质量突破:多种路径，共同主题

质量是制造企业盈利能力的核心。质量通过对品牌形象或客户满意度的影响来驱动收入。质量也决定了成本，因为预防缺陷，或者更早更可靠地发现缺陷，会降低单位成本。质量也可以决定是否成功，包括监管合规、问责制和上市速度——这些都是当今最紧迫的问题。质量上的突破可以加速企业的成功。

如果质量不是一个热门话题或被视为过时的新闻，通常有以下两个原因。第一个原因:该公司在20世纪80年代开始实施全面质量管理(TQM)，现在它已成为其文化的根深蒂固的一部分。管理人员系统地使用数据来消除所有业务流程中的浪费、可变性和缺陷。他们严格的质量方法帮助他们通过精益、六西格玛和其他措施获得成功。

或者，作为第二个原因，该公司对质量没有采取严格的方法。这些公司通常不会做出稳定的改进。如果他们这样做，他们通常不会将质量收益与业务结果联系起来，因此管理层不感兴趣，也不相信质量方法将帮助他们保持竞争力。

本文采访的20家制造商说明了实现质量突破的各种途径，并从中受益。这些路径从业务流程改进，到面向流程和文档的质量管理系统，到企业资源计划(ERP)质量模块，到工厂范围的操作软件，到测试系统，到流程自动化改进和这些的组合，各不相同。所代表的公司使用了来自于无忧x、Camstar、CEBOS、EMNS、Eyelit、Freedom、iBaseT、IBS Americas、领克、Peoplesoft、罗克韦尔自动化、SAP、Tecnomatix和TIP Technology的产品。无论改进质量的路径或使用的系统，这些制造商的问题和成功的关键可以加速质量的提高。

技术和工艺的改变

高质量的程序可以带来惊人的进步。有些是在做出改变后立即实现的，而另一些则是通过遵循一个严格的持续改进过程，在几个月或几年的时间内实现的。图1显示了一些示例。

本文所采访的公司在领域和收益百分比上存在很大差异。然而，他们一致认为，他们的突破是过程和支持他们的自动化系统变化的结果。一个评论是，“没有质量过程，技术将无法解决任何问题。”

技术在质量改进方面起着许多作用。其中大部分是一致的，无论技术是过程或测试自动化、统计过程控制(SPC)、生产执行系统(MES)、纠正和预防措施(CAPA)、质量保证(QA)、文件管理和不符合工作流程、实验室信息管理系统(LIMS)还是ERP。

提高数据的完整性:人们在手动输入数据时无意中引入了错误。一位受访者的研究表明，只有92%的重新输入的数据是正确的。

援助效率:如果一个系统承担常规任务，人们可以专注于保持流程运行并解决最重要的问题。

速度的过程:自动组合产品历史和认证文件，防止生产和交付延迟。当数据是电子的，而不是纸质文件或单独的文档时，数据分析和主动行动要快得多。

提高分析:当人们不断地分析他们拥有的数据时，技术可以更一致地关联和分析更多的数据，更快，成本更低。

证明一点:一个系统可以准确地记录改进，并将它们与利益联系起来。“技术和自动化有助于将质量和成本节约联系起来，”一家制造商表示。

发布信息:使数据可访问使其有用。另一个人声称:“获得信息的可见性促进了管理层介入并提高质量的愿望。”

保持一致的过程:技术可以通过提供指导、提醒突出的问题、防止工作在采取某个步骤之前继续进行以及向管理人员和同事提供问题的可见性来帮助执行最佳实践流程。

多个系统部署

本文采访的公司实施了广泛的不同类型的系统，以改进和支持其质量过程，如图2所示。大多数公司都有多个系统来提高质量。虽然这些不同类型的系统所产生的具体问题可能非常不同，但一些关键问题是一致的。

系统必须易于学习和使用，以使人们专注于他们的主要工作。自动化系统往往减轻操作人员的工作。虽然软件系统可能需要一些时间来学习和理解，但它应该是最少的。为了让操作人员预防质量问题，或至少在最终测试或实验室中检测到它们，操作人员必须能够快速和一致地使用质量系统。

系统必须灵活，以适应最佳实践和正在进行的持续改进。对于许多这样的公司来说，在选择一个系统时，最优先考虑的是它适应他们特定需求的能力。一些公司坚持使用现成的技术，而另一些公司选择可配置的工具集，而不是固定的特定于应用程序的系统。而那些无法找到与他们的流程需求相匹配的解决方案的公司则建立了自己的系统或定制了一个商业解决方案。

在许多工厂中使用通用系统可以促进一致的分析，并允许在所有设施中快速推出改进。一家公司表示，“全国各地的工厂使用相同的数据库，使用相同的标准和代码。这使我们能够按工厂、产品线和部门汇总质量信息。”

不幸的是，两者之间仍然存在很大的融合差距，这并不令人惊讶。现在大多数质量解决方案都面向自动化和SPC，或者以企业和工厂范围的过程和文档为中心。这两种方法通常是完全分离的，而不是集成的，如图3的第三条所示。因此，从控制和自动化系统中获得的丰富过程和产品数据流往往没有得到充分利用。当公司两者都具备时，过程数据通常被重新输入到控制文档、不符合跟踪和纠正措施过程的系统中。

更成熟的公司开始意识到，他们有很多需要的数据，只是没有输入到他们的系统中。一些公司目前正在开展项目，将其工厂和企业质量系统的两级信息整合起来。一些最先进的制造商已经将来自可编程逻辑控制器(plc)和控制系统的数据集成到一个公共数据层，其中包括来自其质量保证、ERP和MES系统的数据。

提前发现问题

为什么从自动化中捕获和分析过程数据如此重要?首先，因为这是识别问题的第一个可能的地方——或者更好的是，发现表明正在出现的问题的趋势。这使得公司能够采取积极的行动，防止质量问题的发生，从而在防止不良产品通过进一步的增值过程浪费时间、精力和能力方面节省了无数的成本。

如此多的质量控制仍然基于对成品的测试和检查，这说明制造商还没有学会质量方法的核心信息。这个信息是为了防止错误和缺陷，并且如果它们真的发生了，要尽可能早地捕获它们，而不仅仅是在交付之前。如果参数超出规格，或者没有正确遵循程序，自动化和软件系统通常会阻止进一步的处理。

建立严格的流程并不容易，要找到持续质量问题的突破性解决方案需要分析。六西格玛策略可以为统计分析提供一个平台，其他各种方法和软件系统也可以。一些公司面临的挑战之一是，很多数据不容易用于分析。数据通常存储在文档中，而不是数据库格式，包括法规遵从性数据、质量文档、供应商分析证书和产品谱系。这意味着组织数据进行分析是一个耗时且容易出错的手工过程。

虽然这项任务看起来很艰巨，但制造商可以向同行学习如何在质量和业务上取得突破。成功的关键包括文化和管理支持、项目所需的充足资源、明确的目标定义、业务流程更改、有重点的技术、持续培训和定期运营审计。最后，但并非最不重要的是，制造商必须努力不断改进，以保持业务的竞争力。

参见本文的侧栏:提高质量的关键