功遴选为灯塔工厂的企业，即可被视为拥有世界第一流的制造能力，在实践结果和发展路径匹配层面都做到了顶尖，是智能制造及工业4.0当之无愧的代表。
在成为榜样之前，“灯塔工厂”四个字，最先点亮的是企业自身。于是，角逐灯塔工厂、得到市场和行业认可，并进一步扩大自身竞争优势，成为越来越多企业的探索新方向。但当目光放远，我们不得不看清现状：纵然有成功实践作表率，整体的制造业重构升级依然处于雾里看花阶段，企业们还是会在实际困境前焦头烂额。须知，在想到与得到之间，还差一个做到。
纵观制造业发展历程，我们能清晰看到：伴随生产模式从大规模生产、精益生产、柔性制造变革为可重构制造再到智能制造，整个制造业价值链主体也发生了巨大变化，从最初的面向成本，发展为面向产品、面向客户，再到目前的面向效率。
很显然，在效率与效益两座大山前，制造企业想要成功进阶并书写新的转型奇迹，在单一工厂或部分生产网络中实现规模化转型已然不足，而是要在全组织上下实现规模化部署。
如何加强数字化技术与企业不同的发展路径匹配，减少甚至避免大量试错成本带来的发展陷阱，是企业亟待突破的问题。
技术落地是一个老生常谈的问题。工业4.0涉及到的技术变革较为广泛，包含大数据技术、人工智能、智能制造及区块链技术在内的多项技术已得到快速发展和应用，信息技术和制造业不断融合的过程，就是生产制造越发自主的过程。
麦肯锡合伙人、制造业全球负责人Enno de Boer就曾表示：“一种范式转变正在发生，从注重成本控制转向推动增长和促进环境可持续性。这些灯塔工厂的经营实践表明，相比投资建设资本基础设施，通过数字技术提高智能化生产和经营能力更加有效。”
02 端到端集成，重构制造业价值链动态能力
传统生产模式下，企业交付产品就算完成“任务”，产品使用情况、维修情况一律都与生产制造分离，相互之间全然没有任何交互。而灯塔工厂的端到端，是从产品设计、生产制造到物流配送过程，甚至于维护维修等末端环节的产品全生命周期管理和服务。
客户需求和反馈能直接与研发设计端进行互联共享，这种动态闭环的运作模式，能直接拓展企业的边界，推动全流程、全组织的业务信息协同，提升效率、降低成本，实现全产业链的跨越式集成，从而不断提升客户满意度。
结合两版灯塔工厂白皮书，我们能明确一点，制造业数字化转型过程中的价值链生成，可大体可分出以下三个阶段：
·阶段一：价值定位。不同吸收能力的制造业企业具有不同的价值定位，关键条件分为外部信息吸收能力和内部价值定位能力两种，主要体现在价值链跟随生产模式变迁带来的商业模式提升。
·阶段二：适应能力差异化。主要表现为创造机制，关键因素包含对外数字化战略调整能力及对内数字化组织执行能力。前者体现企业高层管理者对数字化转型战略的支持态度，后者体现其对数字化转型的实施计划执行程度。
·阶段三：创新能力。从价值获取的视角看，面向市场的数字化服务反馈能力和数字化服务增值能力构成创新能力的关键要素；数字化服务反馈能力则表现为端到端的集成。
显然，灯塔工厂们用自身的成功实践结果经验告诉我们：以数据为关键要素，对技术应用、认知革新与经营模式进行大胆探索和系统性变革，就能实现运行效率、创新能力和盈利能力的全面提升。
03 灯塔之光照亮制造业数智之路
在2023最新公布的名单中，赫然出现了一个海岸线熟悉的名字——联想集团合肥产业基地（下文简称“LCFC”）。
作为年产值超过千亿的消费电子ODM工厂，LCFC有着较为庞大的供应商数量，但使用的系统既多且老，这便造成了数据孤立、部门墙严重、管理效率低下等一系列问题，而供应商质量好坏又将直接影响产品交付效率和交付质量。
如上篇文章和前文所述，是否明白转型本质、进而看清战略弱点、及时发现并加以改正和提升自身不足，是灯塔企业和非灯塔企业的核心认知差异之一。
面对种种难题，LCFC的高层管理者抱有极大的变革决心，在和海岸线的整个合作过程中，亲自带队参与方案的设计确认和实施支持，给予了最大程度的配合。
最终我们为LCFC搭建了一个面向全供应链的质量管理平台，让上下游供应链之间的在线协作更加精密，帮助企业从源头改善问题，在质量、成本、交付和可持续四大维度，皆实现了业务价值的大幅提升。
这里简略提下该平台为LCFC创造的实际收益：
·质量损失下降28%
·人员效率提升45%
·急单满足提升21%
·供应商质量问题减少55%
·二氧化碳排放下降49%
·成功申报灯塔工厂
在中国传统制造业转型过程中，LCFC所遇到的阻点绝非孤例。普遍来看，制造业的企业组织、业务模式、产品和价值链的复杂和难控性是必须攻克的难题，而提升产品附加值、提升人均产值是保障产业高速增长的必由之路。
故而，能总结制造产业发展共通性，积极推动工厂、价值链和商业模式的规模化转型的“灯塔工厂”，成为我国制造业可持续卓越运营的榜样引航员，照亮无数企业的茫茫数智路。
我们有理由相信，下一份白皮书发布之时，新增灯塔工厂“列席”成员中，或许就将有你。 收起阅读 »
智能制造能力成熟度模型及FMEA柔性生产案例深度解读
灯塔一词，早已脱离开航海历史而进入更大范围，成为一种指引方向、点亮希望的象征。假如把制造业也看做一汪广阔的海洋，站在智能制造转型升级的十字路口，灯塔在何方？
让我们把目光投向“灯塔工厂”。灯塔工厂项目，由达沃斯世界经济论坛与管理咨询公司麦肯锡合作展开遴选，被誉为“世界上最先进的工厂”，代表着全球智能制造的最高水平。据最新数据，全球“灯塔工厂”数量达到132家，中国的“灯塔工厂”增至50家，持续排名全球第一。
在这里先给自己打个广告，接下来我们将用一到两篇文章，对“灯塔工厂”做一个详尽而深入的解读，有兴趣或有意向入选“灯塔工厂”的企业不妨点点关注。
全局统筹，深度赋能，CMMM智能制造能力成熟度模型
言归正传，“灯塔工厂”既有标杆示范的榜样意义，也可看做一种关键信号，激励更多企业在智能制造转型升级浪潮中奋勇争先。
只不过，当智能制造步入发展快车道，“眉毛胡子两手抓”的形式得放一放了，我们需要有更清晰的参考助力：一个是如灯塔工厂一般的引领标杆，一个是足够有力的行业标准。前者是后者的呈现载体，后者是前者的判断依据。
在去年末的世界智能制造大会主论坛上，《中国智能制造发展研究报告：能力成熟度》（CMMM2.0）正式发布，创新性地提出了CMMM是可拆解、可组合、可配置的柔性模式，并从企业应用视角出发，为企业持续提升自身智能制造能力，提供了全局视角、成熟理论和实施路径。
经过数年发展，CMMM从早期的“智能+制造”两个维度模型，优化至覆盖人员、技术、资源、制造四大要素，从10个核心能力域增加到20个，帮助企业定位当前的能力水平和实施成效，有效指导智能制造建设，从而提升和优化制造过程。
智能制造能力成熟度可从低到高划分为五个等级——
1. 一级·规划级
企业应开始对实施智能制造的基础和条件进行规划，能够对核心业务活动（设计、生产、物流、销售、服务）进行流程化管理
2. 二级·规范级
企业应采用自动化技术、信息技术手段对核心装备和核心业务活动等进行改造和规范，实现单一业务活动的数据共享
3. 三级·集成级
企业应对装备、系统等开展集成，实现跨业务活动间的数据共享
4. 四级·优化级
企业应对人员、资源、制造等进行数据挖掘，形成知识、模型等，实现对核心业务活动的精准预测和优化
5. 五级·引领级
企业应基于模型持续驱动业务活动的优化和创新，实现产业链协同并衍生新的制造模式和商业模式
从能力要素与能力域，浅看日式制造的“没落”
除等级外，能力要素、能力域/子域也是CMMM模型结构中的重要组成部分。
能力要素是企业实施智能制造必须的条件。人员、资源、技术作为支撑要素，制造作为核心要素，体现了人员通过资源、技术来不断改善制造的过程。
而由此衍生的能力域和能力子域则被统称为过程域。在人员、资源、技术三个要素下有7个基础过程域，在制造要素下有13个制造过程域，共计20个。
CMMM模型好比一张标记了沿途各站任务点的地图，按照地图挨个打卡，就能按部就班、按图索骥地走到最终目的地。
而一旦错过或者“偏科”，就有可能要承担风险。这一方面的典型案例是日本。日本的制造业以人为中心，工厂中的问题一般都由现场员工自己发现、自己解决、自己改善，然后以此提高整体生产质量水平。
但在数字化变革不同程度地席卷全球的当下，这种模式很难与自上而下的数字化、智能化兼容了——建立互联互通的工厂与现场已是必要，制造和信息、技术融合，能为决策提供以往所不能达到的效率。
所以，曾经以精细和高品质在国内市场大行其道、一句“开不坏的丰田”为无数人所津津乐道的日式制造，似乎从某个时间节点开始，逐渐失去了自己的存在感。在“神户制钢数据造假”“三菱油耗造假”丑闻接连曝光后，更是有人直接追问：日本制造业已经彻底走下神坛了吗？
我们不妨将其看做某个切面：当时代对敏捷、高效提出了更高的要求，具备全局思维就成为必要，能力子域一旦失衡，便会造成竞争的失利。
那么，我们应该怎样预防或者说阻止这种失衡，破除企业经营短板，找到智能制造建设工作的正确发力点呢？
答案或许在于对各个单点的深度突破。
单点深度突破案例，基于数字化思维的FMEA过程控制
数字化研发设计、自组织柔性生产、自组织物流、敏捷供应链、基于价值的服务、可持续制造、设备全生命周期管理、数字化培养，是CMMM的八大典型模式价值识别图谱。
本期案例智，我们将以柔性生产为目标，为各位带来基于数字化思维的FMEA过程控制案例。
我们都知道，制造业早已过了以规模论成败的阶段，消费者差异化的需求越明显，就越倒逼制造业向个性化制造转型。企业要攻克的课题越来越多，不论是消费者需求、还是生产异常、潜在失效风险，怎么依托关键大数据，定制需求的柔性化、智能化、高敏捷的产品，将成为核心竞争力所在。
K客户是一家家电制造企业，当前面临的主要问题恰好就在用户差异化需求的冲击上，在通过线上初步答题诊断和不间断几轮面谈咨询后，我们对K客户的组织战略、人员技能、数据、设备、生产作业等方面有了一个较为全面的评估结果。
最后，在K公司所提的制造过程“参数管理质量环”要求下，我们为其搭建了一套基于用户体验差异化需求、基于制造失效影响及影响分析（PFMEA）的全面可视化的制造过程质量管理体系。
FMEA技术不仅是对过程中的风险进行识别控制，更是直接贯穿到整个生命周期。以某款新冰箱的箱体发泡工艺为例：依据产品设计和开发输出的要求，我们划分出7个步骤，来对冰箱的制造过程进行设计和开发。
1. 确定过程分析范围
确定分析的范围为箱体发泡工艺，从壳体预热、夹具固定，到注料，再到最终的光学检测，这一阶段的制造过程工艺流程图，是基于产品开发与设计（FMEA）输出的产品框图（装配层级及顺序）来的。
范围的确定有助于FMEA团队更准确地分析过程，将优势资源集中于优先级较高的过程中。
2. 过程结构分析
结构分析是整个FMEA的基础阶段，我们可以通过过程流程图或结构树的形式定义流程；基于人机料环等4M要素，找出影响过程的所有要素。
例如这里的注料过程，其影响要素就有操作员、机器设备、工装夹具以及环境温湿度。
3. 过程功能分析
功能分析是整个FMEA的核心阶段，目的是确保产品/过程的预期功能/要求能够实现。需要通过技术性语言进行描述。
这里我们还是以注料为例，注料后的箱体前脸平整度、飘偏度需要满足工艺要求，这里提出的是对产品特性的要求。那我们再来看下影响产品特性的过程特性有哪些要求，需要通过4M要素进行拆解。以箱体飘偏度为例，通过特性矩阵能看到，飘偏度受气动压力与脱模间隙影响。
转化成技术性语言便是：气动压力5~8pa；脱模间隙＜0.05mm。通过识别各层级功能和要求后，开展产品特性与过程特性之间的关联性分析，进而建立功能网。
4. 过程失效分析
所谓失效就是指上一步功能分析中的功能/要求无法满足。过程步骤，要实现的功能无法满足即为失效模式；过程工作要素，要实现的功能无法满足，即为失效原因；因失效模式，而对整个过程项造成的影响即为失效影响。
我们不仅要分析当前已知的失效，对可能发生的未知失效同样需要分析。同时要确定三者的关联关系，在功能网的基础上，进一步建立失效网。
5. 过程风险分析
需要完成对三个度（严重度、发生度、探测度）的评价。严重度表示失效影响的严重程度，考虑三个方面：1）对厂内的影响；2）对直接发运工厂的影响；3）对最终用户的影响。
发生度可以简单理解为失效模式发生的可能性，需要结合当前的预防措施来评价。可以通过计算ppm、cpk得出相对准确的判断。
探测度则表示当前探测措施的有效性，能否及时准确的找出失效的产品，是我们判断的标准。一般通过检验或实验来完成探测。其有效性的判定，很大程度上取决于是否做过MSA。
通过对三个度的评价我们可以标记出特殊特性，并对其重点关注，同时对后续将要采取的措施优先级进行排序，之后就可以调集企业资源优先对高AP项采取控制。
6. 过程控制方法优化
对高AP项优先采取控制措施，并且验证这些措施的有效性，然后重新评估风险，将验证有效的措施同步到控制计划当中去执行。通过不断的优化可将风险降至最低。
FMEA不断更新的目的就是为了持续改善，不断降低风险，确保过程稳健。
7. 过程标准固化
这是一个总结FMEA经验的过程，需要借助软件建立企业FMEA、家族FMEA、知识库、措施库等，将FMEA经验固化沉淀。
我们将AQP FMEA和PQM（专业版QMS）及其他系统数据间的串联通道打通，时刻保证FMEA文件的动态更新，进而指导K客户质量的持续改善，保证生产线在大批量生产和小批量生产之间任意切换。
正如CMMM模型所指示的一样，过程控制是企业经营发展当中的重要一环，而非唯一一环，后续我们仍将持续建设 收起阅读 »
让我们把目光投向“灯塔工厂”。灯塔工厂项目，由达沃斯世界经济论坛与管理咨询公司麦肯锡合作展开遴选，被誉为“世界上最先进的工厂”，代表着全球智能制造的最高水平。据最新数据，全球“灯塔工厂”数量达到132家，中国的“灯塔工厂”增至50家，持续排名全球第一。
在这里先给自己打个广告，接下来我们将用一到两篇文章，对“灯塔工厂”做一个详尽而深入的解读，有兴趣或有意向入选“灯塔工厂”的企业不妨点点关注。
全局统筹，深度赋能，CMMM智能制造能力成熟度模型
言归正传，“灯塔工厂”既有标杆示范的榜样意义，也可看做一种关键信号，激励更多企业在智能制造转型升级浪潮中奋勇争先。
只不过，当智能制造步入发展快车道，“眉毛胡子两手抓”的形式得放一放了，我们需要有更清晰的参考助力：一个是如灯塔工厂一般的引领标杆，一个是足够有力的行业标准。前者是后者的呈现载体，后者是前者的判断依据。
在去年末的世界智能制造大会主论坛上，《中国智能制造发展研究报告：能力成熟度》（CMMM2.0）正式发布，创新性地提出了CMMM是可拆解、可组合、可配置的柔性模式，并从企业应用视角出发，为企业持续提升自身智能制造能力，提供了全局视角、成熟理论和实施路径。
经过数年发展，CMMM从早期的“智能+制造”两个维度模型，优化至覆盖人员、技术、资源、制造四大要素，从10个核心能力域增加到20个，帮助企业定位当前的能力水平和实施成效，有效指导智能制造建设，从而提升和优化制造过程。
智能制造能力成熟度可从低到高划分为五个等级——
1. 一级·规划级
企业应开始对实施智能制造的基础和条件进行规划，能够对核心业务活动（设计、生产、物流、销售、服务）进行流程化管理
2. 二级·规范级
企业应采用自动化技术、信息技术手段对核心装备和核心业务活动等进行改造和规范，实现单一业务活动的数据共享
3. 三级·集成级
企业应对装备、系统等开展集成，实现跨业务活动间的数据共享
4. 四级·优化级
企业应对人员、资源、制造等进行数据挖掘，形成知识、模型等，实现对核心业务活动的精准预测和优化
5. 五级·引领级
企业应基于模型持续驱动业务活动的优化和创新，实现产业链协同并衍生新的制造模式和商业模式
从能力要素与能力域，浅看日式制造的“没落”
除等级外，能力要素、能力域/子域也是CMMM模型结构中的重要组成部分。
能力要素是企业实施智能制造必须的条件。人员、资源、技术作为支撑要素，制造作为核心要素，体现了人员通过资源、技术来不断改善制造的过程。
而由此衍生的能力域和能力子域则被统称为过程域。在人员、资源、技术三个要素下有7个基础过程域，在制造要素下有13个制造过程域，共计20个。
CMMM模型好比一张标记了沿途各站任务点的地图，按照地图挨个打卡，就能按部就班、按图索骥地走到最终目的地。
而一旦错过或者“偏科”，就有可能要承担风险。这一方面的典型案例是日本。日本的制造业以人为中心，工厂中的问题一般都由现场员工自己发现、自己解决、自己改善，然后以此提高整体生产质量水平。
但在数字化变革不同程度地席卷全球的当下，这种模式很难与自上而下的数字化、智能化兼容了——建立互联互通的工厂与现场已是必要，制造和信息、技术融合，能为决策提供以往所不能达到的效率。
所以，曾经以精细和高品质在国内市场大行其道、一句“开不坏的丰田”为无数人所津津乐道的日式制造，似乎从某个时间节点开始，逐渐失去了自己的存在感。在“神户制钢数据造假”“三菱油耗造假”丑闻接连曝光后，更是有人直接追问：日本制造业已经彻底走下神坛了吗？
我们不妨将其看做某个切面：当时代对敏捷、高效提出了更高的要求，具备全局思维就成为必要，能力子域一旦失衡，便会造成竞争的失利。
那么，我们应该怎样预防或者说阻止这种失衡，破除企业经营短板，找到智能制造建设工作的正确发力点呢？
答案或许在于对各个单点的深度突破。
单点深度突破案例，基于数字化思维的FMEA过程控制
数字化研发设计、自组织柔性生产、自组织物流、敏捷供应链、基于价值的服务、可持续制造、设备全生命周期管理、数字化培养，是CMMM的八大典型模式价值识别图谱。
本期案例智，我们将以柔性生产为目标，为各位带来基于数字化思维的FMEA过程控制案例。
我们都知道，制造业早已过了以规模论成败的阶段，消费者差异化的需求越明显，就越倒逼制造业向个性化制造转型。企业要攻克的课题越来越多，不论是消费者需求、还是生产异常、潜在失效风险，怎么依托关键大数据，定制需求的柔性化、智能化、高敏捷的产品，将成为核心竞争力所在。
K客户是一家家电制造企业，当前面临的主要问题恰好就在用户差异化需求的冲击上，在通过线上初步答题诊断和不间断几轮面谈咨询后，我们对K客户的组织战略、人员技能、数据、设备、生产作业等方面有了一个较为全面的评估结果。
最后，在K公司所提的制造过程“参数管理质量环”要求下，我们为其搭建了一套基于用户体验差异化需求、基于制造失效影响及影响分析（PFMEA）的全面可视化的制造过程质量管理体系。
FMEA技术不仅是对过程中的风险进行识别控制，更是直接贯穿到整个生命周期。以某款新冰箱的箱体发泡工艺为例：依据产品设计和开发输出的要求，我们划分出7个步骤，来对冰箱的制造过程进行设计和开发。
1. 确定过程分析范围
确定分析的范围为箱体发泡工艺，从壳体预热、夹具固定，到注料，再到最终的光学检测，这一阶段的制造过程工艺流程图，是基于产品开发与设计（FMEA）输出的产品框图（装配层级及顺序）来的。
范围的确定有助于FMEA团队更准确地分析过程，将优势资源集中于优先级较高的过程中。
2. 过程结构分析
结构分析是整个FMEA的基础阶段，我们可以通过过程流程图或结构树的形式定义流程；基于人机料环等4M要素，找出影响过程的所有要素。
例如这里的注料过程，其影响要素就有操作员、机器设备、工装夹具以及环境温湿度。
3. 过程功能分析
功能分析是整个FMEA的核心阶段，目的是确保产品/过程的预期功能/要求能够实现。需要通过技术性语言进行描述。
这里我们还是以注料为例，注料后的箱体前脸平整度、飘偏度需要满足工艺要求，这里提出的是对产品特性的要求。那我们再来看下影响产品特性的过程特性有哪些要求，需要通过4M要素进行拆解。以箱体飘偏度为例，通过特性矩阵能看到，飘偏度受气动压力与脱模间隙影响。
转化成技术性语言便是：气动压力5~8pa；脱模间隙＜0.05mm。通过识别各层级功能和要求后，开展产品特性与过程特性之间的关联性分析，进而建立功能网。
4. 过程失效分析
所谓失效就是指上一步功能分析中的功能/要求无法满足。过程步骤，要实现的功能无法满足即为失效模式；过程工作要素，要实现的功能无法满足，即为失效原因；因失效模式，而对整个过程项造成的影响即为失效影响。
我们不仅要分析当前已知的失效，对可能发生的未知失效同样需要分析。同时要确定三者的关联关系，在功能网的基础上，进一步建立失效网。
5. 过程风险分析
需要完成对三个度（严重度、发生度、探测度）的评价。严重度表示失效影响的严重程度，考虑三个方面：1）对厂内的影响；2）对直接发运工厂的影响；3）对最终用户的影响。
发生度可以简单理解为失效模式发生的可能性，需要结合当前的预防措施来评价。可以通过计算ppm、cpk得出相对准确的判断。
探测度则表示当前探测措施的有效性，能否及时准确的找出失效的产品，是我们判断的标准。一般通过检验或实验来完成探测。其有效性的判定，很大程度上取决于是否做过MSA。
通过对三个度的评价我们可以标记出特殊特性，并对其重点关注，同时对后续将要采取的措施优先级进行排序，之后就可以调集企业资源优先对高AP项采取控制。
6. 过程控制方法优化
对高AP项优先采取控制措施，并且验证这些措施的有效性，然后重新评估风险，将验证有效的措施同步到控制计划当中去执行。通过不断的优化可将风险降至最低。
FMEA不断更新的目的就是为了持续改善，不断降低风险，确保过程稳健。
7. 过程标准固化
这是一个总结FMEA经验的过程，需要借助软件建立企业FMEA、家族FMEA、知识库、措施库等，将FMEA经验固化沉淀。
我们将AQP FMEA和PQM（专业版QMS）及其他系统数据间的串联通道打通，时刻保证FMEA文件的动态更新，进而指导K客户质量的持续改善，保证生产线在大批量生产和小批量生产之间任意切换。
正如CMMM模型所指示的一样，过程控制是企业经营发展当中的重要一环，而非唯一一环，后续我们仍将持续建设 收起阅读 »
偶感：企业持续改进，到底是先有药，还是先有病？
先有药，还是先有病？
绝大多数的情况下，医生给病人开药是不会犯错误的。
“对症下药”是唯一的答案。
但是，帮助企业来解决各种疑难杂症持续改进人员，他们作为企业的“医生”，却往往犯错误。
拿着各种工具，甚至对策，不问三七二十一，直接上来就给企业动手“治病”。。。。。。
至于效果么，治标不治本，呵呵；
那么，在推行持续改进的时候，该如何对企业的问题进行“诊断”。
这里面也是有方法论的，有空一起聊聊。 收起阅读 »
绝大多数的情况下，医生给病人开药是不会犯错误的。
“对症下药”是唯一的答案。
但是，帮助企业来解决各种疑难杂症持续改进人员，他们作为企业的“医生”，却往往犯错误。
拿着各种工具，甚至对策，不问三七二十一，直接上来就给企业动手“治病”。。。。。。
至于效果么，治标不治本，呵呵；
那么，在推行持续改进的时候，该如何对企业的问题进行“诊断”。
这里面也是有方法论的，有空一起聊聊。 收起阅读 »
用蒙特卡罗模拟增强R&D决策的信心
在做决策的时候，清楚地了解潜在的风险和回报是很重要的。通过使用风险评估和概率建模等工具，个人和组织可以做出更明智的选择，同时将次优结果的可能性降至最低。这通常会带来更好的结果，并促进决策过程中的信心和控制感。
研发团队经常做出代价高昂的决策，因此对他们来说，改进流程以增加积极成果的可能性至关重要。然而，复杂的组织通常使用过于复杂的系统来进行手动优化，这使得优化资源对于带宽和预算来说是不可或缺的。
这就是蒙特卡罗模拟的用武之地。蒙特卡洛模拟是一种非常出色的工具，在准确识别最佳可能结果方面可以发挥很大作用。使用蒙特卡罗模拟，您可以毫不费力地测试数千种或更多的潜在设置，使您能够在定量分析和决策过程中彻底考虑风险。
蒙特卡洛模拟的多功能性还不止于此，这使得它在R&D领域具有不可估量的价值。幸运的是，使用Minitab Workspace访问蒙特卡洛模拟很简单。请继续阅读，了解这一强大工具如何为您的R&D团队带来益处。
R&D的3个主要用途
1.分析风险
估计开发过程中出现延迟的可能性不是很好吗？或者，您可能想要为您想要开发的产品的失败风险建模。
有了蒙特卡洛模拟，你可以提前发现这些障碍，并更有信心地做出预测。利用节省下来的时间，您可以在进行高成本的开发之前集思广益以降低风险，并且您获得的知识在制定开发过程和时间表时非常有价值。
2.优化您的流程
R&D团队可以使用蒙特卡罗模拟来理解复杂的系统和过程。具体来说，您的团队可能能够找出不同过程变量的最佳设置，如压力、温度或流速。这可以帮助您最大限度地提高产品产量和质量，同时节省宝贵的时间和资源。
3.增强您的DOE
在进行DOE后，加入蒙特卡罗模拟可以使你的分析更进一步，使你能够模拟实验和结果。
此外，通过提供对可变性和不确定性的更精确理解，蒙特卡罗模拟可以提高信心，并让您更好地了解当您将产品带到生产车间时会发生什么。这使得生产过程更加可预测，从而减少错误，提高产品质量。
MINITAB为您服务
蒙特卡洛模拟可以通过Minitab Workspace方便地访问。这个强大的工具，以及许多其他工具，可以让你在开始旅程之前，就有能力预测你将会到达哪里。无论您是想分析风险、优化流程、提高DOE还是三者兼而有之，蒙特卡洛模拟都可以帮助您实现目标。 收起阅读 »
研发团队经常做出代价高昂的决策，因此对他们来说，改进流程以增加积极成果的可能性至关重要。然而，复杂的组织通常使用过于复杂的系统来进行手动优化，这使得优化资源对于带宽和预算来说是不可或缺的。
这就是蒙特卡罗模拟的用武之地。蒙特卡洛模拟是一种非常出色的工具，在准确识别最佳可能结果方面可以发挥很大作用。使用蒙特卡罗模拟，您可以毫不费力地测试数千种或更多的潜在设置，使您能够在定量分析和决策过程中彻底考虑风险。
蒙特卡洛模拟的多功能性还不止于此，这使得它在R&D领域具有不可估量的价值。幸运的是，使用Minitab Workspace访问蒙特卡洛模拟很简单。请继续阅读，了解这一强大工具如何为您的R&D团队带来益处。
R&D的3个主要用途
1.分析风险
估计开发过程中出现延迟的可能性不是很好吗？或者，您可能想要为您想要开发的产品的失败风险建模。
有了蒙特卡洛模拟，你可以提前发现这些障碍，并更有信心地做出预测。利用节省下来的时间，您可以在进行高成本的开发之前集思广益以降低风险，并且您获得的知识在制定开发过程和时间表时非常有价值。
2.优化您的流程
R&D团队可以使用蒙特卡罗模拟来理解复杂的系统和过程。具体来说，您的团队可能能够找出不同过程变量的最佳设置，如压力、温度或流速。这可以帮助您最大限度地提高产品产量和质量，同时节省宝贵的时间和资源。
3.增强您的DOE
在进行DOE后，加入蒙特卡罗模拟可以使你的分析更进一步，使你能够模拟实验和结果。
此外，通过提供对可变性和不确定性的更精确理解，蒙特卡罗模拟可以提高信心，并让您更好地了解当您将产品带到生产车间时会发生什么。这使得生产过程更加可预测，从而减少错误，提高产品质量。
MINITAB为您服务
蒙特卡洛模拟可以通过Minitab Workspace方便地访问。这个强大的工具，以及许多其他工具，可以让你在开始旅程之前，就有能力预测你将会到达哪里。无论您是想分析风险、优化流程、提高DOE还是三者兼而有之，蒙特卡洛模拟都可以帮助您实现目标。 收起阅读 »
儿童化妆品监督管理规定
儿童化妆品监督管理规定
第一条 为了规范儿童化妆品生产经营活动，加强儿童化妆品监督管理，保障儿童使用化妆品安全，根据《化妆品监督管理条例》等法律法规，制定本规定。
第二条 在中华人民共和国境内从事儿童化妆品生产经营活动及其监督管理，应当遵守本规定。
第三条 本规定所称儿童化妆品，是指适用于年龄在12岁以下（含12岁）儿童，具有清洁、保湿、爽身、防晒等功效的化妆品。
标识“适用于全人群”“全家使用”等词语或者利用商标、图案、谐音、字母、汉语拼音、数字、符号、包装形式等暗示产品使用人群包含儿童的产品按照儿童化妆品管理。
第四条 化妆品注册人、备案人对儿童化妆品的质量安全和功效宣称负责。
化妆品生产经营者应当依照法律、法规、强制性国家标准、技术规范从事生产经营活动，加强儿童化妆品质量管理，诚信自律，保证产品质量安全。
化妆品生产经营者应当建立并执行进货查验记录等制度，确保儿童化妆品可追溯。鼓励化妆品生产经营者采用信息化手段采集、保存生产经营信息，建立儿童化妆品质量安全追溯体系。
第五条 化妆品注册人、备案人应当根据儿童的生理特点和可能的应用场景，遵循科学性、必要性的原则，研制开发儿童化妆品。
第六条 儿童化妆品应当在销售包装展示面标注国家药品监督管理局规定的儿童化妆品标志。
非儿童化妆品不得标注儿童化妆品标志。
儿童化妆品应当以“注意”或者“警告”作为引导语，在销售包装可视面标注“应当在成人监护下使用”等警示用语。
鼓励化妆品注册人、备案人在标签上采用防伪技术等手段方便消费者识别、选择合法产品。
第七条 儿童化妆品配方设计应当遵循安全优先原则、功效必需原则、配方极简原则：
（一）应当选用有长期安全使用历史的化妆品原料，不得使用尚处于监测期的新原料，不允许使用基因技术、纳米技术等新技术制备的原料，如无替代原料必须使用时，应当说明原因，并针对儿童化妆品使用的安全性进行评价；
（二）不允许使用以祛斑美白、祛痘、脱毛、除臭、去屑、防脱发、染发、烫发等为目的的原料，如因其他目的使用可能具有上述功效的原料时，应当对使用的必要性及针对儿童化妆品使用的安全性进行评价；
（三）儿童化妆品应当从原料的安全、稳定、功能、配伍等方面，结合儿童生理特点，评估所用原料的科学性和必要性，特别是香料香精、着色剂、防腐剂及表面活性剂等原料。
第八条 儿童化妆品应当通过安全评估和必要的毒理学试验进行产品安全性评价。
化妆品注册人、备案人对儿童化妆品进行安全评估时，在危害识别、暴露量计算等方面，应当考虑儿童的生理特点。
第九条 国家药品监督管理局组织化妆品技术审评机构制定专门的儿童化妆品技术指导原则，对申请人提交的注册申请资料进行严格审查。
药品监督管理部门应当加强儿童化妆品的上市后监督管理，重点对产品安全性资料进行技术核查，发现不符合规定的，依法从严处理。
第十条 儿童化妆品应当按照化妆品生产质量管理规范的要求生产，儿童护肤类化妆品生产车间的环境要求应当符合有关规定。
化妆品注册人、备案人、受托生产企业应当按照规定对化妆品生产质量管理规范的执行情况进行自查，确保持续符合化妆品生产质量管理规范的要求。
鼓励化妆品注册人、备案人针对儿童化妆品制定严于强制性国家标准、技术规范的产品执行的标准。
第十一条 化妆品注册人、备案人、受托生产企业应当制定并实施从业人员入职培训和年度培训计划，确保员工熟悉岗位职责，具备履行岗位职责的专业知识和儿童化妆品相关的法律知识。企业应当建立员工培训档案。
企业应当加强质量文化建设，不断提高员工质量意识及履行职责能力，鼓励员工报告其工作中发现的不合法或者不规范情况。
第十二条 化妆品注册人、备案人、受托生产企业应当严格执行物料进货查验记录制度，企业经评估认为必要时开展相关项目的检验，避免通过原料、直接接触化妆品的包装材料带入激素、抗感染类药物等禁用原料或者可能危害人体健康的物质。
化妆品注册人、备案人发现原料、直接接触化妆品的包装材料中存在激素、抗感染类药物等禁用原料或者可能危害人体健康的物质的，应当立即采取措施控制风险，并向所在地省级药品监督管理部门报告。
第十三条 化妆品注册人、备案人、受托生产企业应当采取措施避免儿童化妆品性状、气味、外观形态等与食品、药品等产品相混淆，防止误食、误用。
儿童化妆品标签不得标注“食品级”“可食用”等词语或者食品有关图案。
第十四条 化妆品经营者应当建立并执行进货查验记录制度，查验直接供货者的市场主体登记证明、特殊化妆品注册证或者普通化妆品备案信息、儿童化妆品标志、产品质量检验合格证明并保存相关凭证，如实记录化妆品名称、特殊化妆品注册证编号或者普通化妆品备案编号、使用期限、净含量、购进数量、供货者名称、地址、联系方式、购进日期等内容。
化妆品经营者应当对所经营儿童化妆品标签信息与国家药品监督管理局官方网站上公布的相应产品信息进行核对，包括:化妆品名称、特殊化妆品注册证编号或者普通化妆品备案编号、化妆品注册人或者备案人名称、受托生产企业名称、境内责任人名称，确保上述信息与公布信息一致。
鼓励化妆品经营者分区陈列儿童化妆品，在销售区域公示儿童化妆品标志。鼓励化妆品经营者在销售儿童化妆品时主动提示消费者查询产品注册或者备案信息。
第十五条 电子商务平台内儿童化妆品经营者以及通过自建网站、其他网络服务经营儿童化妆品的电子商务经营者应当在其经营活动主页面全面、真实、准确披露与化妆品注册或者备案资料一致的化妆品标签等信息，并在产品展示页面显著位置持续公示儿童化妆品标志。
第十六条 化妆品生产经营者、医疗机构发现或者获知儿童化妆品不良反应，应当按照规定向所在地市县级不良反应监测机构报告不良反应。
化妆品注册人、备案人应当对收集或者获知的儿童化妆品不良反应报告进行分析评价，自查可能引发不良反应的原因。对可能属于严重不良反应的，应当按照规定进行调查分析并形成自查报告，报送所在地省级不良反应监测机构，同时报送所在地省级药品监督管理部门。发现产品存在安全风险的，应当立即采取措施控制风险；发现产品存在质量缺陷或者其他问题，可能危害人体健康的，应当依照《化妆品监督管理条例》第四十四条的规定，立即停止生产，召回已经上市销售的化妆品，通知相关化妆品经营者和消费者停止经营、使用。
第十七条 抽样检验发现儿童化妆品存在质量安全问题的，化妆品注册人、备案人、受托生产企业应当立即停止生产，对化妆品生产质量管理规范的执行情况进行自查，并向所在地省级药品监督管理部门报告。影响质量安全的风险因素消除后，方可恢复生产。省级药品监督管理部门可以根据实际情况组织现场检查。
化妆品注册人、备案人发现化妆品存在质量缺陷或者其他问题，可能危害人体健康的，应当依照《化妆品监督管理条例》第四十四条的规定，立即停止生产，召回已经上市销售的化妆品，通知相关化妆品经营者和消费者停止经营、使用。
化妆品注册人、备案人应当根据检验不合格的原因，对其他相关产品进行分析、评估，确保产品质量安全。
第十八条 负责药品监督管理的部门应当按照风险管理的原则，结合本地实际，将化妆品注册人、备案人、境内责任人、受托生产企业以及儿童化妆品销售行为较为集中的化妆品经营者列入重点监管对象，加大监督检查频次。
第十九条 负责药品监督管理的部门应当将儿童化妆品作为年度抽样检验和风险监测重点类别。经抽样检验或者风险监测发现儿童化妆品中含有可能危害人体健康的物质，负责药品监督管理的部门可以采取责令暂停生产、经营的紧急控制措施，并发布安全警示信息；属于进口儿童化妆品的，依法提请有关部门暂停进口。
第二十条 负责药品监督管理的部门依法查处儿童化妆品违法行为时，有下列情形之一的，应当认定为《化妆品监督管理条例》规定的情节严重情形：
（一）使用禁止用于化妆品生产的原料、应当注册但未经注册的新原料生产儿童化妆品；
（二）在儿童化妆品中非法添加可能危害人体健康的物质。
第二十一条 儿童牙膏参照本规定进行管理。
第二十二条 本规定自2022年1月1日起施行。
收起阅读 »
第一条 为了规范儿童化妆品生产经营活动，加强儿童化妆品监督管理，保障儿童使用化妆品安全，根据《化妆品监督管理条例》等法律法规，制定本规定。
第二条 在中华人民共和国境内从事儿童化妆品生产经营活动及其监督管理，应当遵守本规定。
第三条 本规定所称儿童化妆品，是指适用于年龄在12岁以下（含12岁）儿童，具有清洁、保湿、爽身、防晒等功效的化妆品。
标识“适用于全人群”“全家使用”等词语或者利用商标、图案、谐音、字母、汉语拼音、数字、符号、包装形式等暗示产品使用人群包含儿童的产品按照儿童化妆品管理。
第四条 化妆品注册人、备案人对儿童化妆品的质量安全和功效宣称负责。
化妆品生产经营者应当依照法律、法规、强制性国家标准、技术规范从事生产经营活动，加强儿童化妆品质量管理，诚信自律，保证产品质量安全。
化妆品生产经营者应当建立并执行进货查验记录等制度，确保儿童化妆品可追溯。鼓励化妆品生产经营者采用信息化手段采集、保存生产经营信息，建立儿童化妆品质量安全追溯体系。
第五条 化妆品注册人、备案人应当根据儿童的生理特点和可能的应用场景，遵循科学性、必要性的原则，研制开发儿童化妆品。
第六条 儿童化妆品应当在销售包装展示面标注国家药品监督管理局规定的儿童化妆品标志。
非儿童化妆品不得标注儿童化妆品标志。
儿童化妆品应当以“注意”或者“警告”作为引导语，在销售包装可视面标注“应当在成人监护下使用”等警示用语。
鼓励化妆品注册人、备案人在标签上采用防伪技术等手段方便消费者识别、选择合法产品。
第七条 儿童化妆品配方设计应当遵循安全优先原则、功效必需原则、配方极简原则：
（一）应当选用有长期安全使用历史的化妆品原料，不得使用尚处于监测期的新原料，不允许使用基因技术、纳米技术等新技术制备的原料，如无替代原料必须使用时，应当说明原因，并针对儿童化妆品使用的安全性进行评价；
（二）不允许使用以祛斑美白、祛痘、脱毛、除臭、去屑、防脱发、染发、烫发等为目的的原料，如因其他目的使用可能具有上述功效的原料时，应当对使用的必要性及针对儿童化妆品使用的安全性进行评价；
（三）儿童化妆品应当从原料的安全、稳定、功能、配伍等方面，结合儿童生理特点，评估所用原料的科学性和必要性，特别是香料香精、着色剂、防腐剂及表面活性剂等原料。
第八条 儿童化妆品应当通过安全评估和必要的毒理学试验进行产品安全性评价。
化妆品注册人、备案人对儿童化妆品进行安全评估时，在危害识别、暴露量计算等方面，应当考虑儿童的生理特点。
第九条 国家药品监督管理局组织化妆品技术审评机构制定专门的儿童化妆品技术指导原则，对申请人提交的注册申请资料进行严格审查。
药品监督管理部门应当加强儿童化妆品的上市后监督管理，重点对产品安全性资料进行技术核查，发现不符合规定的，依法从严处理。
第十条 儿童化妆品应当按照化妆品生产质量管理规范的要求生产，儿童护肤类化妆品生产车间的环境要求应当符合有关规定。
化妆品注册人、备案人、受托生产企业应当按照规定对化妆品生产质量管理规范的执行情况进行自查，确保持续符合化妆品生产质量管理规范的要求。
鼓励化妆品注册人、备案人针对儿童化妆品制定严于强制性国家标准、技术规范的产品执行的标准。
第十一条 化妆品注册人、备案人、受托生产企业应当制定并实施从业人员入职培训和年度培训计划，确保员工熟悉岗位职责，具备履行岗位职责的专业知识和儿童化妆品相关的法律知识。企业应当建立员工培训档案。
企业应当加强质量文化建设，不断提高员工质量意识及履行职责能力，鼓励员工报告其工作中发现的不合法或者不规范情况。
第十二条 化妆品注册人、备案人、受托生产企业应当严格执行物料进货查验记录制度，企业经评估认为必要时开展相关项目的检验，避免通过原料、直接接触化妆品的包装材料带入激素、抗感染类药物等禁用原料或者可能危害人体健康的物质。
化妆品注册人、备案人发现原料、直接接触化妆品的包装材料中存在激素、抗感染类药物等禁用原料或者可能危害人体健康的物质的，应当立即采取措施控制风险，并向所在地省级药品监督管理部门报告。
第十三条 化妆品注册人、备案人、受托生产企业应当采取措施避免儿童化妆品性状、气味、外观形态等与食品、药品等产品相混淆，防止误食、误用。
儿童化妆品标签不得标注“食品级”“可食用”等词语或者食品有关图案。
第十四条 化妆品经营者应当建立并执行进货查验记录制度，查验直接供货者的市场主体登记证明、特殊化妆品注册证或者普通化妆品备案信息、儿童化妆品标志、产品质量检验合格证明并保存相关凭证，如实记录化妆品名称、特殊化妆品注册证编号或者普通化妆品备案编号、使用期限、净含量、购进数量、供货者名称、地址、联系方式、购进日期等内容。
化妆品经营者应当对所经营儿童化妆品标签信息与国家药品监督管理局官方网站上公布的相应产品信息进行核对，包括:化妆品名称、特殊化妆品注册证编号或者普通化妆品备案编号、化妆品注册人或者备案人名称、受托生产企业名称、境内责任人名称，确保上述信息与公布信息一致。
鼓励化妆品经营者分区陈列儿童化妆品，在销售区域公示儿童化妆品标志。鼓励化妆品经营者在销售儿童化妆品时主动提示消费者查询产品注册或者备案信息。
第十五条 电子商务平台内儿童化妆品经营者以及通过自建网站、其他网络服务经营儿童化妆品的电子商务经营者应当在其经营活动主页面全面、真实、准确披露与化妆品注册或者备案资料一致的化妆品标签等信息，并在产品展示页面显著位置持续公示儿童化妆品标志。
第十六条 化妆品生产经营者、医疗机构发现或者获知儿童化妆品不良反应，应当按照规定向所在地市县级不良反应监测机构报告不良反应。
化妆品注册人、备案人应当对收集或者获知的儿童化妆品不良反应报告进行分析评价，自查可能引发不良反应的原因。对可能属于严重不良反应的，应当按照规定进行调查分析并形成自查报告，报送所在地省级不良反应监测机构，同时报送所在地省级药品监督管理部门。发现产品存在安全风险的，应当立即采取措施控制风险；发现产品存在质量缺陷或者其他问题，可能危害人体健康的，应当依照《化妆品监督管理条例》第四十四条的规定，立即停止生产，召回已经上市销售的化妆品，通知相关化妆品经营者和消费者停止经营、使用。
第十七条 抽样检验发现儿童化妆品存在质量安全问题的，化妆品注册人、备案人、受托生产企业应当立即停止生产，对化妆品生产质量管理规范的执行情况进行自查，并向所在地省级药品监督管理部门报告。影响质量安全的风险因素消除后，方可恢复生产。省级药品监督管理部门可以根据实际情况组织现场检查。
化妆品注册人、备案人发现化妆品存在质量缺陷或者其他问题，可能危害人体健康的，应当依照《化妆品监督管理条例》第四十四条的规定，立即停止生产，召回已经上市销售的化妆品，通知相关化妆品经营者和消费者停止经营、使用。
化妆品注册人、备案人应当根据检验不合格的原因，对其他相关产品进行分析、评估，确保产品质量安全。
第十八条 负责药品监督管理的部门应当按照风险管理的原则，结合本地实际，将化妆品注册人、备案人、境内责任人、受托生产企业以及儿童化妆品销售行为较为集中的化妆品经营者列入重点监管对象，加大监督检查频次。
第十九条 负责药品监督管理的部门应当将儿童化妆品作为年度抽样检验和风险监测重点类别。经抽样检验或者风险监测发现儿童化妆品中含有可能危害人体健康的物质，负责药品监督管理的部门可以采取责令暂停生产、经营的紧急控制措施，并发布安全警示信息；属于进口儿童化妆品的，依法提请有关部门暂停进口。
第二十条 负责药品监督管理的部门依法查处儿童化妆品违法行为时，有下列情形之一的，应当认定为《化妆品监督管理条例》规定的情节严重情形：
（一）使用禁止用于化妆品生产的原料、应当注册但未经注册的新原料生产儿童化妆品；
（二）在儿童化妆品中非法添加可能危害人体健康的物质。
第二十一条 儿童牙膏参照本规定进行管理。
第二十二条 本规定自2022年1月1日起施行。
收起阅读 »
缩短交付时间，实现更简化的供应链
交货提前期是一个至关重要的供应链管理参数。对于企业来说，了解产品从原始订单到交付需要多长时间是至关重要的，无论他们是购买、销售还是在内部转移货物和材料。
随着消费者越来越习惯于在第二天甚至当天收到订单，供应链越来越关注其流程的交付部分。也就是说，供应链想要保持成功。
我们可以将成功交付定义为在正确的时间以正确的数量获得客户需要的东西，并始终如一地做到这一点。交货现在被认为是任何制造或分销企业最基本的要求。利用数据分析的力量，Minitab可以帮助公司优化交付、简化供应链并提高客户满意度。
衡量交货速度
将最终产品交付给最终客户所需的时间是供应链专业人员的一个关键衡量指标。使用一个样本数据集和一些简单的描述性统计数据，下面的例子显示交付时间的平均值在54到55小时之间。数据还显示最短时间为40小时，最长时间为75小时，因此它提供了最快和最慢时间的范围，这有助于目标设定。
设定一个目标，集体讨论影响交付的可能因素
延迟交付不仅会影响客户体验，还会直接影响销售。如果一家公司不能兑现他们及时交货的承诺，他们的客户将来再次购买的可能性就会大大降低。设定战略性业务目标在一定时间内交货。在本例中，让我们设定一个现实的目标50，这代表交付时间提高了约10%。
接下来，集思广益，找出可能影响交货时间的变量。这可能是包裹大小、车龄、天气状况，甚至是送货的司机。下图显示了一个CT树示例，Workspace中包含的众多强大的头脑风暴和结构化问题解决工具之一。
使用预测模型量化影响…
一般来说，预测建模有助于做出预测以及了解影响响应的因素。通过使用Minitab的自动化机器学习工具,我们不仅能看到最好的模型(在这种情况下随机森林)，但我们也能看到其他模特的表现。
在这种情况下，流行的传统回归方法不仅表现最差，而且也不是很准确。然而手推车模型是可视化关系的理想选择，表现相对较好。
应用改进…
通过查看手推车下面的决策树表明，在阳光充足的条件下，新车的交付速度最快，而在下雪天，旧车的交付时间最长。这是第一个需要改进的地方。虽然控制天气状况是不可能的，但维持一个较新的车队可能会带来一些立竿见影的改善。此外，在最初计算和传达交付时间时，考虑特定客户区域的天气预报可以提供更高的准确性。
…并运用模型来预测交货时间
这种分析不仅有助于确定需要改进的地方，还有助于与客户沟通。通过考虑手头的因素，并利用最准确的随机森林模型(由自动机器学习确定)，我们可以将模型付诸实施自动与客户交流。使用解决方案，如Minitab模型操作在收集这些数据点时，该模型可以计算估计的交付时间，并自动将时间通知客户。这将确保您的客户及时得到通知，这样他们就不会猜测他们的包裹何时到达。随着您绩效的提高，您不仅可以超额完成客户的期望，还可以继续完善您的预测模型，以便在未来为客户提供更准确的时机。
收起阅读 »
随着消费者越来越习惯于在第二天甚至当天收到订单，供应链越来越关注其流程的交付部分。也就是说，供应链想要保持成功。
我们可以将成功交付定义为在正确的时间以正确的数量获得客户需要的东西，并始终如一地做到这一点。交货现在被认为是任何制造或分销企业最基本的要求。利用数据分析的力量，Minitab可以帮助公司优化交付、简化供应链并提高客户满意度。
衡量交货速度
将最终产品交付给最终客户所需的时间是供应链专业人员的一个关键衡量指标。使用一个样本数据集和一些简单的描述性统计数据，下面的例子显示交付时间的平均值在54到55小时之间。数据还显示最短时间为40小时，最长时间为75小时，因此它提供了最快和最慢时间的范围，这有助于目标设定。
设定一个目标，集体讨论影响交付的可能因素
延迟交付不仅会影响客户体验，还会直接影响销售。如果一家公司不能兑现他们及时交货的承诺，他们的客户将来再次购买的可能性就会大大降低。设定战略性业务目标在一定时间内交货。在本例中，让我们设定一个现实的目标50，这代表交付时间提高了约10%。
接下来，集思广益，找出可能影响交货时间的变量。这可能是包裹大小、车龄、天气状况，甚至是送货的司机。下图显示了一个CT树示例，Workspace中包含的众多强大的头脑风暴和结构化问题解决工具之一。
使用预测模型量化影响…
一般来说，预测建模有助于做出预测以及了解影响响应的因素。通过使用Minitab的自动化机器学习工具,我们不仅能看到最好的模型(在这种情况下随机森林)，但我们也能看到其他模特的表现。
在这种情况下，流行的传统回归方法不仅表现最差，而且也不是很准确。然而手推车模型是可视化关系的理想选择，表现相对较好。
应用改进…
通过查看手推车下面的决策树表明，在阳光充足的条件下，新车的交付速度最快，而在下雪天，旧车的交付时间最长。这是第一个需要改进的地方。虽然控制天气状况是不可能的，但维持一个较新的车队可能会带来一些立竿见影的改善。此外，在最初计算和传达交付时间时，考虑特定客户区域的天气预报可以提供更高的准确性。
…并运用模型来预测交货时间
这种分析不仅有助于确定需要改进的地方，还有助于与客户沟通。通过考虑手头的因素，并利用最准确的随机森林模型(由自动机器学习确定)，我们可以将模型付诸实施自动与客户交流。使用解决方案，如Minitab模型操作在收集这些数据点时，该模型可以计算估计的交付时间，并自动将时间通知客户。这将确保您的客户及时得到通知，这样他们就不会猜测他们的包裹何时到达。随着您绩效的提高，您不仅可以超额完成客户的期望，还可以继续完善您的预测模型，以便在未来为客户提供更准确的时机。
收起阅读 »
2023灯塔工厂白皮书发布：成为“榜样”之前，先点亮自身
中国是目前创建灯塔工厂力量最活跃、也是拥有最多灯塔工厂的国家。深追其背后根由，可认为这与国内宏观政策与发展模式密不可分，一边是高质量发展战略指引护航，一边是草莽拓荒后的积弊难消。
因果可循环可倒置，时势既造英雄，英雄亦酿时势。我们很高兴看到，在工业4.0的比武场上，中国的制造力量正发出自己的声音，并不断惊喜亮相。
01 灯塔工厂新范式，翻越效率与效益两座大山
某种程度上，成功遴选为灯塔工厂的企业，即可被视为拥有世界第一流的制造能力，在实践结果和发展路径匹配层面都做到了顶尖，是智能制造及工业4.0当之无愧的代表。
在成为榜样之前，“灯塔工厂”四个字，最先点亮的是企业自身。于是，角逐灯塔工厂、得到市场和行业认可，并进一步扩大自身竞争优势，成为越来越多企业的探索新方向。但当目光放远，我们不得不看清现状：纵然有成功实践作表率，整体的制造业重构升级依然处于雾里看花阶段，企业们还是会在实际困境前焦头烂额。须知，在想到与得到之间，还差一个做到。
纵观制造业发展历程，我们能清晰看到：伴随生产模式从大规模生产、精益生产、柔性制造变革为可重构制造再到智能制造，整个制造业价值链主体也发生了巨大变化，从最初的面向成本，发展为面向产品、面向客户，再到目前的面向效率。
很显然，在效率与效益两座大山前，制造企业想要成功进阶并书写新的转型奇迹，在单一工厂或部分生产网络中实现规模化转型已然不足，而是要在全组织上下实现规模化部署。
如何加强数字化技术与企业不同的发展路径匹配，减少甚至避免大量试错成本带来的发展陷阱，是企业亟待突破的问题。
技术落地是一个老生常谈的问题。工业4.0涉及到的技术变革较为广泛，包含大数据技术、人工智能、智能制造及区块链技术在内的多项技术已得到快速发展和应用，信息技术和制造业不断融合的过程，就是生产制造越发自主的过程。
麦肯锡合伙人、制造业全球负责人Enno de Boer就曾表示：“一种范式转变正在发生，从注重成本控制转向推动增长和促进环境可持续性。这些灯塔工厂的经营实践表明，相比投资建设资本基础设施，通过数字技术提高智能化生产和经营能力更加有效。”
02 端到端集成，重构制造业价值链动态能力
传统生产模式下，企业交付产品就算完成“任务”，产品使用情况、维修情况一律都与生产制造分离，相互之间全然没有任何交互。而灯塔工厂的端到端，是从产品设计、生产制造到物流配送过程，甚至于维护维修等末端环节的产品全生命周期管理和服务。
客户需求和反馈能直接与研发设计端进行互联共享，这种动态闭环的运作模式，能直接拓展企业的边界，推动全流程、全组织的业务信息协同，提升效率、降低成本，实现全产业链的跨越式集成，从而不断提升客户满意度。
结合两版灯塔工厂白皮书，我们能明确一点，制造业数字化转型过程中的价值链生成，可大体可分出以下三个阶段：
显然，灯塔工厂们用自身的成功实践结果经验告诉我们：以数据为关键要素，对技术应用、认知革新与经营模式进行大胆探索和系统性变革，就能实现运行效率、创新能力和盈利能力的全面提升。
03 灯塔之光照亮制造业数智之路
在2023最新公布的名单中，赫然出现了一个海岸线熟悉的名字——联想集团合肥产业基地（下文简称“LCFC”）。
作为年产值超过千亿的消费电子ODM工厂，LCFC有着较为庞大的供应商数量，但使用的系统既多且老，这便造成了数据孤立、部门墙严重、管理效率低下等一系列问题，而供应商质量好坏又将直接影响产品交付效率和交付质量。
面对种种难题，LCFC的高层管理者抱有极大的变革决心，在和海岸线的整个合作过程中，亲自带队参与方案的设计确认和实施支持，给予了最大程度的配合。
最终我们为LCFC搭建了一个面向全供应链的质量管理平台，让上下游供应链之间的在线协作更加精密，帮助企业从源头改善问题，在质量、成本、交付和可持续四大维度，皆实现了业务价值的大幅提升。
这里简略提下该平台为LCFC创造的实际收益：
在中国传统制造业转型过程中，LCFC所遇到的阻点绝非孤例。普遍来看，制造业的企业组织、业务模式、产品和价值链的复杂和难控性是必须攻克的难题，而提升产品附加值、提升人均产值是保障产业高速增长的必由之路。
故而，能总结制造产业发展共通性，积极推动工厂、价值链和商业模式的规模化转型的“灯塔工厂”，成为我国制造业可持续卓越运营的榜样引航员，照亮无数企业的茫茫数智路。
我们有理由相信，下一份白皮书发布之时，新增灯塔工厂“列席”成员中，或许就将有你。 收起阅读 »
因果可循环可倒置，时势既造英雄，英雄亦酿时势。我们很高兴看到，在工业4.0的比武场上，中国的制造力量正发出自己的声音，并不断惊喜亮相。
01 灯塔工厂新范式，翻越效率与效益两座大山
某种程度上，成功遴选为灯塔工厂的企业，即可被视为拥有世界第一流的制造能力，在实践结果和发展路径匹配层面都做到了顶尖，是智能制造及工业4.0当之无愧的代表。
在成为榜样之前，“灯塔工厂”四个字，最先点亮的是企业自身。于是，角逐灯塔工厂、得到市场和行业认可，并进一步扩大自身竞争优势，成为越来越多企业的探索新方向。但当目光放远，我们不得不看清现状：纵然有成功实践作表率，整体的制造业重构升级依然处于雾里看花阶段，企业们还是会在实际困境前焦头烂额。须知，在想到与得到之间，还差一个做到。
纵观制造业发展历程，我们能清晰看到：伴随生产模式从大规模生产、精益生产、柔性制造变革为可重构制造再到智能制造，整个制造业价值链主体也发生了巨大变化，从最初的面向成本，发展为面向产品、面向客户，再到目前的面向效率。
很显然，在效率与效益两座大山前，制造企业想要成功进阶并书写新的转型奇迹，在单一工厂或部分生产网络中实现规模化转型已然不足，而是要在全组织上下实现规模化部署。
如何加强数字化技术与企业不同的发展路径匹配，减少甚至避免大量试错成本带来的发展陷阱，是企业亟待突破的问题。
技术落地是一个老生常谈的问题。工业4.0涉及到的技术变革较为广泛，包含大数据技术、人工智能、智能制造及区块链技术在内的多项技术已得到快速发展和应用，信息技术和制造业不断融合的过程，就是生产制造越发自主的过程。
麦肯锡合伙人、制造业全球负责人Enno de Boer就曾表示：“一种范式转变正在发生，从注重成本控制转向推动增长和促进环境可持续性。这些灯塔工厂的经营实践表明，相比投资建设资本基础设施，通过数字技术提高智能化生产和经营能力更加有效。”
02 端到端集成，重构制造业价值链动态能力
传统生产模式下，企业交付产品就算完成“任务”，产品使用情况、维修情况一律都与生产制造分离，相互之间全然没有任何交互。而灯塔工厂的端到端，是从产品设计、生产制造到物流配送过程，甚至于维护维修等末端环节的产品全生命周期管理和服务。
客户需求和反馈能直接与研发设计端进行互联共享，这种动态闭环的运作模式，能直接拓展企业的边界，推动全流程、全组织的业务信息协同，提升效率、降低成本，实现全产业链的跨越式集成，从而不断提升客户满意度。
结合两版灯塔工厂白皮书，我们能明确一点，制造业数字化转型过程中的价值链生成，可大体可分出以下三个阶段：
·阶段一：价值定位。不同吸收能力的制造业企业具有不同的价值定位，关键条件分为外部信息吸收能力和内部价值定位能力两种，主要体现在价值链跟随生产模式变迁带来的商业模式提升。
·阶段二：适应能力差异化。主要表现为创造机制，关键因素包含对外数字化战略调整能力及对内数字化组织执行能力。前者体现企业高层管理者对数字化转型战略的支持态度，后者体现其对数字化转型的实施计划执行程度。
·阶段三：创新能力。从价值获取的视角看，面向市场的数字化服务反馈能力和数字化服务增值能力构成创新能力的关键要素；数字化服务反馈能力则表现为端到端的集成。
显然，灯塔工厂们用自身的成功实践结果经验告诉我们：以数据为关键要素，对技术应用、认知革新与经营模式进行大胆探索和系统性变革，就能实现运行效率、创新能力和盈利能力的全面提升。
03 灯塔之光照亮制造业数智之路
在2023最新公布的名单中，赫然出现了一个海岸线熟悉的名字——联想集团合肥产业基地（下文简称“LCFC”）。
作为年产值超过千亿的消费电子ODM工厂，LCFC有着较为庞大的供应商数量，但使用的系统既多且老，这便造成了数据孤立、部门墙严重、管理效率低下等一系列问题，而供应商质量好坏又将直接影响产品交付效率和交付质量。
如上篇文章和前文所述，是否明白转型本质、进而看清战略弱点、及时发现并加以改正和提升自身不足，是灯塔企业和非灯塔企业的核心认知差异之一。
面对种种难题，LCFC的高层管理者抱有极大的变革决心，在和海岸线的整个合作过程中，亲自带队参与方案的设计确认和实施支持，给予了最大程度的配合。
最终我们为LCFC搭建了一个面向全供应链的质量管理平台，让上下游供应链之间的在线协作更加精密，帮助企业从源头改善问题，在质量、成本、交付和可持续四大维度，皆实现了业务价值的大幅提升。
这里简略提下该平台为LCFC创造的实际收益：
·质量损失下降28%
·人员效率提升45%
·急单满足提升21%
·供应商质量问题减少55%
·二氧化碳排放下降49%
·成功申报灯塔工厂
在中国传统制造业转型过程中，LCFC所遇到的阻点绝非孤例。普遍来看，制造业的企业组织、业务模式、产品和价值链的复杂和难控性是必须攻克的难题，而提升产品附加值、提升人均产值是保障产业高速增长的必由之路。
故而，能总结制造产业发展共通性，积极推动工厂、价值链和商业模式的规模化转型的“灯塔工厂”，成为我国制造业可持续卓越运营的榜样引航员，照亮无数企业的茫茫数智路。
我们有理由相信，下一份白皮书发布之时，新增灯塔工厂“列席”成员中，或许就将有你。 收起阅读 »
智能制造能力成熟度模型及FMEA柔性生产案例深度解读
灯塔一词，早已脱离开航海历史而进入更大范围，成为一种指引方向、点亮希望的象征。假如把制造业也看做一汪广阔的海洋，站在智能制造转型升级的十字路口，灯塔在何方？
让我们把目光投向“灯塔工厂”。灯塔工厂项目，由达沃斯世界经济论坛与管理咨询公司麦肯锡合作展开遴选，被誉为“世界上最先进的工厂”，代表着全球智能制造的最高水平。据最新数据，全球“灯塔工厂”数量达到132家，中国的“灯塔工厂”增至50家，持续排名全球第一。
在这里先给自己打个广告，接下来我们将用一到两篇文章，对“灯塔工厂”做一个详尽而深入的解读，有兴趣或有意向入选“灯塔工厂”的企业不妨点点关注。
全局统筹，深度赋能，CMMM智能制造能力成熟度模型
言归正传，“灯塔工厂”既有标杆示范的榜样意义，也可看做一种关键信号，激励更多企业在智能制造转型升级浪潮中奋勇争先。
只不过，当智能制造步入发展快车道，“眉毛胡子两手抓”的形式得放一放了，我们需要有更清晰的参考助力：一个是如灯塔工厂一般的引领标杆，一个是足够有力的行业标准。前者是后者的呈现载体，后者是前者的判断依据。
在去年末的世界智能制造大会主论坛上，《中国智能制造发展研究报告：能力成熟度》（CMMM2.0）正式发布，创新性地提出了CMMM是可拆解、可组合、可配置的柔性模式，并从企业应用视角出发，为企业持续提升自身智能制造能力，提供了全局视角、成熟理论和实施路径。
经过数年发展，CMMM从早期的“智能+制造”两个维度模型，优化至覆盖人员、技术、资源、制造四大要素，从10个核心能力域增加到20个，帮助企业定位当前的能力水平和实施成效，有效指导智能制造建设，从而提升和优化制造过程。
智能制造能力成熟度可从低到高划分为五个等级——
1. 一级·规划级
企业应开始对实施智能制造的基础和条件进行规划，能够对核心业务活动（设计、生产、物流、销售、服务）进行流程化管理
2. 二级·规范级
企业应采用自动化技术、信息技术手段对核心装备和核心业务活动等进行改造和规范，实现单一业务活动的数据共享
3. 三级·集成级
企业应对装备、系统等开展集成，实现跨业务活动间的数据共享
4. 四级·优化级
企业应对人员、资源、制造等进行数据挖掘，形成知识、模型等，实现对核心业务活动的精准预测和优化
5. 五级·引领级
企业应基于模型持续驱动业务活动的优化和创新，实现产业链协同并衍生新的制造模式和商业模式
从能力要素与能力域，浅看日式制造的“没落”
除等级外，能力要素、能力域/子域也是CMMM模型结构中的重要组成部分。
能力要素是企业实施智能制造必须的条件。人员、资源、技术作为支撑要素，制造作为核心要素，体现了人员通过资源、技术来不断改善制造的过程。
而由此衍生的能力域和能力子域则被统称为过程域。在人员、资源、技术三个要素下有7个基础过程域，在制造要素下有13个制造过程域，共计20个。
CMMM模型好比一张标记了沿途各站任务点的地图，按照地图挨个打卡，就能按部就班、按图索骥地走到最终目的地。
而一旦错过或者“偏科”，就有可能要承担风险。这一方面的典型案例是日本。日本的制造业以人为中心，工厂中的问题一般都由现场员工自己发现、自己解决、自己改善，然后以此提高整体生产质量水平。
但在数字化变革不同程度地席卷全球的当下，这种模式很难与自上而下的数字化、智能化兼容了——建立互联互通的工厂与现场已是必要，制造和信息、技术融合，能为决策提供以往所不能达到的效率。
所以，曾经以精细和高品质在国内市场大行其道、一句“开不坏的丰田”为无数人所津津乐道的日式制造，似乎从某个时间节点开始，逐渐失去了自己的存在感。在“神户制钢数据造假”“三菱油耗造假”丑闻接连曝光后，更是有人直接追问：日本制造业已经彻底走下神坛了吗？
我们不妨将其看做某个切面：当时代对敏捷、高效提出了更高的要求，具备全局思维就成为必要，能力子域一旦失衡，便会造成竞争的失利。
那么，我们应该怎样预防或者说阻止这种失衡，破除企业经营短板，找到智能制造建设工作的正确发力点呢？
答案或许在于对各个单点的深度突破。
单点深度突破案例，基于数字化思维的FMEA过程控制
数字化研发设计、自组织柔性生产、自组织物流、敏捷供应链、基于价值的服务、可持续制造、设备全生命周期管理、数字化培养，是CMMM的八大典型模式价值识别图谱。
本期案例智，我们将以柔性生产为目标，为各位带来基于数字化思维的FMEA过程控制案例。
我们都知道，制造业早已过了以规模论成败的阶段，消费者差异化的需求越明显，就越倒逼制造业向个性化制造转型。企业要攻克的课题越来越多，不论是消费者需求、还是生产异常、潜在失效风险，怎么依托关键大数据，定制需求的柔性化、智能化、高敏捷的产品，将成为核心竞争力所在。
K客户是一家家电制造企业，当前面临的主要问题恰好就在用户差异化需求的冲击上，在通过线上初步答题诊断和不间断几轮面谈咨询后，我们对K客户的组织战略、人员技能、数据、设备、生产作业等方面有了一个较为全面的评估结果。
最后，在K公司所提的制造过程“参数管理质量环”要求下，我们为其搭建了一套基于用户体验差异化需求、基于制造失效影响及影响分析（PFMEA）的全面可视化的制造过程质量管理体系。
FMEA技术不仅是对过程中的风险进行识别控制，更是直接贯穿到整个生命周期。以某款新冰箱的箱体发泡工艺为例：依据产品设计和开发输出的要求，我们划分出7个步骤，来对冰箱的制造过程进行设计和开发。
1. 确定过程分析范围
确定分析的范围为箱体发泡工艺，从壳体预热、夹具固定，到注料，再到最终的光学检测，这一阶段的制造过程工艺流程图，是基于产品开发与设计（FMEA）输出的产品框图（装配层级及顺序）来的。
范围的确定有助于FMEA团队更准确地分析过程，将优势资源集中于优先级较高的过程中。
2. 过程结构分析
结构分析是整个FMEA的基础阶段，我们可以通过过程流程图或结构树的形式定义流程；基于人机料环等4M要素，找出影响过程的所有要素。
例如这里的注料过程，其影响要素就有操作员、机器设备、工装夹具以及环境温湿度。
3. 过程功能分析
功能分析是整个FMEA的核心阶段，目的是确保产品/过程的预期功能/要求能够实现。需要通过技术性语言进行描述。
这里我们还是以注料为例，注料后的箱体前脸平整度、飘偏度需要满足工艺要求，这里提出的是对产品特性的要求。那我们再来看下影响产品特性的过程特性有哪些要求，需要通过4M要素进行拆解。以箱体飘偏度为例，通过特性矩阵能看到，飘偏度受气动压力与脱模间隙影响。
转化成技术性语言便是：气动压力5~8pa；脱模间隙＜0.05mm。通过识别各层级功能和要求后，开展产品特性与过程特性之间的关联性分析，进而建立功能网。
4. 过程失效分析
所谓失效就是指上一步功能分析中的功能/要求无法满足。过程步骤，要实现的功能无法满足即为失效模式；过程工作要素，要实现的功能无法满足，即为失效原因；因失效模式，而对整个过程项造成的影响即为失效影响。
我们不仅要分析当前已知的失效，对可能发生的未知失效同样需要分析。同时要确定三者的关联关系，在功能网的基础上，进一步建立失效网。
5. 过程风险分析
需要完成对三个度（严重度、发生度、探测度）的评价。严重度表示失效影响的严重程度，考虑三个方面：1）对厂内的影响；2）对直接发运工厂的影响；3）对最终用户的影响。
发生度可以简单理解为失效模式发生的可能性，需要结合当前的预防措施来评价。可以通过计算ppm、cpk得出相对准确的判断。
探测度则表示当前探测措施的有效性，能否及时准确的找出失效的产品，是我们判断的标准。一般通过检验或实验来完成探测。其有效性的判定，很大程度上取决于是否做过MSA。
通过对三个度的评价我们可以标记出特殊特性，并对其重点关注，同时对后续将要采取的措施优先级进行排序，之后就可以调集企业资源优先对高AP项采取控制。
6. 过程控制方法优化
对高AP项优先采取控制措施，并且验证这些措施的有效性，然后重新评估风险，将验证有效的措施同步到控制计划当中去执行。通过不断的优化可将风险降至最低。
FMEA不断更新的目的就是为了持续改善，不断降低风险，确保过程稳健。
7. 过程标准固化
这是一个总结FMEA经验的过程，需要借助软件建立企业FMEA、家族FMEA、知识库、措施库等，将FMEA经验固化沉淀。
我们将AQP FMEA和PQM（专业版QMS）及其他系统数据间的串联通道打通，时刻保证FMEA文件的动态更新，进而指导K客户质量的持续改善，保证生产线在大批量生产和小批量生产之间任意切换。
正如CMMM模型所指示的一样，过程控制是企业经营发展当中的重要一环，而非唯一一环，后续我们仍将持续建设 收起阅读 »
让我们把目光投向“灯塔工厂”。灯塔工厂项目，由达沃斯世界经济论坛与管理咨询公司麦肯锡合作展开遴选，被誉为“世界上最先进的工厂”，代表着全球智能制造的最高水平。据最新数据，全球“灯塔工厂”数量达到132家，中国的“灯塔工厂”增至50家，持续排名全球第一。
在这里先给自己打个广告，接下来我们将用一到两篇文章，对“灯塔工厂”做一个详尽而深入的解读，有兴趣或有意向入选“灯塔工厂”的企业不妨点点关注。
全局统筹，深度赋能，CMMM智能制造能力成熟度模型
言归正传，“灯塔工厂”既有标杆示范的榜样意义，也可看做一种关键信号，激励更多企业在智能制造转型升级浪潮中奋勇争先。
只不过，当智能制造步入发展快车道，“眉毛胡子两手抓”的形式得放一放了，我们需要有更清晰的参考助力：一个是如灯塔工厂一般的引领标杆，一个是足够有力的行业标准。前者是后者的呈现载体，后者是前者的判断依据。
在去年末的世界智能制造大会主论坛上，《中国智能制造发展研究报告：能力成熟度》（CMMM2.0）正式发布，创新性地提出了CMMM是可拆解、可组合、可配置的柔性模式，并从企业应用视角出发，为企业持续提升自身智能制造能力，提供了全局视角、成熟理论和实施路径。
经过数年发展，CMMM从早期的“智能+制造”两个维度模型，优化至覆盖人员、技术、资源、制造四大要素，从10个核心能力域增加到20个，帮助企业定位当前的能力水平和实施成效，有效指导智能制造建设，从而提升和优化制造过程。
智能制造能力成熟度可从低到高划分为五个等级——
1. 一级·规划级
企业应开始对实施智能制造的基础和条件进行规划，能够对核心业务活动（设计、生产、物流、销售、服务）进行流程化管理
2. 二级·规范级
企业应采用自动化技术、信息技术手段对核心装备和核心业务活动等进行改造和规范，实现单一业务活动的数据共享
3. 三级·集成级
企业应对装备、系统等开展集成，实现跨业务活动间的数据共享
4. 四级·优化级
企业应对人员、资源、制造等进行数据挖掘，形成知识、模型等，实现对核心业务活动的精准预测和优化
5. 五级·引领级
企业应基于模型持续驱动业务活动的优化和创新，实现产业链协同并衍生新的制造模式和商业模式
从能力要素与能力域，浅看日式制造的“没落”
除等级外，能力要素、能力域/子域也是CMMM模型结构中的重要组成部分。
能力要素是企业实施智能制造必须的条件。人员、资源、技术作为支撑要素，制造作为核心要素，体现了人员通过资源、技术来不断改善制造的过程。
而由此衍生的能力域和能力子域则被统称为过程域。在人员、资源、技术三个要素下有7个基础过程域，在制造要素下有13个制造过程域，共计20个。
CMMM模型好比一张标记了沿途各站任务点的地图，按照地图挨个打卡，就能按部就班、按图索骥地走到最终目的地。
而一旦错过或者“偏科”，就有可能要承担风险。这一方面的典型案例是日本。日本的制造业以人为中心，工厂中的问题一般都由现场员工自己发现、自己解决、自己改善，然后以此提高整体生产质量水平。
但在数字化变革不同程度地席卷全球的当下，这种模式很难与自上而下的数字化、智能化兼容了——建立互联互通的工厂与现场已是必要，制造和信息、技术融合，能为决策提供以往所不能达到的效率。
所以，曾经以精细和高品质在国内市场大行其道、一句“开不坏的丰田”为无数人所津津乐道的日式制造，似乎从某个时间节点开始，逐渐失去了自己的存在感。在“神户制钢数据造假”“三菱油耗造假”丑闻接连曝光后，更是有人直接追问：日本制造业已经彻底走下神坛了吗？
我们不妨将其看做某个切面：当时代对敏捷、高效提出了更高的要求，具备全局思维就成为必要，能力子域一旦失衡，便会造成竞争的失利。
那么，我们应该怎样预防或者说阻止这种失衡，破除企业经营短板，找到智能制造建设工作的正确发力点呢？
答案或许在于对各个单点的深度突破。
单点深度突破案例，基于数字化思维的FMEA过程控制
数字化研发设计、自组织柔性生产、自组织物流、敏捷供应链、基于价值的服务、可持续制造、设备全生命周期管理、数字化培养，是CMMM的八大典型模式价值识别图谱。
本期案例智，我们将以柔性生产为目标，为各位带来基于数字化思维的FMEA过程控制案例。
我们都知道，制造业早已过了以规模论成败的阶段，消费者差异化的需求越明显，就越倒逼制造业向个性化制造转型。企业要攻克的课题越来越多，不论是消费者需求、还是生产异常、潜在失效风险，怎么依托关键大数据，定制需求的柔性化、智能化、高敏捷的产品，将成为核心竞争力所在。
K客户是一家家电制造企业，当前面临的主要问题恰好就在用户差异化需求的冲击上，在通过线上初步答题诊断和不间断几轮面谈咨询后，我们对K客户的组织战略、人员技能、数据、设备、生产作业等方面有了一个较为全面的评估结果。
最后，在K公司所提的制造过程“参数管理质量环”要求下，我们为其搭建了一套基于用户体验差异化需求、基于制造失效影响及影响分析（PFMEA）的全面可视化的制造过程质量管理体系。
FMEA技术不仅是对过程中的风险进行识别控制，更是直接贯穿到整个生命周期。以某款新冰箱的箱体发泡工艺为例：依据产品设计和开发输出的要求，我们划分出7个步骤，来对冰箱的制造过程进行设计和开发。
1. 确定过程分析范围
确定分析的范围为箱体发泡工艺，从壳体预热、夹具固定，到注料，再到最终的光学检测，这一阶段的制造过程工艺流程图，是基于产品开发与设计（FMEA）输出的产品框图（装配层级及顺序）来的。
范围的确定有助于FMEA团队更准确地分析过程，将优势资源集中于优先级较高的过程中。
2. 过程结构分析
结构分析是整个FMEA的基础阶段，我们可以通过过程流程图或结构树的形式定义流程；基于人机料环等4M要素，找出影响过程的所有要素。
例如这里的注料过程，其影响要素就有操作员、机器设备、工装夹具以及环境温湿度。
3. 过程功能分析
功能分析是整个FMEA的核心阶段，目的是确保产品/过程的预期功能/要求能够实现。需要通过技术性语言进行描述。
这里我们还是以注料为例，注料后的箱体前脸平整度、飘偏度需要满足工艺要求，这里提出的是对产品特性的要求。那我们再来看下影响产品特性的过程特性有哪些要求，需要通过4M要素进行拆解。以箱体飘偏度为例，通过特性矩阵能看到，飘偏度受气动压力与脱模间隙影响。
转化成技术性语言便是：气动压力5~8pa；脱模间隙＜0.05mm。通过识别各层级功能和要求后，开展产品特性与过程特性之间的关联性分析，进而建立功能网。
4. 过程失效分析
所谓失效就是指上一步功能分析中的功能/要求无法满足。过程步骤，要实现的功能无法满足即为失效模式；过程工作要素，要实现的功能无法满足，即为失效原因；因失效模式，而对整个过程项造成的影响即为失效影响。
我们不仅要分析当前已知的失效，对可能发生的未知失效同样需要分析。同时要确定三者的关联关系，在功能网的基础上，进一步建立失效网。
5. 过程风险分析
需要完成对三个度（严重度、发生度、探测度）的评价。严重度表示失效影响的严重程度，考虑三个方面：1）对厂内的影响；2）对直接发运工厂的影响；3）对最终用户的影响。
发生度可以简单理解为失效模式发生的可能性，需要结合当前的预防措施来评价。可以通过计算ppm、cpk得出相对准确的判断。
探测度则表示当前探测措施的有效性，能否及时准确的找出失效的产品，是我们判断的标准。一般通过检验或实验来完成探测。其有效性的判定，很大程度上取决于是否做过MSA。
通过对三个度的评价我们可以标记出特殊特性，并对其重点关注，同时对后续将要采取的措施优先级进行排序，之后就可以调集企业资源优先对高AP项采取控制。
6. 过程控制方法优化
对高AP项优先采取控制措施，并且验证这些措施的有效性，然后重新评估风险，将验证有效的措施同步到控制计划当中去执行。通过不断的优化可将风险降至最低。
FMEA不断更新的目的就是为了持续改善，不断降低风险，确保过程稳健。
7. 过程标准固化
这是一个总结FMEA经验的过程，需要借助软件建立企业FMEA、家族FMEA、知识库、措施库等，将FMEA经验固化沉淀。
我们将AQP FMEA和PQM（专业版QMS）及其他系统数据间的串联通道打通，时刻保证FMEA文件的动态更新，进而指导K客户质量的持续改善，保证生产线在大批量生产和小批量生产之间任意切换。
正如CMMM模型所指示的一样，过程控制是企业经营发展当中的重要一环，而非唯一一环，后续我们仍将持续建设 收起阅读 »
使用Weibull分布对可靠性数据建模
Weibull分布是最常用于对可靠性数据建模的分布。此分布易于解释且用途广泛。在可靠性分析中，可以使用此分布回答以下问题：
· 预计将在老化期间失效的项目所占的百分比是多少？例如，预计将在8小时老化期间失效的保险丝占多大百分比？
· 预计在有效寿命阶段有多少次保修索赔？例如，在该轮胎的50,000英里有效寿命期间预计有多少次保修索赔？
· 预计何时会出现快速磨损？例如，应将维护定期安排在何时以防止发动机进入磨损阶段？
Weibull分布可以对右偏斜数据、左偏斜数据或对称数据建模。因此，分布可用来评估不同应用（包括真空管、电容器、滚珠轴承、继电器和材料强度）的可靠性。Weibull分布还可以对递增、递减或固定故障函数建模，并允许使用该模型描述项目寿命的任何阶段。
Weibull分布参数和故障函数之间的关系
通过调整Weibull分布的形状参数β，可以对许多不同寿命分布的特征建模。
1. 0<β<1
早期失效发生在产品寿命的初始阶段。这些失效可能会迫使产品进入“老化”阶段以降低初期失效的风险。
故障函数：初始失效率很高，随着时间的推移会逐渐降低（“浴盆”形状故障函数的第一部分）。
2. β=1
失效率保持恒定。随机失效，失效的原因有多种。对产品的“使用寿命”建模。
故障函数：失效率在产品寿命期间保持恒定（“浴盆”形状故障函数的第二部分）
3. β=1.5
早期磨损失效
故障函数：失效率不断增加，最初增加速度最快
4. β=2
在产品的寿命期间，磨损失效风险不断增加（当Weibull分布的形状参数为2时，它被称为Rayleigh分布。此分布通常用来描述通信工程领域中的测量数据，如输入回波损耗、调制边带注入、载波抑制和RF衰减的测量数据。此分布还广泛用于电真空设备的寿命检验中。）
故障函数：失效率呈线性增加
5. 3≤β≤4
快速磨损失效。当大多数的失效都出现后，对产品寿命的最后时间段建模。
故障函数：失效率快速增加
6. β＞10
非常快的磨损失效。当大多数的磨损失效都出现后，对产品寿命的最后时间段建模。
故障函数：失效率增加速度非常快
失效率关于时间的图形称为故障图。产品的失效率随时间的变化大致可以分为三个阶段：
早期故障阶段、偶然故障阶段和耗损故障阶段。基于上面介绍，我们发现根据Weibull分布形状参数β的不同，这三个阶段都可以进行描述，于是就形成了如下的“浴盆曲线”。
β<1时，失效率递减，可以描述浴盆曲线的早期故障阶段
β=1时，失效率恒定，可以描述浴盆曲线的偶然故障阶段
β＞1时，失效率递增，可以描述浴盆曲线的耗损故障阶段
吐槽一下
也可能正是因为Weibull分布看起来很牛，以至于很多朋友把“Weibull”和“可靠性”等价，这其实是有问题的。Minitab中可靠性分析分布其实有11种，而Weibull分布只是其中一种而已，并不是所有寿命数据用Weibull都能拟合的很好。
收起阅读 »
· 预计将在老化期间失效的项目所占的百分比是多少？例如，预计将在8小时老化期间失效的保险丝占多大百分比？
· 预计在有效寿命阶段有多少次保修索赔？例如，在该轮胎的50,000英里有效寿命期间预计有多少次保修索赔？
· 预计何时会出现快速磨损？例如，应将维护定期安排在何时以防止发动机进入磨损阶段？
Weibull分布可以对右偏斜数据、左偏斜数据或对称数据建模。因此，分布可用来评估不同应用（包括真空管、电容器、滚珠轴承、继电器和材料强度）的可靠性。Weibull分布还可以对递增、递减或固定故障函数建模，并允许使用该模型描述项目寿命的任何阶段。
Weibull分布参数和故障函数之间的关系
通过调整Weibull分布的形状参数β，可以对许多不同寿命分布的特征建模。
1. 0<β<1
早期失效发生在产品寿命的初始阶段。这些失效可能会迫使产品进入“老化”阶段以降低初期失效的风险。
故障函数：初始失效率很高，随着时间的推移会逐渐降低（“浴盆”形状故障函数的第一部分）。
2. β=1
失效率保持恒定。随机失效，失效的原因有多种。对产品的“使用寿命”建模。
故障函数：失效率在产品寿命期间保持恒定（“浴盆”形状故障函数的第二部分）
3. β=1.5
早期磨损失效
故障函数：失效率不断增加，最初增加速度最快
4. β=2
在产品的寿命期间，磨损失效风险不断增加（当Weibull分布的形状参数为2时，它被称为Rayleigh分布。此分布通常用来描述通信工程领域中的测量数据，如输入回波损耗、调制边带注入、载波抑制和RF衰减的测量数据。此分布还广泛用于电真空设备的寿命检验中。）
故障函数：失效率呈线性增加
5. 3≤β≤4
快速磨损失效。当大多数的失效都出现后，对产品寿命的最后时间段建模。
故障函数：失效率快速增加
6. β＞10
非常快的磨损失效。当大多数的磨损失效都出现后，对产品寿命的最后时间段建模。
故障函数：失效率增加速度非常快
失效率关于时间的图形称为故障图。产品的失效率随时间的变化大致可以分为三个阶段：
早期故障阶段、偶然故障阶段和耗损故障阶段。基于上面介绍，我们发现根据Weibull分布形状参数β的不同，这三个阶段都可以进行描述，于是就形成了如下的“浴盆曲线”。
β<1时，失效率递减，可以描述浴盆曲线的早期故障阶段
β=1时，失效率恒定，可以描述浴盆曲线的偶然故障阶段
β＞1时，失效率递增，可以描述浴盆曲线的耗损故障阶段
吐槽一下
也可能正是因为Weibull分布看起来很牛，以至于很多朋友把“Weibull”和“可靠性”等价，这其实是有问题的。Minitab中可靠性分析分布其实有11种，而Weibull分布只是其中一种而已，并不是所有寿命数据用Weibull都能拟合的很好。
制造业的数字化转型：机遇、挑战和经验教训
Greg Kinsey是卓越运营、数字化转型和工业 4.0 领域的高级顾问，帮助工业公司制定工业 4.0 战略、实施、利益相关者的支持和调整、Genba 参与和收益实现。2023 年 1 月，他作为合伙人加入国际运营咨询公司和 Minitab Gold Level 咨询公司Argon & Co，领导数字制造实践。
在 2022 年 9 月 20 日于慕尼黑举行的 Minitab Exchange 活动中，Greg 分享了他的经验以及制造领导者通过数字化日常运营以提高绩效的旅程中的主要经验教训。格雷格描述了公司面临的最常见挑战以及他对解决这些挑战的建议。
数字化转型将带来第四次工业革命
如果你回到 1800 年代的工厂，在第一次工业革命期间，你会发现工匠——高技能的人从事专业化工作，几乎没有标准化。
第二次工业革命迎来了标准化工作。具有特定技能、重复特定任务、专门从事装配操作的指定方面的人员。这是管理和控制过程的一种新的科学方法。泰勒主义和福特主义为制造业带来了新的工作方式。
第三次工业革命引入了持续改进和质量体系的概念，以及新的 IT 和 OT 系统。工人们开始与自动化生产并肩工作，并获得了更大的自主权和对结果的责任。这引入了用于解决问题和控制过程变化的六西格码方法，以及所谓的丰田生产系统或精益管理。
第四次工业革命将带来根本性的变化，因为我们将在更多的知识基础上工作。在大多数情况下，工人不会从事体力劳动，但他们将通过知识管理体力劳动。他们创造的价值将基于他们的知识，以及他们如何将数据整合在一起以优化生产力、解决问题、监控流程和管理运营。
制造商的数字化转型机会是什么？
当我们谈论数字化转型时，它是关于改进工作方式。它是关于使用数字工具从根本上实现现代化并改善工人、管理人员的日常生活和工厂的绩效。如果我们考虑一下这种变化是什么样的，那就是从一种反应性制造文化转变为一种更具预测性和可控性……以及数据驱动的文化。
传统上，制造业以灭火和不断解决问题为主。有了数字工厂的愿景，您可以更好地了解未来会发生什么。您可以更好地预测您的流程在未来将如何执行，这意味着您可以以更可控的方式管理您的制造。它还涉及从分散的运营模式转变为更加集成的模式。无论是数据孤岛、人员孤岛还是流程孤岛——我们都需要更多相互联系的团队和流程上下一致的数据定义。
这还涉及从基于过去发生的事情进行操作的历史知识转变为可以预测未来会发生什么的智能工厂。因此，由于流程中内置的智能，我们拥有更大的灵活性，而不是拥有一个流程、机器和人员都是固定的环境。
数字化转型面临哪些主要挑战？
（1）关注问题，而不是解决方案
我看到公司经常犯的第一个错误是他们忽视了他们想要解决的问题。很多时候，解决方案是推动投资而不是解决问题。专注于您想要解决的问题的最佳方法之一是将您的数字计划与您的卓越运营计划联系起来。
如果您有像精益六西格码黑带这样的项目负责人和问题解决者，那么他们已经有了一系列他们正在努力解决的问题。与其尝试安装新软件，不如考虑数字技术如何补充和加速已经在进行的问题解决。
（2）收集数据
另一大挑战是数据采集。收集正确的数据可能是一个耗时的过程，而且它可能以不同的格式分散在不同的地方。您可能混合使用旧机器和新机器——有些有数据端口，有些则没有。您如何连接所有这些可能具有不同网络和协议的不同可编程控制器？您可能不会到处都有传感器，您的愿景可能需要您拥有更多的物联网设备。
说到数据，清理时间总是比我们预期的要长。我建议构建一个数据字典——一种标记和分类数据的方法。这将为您提供描述其中内容的数据周围的元数据，使其更易于有效使用。
（3）对未来没有清晰的愿景
公司应关注的另一个领域是创建清晰的路线图并确定未来的架构以实现其目标。五年或十年后你的工厂会是什么样子？您的技术选择可能很困难，而且 IT 系统中的遗留问题会受到一些限制。构建可扩展的架构非常重要，这样您就不会构建过时的东西。
（4）项目管理的经典方法
数字化转型使用的方法与传统 IT 项目不同——事实上，恰恰相反。传统 IT 是将已知解决方案应用于已知问题，您的 IT 系统可能看起来与竞争对手部署的系统非常相似。数字创新是关于使用敏捷流程建立数据库并开发定制解决方案，以应用机器学习、人工智能或高级分析来解决您的特定问题。根据定义，它是创新，而不是现成的解决方案。
（5）缺乏管理层的参与和协调
最大的挑战之一是如何吸引员工。通常，质量经理会有一个议程，但物流经理可能有不同的痛点。问工厂经理他们需要什么，这可能是一个完全不同的故事。关键是使您的卓越运营职能与数字职能保持一致，以便每个人都围绕目标以及如何实现目标保持一致并参与其中。
（6）忽略Genba
经验表明，最好的想法来自于在创造价值的领域 (Genba) 工作的人。他们了解流程如何运作以及机器如何运作。如果您问人们如何通过应用数字工具来改善事物，他们通常会提出很多想法，因为他们想要使工作场所现代化。如果他们参与构思过程，他们也会有一种主人翁感。他们为自己的贡献感到自豪，并热衷于帮助推动项目完成。
（7）没有利益实现
我听到的最重要的事情之一是，“我们尝试了概念验证，但没有产生任何结果。” 如果您得不到这些好处，无法实现速赢，您将无法继续您的旅程。专注于确保获得这些结果，当你这样做时，在财务的帮助下验证这些结果。传达项目结果及其带来价值的原因。
您从制造业的数字化转型中学到了哪些经验教训？
（1）整合必不可少
您的卓越运营计划必须与您的数字化转型计划相结合。数字化转型只是卓越运营的下一阶段，如果您不将精益六西格码计划带入数字世界，它就会过时。
（2）最小可行数据集
您无需构建海量数据湖。首先从解决特定问题所需的最小数据集开始。专注于一个用例和为此目的所需的数据——您可以随时添加更多。
（3）允许试错
在敏捷工程中，您希望进行创新并允许进行实验。不要害怕快速失败并从中学习。不要害怕根据你从这些失败中学到的东西来调整你的方向。
（4）保持好奇
你无法购买现成的智能工厂，你必须自己发明。如果您想超越竞争对手进行创新，请特别是在您的行业之外寻找新想法。
预测分析在第四次工业革命中扮演什么角色？
制造业以反动着称，人们总是“救火”并修理意外损坏的东西。我认为数字化转型的承诺是创造一个更主动、更可控的环境，在这个环境中，您可以轻松了解正在发生的事情。您掌中的手机成为您高效开展日常工作所需的主要信息来源。根据数据，在问题发生之前警告您。这减少了消防工作，减轻了压力，并让人们自信地掌控一切。
数据驱动这个词可能被滥用了。但是，当人们在需要解决问题或进行调整时可以获得仪表板和可视化效果来帮助他们做出数据驱动的决策时，这将改变他们日常工作的本质。当这些人不仅仅是坐在办公室里的高管时，革命就来了——它也是 Genba 中的司机、机器操作员、质量经理和维护人员。当 Genba 的劳动力可以从数据驱动的工作环境中受益时，也许我们已经迎来了第四次工业革命。 收起阅读 »
在 2022 年 9 月 20 日于慕尼黑举行的 Minitab Exchange 活动中，Greg 分享了他的经验以及制造领导者通过数字化日常运营以提高绩效的旅程中的主要经验教训。格雷格描述了公司面临的最常见挑战以及他对解决这些挑战的建议。
数字化转型将带来第四次工业革命
如果你回到 1800 年代的工厂，在第一次工业革命期间，你会发现工匠——高技能的人从事专业化工作，几乎没有标准化。
第二次工业革命迎来了标准化工作。具有特定技能、重复特定任务、专门从事装配操作的指定方面的人员。这是管理和控制过程的一种新的科学方法。泰勒主义和福特主义为制造业带来了新的工作方式。
第三次工业革命引入了持续改进和质量体系的概念，以及新的 IT 和 OT 系统。工人们开始与自动化生产并肩工作，并获得了更大的自主权和对结果的责任。这引入了用于解决问题和控制过程变化的六西格码方法，以及所谓的丰田生产系统或精益管理。
第四次工业革命将带来根本性的变化，因为我们将在更多的知识基础上工作。在大多数情况下，工人不会从事体力劳动，但他们将通过知识管理体力劳动。他们创造的价值将基于他们的知识，以及他们如何将数据整合在一起以优化生产力、解决问题、监控流程和管理运营。
制造商的数字化转型机会是什么？
当我们谈论数字化转型时，它是关于改进工作方式。它是关于使用数字工具从根本上实现现代化并改善工人、管理人员的日常生活和工厂的绩效。如果我们考虑一下这种变化是什么样的，那就是从一种反应性制造文化转变为一种更具预测性和可控性……以及数据驱动的文化。
传统上，制造业以灭火和不断解决问题为主。有了数字工厂的愿景，您可以更好地了解未来会发生什么。您可以更好地预测您的流程在未来将如何执行，这意味着您可以以更可控的方式管理您的制造。它还涉及从分散的运营模式转变为更加集成的模式。无论是数据孤岛、人员孤岛还是流程孤岛——我们都需要更多相互联系的团队和流程上下一致的数据定义。
这还涉及从基于过去发生的事情进行操作的历史知识转变为可以预测未来会发生什么的智能工厂。因此，由于流程中内置的智能，我们拥有更大的灵活性，而不是拥有一个流程、机器和人员都是固定的环境。
数字化转型面临哪些主要挑战？
（1）关注问题，而不是解决方案
我看到公司经常犯的第一个错误是他们忽视了他们想要解决的问题。很多时候，解决方案是推动投资而不是解决问题。专注于您想要解决的问题的最佳方法之一是将您的数字计划与您的卓越运营计划联系起来。
如果您有像精益六西格码黑带这样的项目负责人和问题解决者，那么他们已经有了一系列他们正在努力解决的问题。与其尝试安装新软件，不如考虑数字技术如何补充和加速已经在进行的问题解决。
（2）收集数据
另一大挑战是数据采集。收集正确的数据可能是一个耗时的过程，而且它可能以不同的格式分散在不同的地方。您可能混合使用旧机器和新机器——有些有数据端口，有些则没有。您如何连接所有这些可能具有不同网络和协议的不同可编程控制器？您可能不会到处都有传感器，您的愿景可能需要您拥有更多的物联网设备。
说到数据，清理时间总是比我们预期的要长。我建议构建一个数据字典——一种标记和分类数据的方法。这将为您提供描述其中内容的数据周围的元数据，使其更易于有效使用。
（3）对未来没有清晰的愿景
公司应关注的另一个领域是创建清晰的路线图并确定未来的架构以实现其目标。五年或十年后你的工厂会是什么样子？您的技术选择可能很困难，而且 IT 系统中的遗留问题会受到一些限制。构建可扩展的架构非常重要，这样您就不会构建过时的东西。
（4）项目管理的经典方法
数字化转型使用的方法与传统 IT 项目不同——事实上，恰恰相反。传统 IT 是将已知解决方案应用于已知问题，您的 IT 系统可能看起来与竞争对手部署的系统非常相似。数字创新是关于使用敏捷流程建立数据库并开发定制解决方案，以应用机器学习、人工智能或高级分析来解决您的特定问题。根据定义，它是创新，而不是现成的解决方案。
（5）缺乏管理层的参与和协调
最大的挑战之一是如何吸引员工。通常，质量经理会有一个议程，但物流经理可能有不同的痛点。问工厂经理他们需要什么，这可能是一个完全不同的故事。关键是使您的卓越运营职能与数字职能保持一致，以便每个人都围绕目标以及如何实现目标保持一致并参与其中。
（6）忽略Genba
经验表明，最好的想法来自于在创造价值的领域 (Genba) 工作的人。他们了解流程如何运作以及机器如何运作。如果您问人们如何通过应用数字工具来改善事物，他们通常会提出很多想法，因为他们想要使工作场所现代化。如果他们参与构思过程，他们也会有一种主人翁感。他们为自己的贡献感到自豪，并热衷于帮助推动项目完成。
（7）没有利益实现
我听到的最重要的事情之一是，“我们尝试了概念验证，但没有产生任何结果。” 如果您得不到这些好处，无法实现速赢，您将无法继续您的旅程。专注于确保获得这些结果，当你这样做时，在财务的帮助下验证这些结果。传达项目结果及其带来价值的原因。
您从制造业的数字化转型中学到了哪些经验教训？
（1）整合必不可少
您的卓越运营计划必须与您的数字化转型计划相结合。数字化转型只是卓越运营的下一阶段，如果您不将精益六西格码计划带入数字世界，它就会过时。
（2）最小可行数据集
您无需构建海量数据湖。首先从解决特定问题所需的最小数据集开始。专注于一个用例和为此目的所需的数据——您可以随时添加更多。
（3）允许试错
在敏捷工程中，您希望进行创新并允许进行实验。不要害怕快速失败并从中学习。不要害怕根据你从这些失败中学到的东西来调整你的方向。
（4）保持好奇
你无法购买现成的智能工厂，你必须自己发明。如果您想超越竞争对手进行创新，请特别是在您的行业之外寻找新想法。
预测分析在第四次工业革命中扮演什么角色？
制造业以反动着称，人们总是“救火”并修理意外损坏的东西。我认为数字化转型的承诺是创造一个更主动、更可控的环境，在这个环境中，您可以轻松了解正在发生的事情。您掌中的手机成为您高效开展日常工作所需的主要信息来源。根据数据，在问题发生之前警告您。这减少了消防工作，减轻了压力，并让人们自信地掌控一切。
数据驱动这个词可能被滥用了。但是，当人们在需要解决问题或进行调整时可以获得仪表板和可视化效果来帮助他们做出数据驱动的决策时，这将改变他们日常工作的本质。当这些人不仅仅是坐在办公室里的高管时，革命就来了——它也是 Genba 中的司机、机器操作员、质量经理和维护人员。当 Genba 的劳动力可以从数据驱动的工作环境中受益时，也许我们已经迎来了第四次工业革命。 收起阅读 »
内审实习-设计开发过程（军品）
2023年3月16日下午1点，紧张已久的内部审核开展了。
在前期与此项目组沟通内审的时候就废了很大劲，我去通知项目经理，在这天要进行设计开发过程（军品）内审，由于公司只有这一个拿得出手的军工项目，所以就提醒他带上相关资料去应审，如果做的好的话，可以作为外审项目走(其实这一步没必要做的，只告诉他们时间地点过程就好了)。但是项目经理说，这个项目之前没有按照军工体系走，现在资料还没补齐，我和他争论了一番，没达成一致，我说你做成什么样就拿什么就好了，我不该提前透露给你的。
开始的时候，审核员让胡总（技术负责人）讲一下项目用途、流程和进展。说完了之后审核员问咱们这些外购件、客户给的原材料入厂检验了没有、有没有入厂检验标准、检验报告。项目经理说：检验了，工艺工程师现场检验的，没有检验标准、没有检验报告。xx没有检验。这是一项不符合。技术负责人（H）有点不高兴了，他说我们不能这样审，因为这个项目本来就不是按照军工走的，他们根本做不到。审核员说，我问的这些东西并不是军工要求，是按照咱们公司流程，项目流程审的，这些你们都做不到。H说，我们的目的是让公司活下去，不是搞这些。审核员说，不做这些就是有风险，就是会导致出错。大家都开始有怨气了，接着。设计输入评审，技术可行性报告不完整，一看就是补得，这也是一项建议项，这是设计负责人（L）做的，一说这个他和技术负责(H)就不高兴了，说你直接说为了应付外审，我们应该怎么做就行了，审核员说我这是内审，你们别拿假的东西糊弄，内审和外审是不一样的，我要你们真实的过程，至于我拿不拿这个过程当外审项目你们不用管。H一听急了，就是为了外审我们才补这么多东西，结果你说不用了，你这不是玩我们吗？审核员生气了，说本次审核就到这吧。H领导脾气上来了和L摔东西走了。
事后反思:①这个项目组根本不清楚什么是内审，不配合我们的工作，连他们领导都不清楚怎么接受内审。②我们公司的体系意识有待提高。③审核员无太大过错，只是最后一句应该解释一下，不是不用，而是整改好了再考虑用。大家都是为了公司着想，只是方向不同，我们更应该提高他们质量管理体系水平。
总结：这活没法干了。 收起阅读 »
在前期与此项目组沟通内审的时候就废了很大劲，我去通知项目经理，在这天要进行设计开发过程（军品）内审，由于公司只有这一个拿得出手的军工项目，所以就提醒他带上相关资料去应审，如果做的好的话，可以作为外审项目走(其实这一步没必要做的，只告诉他们时间地点过程就好了)。但是项目经理说，这个项目之前没有按照军工体系走，现在资料还没补齐，我和他争论了一番，没达成一致，我说你做成什么样就拿什么就好了，我不该提前透露给你的。
开始的时候，审核员让胡总（技术负责人）讲一下项目用途、流程和进展。说完了之后审核员问咱们这些外购件、客户给的原材料入厂检验了没有、有没有入厂检验标准、检验报告。项目经理说：检验了，工艺工程师现场检验的，没有检验标准、没有检验报告。xx没有检验。这是一项不符合。技术负责人（H）有点不高兴了，他说我们不能这样审，因为这个项目本来就不是按照军工走的，他们根本做不到。审核员说，我问的这些东西并不是军工要求，是按照咱们公司流程，项目流程审的，这些你们都做不到。H说，我们的目的是让公司活下去，不是搞这些。审核员说，不做这些就是有风险，就是会导致出错。大家都开始有怨气了，接着。设计输入评审，技术可行性报告不完整，一看就是补得，这也是一项建议项，这是设计负责人（L）做的，一说这个他和技术负责(H)就不高兴了，说你直接说为了应付外审，我们应该怎么做就行了，审核员说我这是内审，你们别拿假的东西糊弄，内审和外审是不一样的，我要你们真实的过程，至于我拿不拿这个过程当外审项目你们不用管。H一听急了，就是为了外审我们才补这么多东西，结果你说不用了，你这不是玩我们吗？审核员生气了，说本次审核就到这吧。H领导脾气上来了和L摔东西走了。
事后反思:①这个项目组根本不清楚什么是内审，不配合我们的工作，连他们领导都不清楚怎么接受内审。②我们公司的体系意识有待提高。③审核员无太大过错，只是最后一句应该解释一下，不是不用，而是整改好了再考虑用。大家都是为了公司着想，只是方向不同，我们更应该提高他们质量管理体系水平。
总结：这活没法干了。 收起阅读 »
ISO22163新标准延期发布，执行时间也相应延后。
由于IRIS标准（ISO 22163）延期发布，新版开始执行时间也随之变化，参考下图：
持续改进的基础和原则
每个组织都想改进。无论行业或部门，每个人都希望向卓越业务稳步变革。
在这篇博文中，我们将重点介绍持续改进的基础知识、阶段和原则，以帮助您确保在整个组织中成功实施 CI。如果您不熟悉持续改进，Minitab Engage提供了帮助您入门的工具。
什么是持续改进？
持续改进 (CI)是在整个组织中改进流程、产品或服务的持续努力。该概念侧重于加强为客户创造最大价值的活动，同时消除浪费并提高组织效率。
CI 可以帮助组织解决以下任何挑战：
• 缺乏对计划的即时和完整可见性
• 难以执行和维持卓越运营
• 难以获得利益相关者的支持
• 无法创建可衡量的创新文化
持续改进就是持续的。组织定期寻求进行渐进式改进，并确保它们是渐进式的可以使它们更容易实现。
持续改进的 4 个阶段
您可能还听说过称为PDCA 循环或计划-执行-检查-行动的持续改进，它支持持续改进的四个步骤。
阶段 1.计划：确定流程目标和实现这些目标所需的更改
阶段 2.执行：实施这些更改
阶段 3.检查：评估绩效
阶段 4.行动：标准化并稳定该更改，或重新开始循环
这种重复的循环是持续改进的基础。
PDCA 循环是 CI 流程从开始到结束的高级视图。我们还想指出，PDCA也指一种流行的同名问题解决方法。该方法用于通过将流程或产品分解为步骤并改进每个步骤来改进流程或产品。通过实施解决问题的方法，组织可以尽快有效地找到他们试图解决的问题的根源。
持续改进的原则
现在我们已经介绍了持续改进的基础知识，让我们深入探讨这些原则。这些原则将帮助您更好地理解您要解决的问题，从而更有效地解决它们。
让Minitab Engage成为您持续改进计划的首选解决方案。 收起阅读 »
在这篇博文中，我们将重点介绍持续改进的基础知识、阶段和原则，以帮助您确保在整个组织中成功实施 CI。如果您不熟悉持续改进，Minitab Engage提供了帮助您入门的工具。
什么是持续改进？
持续改进 (CI)是在整个组织中改进流程、产品或服务的持续努力。该概念侧重于加强为客户创造最大价值的活动，同时消除浪费并提高组织效率。
CI 可以帮助组织解决以下任何挑战：
• 缺乏对计划的即时和完整可见性
• 难以执行和维持卓越运营
• 难以获得利益相关者的支持
• 无法创建可衡量的创新文化
持续改进就是持续的。组织定期寻求进行渐进式改进，并确保它们是渐进式的可以使它们更容易实现。
持续改进的 4 个阶段
您可能还听说过称为PDCA 循环或计划-执行-检查-行动的持续改进，它支持持续改进的四个步骤。
阶段 1.计划：确定流程目标和实现这些目标所需的更改
阶段 2.执行：实施这些更改
阶段 3.检查：评估绩效
阶段 4.行动：标准化并稳定该更改，或重新开始循环
这种重复的循环是持续改进的基础。
PDCA 循环是 CI 流程从开始到结束的高级视图。我们还想指出，PDCA也指一种流行的同名问题解决方法。该方法用于通过将流程或产品分解为步骤并改进每个步骤来改进流程或产品。通过实施解决问题的方法，组织可以尽快有效地找到他们试图解决的问题的根源。
持续改进的原则
现在我们已经介绍了持续改进的基础知识，让我们深入探讨这些原则。这些原则将帮助您更好地理解您要解决的问题，从而更有效地解决它们。
让Minitab Engage成为您持续改进计划的首选解决方案。 收起阅读 »
深度案例&方案 | 质量成本难量化怎么办？
01 从《数字中国建设整体布局规划》
看智改数转迈进深水区
近日，中共中央、国务院印发《数字中国建设整体布局规划》，明确数字中国建设将按照“2522”的整体框架进行布局，到2025年基本形成横向打通、纵向贯通、协调有力的一体化推进格局。
所谓“2522”是指：
·夯实数字基础设施和数据资源体系“两大基础”；
·推进数字技术与经济、政治、文化、社会、生态文明建设“五位一体”；
·强化数字技术创新体系和数字安全屏障“两大能力”；
·优化数字化发展国内国际“两个环境”。
从《中国制造2025》到《质量强国建设纲要》，再到《数字中国建设整体布局规划》，数字经济利好政策频频出台，政策+技术双轮驱动，强力释放红利窗口期，但归根结底，也还是要落到不同产业、行业和企业的具体升级增长上。
产业升级是一个动态过程，数字化转型按下启动加速键，相应的，流程、制度、体系、设备、组织架构、员工的胜任力等各类要素都要跟着一起改变。不论是早前的信息化还是现在的数字化，本质上都是为了更好更快地更经济地生产产品、服务消费者。
数字化是手段，中心思想是“我们要变革”，数字能给出理性精确的定量分析，让决策有所依据。
02 大Q小q质量组合拳
整体战略是经营变革的前提
数字化转型是经营变革的手段，企业要将其看作整体战略中关键一环，构建数字文化，打造数字化组织，培养员工数字化胜任力，从管理本质着手，掌握效率主动性。数字化转型不应该仅仅是拥抱技术、设备升级、系统改造这么简单。
举一个被说烂的反面例子：大多数的工厂已经开始使用数字化系统，借助excel或者FMEA、MES等不同细分领域的工具软件进行数据采集、风险管理、车间管理，但捣鼓来捣鼓去，最后还是全人力手工记录、人工处理。
人为操作的耗时和主观无法保证数据的精确性和实时性，数据模糊、无效、不完整甚至前后矛盾，就一定会导致决策出错。
约瑟夫·朱兰博士，现代质量管理领域的领军人物，提出了“小q”和“大Q”概念，二者的Q都是quality，质量一词的意思。
·小q：侧重于产品、服务和流程层面的符合性，关注“功能性”
·大Q：侧重于质量的管理和战略视角，聚焦“跨功能”
小q能让诸如检验、审核、生产、研发等单个模块的职能正常运行，却无法提升效率。没有能提供框架性的战略质量规划，什么东西都像一次性的，什么都可以做，可每个环节的衔接都是断裂的。
检验中发现的问题无法回溯到研发端，这次发现的产品质量风险，下次依旧存在，不是从0到1的有效闭环，而是0-0-0-0的无限循环。
我们需要大Q来起战略引领作用，对质量和企业组织的各个层级进行高效集中的协调，包括质量策划、质量目标的层次结构、质量基础设施的提供、质量改进的战略方向。
当小q的职能和大Q的战略规划同步时，质量活动一定能满足企业的期望。
03 借力第三方数字化服务商
克服质量成本难量化难题
这当然不是在说小q（功能性）不重要，相反，有了大Q打基础，各个职能模块都能在一个大的“控制调度平台”上维持住完美运作状态，才不会出现上文所说的脱节断裂问题。
惟其如此，才能建立一整套涵盖理念、决策、实施、执行的科学管理体系，从而解决效率和效益的问题，更能又快又好又“经济”地满足消费需求，并在持续性的正面反馈下进一步对企业的组织方式、生产制造、商业模式产生积极影响。
但话说回来，这些也都是很久以后的事情，能不能省时省力地解决眼下的问题，才是绝大多数企业所关注的。这也是为什么有说法称，数字化服务商正在开启一个万亿级新市场。
中国的企业数量十分庞大，企业规模、发展阶段也各有不同，有些企业只需要对某个单一环节进行数字化，有些可能要对整体的上下游协作供应链、全面质量管理体系进行改造；有些没有足够的投入资本，有些盲目迷信技术，最后换来一套功能齐全的“皮囊”。
市场大了，滥竽充数的也就多了。很多工业管理软件有几种类似弊端：只有一套标准化产品，别的啥也没有，没法满足差异定制化需求；或者是干脆把线下流程照搬到线上，除了形式变化和打水漂的购入成本外，什么增益也没有。
在这个消费需求驱动的时代，能被信赖的工业软件，肯定有非常突出的差异化竞争能力，企业在做选择时，能看见你解决问题的能力、交付实施的能力，甚至是面对不同行业时的诊断和跨界能力。
看得多就会得多，就能触类旁通举一反三，这不仅是对软件服务商的要求，也可以是企业经营学习的一个方向。我们做案例智专栏，也正是想把各个行业的典型案例整合输出，让企业和企业间可以互相借鉴，启发出多元的视野，集众家之所长，互惠互利，共同进步。
04 数字化总体架构建设方案
搭建完整高效的智能制造系统
一直在讲大Q小q协调一致的战略意义，今天的案例自然也与此有关。
S客户是一家电子制造企业，生产过程的质量控制程度会直接决定良率高低，某个环节一旦出错，就有可能造成整个批次报废。也因此，在产品研发、生产制造的全生命周期中，必须对生产条件、检验监测、车间现场、生产人员、环境设备等要素提出高要求。
S客户主要面临两大难题——
·内部：人工成本高、制造过程管理难、产品质量不稳定
·外部：客户提出了更多个性化、多样化和智能化的产品需求
高层管理者变革决心很大，亲自带队成立项目组对市场上的数家软件服务商进行了调研和试用，在后续的项目实施部署过程中也给了我们很多支持。
在经过一番细致全面的调研商谈后，我们对整个生命周期过程进行了总体架构规划，从设备层、控制层、执行层、计划层和决策层五个层面出发，对标准、过程、资源、人员、售后、改进等多个维度，制定了一套适合S客户当前发展现状的解决方案。
·通过部署AQP FMEA，让所有关联文档自动同步，实现业务流程和流程文件的标准化、系统化、履历化，建立企业知识库，随取随用，智能化操作，大大提高FMEA编制效率，有效缩短产品开发周期，更好匹配消费者多样化需求，为客户带来实际收益。
·通过部署PQM（专业版QMS），并打通产品全生命周期管理（PLM）系统、AQP FMEA和各类制造设备的传递通路，实现各模块信息共享和控制集成。生产车间能及时反馈生产过程中的质量信息，给到前端研发或是售后部门进行分析调节，让制造过程中的问题得到及时发现、及时处理，实现闭环质量控制，大大减少加工质量损失。
不论是今天的解决方案案例，还是此前的研发质量、生产质量、追踪追溯案例，我们都在用具体客户故事来传达我们的主张——
任何技术、软件、工具的选择，都要对对方有一个考量：他们有想清楚吗？他们有经验吗？他们会应用吗？只有这样，才能让技术软件或是工具为你的投入创造匹配得上的效益。
也欢迎关注我们，或是和我们交流你的想法和思考。 收起阅读 »
R-sq越高代表模型拟合越好？
在统计建模中，究竟R-sq应该取多大? 我们经常听到这个疑问。以前，我们分享过如何解释R-Sq，我们还纠正了一个统计上的误区，即较低的R-sq不一定差，较高的R-sq不一定好。显然，“R-sq应该多高”的答案就是：视情况而定。
盲目追求高R-sq的模型很容易掉入过度拟合的陷阱，这一点在大数据建模中经常发现。
什么是好的模型？
我们在建模的时候最不愿意看到两种情况：过度拟合和欠拟合。使用与拟合模型相同的数据来评估模型，经常会导致过度拟合，如下图：
而这种过度拟合的模型如果用来预测的话，效果往往不好。
那么什么才算一个好的模型呢？一个好的模型需要在高方差（过度拟合）和高偏差（欠拟合）之间找到一种权衡。
上图就是由于模型太简单导致存在高的偏差。
上图就是由于模型过度拟合导致存在高的方差。
过度拟合与欠拟合之间的权衡
那么如何去找到“高偏差”与“高方差”之间的权衡呢？这就需要用到“验证”法了。
大数据建模把数据分为两大类：训练集和测试集。训练集用来创建模型，而测试集来评估模型的性能，这样我们就可以来权衡过度拟合和欠拟合的模型。
举个例子，对于同一组数据我们可以下面三个不同的模型，看起来立方模型是最好的。
但当我们常用验证法，从下图中我们可知，用训练集来建模时，模型越复杂模型误差确实越小，但再来看看测试集你会发现当模型复杂到一定程度，它的误差会随着模型复杂度的增加而增大。也就是说，太简单和太复杂的模型都不能很好的用来预测。看来找到这个权衡点很重要，这是如何做到的呢？这就要来说说所谓的“验证”法了。
三种验证方法
在Minitab 21版本的回归（拟合回归模型、拟合二值Logistic模型、拟合Poisson模型）和预测分析模块中包含三种用于验证的方法：
对这三种验证方法做一个简单介绍：
1. 留一验证法
这种方法正如其名，留一留一，就是留下一行yi，再用其他所有数据来建模，得到模型后再把留下来这一行代入得到的模型就会得到对应的拟合者，其过程如下所示：
接下来，我们计算预测的残差平方和（Predicted Residual Sum of Squares）
有了PRESS就可以来计算R-sq(预测)了，到这里是不是很熟悉了。
2. 测试集验证法
随机保留一定比例（Minitab 21默认保留30%）的数据（测试集），用剩余的数据来拟合模型（训练集）。
3. K折交叉验证法
将数据拆分个K个子集，以其中一份为测试数据，其它K-1份用于训练数据来拟合模型。使用测试数据计算误差，重复k次，每次忽略一份，基于测试数据误差统计汇总信息选择模型。
小结
当你询问R-sq应该取多大时，可能是因为你想确定当前模型是否能够满足要求。我希望你有更好的方法来解决这这个问题而不是只通过R-sq，尤其当你的数据量和数据维度比较大的时候。 收起阅读 »
盲目追求高R-sq的模型很容易掉入过度拟合的陷阱，这一点在大数据建模中经常发现。
什么是好的模型？
我们在建模的时候最不愿意看到两种情况：过度拟合和欠拟合。使用与拟合模型相同的数据来评估模型，经常会导致过度拟合，如下图：
而这种过度拟合的模型如果用来预测的话，效果往往不好。
那么什么才算一个好的模型呢？一个好的模型需要在高方差（过度拟合）和高偏差（欠拟合）之间找到一种权衡。
上图就是由于模型太简单导致存在高的偏差。
上图就是由于模型过度拟合导致存在高的方差。
过度拟合与欠拟合之间的权衡
那么如何去找到“高偏差”与“高方差”之间的权衡呢？这就需要用到“验证”法了。
大数据建模把数据分为两大类：训练集和测试集。训练集用来创建模型，而测试集来评估模型的性能，这样我们就可以来权衡过度拟合和欠拟合的模型。
举个例子，对于同一组数据我们可以下面三个不同的模型，看起来立方模型是最好的。
但当我们常用验证法，从下图中我们可知，用训练集来建模时，模型越复杂模型误差确实越小，但再来看看测试集你会发现当模型复杂到一定程度，它的误差会随着模型复杂度的增加而增大。也就是说，太简单和太复杂的模型都不能很好的用来预测。看来找到这个权衡点很重要，这是如何做到的呢？这就要来说说所谓的“验证”法了。
三种验证方法
在Minitab 21版本的回归（拟合回归模型、拟合二值Logistic模型、拟合Poisson模型）和预测分析模块中包含三种用于验证的方法：
对这三种验证方法做一个简单介绍：
1. 留一验证法
这种方法正如其名，留一留一，就是留下一行yi，再用其他所有数据来建模，得到模型后再把留下来这一行代入得到的模型就会得到对应的拟合者，其过程如下所示：
接下来，我们计算预测的残差平方和（Predicted Residual Sum of Squares）
有了PRESS就可以来计算R-sq(预测)了，到这里是不是很熟悉了。
2. 测试集验证法
随机保留一定比例（Minitab 21默认保留30%）的数据（测试集），用剩余的数据来拟合模型（训练集）。
3. K折交叉验证法
将数据拆分个K个子集，以其中一份为测试数据，其它K-1份用于训练数据来拟合模型。使用测试数据计算误差，重复k次，每次忽略一份，基于测试数据误差统计汇总信息选择模型。
小结
当你询问R-sq应该取多大时，可能是因为你想确定当前模型是否能够满足要求。我希望你有更好的方法来解决这这个问题而不是只通过R-sq，尤其当你的数据量和数据维度比较大的时候。 收起阅读 »
高质量目标下的实物质量管理的几种方法商榷
党的十九大报告中提出的“建立健全绿色低碳循环发展的经济体系”为新时代下高质量发展指明了方向，同时也提出了一个极为重要的时代课题。要完成这一重要的时代课题，企业承担着重要的使命责任。
企业要健全绿色低碳的循环发展体系，就要培养“一次做对”的管理能力，这一种管理能力从战略落实到战术上，就是要建立一套行之有效的制造流程来保证高质量的达成。高质量其代表的基本特征就是实物质量满足客户要求。做好实物质量管理始终是企业高质量管理的核心工作，我们在强调质量管理的重要性和意义的同时，更需要找到落实质量管理的工具方法，并融入我们的质量管理业务流程中，通过制造流程的固化将实物质量管理方法切实落实。
一、产品质量定义及概述
我国国家标准GB/T19000：2016(等同于国际标准ISO9001:2015)对质量定义是：“客体的一组固有特性满足要求的程度。”这一定义的“特性”是指“可区分的特征”，有物的特性，比如机械性能；感官的特性，比如气味、噪音、色彩等；时间的特性，比如准时性、可靠性；人体工效的特性比如生理的特性或有关人身安全的特性；功能的特性，比如飞机的最高速度。这一定义的“要求”是指“明示的、通常隐含的或必须履行的需求或期望”， 明示的可以理解为规定要求，如在文件中阐明的要求或顾客明确提出的要求；“隐含的”是指组织、顾客和其它相关方的惯例或一般做法。
准确理解产品质量定义及概述，对于企业制定质量管理流程、制度、标准是十分有益的。
二、质量管理“三不原则”及实物质量达成模型
质量的这一定义就要求我们企业从工艺流程、工艺技术、工艺标准化、工艺保障等工艺管理基础做起，使实物质量符合所承载的“一组固有特性满足要求的程度”的工艺规程所要求的技术标准。在产品实物质量达成的全流程的每一个环节，始终贯彻质量的“三不原则”，也就是“不制造、不传递、不接受不良品”的原则，以至于最终达成工程实物质量“制造不出不良品”的最高管理标准。
图1：实物质量达成模型
由图1《实物质量达成模型》可以看出，工艺流程、作业标准化是企业的最基础管理工作，实物质量达成均建立在此基础之上。企业质量管理应致力于工艺流程、操作者作业标准化工作，使典型工艺编制标准化、工艺保障能力建设使工艺流程稳定最优、操作者标准作业准确无误，为实物质量达成创造条件。
质量管理“三不原则”要始终贯穿在企业的从原材料加工、零部件制造、中间工序热表处理、产品部总装配试验、一直到外场服务、物流转运等整个产品生命周期的整个价值链之中，直至企业建立起“制造不出不良品”的流程和机制。
三．实物质量达成的几种实操方法：
要达成稳定的实物质量，并能成功地应用于工程的管理过程中，下面几种方法管理方法可以参考借鉴、商榷。
方法（一）、开工前点检
基于质量管理“三不原则”，开工前点检就是对实物质量依据 “不接受”的原则再确认，以保证产品加工时的输入条件是满足工艺规程所规定的技术要求。
开工前点检是指一线主管和操作者在作业开工前要对所使用的图纸（含工艺规程、AO/FO装配指令/制造指令）、工装、量具、测具、夹具、刀具进行检查逐项确认，以便早期发现质量隐患，及时采取预防措施，使加工过程处于稳定受控状态的一种预防性管理办法。
要实施开工前点检，工程技术人员就要根据工艺规程产品零件加工的要求，对加工条件、点检的时机与标准等制定出点检标准，编制成标准的表单提供现场在开工前执行。
1、制定开工前点检表：工程技术人员在生产开工前，按照工艺规程（或者AO/FO装配指令/制造指令）、作业指导书和品质指导书、质量统计显现的薄弱环节以及对设备主要精度要求，按照“五定”（即定点、定人、定周期、定标准、定记录）的原则合理分工（关键工序的点检必须由线长或机修执行），合理制定点检周期，编制开工前点检表 。
开工前点检适用的时机包括：作业前、作业中、作业后。作业前点检尤其重要，主要对工艺资料、工装、夹具、刀具、测具、量具、设备精度以及来料进行点检，保证具备正确的开工条件；开工前点检重点确认设计、工艺资料是否变更，确保变更落实到作业前，防止流出；再依次进行来料的确认，保证材料牌号正确以及材料质量满足要求。这些条件满足后，方可以开始产品加工。
作业中的点检重点对定位面的清洁度、刀具的磨损、设备的运行情况进行点检；作业后的点检重点对计数型量具的使用次数进行点检，保证量具在工艺技术要求范围内使用。
表1 开工前点检表（参考）
日期
项目 1 2 3 4 … … 31 备注
1 操作者
2 设备
3 零件材料
4 工艺图纸
5 工装
6 量具
7 刀具
8 作业环境
注 每天开工点检，过程中如有刃具更换等，必须对相关项重新点检，做到项目√
2、点检的方法：按照点检表要求，操作者、一线主管、维修人员通过看、听 、测判断是否有异常响声、异味、震动、磨损、定位基准有无多余物、刀具是否该更换等方法进行点检。一线主管根据点检实际情况，可以提出点检的改进建议，比如提请、制作快速点检的专用测具，提高点检的速度和准确性。
3、点检中的异常处理：在作业前点检发现的异常，比如机床的软爪跳动超差、量具精度失准等，一线主管均要及时督促进行调整和更换，经再次点检合格后方可进行正式生产；作业中、作业后点检发现的异常，比如使用过程中设备出现故障、量具失准、刀具磨损、夹具定位面（销子、钻套）磨损，生产一线主管要组织将可疑区间的产品进行复查，如果出现不合格品要立即将不合格品隔离，并作出标识；车间工艺员、技术主任确定不合格品的类别并提请相应的审理人员进行审理，按照审理结论对不合格品进行处置。
表2 生产线开工条件点检常见的问题表（参考）
序号 类别 现象
1 开工点检表 只填写表格，不认真填点检，点检走过场
表格内，只打√或者OK，不填写具体测量数值
2 点检要素 实物的点检要素具体不清晰，点检漏项
3 点检工具 点检工具缺失，靠经验点检
4 异常处理 点检出异常现象处理不及时， 产品继续“带病工作”
方法（二）、首件检查：
首件检查的重要性：首件检查是预防成批不合格的一种有效措施，特别是在新品的研制阶段尤为重要；操作者按照品质指导书规定的项目进行检查，需要首件计量的零件要及时到送计量室送检，送检期间不允许进行后续零件加工。
首件检查：每道工序首件加工完成后，操作者按照品质指导书规定的项目及方法逐项进行检查并逐项记录实际测量尺寸，如发现不合格等异常，则及时查出问题的原因，比如材料、工装、夹具、刀具、加工程序等原因，直到排除后方可进行后续加工。
首件检验记录注意事项：用卡尺、千分尺测量的项目要填写实际测量值，用量规、卡板测量的在相应的尺寸下打√，目视项目检查合格后填写xx合格。
表3 首件检查常见的问题表（参考）
序号 类别 现象
1 首件检验记录单 照抄原来的首件检验记录单
零件未测量就将首件检验记录单写完
首件检验记录单填写不齐全，填写随意
2 等待检验员 检验员尚未实施完毕期间，就加工后续零件，有造成成批报废隐患
3 品质指导书 品质指导书有描述不精准之处，造成检验标准不统一
4 检验环境 检验环境条件不满足，造成检验误差
方法（三）、4M变更管理
对实物质量管理的一个基本认识是一个稳定的受控制程是很难出现异常，如果出现异常，则是这个过程的要素出现变化。一般来说产品制造最稳定（不出现不良）的状态，是要没有任何改变的状态下反复作业。反之，如果状态发生改变，就会使稳定的状况崩溃，容易发生不良。所以对变化点进行管理是有效抑制不良发生的方法，对变化点的管理常规的是指4M变化管理。
4M是指操作者（Man）、设备（Machine）、 材料（Material）、方法（Methods）的变化管理。
4M变更的范围包括：操作者变更，人员变化或者人数变化；设备的变更，更换另一台满足精度和性能的设备加工；工艺装备的变更，修复后再次使用或者新制作的投入使用；材料变更，设计输出对材料的变更，包括材料的供应商、形状、冶金状态等变更；加工方法的变更，工艺方法、工艺参数和辅料、测量方法及器具的变更等。
4M变更如果发生时，必要实施以下管控措施：
当操作者发生变化时，一线主管根据操作者本身的情况采用不同的跟踪管理方式：a、学员或转岗人员要按照培训要求重点培训、跟踪，待操作者质量稳定后方可确认上岗作业；b、对于熟练操作者，当班跟踪，待加工的首件检查合格后，再连续加工x件质量稳定后方可确认合格。
设备发生临时变更时：a、一线主管首先应征得工艺人员同意办理工艺超越单，更换到另一台满足精度和性能的设备加工；在首件检查合格、连续加工x件质量稳定后方可确认合格；b、设备发生故障后修复后一线主管在首件检查合格、连续加工x件质量稳定后方可确认合格。
材料发生变更时：a、加工过程中材料规格发生变更时，采购部门按照要求办理材料代用审批手续；b、加工过程中发现材料的硬度、形状发生变化时，按照企业的过程异常处理程序执行；一线主管在4M变更表中记录变化的内容及零件的批次号，及时向上一级主管反馈。
当工艺变更时：工程技术人员提前一天通知一线主管，由一线主管连续x天在班前会上进行讲解，连续x天跟踪首件检查合格后方可确认合格；并在发生变更的首批产品的工艺路线卡上注明变更内容。
表4 4M变化管理常见的问题表（参考）
序号 类别 现象
1 人员变更 人员生病或者请假，由其他操作者顶岗加工
2 设备变更 设备资源冲突，不经工艺办理工艺超越单，擅自更换其他设备加工
设备修复后，未经确认就开始加工
厂房搬迁，工夹量等没有得到再确认，便开始加工
3 材料变更 设计材料变更，未按流程通知工艺变更
采购待料，未按流程通知工艺变更
4 工艺变更 工艺的更改未及时通知一线管理者进行培训
4M变更管理是一种预防性的管理办法，在问题未发生之前就制定预案，对变化点实施有效的管理，将有效防止质量问题的发生。
方法（四）、异常处理
异常就是同以往的状态不同，无法按照工艺规程、作业指导书、品质指导书实施工作。
出现异常如何反应，一般来讲操作者不可以自行判断处理，要
执行三个标准动作即“停、呼、待”。停，就是立即停止操作，对异常点作出标识；呼，就是快速反应到流程上一级主管；待，就是等待上一级主管依据程序处理后发出处理指令。
表5 如何发现异常表（参考）
序号 类别 现象
1 检查确认 依据工艺规程、作业指导书、品质指导书等所规定的要素认真检查
2 观察图表 观察控制图，发现异常趋势
3 耳听 异常声音
4 目视 异常的裂纹、颜色、形状、大小等
异常闪动
5 感触 异常的手感
异常问题处理的流程：操作者——一线主管——技术/质量主管——主管副总，其流程职责和注意事项可以参考下表：
表6 异常问题处理流程职责表（参考）
流程责任者 流程责任 注意事项
操作者 1.停止生产
2.呼叫流程上一级主管
3.等待流程上一级主管指示 1.杜绝擅自判断
2.隔离、标识不良品
一线主管 1.确认异常内容
2.指示如何处理
3.对不良品进行标识和隔离确认
4.在品质异常记录表上记录
5.指示能否回复正常的状态
6.不能回复正常的状态，上报流程上一级主管 1.要确认是否停止作业
2.对异常品和良品做出明确的区别
技术/质量主管 1.把握异常品的数量
2.联络相关单位
3.指示处理方法
4.原因的调查、提出对策
5.提出再发防止对策 1.对异常品处置做出明确的指示
2.对处置结论迅速执行落实和报告到流程上一级主管
主管副总 针对涉及产品重大安全、性能指标的问题作出明确判定 明确指示，指导改进项目作出期限改善，彻底消除根因
四、结语
以上几种实物质量管理的方法，是企业质量管理的必要的基础工作，是在企业应该得到贯彻执行的。质量提升的方法是一套多维度的“组合拳”，需要综合运用，比如定期进行质量与技术方面的岗位培训，让员工自己养成发现问题和解决问题的自主能力，定期进行生产现场质量问题分析会，通过科学的质量工具应用制定改进措施，形成良好的质量文化也会得到事半功倍的效果。
产品质量的提升没有过多的“法宝”，就是持续的工艺管理标准化和不折不扣的执行标准就能达成必要的结果，企业完成了经营指标同时支持国家实施了“建立健全绿色低碳循环发展的经济体系”的新时代下高质量发展的使命。
收起阅读 »
寡妇给对方
但是对于外行人而言，最多可以当成一种娱乐活动，花点小钱玩一玩无妨，就当是旅途中的一种参与，也算是了解当地的一种石文化。
RSS Feed