8D背后的故事
前段时间，碰到一个人，向我咨询8D的步骤和背后的故事，这个是一个没有准备的事情，因为人常常是对每天都接触到的事情没有深入的去了解，都是习以为常了，听了那哥们的一番言论了之后，觉得确实是应该做总结，也是那兄弟的建议，做任何事情，都要总结。结合自己的工作经验，做一下总结和感悟，让了解更深入一些。
二战期间，美国政府率先采用一种类似8D的流程，军事标准1520，又称之为不合格品的修正行动及部署系统。1987年福特汽车公司首次用书面记录下8D，在其一份课程手册中，这一方法被命名为团队导向的问题解决法。当时福特的动力系统部门正被一些经年累月反复出现的生产问题搞得焦头烂额，因此其管理层请福特集团提供指导课程，帮助解决难题。下面我们来逐一分享。
DISCIPLINE1：USE THE TEAM APPROACH（使用团队方式解决），组建团队是第一个环节，是非常重要的环节，通常要分为团队首领和团队成员两个部分，团队的首领是这个项目的领头人，必须要具备足够的协调能力和较强的综合能力，对整个事件也有足够全面的信息和大家供大家分析，未来做的决议事项通常由团队首领负责主导跟进。团队成员是多部门组成，但必须是这个项目的相关人员，无关的人员通常不要加入，各团队成员原则上也是各部门中的骨干人物，对部门内部的各个事项由足够的话语权，或是某一方面的专家，这样才方便后续项目工作的开展，这里所述的内容就包含了D1表面的和背后的故事，如下：
D1的表面是团队首领---背后是团队首领应该具备的能力和对项目事件信息的掌控程度，应该都是外部的第一手资料。团队成员是表面---背后是团队成员是跨部门成立，各成员在部门内部的职位和权限要求，其目的是为了整个项目在后续工作中更好的开展。
DISCIPLINE2：DESCRIBE THE PROBLEM（问题描述），很多人对这个环节嗤之以鼻，但是其实这也是一个非常重要的环节，问题描述原则上要遵循5W1H的模式（1.WHAT——是什么。2.WHY——为什么。3.WHO——谁。4.WHEN——何时，什么时间5.WHERE——何处，在哪里。6.HOW MUCH——多少。），但是其实有时候也要权衡实际情况，不能一味的套用。有碰到过客户反馈，我发给你的问题描述是什么就是什么，你为什么要更改我的原问题内容？所以如果碰到客户已经有明确问题发过来的，个人建议还是继续沿用，如果不了解客户原文意思的，后面再和客户沟通，有些客户确实不希望去更改的他的原来问题描述，这样客户会担心曲解原来的问题内容，重新描述的话，有可能客户会看不懂。所以说问题的描述是很重要的，正确的问题才能不至于让后面的对策南辕北辙，偏离方向。
DISCIPLINE3：CONTAINMENT AND SHORT TERM CORRCETIVE ACTION（短暂对策），短暂对策的实施是解决燃眉之急的，这也是非常关键的一步，而且时效性要非常强，就是要可以立即执行的对策来解决客户的上线、返修、二次确认的再使用等问题，这一步迈开了之后才能真正的进入到后面的原因分析和对策的环节，有时候客户会告诉你：现在你不用给我做什么原因分析，你先把好的产品发过来，不要让我断线，我几百号人都在等着你的产品上线呢（大公司呀）。这一步通常也是会和原因分析、纠正措施同步进行的，所以团队成员组成的重要就是这个原因，因为短暂对策出来了之后是要有各部门去执行的，计划、生产、品质、研发、销售等。
DISCIPLINE4：DEFINE VERIFY ROOT CAUSE（根本原因分析），根本原因的分析需要使用的工具和方法通常是鱼骨图，五大要素法，排除法等，这个过程中要明确的区分产生原因和流出原因。当然方式不是局限的，最终是通过数据、故障在现、试验验证等方式确认得出的是否为真正的原因，只有找到了真因，对策才是有效的，所以又回到刚才讲的团队成员的重要性，头脑风暴的前提是要有不同领域的关键人员参与，从各自的角度出发，才能避免在寻找原因的过程中出现片面性。人、机、料、法、环还是要提的，即使是全世界都知道人、机、料、法、环，我们也不能因为它的普遍性而忽略了它，要在这里面深入的挖掘，配合以5个why的方式，层层深入，这样才能和别人不一样，才能实际性的找到真正的问题所在，品质人一定要务实，用事实说话，遵循事实。本人曾经因为不屑于人、机、料、法、环而被别人否定过，为什么10多年前都明白的东西，现在还要拿来用，还要分享？后来觉悟，扎实的基本功是一切花里胡哨的开始。看过一个段子（短视频），警察学院有两个新人，两年的时间里都在练习同样一套格挡、擒拿动作，已经麻木到闭着眼就能完成的，还经常抱怨，并以此来调侃教官就只会这两招，有一天在车库里遇到了两个持刀歹徒袭来，条件性的使出了每天的练习动作，上格挡、中格挡、反手擒拿，居然难以置信的、毫发无损的把持刀的歹徒制服了，这和上面说的人、机、料、环的基本功是一样的意思，所以，你所认为的老旧原理，也是经过前辈们千万次实践得出的结论，何不深究输出，化为己有？
DISCIPLINE5：IMPLENENT CORRECTIVE ACTION（实施纠正措施），我们领导经常会问一个问题，纠正措施和预防措施的区别哪里？这里还是要说明一下。
纠正：对已经发生的不合格问题采取的补救措施，产品流锡了，把流锡剪掉，这叫纠正；
纠正措施：对已经发生的问题采取防止再发生的措施，通过调整焊接机的参数等措施，让产品不流锡；
预防措施：对潜在的不合格或其他潜在不期望出现的问题的原因所采取的措施，有点未雨绸缪的意思，就好像疫情期间你有可能会阳，所以就提前带口罩，通常是通过数据的收集和分析得到预见，例如以下：
1.按照过往的生产数据中，A产品在作业过程中，出现流锡，所采取的参数调整的对策在B产品上同样执行；
2.参数确认有效了之后就标准化，设置密码保护，人员不能修改；
3.为了确保这个参数时刻被监控，就纳入日常点检的项目中去，时时检查监控。以上为个人理解，部分原创。再说回来，这一我们步主要还是做纠正措施，就是对已经发生的问题采取防止再发生的措施，配以原因分析针对性的进行，一定要是量化的、可执行、有时间节点的、有明确到人的措施，看得见，摸得着，可确认，切记“加强、提高、完善”之类的词汇，写上去了之后不免被客户诟病，嗤之以鼻，退回重写，伴以处罚，所以说很重要，很重要的内容加粗了字体。
DISCIPLINE6：VERIFY EFFECTIVE OF ORRECTIVE ACTION（验证纠正措施的有效性），纠正措施的有效性通常要有几个方面去进行，一是相关责任人是否真正的执行了以上措施？二是执行了相应的纠正措施之后是否还能发现有同样的问题？三是否发生了其他不良问题，就是为了解决问题A而产生的问题B ，也有可能导致客户抱怨。效果的验证客户更是希望看到数据比对、改善前后的图片对比等更直观的方式，不要一大堆文章说明，这种时候不是写论文，客户最烦看到一大堆文字说明，没有重点的东西，一定是数据对比、量化，如说不良率的直线降低、增加的自动化、防呆装置等。验证的人通常是团队首领，这样更能客观的去对待实施的效果，也有品质人员验证的，毕竟解决的是品质问题。
DISCIPLINE7：PREVENT RECURRENCE（预防再发生）这个就是前面讲的预防措施的问题了，对潜在的不合格或其他潜在不期望出现的问题的原因所采取的措施，之前经常性的被一个客户批评“你不要把纠正措施和预防措施混为一谈”，其实那是真的没有东西写了，所以说平常做好品质很重要，写报告也是头疼的事情。这一部分的内容我理解的更多的是标准化和横向展开的问题，其实预防措施是最不好做的事情，因为要数据收集、看数据的趋势，并且对人的质量意识和敏锐程度都有很大的要求，对产品的知识也要丰富，但是我们往往会因为这件事情不好做，所以没有尽力去做，品质重在预防，中国人都是不见棺材不掉泪的，我的脚不痛的话，是不会去在乎尿酸的高低的，举杯畅饮的次日，痛风犯了，才知道懊悔。其实目前中小型企业在这一步做得都不怎么好，我们公司也一样，要真正的去改进，未雨绸缪、防微杜渐何尝又不是一件好事？希望有一天外资企业来我们公司审核的时候，能竖起大拇指说：XC GOOD。
DISCIPLINE8：CONGRATULATE THE TEAM（祝贺团队），激励这件事情在当下的时代真的太重要了，前段时间听了一节课，叫《组合激励》，大致讲的意思是物质激励和精神激励相结合（理解的不深，老师莫敲头），老师唾沫横飞的讲了两天，可想而知，激励是系统化的、多元化的。激励要讲究及时性、适宜性，今天我们组建的这个团队解决了一个难题，就应该要有一个赞扬的行动，而且要及时性的激励，人的积极性就更加容易被调动，不宜超过一周。奖励可以是名义上的，颁发一个荣誉证书，集体会议的表彰一下，挂个横幅“XX小组，突破瓶颈，名垂千古，万世流芳”之类的，有的人会挺喜欢，小时候老师把我的作文当作范本，在全班同学面前诵读，我到现在还和我儿子吹牛；或者是物质奖励、经济奖励，从目前的生活阶段来讲，个人更加倾向于经济奖励，奖励的方式有很多，不管以什么方式，一定要做，还要做到及时性、适宜性。
以上，个人愚见分享，可以评论吐槽。 收起阅读 »
二战期间，美国政府率先采用一种类似8D的流程，军事标准1520，又称之为不合格品的修正行动及部署系统。1987年福特汽车公司首次用书面记录下8D，在其一份课程手册中，这一方法被命名为团队导向的问题解决法。当时福特的动力系统部门正被一些经年累月反复出现的生产问题搞得焦头烂额，因此其管理层请福特集团提供指导课程，帮助解决难题。下面我们来逐一分享。
DISCIPLINE1：USE THE TEAM APPROACH（使用团队方式解决），组建团队是第一个环节，是非常重要的环节，通常要分为团队首领和团队成员两个部分，团队的首领是这个项目的领头人，必须要具备足够的协调能力和较强的综合能力，对整个事件也有足够全面的信息和大家供大家分析，未来做的决议事项通常由团队首领负责主导跟进。团队成员是多部门组成，但必须是这个项目的相关人员，无关的人员通常不要加入，各团队成员原则上也是各部门中的骨干人物，对部门内部的各个事项由足够的话语权，或是某一方面的专家，这样才方便后续项目工作的开展，这里所述的内容就包含了D1表面的和背后的故事，如下：
D1的表面是团队首领---背后是团队首领应该具备的能力和对项目事件信息的掌控程度，应该都是外部的第一手资料。团队成员是表面---背后是团队成员是跨部门成立，各成员在部门内部的职位和权限要求，其目的是为了整个项目在后续工作中更好的开展。
DISCIPLINE2：DESCRIBE THE PROBLEM（问题描述），很多人对这个环节嗤之以鼻，但是其实这也是一个非常重要的环节，问题描述原则上要遵循5W1H的模式（1.WHAT——是什么。2.WHY——为什么。3.WHO——谁。4.WHEN——何时，什么时间5.WHERE——何处，在哪里。6.HOW MUCH——多少。），但是其实有时候也要权衡实际情况，不能一味的套用。有碰到过客户反馈，我发给你的问题描述是什么就是什么，你为什么要更改我的原问题内容？所以如果碰到客户已经有明确问题发过来的，个人建议还是继续沿用，如果不了解客户原文意思的，后面再和客户沟通，有些客户确实不希望去更改的他的原来问题描述，这样客户会担心曲解原来的问题内容，重新描述的话，有可能客户会看不懂。所以说问题的描述是很重要的，正确的问题才能不至于让后面的对策南辕北辙，偏离方向。
DISCIPLINE3：CONTAINMENT AND SHORT TERM CORRCETIVE ACTION（短暂对策），短暂对策的实施是解决燃眉之急的，这也是非常关键的一步，而且时效性要非常强，就是要可以立即执行的对策来解决客户的上线、返修、二次确认的再使用等问题，这一步迈开了之后才能真正的进入到后面的原因分析和对策的环节，有时候客户会告诉你：现在你不用给我做什么原因分析，你先把好的产品发过来，不要让我断线，我几百号人都在等着你的产品上线呢（大公司呀）。这一步通常也是会和原因分析、纠正措施同步进行的，所以团队成员组成的重要就是这个原因，因为短暂对策出来了之后是要有各部门去执行的，计划、生产、品质、研发、销售等。
DISCIPLINE4：DEFINE VERIFY ROOT CAUSE（根本原因分析），根本原因的分析需要使用的工具和方法通常是鱼骨图，五大要素法，排除法等，这个过程中要明确的区分产生原因和流出原因。当然方式不是局限的，最终是通过数据、故障在现、试验验证等方式确认得出的是否为真正的原因，只有找到了真因，对策才是有效的，所以又回到刚才讲的团队成员的重要性，头脑风暴的前提是要有不同领域的关键人员参与，从各自的角度出发，才能避免在寻找原因的过程中出现片面性。人、机、料、法、环还是要提的，即使是全世界都知道人、机、料、法、环，我们也不能因为它的普遍性而忽略了它，要在这里面深入的挖掘，配合以5个why的方式，层层深入，这样才能和别人不一样，才能实际性的找到真正的问题所在，品质人一定要务实，用事实说话，遵循事实。本人曾经因为不屑于人、机、料、法、环而被别人否定过，为什么10多年前都明白的东西，现在还要拿来用，还要分享？后来觉悟，扎实的基本功是一切花里胡哨的开始。看过一个段子（短视频），警察学院有两个新人，两年的时间里都在练习同样一套格挡、擒拿动作，已经麻木到闭着眼就能完成的，还经常抱怨，并以此来调侃教官就只会这两招，有一天在车库里遇到了两个持刀歹徒袭来，条件性的使出了每天的练习动作，上格挡、中格挡、反手擒拿，居然难以置信的、毫发无损的把持刀的歹徒制服了，这和上面说的人、机、料、环的基本功是一样的意思，所以，你所认为的老旧原理，也是经过前辈们千万次实践得出的结论，何不深究输出，化为己有？
DISCIPLINE5：IMPLENENT CORRECTIVE ACTION（实施纠正措施），我们领导经常会问一个问题，纠正措施和预防措施的区别哪里？这里还是要说明一下。
纠正：对已经发生的不合格问题采取的补救措施，产品流锡了，把流锡剪掉，这叫纠正；
纠正措施：对已经发生的问题采取防止再发生的措施，通过调整焊接机的参数等措施，让产品不流锡；
预防措施：对潜在的不合格或其他潜在不期望出现的问题的原因所采取的措施，有点未雨绸缪的意思，就好像疫情期间你有可能会阳，所以就提前带口罩，通常是通过数据的收集和分析得到预见，例如以下：
1.按照过往的生产数据中，A产品在作业过程中，出现流锡，所采取的参数调整的对策在B产品上同样执行；
2.参数确认有效了之后就标准化，设置密码保护，人员不能修改；
3.为了确保这个参数时刻被监控，就纳入日常点检的项目中去，时时检查监控。以上为个人理解，部分原创。再说回来，这一我们步主要还是做纠正措施，就是对已经发生的问题采取防止再发生的措施，配以原因分析针对性的进行，一定要是量化的、可执行、有时间节点的、有明确到人的措施，看得见，摸得着，可确认，切记“加强、提高、完善”之类的词汇，写上去了之后不免被客户诟病，嗤之以鼻，退回重写，伴以处罚，所以说很重要，很重要的内容加粗了字体。
DISCIPLINE6：VERIFY EFFECTIVE OF ORRECTIVE ACTION（验证纠正措施的有效性），纠正措施的有效性通常要有几个方面去进行，一是相关责任人是否真正的执行了以上措施？二是执行了相应的纠正措施之后是否还能发现有同样的问题？三是否发生了其他不良问题，就是为了解决问题A而产生的问题B ，也有可能导致客户抱怨。效果的验证客户更是希望看到数据比对、改善前后的图片对比等更直观的方式，不要一大堆文章说明，这种时候不是写论文，客户最烦看到一大堆文字说明，没有重点的东西，一定是数据对比、量化，如说不良率的直线降低、增加的自动化、防呆装置等。验证的人通常是团队首领，这样更能客观的去对待实施的效果，也有品质人员验证的，毕竟解决的是品质问题。
DISCIPLINE7：PREVENT RECURRENCE（预防再发生）这个就是前面讲的预防措施的问题了，对潜在的不合格或其他潜在不期望出现的问题的原因所采取的措施，之前经常性的被一个客户批评“你不要把纠正措施和预防措施混为一谈”，其实那是真的没有东西写了，所以说平常做好品质很重要，写报告也是头疼的事情。这一部分的内容我理解的更多的是标准化和横向展开的问题，其实预防措施是最不好做的事情，因为要数据收集、看数据的趋势，并且对人的质量意识和敏锐程度都有很大的要求，对产品的知识也要丰富，但是我们往往会因为这件事情不好做，所以没有尽力去做，品质重在预防，中国人都是不见棺材不掉泪的，我的脚不痛的话，是不会去在乎尿酸的高低的，举杯畅饮的次日，痛风犯了，才知道懊悔。其实目前中小型企业在这一步做得都不怎么好，我们公司也一样，要真正的去改进，未雨绸缪、防微杜渐何尝又不是一件好事？希望有一天外资企业来我们公司审核的时候，能竖起大拇指说：XC GOOD。
DISCIPLINE8：CONGRATULATE THE TEAM（祝贺团队），激励这件事情在当下的时代真的太重要了，前段时间听了一节课，叫《组合激励》，大致讲的意思是物质激励和精神激励相结合（理解的不深，老师莫敲头），老师唾沫横飞的讲了两天，可想而知，激励是系统化的、多元化的。激励要讲究及时性、适宜性，今天我们组建的这个团队解决了一个难题，就应该要有一个赞扬的行动，而且要及时性的激励，人的积极性就更加容易被调动，不宜超过一周。奖励可以是名义上的，颁发一个荣誉证书，集体会议的表彰一下，挂个横幅“XX小组，突破瓶颈，名垂千古，万世流芳”之类的，有的人会挺喜欢，小时候老师把我的作文当作范本，在全班同学面前诵读，我到现在还和我儿子吹牛；或者是物质奖励、经济奖励，从目前的生活阶段来讲，个人更加倾向于经济奖励，奖励的方式有很多，不管以什么方式，一定要做，还要做到及时性、适宜性。
以上，个人愚见分享，可以评论吐槽。 收起阅读 »
制造企业质量成本管理中的问题与对策
质量成本管理，不做不行了！
先看以下两种情境：
A、投入一大笔钱专做质量成本管理，虽然采购系统的经费和整体项目建设周期都在增加，但能帮助企业减少损失、释放更多利润，此为“短痛”
B、存在比较明显的质量成本损失情况，但从整体经济收益来看，该损失没有造成什么大问题，姑且让它去吧，此为“长痛”
随机抽查一下，你所在的公司是哪一种？
我们曾拿这个问题问过不少人，结果倒是让人讶异，有大半受访者的回答是B。背后原由也都大同小异，无外乎质量成本管控太难太贵，下不定这个决心，不知道什么时候能看到收效，或者害怕效果不如预期。
有趣的是，现在这个调查的结果微妙地变了。在最近一次的小采访中，超过一半的受访者转向了A，剩下的人当中又有一半人仍在左右摇摆。问起原因，“不得不、没办法、必须要做啊”几个关键词是高频提及词。
愿意花的钱多了，并不代表企业们营收增多、能支配的预算金额增多，真实的处境恰恰相反。市场从增量竞争的高速增长期步入存量整合阶段，传统的价格竞争策略失灵了，企业尤其是制造企业，不得不思考如何从一切可能的冗余中释放更多收益。质量竞争以及由此衍生而来的质量成本管理、企业运营管理效率、产品创新能力等一系列问题成为企业发展的新课题。
本期案例智我们先来攻克质量成本问题。如何在企业内外部开展质量成本管理工作，让质量&成本有机融合，从而提高生产产品质量、创造更多经济收益，对企业的发展起着越来越重要的作用。这透露出什么信息？
质量成本中的冰山理论：别只“我以为”，多看“实际上”
决策倾向转变的背后藏着时代脉络的暗影，也透露出企业主们的独木难支。笔者曾听闻一个略显武断的说法，认为国内企业们当前遇到的瓶颈不过是自食恶果，为早期只追逐速度和暴利、对资源一味剥削的行为买单。
的确，所有人都能对如今的浮躁、急功近利和急于变现指点一二，但我们不应该把结构性困境的责任归咎于某一类群体，当生存愈发成为第一要务，一味苛责实在有失公允。
回到企业自身发展问题上，现阶段我国制造企业正从传统“生产制造”向“智能制造”转型升级中。让顾客满意的目标导向要求企业必须保证产品质量、交货期限，生产线要具备在大规模与小规模生产之间自由切换的能力，这就促使企业越发关注产品质量控制工作，也间接忽视了质量成本管理。
归根结底，企业转型升级的根本目的是为了满足自身生存发展，有效的质量成本管理不仅能真实反映企业的相关质量成本支出，也能客观反映企业对质量管理的投入与相关收益关系。简单来说，帮助企业判断某项投入是不是值得，某个决策是不是正确，进而帮助企业实现经济和社会双重效益的最大化。
理论目标较企业实际情况，存在两个比较普遍的误区：
1）以为只要产品质量让人满意了，就不会产生成本。实际上，质量满意也包含检测成本和预防成本，前者有检测费用、质量审核费用、试验设备相关成本，后者如质量教育费用、工序控制费用、质量改进措施费用等等。
2）以为自己公司的成本管理做得足够好，实际情况却相去甚远。美国质量协会（ASQ）以企业为对象的的两项研究调查显示，70%的行政人员认为质量成本低于营业额的10%，但大部分企业的质量成本实际上高达营业额的40%。国际精益六西格玛协会（ILSSI）的一项研究也透露出同样的信息——质量成本约占营业额20%-35%的企业比比皆是。
出现这种认知和实际之间的巨大鸿沟，原因主要在于对质量成本管理考虑不全面、科目设置不合理。过去，制造企业的成本核算多集中在显性成本上，但随着对成本管理体系的研究深入，隐性成本对企业管理的正面助益效果也越发凸显出来了，但大前提是：找到并管理好。
我们常说冰山理论，隐性成本就是质量冰山下最容易被忽略的部分。据上海外国语大学胡钰教授测算，对一般制造企业而言，隐性质量成本占比高达销售额的15%~20%。
所谓隐性质量成本，它们包括但不限于机器故障、来料不良、设计产能过剩、生产延误、订单延期等等，也即：产品设计阶段没有满足客户需求、产品生产环节把控不严造成的综合问题，将造成市场份额下降、企业名誉受损。这些都藏在冰山之下，与冰山上的显性成本（如返工返修、报废、索赔）一起，留待被管理者看见、发现、解决。
听起来容易，做起来难。怎么才能看见冰山下的成本？冰山上的成本我又是不是管理好了？各个环节的成本管理有什么内在关联吗？我把能做的都做了，怎么质量成本到最后还是这么高？
是不是还是一头雾水，不知道从哪里着手？马上就讲案例了。
03 企业质量成本管控实例：
一次做对+成本细化
对制造企业来说，质量成本管理不仅包括产品生产成本，还涉及到研发、材料采购、销售及售后服务等各个方面。别说什么提质降本增效，什么满足客户产品需求，在实打实的利润损失面前，这些都是没有用的空谈。
我们的客户PQ公司就吃过这样的苦头。因为公司业务调整和战略发展需要，PQ公司于去年九月份计划对公司的质量成本进行系统且全面地管理，PQ公司专项小组通过互联网、业内朋友介绍等多种方式筛选了几家意向合作公司，海岸线便是其中之一。
沟通阶段，海岸线组建了专人团队亲赴北京实地考察，调研结果不看不知道，一看吓一跳，PQ公司的利润损失竟然高达30%！
PQ公司是一家集团公司，主要生产制冷压缩机产品，其产品颇受许多著名家电制造商的青睐，年产能将近4000万台，在中国、新加坡、美国、巴西等多个国家设立了研发中心，注重技术创新和产品研发，可算是全球封闭式压缩机的行业领袖。也正是因为PQ“家底”够厚，才不至于让质量成本损失拖慢拖垮公司发展。
PQ公司的主要战略目标有减少客户下线率、减少内部下线率、减少质量损失成本、减少返工率，用质量支柱树立世界级制造品牌形象。公司中高基层全员高度配合，由质量部牵头，采购部、研发部、生产部、维修部都特派专员加入合作小组。
基于此，整体解决方案的制定与落实进程非常顺利。我们为其构建了一套AQP D/PFMEA+PQM(Product Quality Management)的PDCA闭环全面质量管理体系，这里从几个层面为大家做具体讲解：
第一，紧抓设计前段质量，用“一次做好”达成质量成本控制最优解。受大环境影响波及，PQ近两年来大幅收缩产品迭代周期，或多或少造成部分产品存在缺陷、后期频繁救火等情况。借由AQP FMEA和APQP，该公司的研发流程、研发过程质量得到了有效管控，研发过程中设置了关卡评审、文档评审与设计评审等多层次评审工作，主动采取防错措施，洞悉阶段过程控制点；并全面打通底层数据流，确保质量策划从0到1的过程无碍、可靠，全面提高研发一次成功率。
第二，科学规划、精细质量成本科目管理。很长一段时间以来，PQ公司的质量成本管理相当模糊，最开始甚至是财务部门直接划分。隔行如隔山，财务部门自然只能分出直接生产成本和间接管理成本两种。问题来源确定不了，又何谈质量改善工作？在导入海岸线专业版QMS-PQM之后，PQ公司的质量成本管理发生了质的变化。以不合格品处理为例，系统能帮助其对不合格处理结果（让步放行、返工返修、报废、退货、索赔、自定义）进行及时记录、实时同步，确定性记录+最终处理流向，方便管理决策人员精准锁定成本损失高发地及隐性成本发生域。
着重要指出的是，几个主要软件之间并非孤立关系，无论是研发的0-1，还是生产的1-100，所有环节中的标准规则、改进措施、问题根源的相关信息都流通无阻，质量控制与成本管理并置交融，固化在日常研发、生产流程中，质量成本管控有显著起色。
再细化一下，依旧以生产过程中的不合格品处理为例，若在成品交付时发现不合格，公司会立即停止交付并进行返工，已交付的不合格品会予以追回、更换、退货或者降价处理。以上过程都将在PQM中留存确定且可追溯的记录，质管中心和相关领导们能直观便捷地厘清退货损失、产品降价损失等外部损失成本。其余环节内的质量成本管理的逻辑是一样的——这些原先依靠人为不定期执行的动作被内置在日常工作中，质量成本管理得以建立条理、智能分析、真正落地。
目前，PQ公司的返工率从2017年的19%下降到了7.5%，客户下线率、内部下线率均有不同程度下降。随着全面闭环流程越发内化于企业流程，各个环节质量人员对质量控制措施愈发娴熟，产品耗用工时减少，质量控制成本、故障成本持续降低，质量收入不断增加。我们开心地看到，PQ公司正加足马力冲刺世界顶尖制造行列领军者。
这是我们和PQ公司共同努力的结果，我们也希望能和更多有困惑、有愿景的企业合作，帮助更多中国品牌扩大世界影响力。 收起阅读 »
先看以下两种情境：
A、投入一大笔钱专做质量成本管理，虽然采购系统的经费和整体项目建设周期都在增加，但能帮助企业减少损失、释放更多利润，此为“短痛”
B、存在比较明显的质量成本损失情况，但从整体经济收益来看，该损失没有造成什么大问题，姑且让它去吧，此为“长痛”
随机抽查一下，你所在的公司是哪一种？
我们曾拿这个问题问过不少人，结果倒是让人讶异，有大半受访者的回答是B。背后原由也都大同小异，无外乎质量成本管控太难太贵，下不定这个决心，不知道什么时候能看到收效，或者害怕效果不如预期。
有趣的是，现在这个调查的结果微妙地变了。在最近一次的小采访中，超过一半的受访者转向了A，剩下的人当中又有一半人仍在左右摇摆。问起原因，“不得不、没办法、必须要做啊”几个关键词是高频提及词。
愿意花的钱多了，并不代表企业们营收增多、能支配的预算金额增多，真实的处境恰恰相反。市场从增量竞争的高速增长期步入存量整合阶段，传统的价格竞争策略失灵了，企业尤其是制造企业，不得不思考如何从一切可能的冗余中释放更多收益。质量竞争以及由此衍生而来的质量成本管理、企业运营管理效率、产品创新能力等一系列问题成为企业发展的新课题。
本期案例智我们先来攻克质量成本问题。如何在企业内外部开展质量成本管理工作，让质量&成本有机融合，从而提高生产产品质量、创造更多经济收益，对企业的发展起着越来越重要的作用。这透露出什么信息？
质量成本中的冰山理论：别只“我以为”，多看“实际上”
决策倾向转变的背后藏着时代脉络的暗影，也透露出企业主们的独木难支。笔者曾听闻一个略显武断的说法，认为国内企业们当前遇到的瓶颈不过是自食恶果，为早期只追逐速度和暴利、对资源一味剥削的行为买单。
的确，所有人都能对如今的浮躁、急功近利和急于变现指点一二，但我们不应该把结构性困境的责任归咎于某一类群体，当生存愈发成为第一要务，一味苛责实在有失公允。
回到企业自身发展问题上，现阶段我国制造企业正从传统“生产制造”向“智能制造”转型升级中。让顾客满意的目标导向要求企业必须保证产品质量、交货期限，生产线要具备在大规模与小规模生产之间自由切换的能力，这就促使企业越发关注产品质量控制工作，也间接忽视了质量成本管理。
归根结底，企业转型升级的根本目的是为了满足自身生存发展，有效的质量成本管理不仅能真实反映企业的相关质量成本支出，也能客观反映企业对质量管理的投入与相关收益关系。简单来说，帮助企业判断某项投入是不是值得，某个决策是不是正确，进而帮助企业实现经济和社会双重效益的最大化。
理论目标较企业实际情况，存在两个比较普遍的误区：
1）以为只要产品质量让人满意了，就不会产生成本。实际上，质量满意也包含检测成本和预防成本，前者有检测费用、质量审核费用、试验设备相关成本，后者如质量教育费用、工序控制费用、质量改进措施费用等等。
2）以为自己公司的成本管理做得足够好，实际情况却相去甚远。美国质量协会（ASQ）以企业为对象的的两项研究调查显示，70%的行政人员认为质量成本低于营业额的10%，但大部分企业的质量成本实际上高达营业额的40%。国际精益六西格玛协会（ILSSI）的一项研究也透露出同样的信息——质量成本约占营业额20%-35%的企业比比皆是。
出现这种认知和实际之间的巨大鸿沟，原因主要在于对质量成本管理考虑不全面、科目设置不合理。过去，制造企业的成本核算多集中在显性成本上，但随着对成本管理体系的研究深入，隐性成本对企业管理的正面助益效果也越发凸显出来了，但大前提是：找到并管理好。
我们常说冰山理论，隐性成本就是质量冰山下最容易被忽略的部分。据上海外国语大学胡钰教授测算，对一般制造企业而言，隐性质量成本占比高达销售额的15%~20%。
所谓隐性质量成本，它们包括但不限于机器故障、来料不良、设计产能过剩、生产延误、订单延期等等，也即：产品设计阶段没有满足客户需求、产品生产环节把控不严造成的综合问题，将造成市场份额下降、企业名誉受损。这些都藏在冰山之下，与冰山上的显性成本（如返工返修、报废、索赔）一起，留待被管理者看见、发现、解决。
听起来容易，做起来难。怎么才能看见冰山下的成本？冰山上的成本我又是不是管理好了？各个环节的成本管理有什么内在关联吗？我把能做的都做了，怎么质量成本到最后还是这么高？
是不是还是一头雾水，不知道从哪里着手？马上就讲案例了。
03 企业质量成本管控实例：
一次做对+成本细化
对制造企业来说，质量成本管理不仅包括产品生产成本，还涉及到研发、材料采购、销售及售后服务等各个方面。别说什么提质降本增效，什么满足客户产品需求，在实打实的利润损失面前，这些都是没有用的空谈。
我们的客户PQ公司就吃过这样的苦头。因为公司业务调整和战略发展需要，PQ公司于去年九月份计划对公司的质量成本进行系统且全面地管理，PQ公司专项小组通过互联网、业内朋友介绍等多种方式筛选了几家意向合作公司，海岸线便是其中之一。
沟通阶段，海岸线组建了专人团队亲赴北京实地考察，调研结果不看不知道，一看吓一跳，PQ公司的利润损失竟然高达30%！
PQ公司是一家集团公司，主要生产制冷压缩机产品，其产品颇受许多著名家电制造商的青睐，年产能将近4000万台，在中国、新加坡、美国、巴西等多个国家设立了研发中心，注重技术创新和产品研发，可算是全球封闭式压缩机的行业领袖。也正是因为PQ“家底”够厚，才不至于让质量成本损失拖慢拖垮公司发展。
PQ公司的主要战略目标有减少客户下线率、减少内部下线率、减少质量损失成本、减少返工率，用质量支柱树立世界级制造品牌形象。公司中高基层全员高度配合，由质量部牵头，采购部、研发部、生产部、维修部都特派专员加入合作小组。
基于此，整体解决方案的制定与落实进程非常顺利。我们为其构建了一套AQP D/PFMEA+PQM(Product Quality Management)的PDCA闭环全面质量管理体系，这里从几个层面为大家做具体讲解：
第一，紧抓设计前段质量，用“一次做好”达成质量成本控制最优解。受大环境影响波及，PQ近两年来大幅收缩产品迭代周期，或多或少造成部分产品存在缺陷、后期频繁救火等情况。借由AQP FMEA和APQP，该公司的研发流程、研发过程质量得到了有效管控，研发过程中设置了关卡评审、文档评审与设计评审等多层次评审工作，主动采取防错措施，洞悉阶段过程控制点；并全面打通底层数据流，确保质量策划从0到1的过程无碍、可靠，全面提高研发一次成功率。
第二，科学规划、精细质量成本科目管理。很长一段时间以来，PQ公司的质量成本管理相当模糊，最开始甚至是财务部门直接划分。隔行如隔山，财务部门自然只能分出直接生产成本和间接管理成本两种。问题来源确定不了，又何谈质量改善工作？在导入海岸线专业版QMS-PQM之后，PQ公司的质量成本管理发生了质的变化。以不合格品处理为例，系统能帮助其对不合格处理结果（让步放行、返工返修、报废、退货、索赔、自定义）进行及时记录、实时同步，确定性记录+最终处理流向，方便管理决策人员精准锁定成本损失高发地及隐性成本发生域。
着重要指出的是，几个主要软件之间并非孤立关系，无论是研发的0-1，还是生产的1-100，所有环节中的标准规则、改进措施、问题根源的相关信息都流通无阻，质量控制与成本管理并置交融，固化在日常研发、生产流程中，质量成本管控有显著起色。
再细化一下，依旧以生产过程中的不合格品处理为例，若在成品交付时发现不合格，公司会立即停止交付并进行返工，已交付的不合格品会予以追回、更换、退货或者降价处理。以上过程都将在PQM中留存确定且可追溯的记录，质管中心和相关领导们能直观便捷地厘清退货损失、产品降价损失等外部损失成本。其余环节内的质量成本管理的逻辑是一样的——这些原先依靠人为不定期执行的动作被内置在日常工作中，质量成本管理得以建立条理、智能分析、真正落地。
目前，PQ公司的返工率从2017年的19%下降到了7.5%，客户下线率、内部下线率均有不同程度下降。随着全面闭环流程越发内化于企业流程，各个环节质量人员对质量控制措施愈发娴熟，产品耗用工时减少，质量控制成本、故障成本持续降低，质量收入不断增加。我们开心地看到，PQ公司正加足马力冲刺世界顶尖制造行列领军者。
这是我们和PQ公司共同努力的结果，我们也希望能和更多有困惑、有愿景的企业合作，帮助更多中国品牌扩大世界影响力。 收起阅读 »
管理类书籍推荐
多年前，第一次读华为轮值董事长徐直军“业务、流程、IT、质量、运营的关系”的文章时，刚入质量运营岗位不久，未能理解这篇文章的深刻内涵，只觉很是高深。多年后，有了在质量运营岗位上摸爬滚打的经验，再次拜读便有种醍醐灌顶、茅塞顿开的感觉。为了进一步打开视野，读了些管理类的书籍，囫囵吞枣，不求甚解。下面这几本是我读过之后觉得有所收获的书籍，推荐给小伙伴们。
第一类是“成功者”的心法：《冯唐成事心法》适合学习斜杠青年跨行做管理的经验，《首席质量官》适合学习规范大厂职业经理人的标准套路，《自我觉察-领导力提升起点与终点》适合学习忽悠老板做老板参谋和教练的经典玩法。
第二类是工具参考类：《产品开发管理-方法.流程.工具》适合做为IPD流程变革的参考书，《高效研发-硅谷研发效能方法与实践》适合做度量和绩效管理的参考书，不过该书后半段IT工具的使用一般质量人员用不到，更适合做研发项目管理的人员。
第三类是经验复制类：《华为数据之道》适合做数字化转型规划和搭框架使用，《战略解码-跨越战略与执行的鸿沟》适合组织 战略解码一系列活动做模板与会议安排使用。
书单里在读和未读的，计划读完后有时间写写读书心得，也是对自己读书收获的提炼和总结。 收起阅读 »
第一类是“成功者”的心法：《冯唐成事心法》适合学习斜杠青年跨行做管理的经验，《首席质量官》适合学习规范大厂职业经理人的标准套路，《自我觉察-领导力提升起点与终点》适合学习忽悠老板做老板参谋和教练的经典玩法。
第二类是工具参考类：《产品开发管理-方法.流程.工具》适合做为IPD流程变革的参考书，《高效研发-硅谷研发效能方法与实践》适合做度量和绩效管理的参考书，不过该书后半段IT工具的使用一般质量人员用不到，更适合做研发项目管理的人员。
第三类是经验复制类：《华为数据之道》适合做数字化转型规划和搭框架使用，《战略解码-跨越战略与执行的鸿沟》适合组织 战略解码一系列活动做模板与会议安排使用。
书单里在读和未读的，计划读完后有时间写写读书心得，也是对自己读书收获的提炼和总结。 收起阅读 »
一只去而复返的质量运营老鸟
我是一只去而复返的质量老鸟。
第一次接触6SQ是十几年前，刚毕业一年多，懵懵懂懂的进入了质量领域，在深圳一家外企做QA。当时来这里的主要目的就学习各种质量知识和质量工具。在6SQ最活跃的几年，每天都签到领币，下载一堆资料，也会参加论坛组织的一些活动。可以说6SQ伴随我经历了从“职场小白”到“质量达人”的转变。可惜当时的账号密码忘了，后来又重新申请了现在这个。在外企工作了几年以后，跳槽去了一家世界500强的民营企业做了质量运营，从此在6SQ销声匿迹了十多年。
十几年的职业生涯，外企，民企，几千人规模，到十几万人的规模，制造型企业，研发型企业，都呆过。对质量与运营的理解，从刚始做质量管理的追求“术”，到现在做运营管理的追求“道”，也只能算是“看山非山，看水非水”。人到中年，职场半坡，受个人能力和认知影响，已经看到了天花板。蓦然回首，想起6SQ这个十几年的“老朋友”，回来看看，还有多少当年的同路人在坚守，后继者们是否也在经历着和我们当年一样的“彷徨”和“迷茫”，又有多少人突破了瓶颈实现了自我突破？
网站上快速浏览了一翻，发现还是制造业质量管理内容居多。研发型企业的质量、运营和流程方面的内容较少，”术“的内容远多于”道“。反思我的职业生涯，前期也是过于追求术，一叶障目，高度不够，感觉6SQ这个老朋友也跟我一样陷入了尴尬的境地。 收起阅读 »
第一次接触6SQ是十几年前，刚毕业一年多，懵懵懂懂的进入了质量领域，在深圳一家外企做QA。当时来这里的主要目的就学习各种质量知识和质量工具。在6SQ最活跃的几年，每天都签到领币，下载一堆资料，也会参加论坛组织的一些活动。可以说6SQ伴随我经历了从“职场小白”到“质量达人”的转变。可惜当时的账号密码忘了，后来又重新申请了现在这个。在外企工作了几年以后，跳槽去了一家世界500强的民营企业做了质量运营，从此在6SQ销声匿迹了十多年。
十几年的职业生涯，外企，民企，几千人规模，到十几万人的规模，制造型企业，研发型企业，都呆过。对质量与运营的理解，从刚始做质量管理的追求“术”，到现在做运营管理的追求“道”，也只能算是“看山非山，看水非水”。人到中年，职场半坡，受个人能力和认知影响，已经看到了天花板。蓦然回首，想起6SQ这个十几年的“老朋友”，回来看看，还有多少当年的同路人在坚守，后继者们是否也在经历着和我们当年一样的“彷徨”和“迷茫”，又有多少人突破了瓶颈实现了自我突破？
网站上快速浏览了一翻，发现还是制造业质量管理内容居多。研发型企业的质量、运营和流程方面的内容较少，”术“的内容远多于”道“。反思我的职业生涯，前期也是过于追求术，一叶障目，高度不够，感觉6SQ这个老朋友也跟我一样陷入了尴尬的境地。 收起阅读 »
中小企业：如何在不牺牲短期盈利的前提下做好质量成本管控？
专精特新领衔数字化转型，中小企业困局犹未解
中小企业强则国民经济强，这个论断虽稍显粗暴，却并非没有道理。作为在缓解就业压力、促进技术创新进步、灵活应用地方资源等方面有着独特优势的中小企业，是现代经济社会建设中不可缺少的重要推动力，也是推动经济高质量发展的坚实基础。
随着高质量发展和数字经济的主张日趋深化和落实，中小企业不仅成为数字化转型的重点，也是国家数字化建设的“主战场”，从中小企业中走出的“专精特新”队伍便是有力证明。
自2011年工信部联合国家发改委、科技部等多部门发布《“十四五”促进中小企业发展规划》，提出“推动形成一百万家创新型中小企业、十万家'专精特新'企业、一万家'专精特新'小巨人企业”的发展目标；再到2022年这一概念首次正式亮相政府工作报告，提出要“着力培育专精特新企业”，其背后所蕴含的重要性已充分彰显。
截至2022年9月，国家工业和信息化部分四批次公布了9119家国家级专精特新“小巨人”培育名单。与此同时，各省市区政府也在积极培育中小企业发展，提供相应的政策和资金支持，为专精特新企业的数字化转型“添砖加瓦”。
以去年深圳专精特新企业补贴为例：深圳市奖助国家“小巨人”企业50万，奖助广东省专精特新企业20万；深圳罗湖区为国家“小巨人”企业奖助100万，为广东省专精特新企业奖助50万。
总体来看，该项目的资金扶持力度还是比较可观的，尤其是在宏观经济下行压力增大、市场环境越发复杂的当下，这些资金或能帮助中小企业更有效地应对各类风险挑战。
只不过，相对于大中型、综合性企业集团，中小企业出身的专精特新企业仍然有许多薄弱环节，如：数字化水平相对较低、质量成本居高不下、供应链管理能力不强、人才和物资等资源储备单一，一旦市场环境恶化程度超出预期，就有可能陷入市场业绩下滑、资金链断裂甚至破产倒闭等困局。
中小企业当中的佼佼者“专精特新”犹有此疾，除此之外的中小企业又该如何自处？
中小企业转型核心瓶颈，以点带面重塑研发流程
我们都知道，数字化转型能提升企业的内生动力。在以前写过的文章中我们曾围绕国有企业转型现状做了详尽的分析，点出认知模糊、组织架构模糊及技术决定论为其两大核心风险。
中小企业有相似之处，但并不全然一样。我国中小企业走过了一条艰难坎坷的发展之路，起点低、用工荒、融资困难、管理水平不高，多种不利因素叠加曾一度让中小企业进退维谷，难以获得进一步的发展机遇。
这些症状在制造业中小企业中体现得尤为明显，本就存在质量水平落后于美日德等发达国家的情况，还要同时承担国内外越发复杂的竞争压力，不少制造企业陷入两难抉择：究竟是保证质量还是稳定成本？
事实上，这也是中小企业数字化转型的核心瓶颈所在：前期投入成本大，回报周期长，也缺少有效可参考的改造经验，在整个转型升级过程中面临较大的试错成本及风险。
朱兰博士的传统质量观认为，过高的质量会给企业带来过高的成本，企业不需要对质量进行持续改进，而应当将质量定位在一个适度的“可接受的质量水平”上。不过，这个理论已经无法适配以顾客满意为最终目标的当下竞争形势了。
因而，对中小制造企业来说，与其大谈宏观价值，不如着眼脚下，不论是数字化转型还是质量改进，都必须要具备短期盈利的条件。
种种压力作用下，中小企业选择对企业亟需改善的单点环节进行局部数字化改造。比方说通过提高产品质量→增加市场份额→获得更高市场售价→取得较高的收入，这个逻辑完全跑得通，优秀的产品质量还有可能催生优秀的口碑声誉，额外收获新的企业收入。
中小企业努力在提升质量的同时稳定成本，只是在通往目标的路上，还有两大拦路虎：
1.企业管理层并不重视对质量成本的管理。看不到质量、成本和效益之间互为因果相辅相成的关系。
2.企业重视成本但管理水平落后。要么忽视产品设计和售后等环节，要么习惯用经验作主观判断，不能正确判断对关键质量的指标，故而造成难以承担的巨大成本。
如何更好地做好对质量成本的管理，从而提升经济效益？且看下文案例。
照明企业质量成本管控实例，保障中小企业短期盈利
FT公司是一家照明制造企业，但不同于一般照明灯具生产，FT公司的业务还涉及到专案产品的定制、设计以及后续的开发和生产销售，主要产品有照明灯具及相关的控制系统，至今已经有十六年历史，是业内发展相当不错的长青企业。
FT和海岸线的合作缘起质量成本管控。为了保证产品合格率，FT在质量检验方面耗费了大量人力财力，但此举在保证了良好口碑的同时也使得质量控制成本居高不下。
我们以前也服务过几家同行业客户，结合FT公司一起看，会发现他们所面对的难题都大同小异：看重质量成本管控，想做但却做不好。
通过走访调研FT公司的实际情况和业务特点，我们梳理出一份该公司亟需解决的质量成本管控问题清单，以下列举两点：
1、缺乏对质量成本的科学认知。如只侧重材料质量成本、生产质量成本，忽视外部质量保证成本、客户质量成本，从而造成质量成本管控工作零散无序。
2、缺乏完善全面的质量成本管理体系。更重视质量报废成本、返工成本等，不太注重预防与鉴定，导致同类问题不断复发。
出现这种“厚此薄彼”的情况，也不能完全归咎于企业自身。受产品品种多、易碎、运输难度大等因素制约，照明行业的的报废率及次品率本就远高于其他制造行业，质量损失相对来说直白可控，因而更被关注、更好使力，也是情理之中。
为尽快改变这一局面，早日帮助FT公司实现预期发展目标，海岸线为其设计了一套基于PQM（专业版QMS），向全面质量管理、问题异常管理衍生的质量成本管控体系，目前也已初见成效。
先说检验。PQM支持SPEC传递、同类物料检验模板复用、Excel批量导入三种检验配置方式，系统内直接创建检验计划并自动指派及提醒任务人；检验规则支持动态调整，不论是一款灯具的不同原料，还是两款灯具的相同原料，都能在最短时间内灵活调整至适配规则。如今，FT已不再需要用检验人员花费大量时间去手动配置检验标准、手动创建检验计划、手动监督检验执行，在数字化检验全面实施之后，FT公司光在检验环节就释放出大半成本。
再看质量成本科目细化。对于不合格品，我们会进行精细化处理及归类。除去“让步放行、返工返修、报废、退货、索赔”五种主流处理方式之外，系统还支持自定义处理方式，所有处理结果都留存确定性记录，根据最终处理流向，利用数据流精准找到隐性成本发生域。
然后是预防管理与持续改进。借由海岸线全面质量管理基座的灵活性与自主定制化，通过PQM+Voice问题管理+FMEA，构建流动且闭环的知识裂变复用体系。其实，FT是有借助其他软件做知识库的，只是此前的知识库既是开始也是结束——结案了丢在知识库就完事，没有起到任何预防作用。海岸线将对这些具有宝贵价值的知识进行系统性的管理：
FMEA中定义好的标准和检验规则，自动同步到PQM的检验配置中;检验过程中的NG自动进入问题管理模块;问题管理中内嵌丰富分析工具，可轻松调用8D、鱼骨图、5Why法或各类脑图;处理措施在验证后自动保存至FMEA经验库，优化更新标准和检验规则，再次同步到PQM中。
通过持续的PDCA循环，提升从研发、生产、销售等全链路的质量改进活动，将过程中的损失和产品缺陷，扼杀在摇篮里。
这一套方案并不会让FT公司为“遥远宏大”的长远价值目标，牺牲短期的企业盈利，而是通过系统性的业务流程改进，从各个环节中释放冗余成本、提高效率，过程中累积起来的经验知识又在流转中反哺新一轮质量提升工作，质量、成本、效益环环相扣、三足鼎立，为企业发展输送源源不断的养分。
如此，方是企业长久不败之道。
——END—— 收起阅读 »
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：
RSS Feed