文 | 奥纬咨询 Richard Hell，Hannes Engelstädter

新冠肺炎疫情的爆发给制造业及其供应链造成严重冲击，对产业链中的采购、物流、生产及质量等各个环节带来巨大影响。同样，这场危机也为质量管理带来了新的挑战，暴露了现有质量管理体系中的短板，使“制造业韧性”成为人们关注的焦点。

奥纬（Oliver Wyman）的制造业专家们认为，质量管理可以成为制造业技术转型过程中的有效抓手。通过利用高级分析技术（advanced analytics）和自动化技术（automation），数字化可以实现更高的效率和更强的韧性，为制造业恢复元气带来立竿见影且可持续的效果。

为提高数字化与自动化生产水平，制造企业必须将以下三个数字化维度纳入生产经营体系：数字化生产和质量反馈系统、人工智能（AI）质量检测与视觉控制、自动化的实时生产和质量控制中心。

数字化生产和质量反馈系统

在劳动密集型产业和相关制造业中，生产中断、劳动力短缺、培训不足、返工率和报废率上升等均会直接对整体产量和非质量成本造成负面影响。一直以来，制造商往往通过在关键生产步骤中设计质量门（quality gate）来减少此类负面影响。然而，这种做法较为低效，且仅在严重情形下才有助于解决问题。同时，由于缺乏数据基础架构及数据整合，生产负责人无法全面掌握生产的实际情况，甚至会产生误读。

数字化生产和质量反馈系统使用高级分析技术和实时的生产流程验证进行质量跟踪，有助于防止生产偏差或不合格产品，降低返工率并减少生产瓶颈。此外，该反馈系统利用数字化工具将工作程序转换为可视化的操作指引和质量检查，便于操作人员的理解和使用。

这种创新解决方案不需要投资一个庞大的全方位工业物联网平台。相反，它从两个方面利用现有的运营数据改善生产：首先，凭借数据分析和AI算法所提供的必要信息进行有序且及时地校正，从而避免打断整个生产流程；第二，以简单便捷的形式向生产线工人提供有针对性的信息和操作建议。

AI质量测试和视觉控制

质量管理流程中的人工检查通常耗费大量的劳动力和时间成本，且由于质检员变动、未知缺陷和人为错误等原因，质检水准难以保证。

在生产线上采用基于测试的视觉控制系统和基于机器学习的流程和质量控制系统，可以即时识别操作员的错误、产品质量偏差和生产流程变化。该系统通过多个摄像头处理视频图像，使用深度学习模型来检测产品缺陷和异常情况，并充当数字化助理，为操作员预警潜在问题，提供解决问题的指令。同时，该系统还可以通过数字孪生（digital twin）为工厂运营、生产计划和质量管理提供实时洞见。

自动化的实时生产和质量控制中心

即使是生产和质量负责人，对单个或多个工厂中的实时数据、运行情况和质量绩效的了解也是有限的。质量管理、产量目标和整体优化等问题都会增加生产系统的压力，而生产和质量控制中心则可以通过内部互联的关键要素应对上述挑战，包括：对单个车间到多层次工厂均实现实时操作监控，快速识别偏差、解决问题；提供高级分析预警、性能趋势预测及可行的改进意见，防止上游生产出现重大质量问题；使用集中数据和跨部门的关键绩效指标，为质量管理和附属职能提供端对端的生产流程绩效，并展现生产运营的综合情况。

未来几年，制造业很可能会继续经历需求端的不确定性以及供应链中断的情况。现阶段，实现质量管理的三个数字化维度所需的技术已经成熟并且较容易获取。短期内，这些技术可以帮助制造业平稳运行，提高发展质量；长远来看，通过预防质量问题和减少产量升级时出现的波动，数字化技术将有效提高生产韧性，推动制造业更高效地发展。