质量管理是如何演变成质量情报的？
关键词：InfinityQS,ProFicient,SPC,质量管理
InfinityQS 从事制造质量软件业务已有 30 多年的历史。我们软件技术的核心是统计过程控制 (SPC)。
创办这家公司的两位先生曾在南加州的一家大型电子公司工作。在那里，他们的任务是选择一个好的统计过程控制软件产品，用于他们的电子制造设施。几个月的搜索没有发现包含他们所需的灵活性和功能的软件。于是，他们决定创办自己的公司——InfinityQS。所以，我想说我们首先是制造人，其次是软件人。我们在制造工厂的背景和工作帮助我们了解在车间部署质量技术所面临的独特挑战。
我们的使命是客户的成功。引用我们使命宣言中的第一句话：“我们的使命是通过提供超出预期的软件服务和专业知识，帮助各种规模的组织实现卓越的质量。” 30 多年来，我们一直专注于客户的需求和成功，帮助他们成功使用 SPC，更广泛地说，帮助他们成功使用质量系统软件。我们已经帮助全球各个行业的公司在多个工厂中进行部署和标准化，并在整个公司范围内提高效率。
质量管理是如何演变成质量情报的？是什么让这种演变对现代制造业务至关重要？
20 或 30 年前，制造质量主要侧重于在最短时间内或实时响应出现的质量问题（可以说是灭火）。这在今天仍然很重要，因此我们支持实时通信和实时改进方案。质量情报不仅仅是对问题的响应。这个想法是聚合已经用于车间实时决策的数据。审查这些更高级别的数据总是会发现否则会遗漏的关键信息。我们的软件具有专门的分析工具，使我们的客户能够提取非常有价值的信息，这些信息可用于战略性地削减成本和提高质量。
聚焦所有工厂质量改进的最大机会是我们产品提供的独特功能之一。InfinityQS 软件确定可用于基准测试最佳实践的最高质量领域，以及最需要质量改进的领域。质量智能不仅仅是本地化的工厂改进，它是关于识别可以跨多个工厂部署的高级改进。
现代制造的几个方面使得向质量智能转变在当今的制造运营中至关重要：制造运营的规模和规模、这些运营的投资额以及竞争的广度。我们合作的许多公司都是全球实体，拥有数百家工厂。当较大的组织发现单个工厂的质量节省时，他们可以在所有运营中复制这些改进，从而节省数百万美元。
历史告诉我们，当竞争加剧时，就像今天一样，客户决定了这一天。取悦客户意味着始终如一地生产高质量的产品。它还意味着不断分析数据并寻找机会来提高产品质量、降低成本和提高运营效率。这就是质量情报和我们的软件大放异彩的地方。
当今制造商面临的一些最关键的运营挑战是什么？
首先，我想说，任何市场和任何利基市场都有过多的制造商和供应商。拿你在个人生活中使用的任何产品——一辆汽车、一张桌子、一支铅笔、一把叉子——来说，无论是什么产品，你都会发现有无数制造商制造它并相互竞争。激烈竞争的结果是，质量已成为一个非常明显的差异化因素，一个关键的差异化因素。每个消费者都希望优质的产品经久耐用，而且价格实惠。这不再只是关于价格，而是关于质量。
对于大多数制造商来说，大约 15% 到 20% 的总体运营成本是质量差的结果。如果您可以将该百分比降低到 10% 以下，那么您就可以降低竞争对手的定价，同时仍然提供质量更好的产品。这是一个巨大的挑战。缺陷、报废、返工、检查成本等等——都会导致低质量，并且都会产生相关成本。组织必须不断削减成本，但要明智地这样做。组织必须努力生产满足客户需求的最高质量的产品——尽可能高效地降低低质量的内部成本。
另一个挑战是标准化。对于拥有多个工厂（数十个或数百个）的组织而言，标准化是一个巨大的挑战。如果公司能够标准化，那么他们就可以简化运营并降低运营和系统支持成本。标准化还有助于确保生产线的一致性和产品质量的一致性。但我要补充一点：通过标准化，组织可以了解他们所有工厂所需的数据。缺乏可见性是一个巨大的问题。没有跨工厂质量可见性的组织对可用于改进所有工厂的关键信息视而不见。令人惊讶的是，一些组织仍然依赖电子表格和纸质系统来管理质量。这些系统根本不适合跨工厂质量可见性。
最后，当今制造商面临的另一个挑战是技术。我们仍然看到使用过时计算机和软件系统的组织。许多组织认为更新技术非常昂贵。我相信事实正好相反。尤其是使用当今新的基于云的技术。软件即服务 (SaaS)坦率地说，这比使用电子表格和纸质系统来管理质量要便宜得多。纸质系统和电子表格系统效率极低。它们非常昂贵，因为它们必须被管理，而且它们非常耗时和繁琐。由于云是一项相对较新的技术，因此许多组织不愿意迁移——他们在自己的位置上很自在。（而且，让我们面对现实，没有人喜欢改变。）但是，目前使用云技术的组织比其他不利用 SaaS 产品的组织具有优势——它们具有跨工厂可见性、更好的标准化和更多的信息，可以降低成本和生产力提高。
这些挑战如何迫使制造商改变他们在组织中管理流程和产品质量的方式？
我能想到的最明显的例子是使用纸质质量系统的公司。纸张效率低得令人难以置信，而且价格昂贵。写在纸上的信息只有写它的人知道。一旦写下来，数据就永远被囚禁在纸上，永远无法重复使用、重新利用，甚至无法绘制在简单的图表上。
问题是，不能期望人们在纸上写出完美的数字和字母。即使您忙碌的操作员确实完美地记下了数字，这些数据如何为工厂或公司服务？充其量，书面数据只是对操作员的本地化验证，他们自己实际上收集了数据。
如果这些数据值需要由经理审查，那么审查过程就是一场噩梦。我亲眼目睹了质量经理每天对纸上的数据进行审查。我遇到的一位质量经理的办公桌上放着大约 100 张纸。他告诉我，要审查这一切，他必须仔细检查写在每张纸上的每一个值。当我问他在找什么时，他回答说：“我不知道。我只是想看看是否有什么地方不对劲。” 这不仅效率低下；这是浪费时间。写下数据的操作员可能了解与数据相关的上下文和规格限制，但其他人不了解。趋势呢？生产线之间的性能比较如何？使用纸张时，除了操作员（可能还有主管）之外，所有内容都丢失了，
摆脱纸张并拥抱技术对于发现削减成本的机会至关重要。如果您的质量程序、流程、数据收集、分析和报告都在云中，那么您可以跨产品代码、生产线、工厂甚至整个企业进行标准化。您可以分析您想要的任何数据，同时为经理、工程师、质量专家和 6 Sigma 团队提供数据可见性，他们可以帮助快速削减成本和优化效率。
InfinityQS 的 ProFicient 与市场上其他质量管理解决方案有何不同？与其他解决方案相比，它的主要优势是什么？
ProFicient 的设计非常易于使用，但也非常灵活。软件的这两个方面通常不会结合在一起，但在 ProFicient 中它们会结合在一起。我们理解希望确保您使用的质量体系对操作员来说非常简单且快速，因为操作员是忙碌的人。因此，我们的操作员界面很简单，而且大多数功能都是自动化的：数据收集、报警、图表、报告、通信、电子邮件等。 ProFicient 是一种灵活、功能丰富的产品，针对车间使用进行了优化，这是一个我们与市场上的竞争对手之间的巨大差异化。
ProFicient 与竞争对手相比的另一大优势在于它的配置方式。与其他产品不同，单个 ProFicient 配置可以管理多个产品、生产线、班次和多个工厂的数据收集和分析。这意味着部署和管理的简单性。
从操作员的角度来看，单个配置可以支持在轮班期间切换到不同产品代码的操作员十几次。并且可以在多条生产线中使用相同的配置。最终，这意味着不仅操作员易于使用配置，而且管理员可以快速创建和管理配置。
如果您有数千个产品代码和数百条生产线，您只需少量配置即可管理这些类型的部署。当制造过程中不可避免地发生变化，或者需要将附加功能添加到数据集合中时，管理员只需为整个工厂修改一两个配置。
我曾经与制造外科脊柱螺钉的医疗设备客户合作。由于所有人的身体如此不同，螺丝有许多不同的形状和尺寸——总共有 10,000 个不同的零件编号。
通过单一配置，ProFicient 能够支持整个部门的数据输入和分析需求。也就是说，在他们的九个不同螺丝机中的任何一个上输入 10,000 个零件号中的任何一个的数据只需要一个配置。ProFicient 只需几个配置即可管理这些情况的能力对我们来说是一个巨大的差异化因素。
另一个区别：ProFicient 专为多工厂部署而设计。我们内置的企业层次结构意味着可以使用软件的单个实例管理整个企业的质量。公司层级可以阻止工厂 A 查看工厂 B 的数据，但它也可以允许公司查看所有工厂的质量数据。
如前所述，对于大多数组织而言，一个巨大的挑战是可见性。由于 ProFicient 可用于按需、基于云的环境，因此我们可以创建跨工厂报告和分析，以提供企业质量人员识别更高级别质量机会所需的信息。对于这些分析，ProFicient 使用专有算法生成指标并与汇总数据进行比较。即使是彼此截然不同的产品代码也可以相互比较。这意味着以一种非常容易理解的格式向质量专业人员（甚至非技术人员）提供有价值的质量信息。您无需成为统计学家即可使用我们的软件。ProFicient 可以轻松使用由您的质量数据生成的信息。
最后，ProFicient 可以管理来自任何电子系统的自动数据收集。无论是ERP或 MES 系统、定制数据库系统、在线数据收集系统还是手持式数据收集设备，ProFicient 都支持从任何数据源进行全自动数据收集。这意味着数据的准确性、简单性以及管理质量体系所需的时间减少。
ProFicient 提供哪些功能来改进制造商在其组织中进行质量管理的方式？
我们的软件产品使组织能够将数据转换为信息。我们的客户在他们的工厂中依赖于各种不同的数据收集系统。正如我之前提到的，我们的客户可能会使用 ERP 系统、MES 产品、可编程逻辑控制器 (PLC)、手持式仪表和在线数据收集设备。他们在车间收集大量数据，并使用不同的系统收集这些数据。这是当今制造业面临的挑战之一：太多数据驻留在独立、断开连接的系统中。我将它们称为“数据岛”，因为根据定义，我刚刚列出的数据收集系统彼此独立；他们既不交谈也不相互融合。
ProFicient 充当这些数据岛之间的桥梁。ProFicient 可以从数据岛中采样和提取数据，然后将这些数据存储在一个单一的存储库中。ProFicient 通过将每个岛屿的不同数据标准化为一种简单的格式来实现这一点。然后 ProFicient 将所有采样数据存储在一个数据库中。结果是您将所有关键质量数据集中在一处——无论是特定于流程的数据、产品检查、验证、MES、ERP 数据，都无关紧要。一切都保存在一个地方——来自一个制造工厂，或来自多个地点。
ProFicient 还帮助制造商提高制造源的质量——在车间。ProFicient 非常易于操作员使用。任何每天生产产品的人都会从 ProFicient 收到有关其机器运行方式的特定信息。ProFicient 会在质量水平发生变化以及某些内容超出规格限制时提醒操作员（和管理人员，无论他们身在何处）。
它不仅仅是数据聚合和整合；我们为制造产品的人们提供他们所需的信息，以确保他们的流程尽可能高效和高质量。
由于数据存储在一个地方，质量专业人员可以轻松地分析他们想要的任何数据，并确定关键质量项目和活动的优先级。ProFicient 是您的操作员、经理和质量专业人员的一站式服务点，可以获取他们所需的信息，以确保在车间取得质量成功。
高管和企业主可以轻松访问 ProFicient 创建的摘要信息。我们发现这有助于他们确定他们希望在哪些方面投资附加技术（或确定他们不需要在哪些方面投资附加技术）。
在过去的几年里，制造业真正推动了自动化。我们发现，盲目地在新的自动化技术上花大钱不一定是正确的举动：如果您的生产线产出质量低，那么您就不想将其自动化，而只是在短时间内制造出更多的劣质产品。速度更快。
企业主和工厂经理将精力集中在存在质量问题的领域，他们可以利用 ProFicient 提供的信息，使用旧机器并显着提高这些机器的质量水平。
ProFicient 提供的信息可以帮助消除质量缺陷，而无需昂贵的自动化。
您如何看待当今的制造商如何看待未来的挑战并为之做好准备？
客户需要两件事：更强大的功能和增强的简单性。近年来，这些要求一直在增长。虽然它们似乎是相互矛盾的需求，但它们正是我们现在看到的制造商生产的东西。以智能手机为例。几年前推出一款著名的智能手机时，该公司首席执行官说：“这款手机将只有一个按钮和一个按钮。” 与竞争产品相比，他们使该产品具有大量功能，但又增强了简单性。那部智能手机改变了蜂窝通信领域的游戏规则。汽车也是如此。现代汽车在事物发生之前感知事物并防止事故发生的能力令人惊叹。
同时，消费者想要更多的定制自由。我现在正在与一家制造大型工业产品的公司合作。他们的客户想要他们的产品，但他们希望根据他们独特的规格进行定制。因此，该公司生产的几乎每一款产品都是定制的，规格限制不同，功能不同，与从生产线下线的最后一个单元相比，它是一个完全定制的产品。这意味着制造过程必须变得更加敏捷和灵活。因此，它们将需要更加复杂。这可能是质量问题。
此外，由于组织在车间收集了如此多的数据，因此人们对使用这些数据做出智能制造决策的兴趣不断增加。如前所述，今天的车间充满了数据。真正的挑战是试图让所有数据变得有用和可消费。
组织正在询问如何管理这些数据。如何让它对需要每分钟做出重要决定的人有价值。将此类有价值的信息提供给合适的人将在不久的将来推动卓越的制造。
竞争如此激烈，制造商的风险很高。为了做出正确的决策、提高效率和降低成本，人们将更加依赖数据。从我们的角度来看，数据智能是关键。我们发现数据是组织如何降低运营成本的核心。随着每个市场中供应商和竞争对手的数量不断增加，降低质量和其他成本是一项战略努力，其重点将很快加速。
数据智能将是确保制造自动化按预期工作的关键。数据应该告诉制造商他们需要做什么以及什么时候做。不能再依赖人类每周 7 天、每天 24 小时查看数据，然后告诉我们需要做什么。相反，质量情报的提取必须是自动化的。
很快就会实现自动数据分析和信息共享，这样机器本身就会告诉我们需要做什么。在不久的将来，机器本身将收集数据，从中学习，然后对配置和设置进行自己的修改和更改。这种基于数据的实时“闭环控制”制造了企业一直未能成功的制造必杀技。然而，由于数据过多且人类无法理解这一切，在不久的将来，将需要机器学习和闭环控制来确保制造质量的可行性。
质量情报如何支持未来？
我认为质量智能是制造业未来发展的核心。质量情报将帮助组织了解他们如何快速和高质量地进行大规模定制。ProFicient 已经走在了前列；我们支持所谓的短期 SPC。这是我们的强大能力之一。ProFicient 支持 300 多种不同的控制图来管理令人难以置信的技术短期情况——例如大规模制造定制所需的情况。ProFicient 还提供聚合数据分析，支持从大量数据中自动提取质量情报。
正如我之前提到的，质量情报是关于从收集的质量数据中学到的信息。ProFicient 可以充当所有不同数据岛之间的桥梁。ProFicient 可以从每个数据岛中采样数据，将其整合到一个集中的数据存储库中，让任何人都可以使用您的所有关键质量数据。质量情报指标和分析也内置于 ProFicient 中，允许用户轻松地从大量数据中提取有意义的信息。ProFicient 自动执行这些操作，并可以自动将这些发现呈现给质量专家、经理、企业主和其他需要做出关键决策的人。这就是 ProFicient 的设计初衷。
机器学习、人工智能、闭环控制等技术的未来挑战越来越明显。所有这些技术都是基于数据的。数据是 ProFicient 工作的核心。需要有一个地方让那些 AI 引擎、那些机器学习引擎可以获取信息，而那个地方就是 ProFicient。