质量管理与增长之道调查报告2024

2一、新时代质量管理理论与实践 （一）质量管理的概念 （二）质量管理的重要性 （三）制造业质量管理现存问题 3（四）新质生产力背景下的质量管理 4（五）质量管理的发展 7二、开展质量管理的关键要点 9（一）增长策略 9（二）质量4.0阶段的创新改进——智能质量管 三、给企业的建议 （一）把握发展趋势 （二）聚焦运营管理 （三）拥抱数智化 （四）用好标准化 （五）学习标杆企业经验 1质量管理与增长之道一、新时代质量管理理论与实践（一）质量管理的概念质量管理是指确定质量方针、目标和职责，并通过质量体系中的质量策划、控制、保证和改进来实现的全部活动。它涵盖了市场研究、设计、制造和售后服务等方面，是将企业内各部门的研制质量、维持质量和提高质量的活动构成为一体的一种有效的体系。（二）质量管理的重要性质量管理是保障企业增长的关键基石，是现代企业成功的关键要素之一。质量管理对企业增长的重要性主要体现在以下六个方面：1．产品质量是企业发展的根本产品质量是企业立足的根本，它直接决定了企业的生存和发展命运。对于产品来说，没有质量就没有市场，没有质量就没有效益，没有质量就没有发展。2．质量管理提升企业竞争力在竞争激烈的市场环境中，质量管理可以帮助企业区分自己，提供超越竞争对手并令用户满意的产品或服务。2优质的产品和服务有助于建立和维护企业的品牌声誉，增强市场竞争力。3．质量管理影响企业成本和盈利质量是企业生存和发展的基础，效益是企业持续增长的源泉。高质量的产品和服务能够吸引并留住顾客，提高顾客满意度，从而带来更多的销售和利润，提高企业盈利4．质量管理促进企业创新和改进质量管理鼓励企业不断寻求改进产品和服务的方法，从而激发创新。通过对产品和服务进行持续的质量评估，企业可以及时发现过程中存在的问题，获得改进的机会，进而推动创新。5．质量管理是供应链管理的基础当供应链中的每个环节都能提供优质的产品和服务时，有利于维护供应链合作伙伴关系，有助于建立稳定的供应链。质量管理还可以帮助企业识别和改进供应链中的低效环节，从而提高整体的运营效率。6．质量管理推动品牌建设增强信任高质量的产品和服务是塑造积极品牌形象的基础，有助于建立客户、员工和利益相关者对企业的信任，这对于企业的可持续发展至关重要。3（三）制造业质量管理现存问题当前制造业在质量管理过程中仍然存在壁垒，其痛点仍然十分显著。1．质量把关缺陷在制造业领域的生产过程中，可能会出现各种各样的问题，包括原材料质量、生产过程中的错误、设计缺陷等。而质量管理就是对于产品质量进行把关的关键一环，但是尽管一再强调质量管理的作用，仍然有不少企业在质量管理方面把关工作不到位。2．成本控制不到位质量管理其实是成本控制的一部分，在当前制造业质量管理的过程中，仍然有很多企业投资大量资金和人力物力进行质量管理，导致成本增加。或是因为需要进行各种检验和测试，导致生产时间更长，进而导致生产效率变低。诸如此类问题都是由于成本控制不到位导致的。3．专业质量管理人员稀缺制造业需要高素质的员工，他们需要有专业知识和技能，以满足不断提高的客户需求和市场竞争。但在目前的制造业质量管理领域，专业能力水平过硬的质量管理人员仍然是稀缺的。因此企业需要进行专业人员培训，不断提高员工专业水平。44．供应链管理挑战制造业的供应链非常复杂，需要对供应商和合作伙伴进行监督和管理。制造企业需要建立一套供应链管理系统，以确保所有的供应商和合作伙伴都遵守质量和安全标准。这需要制造企业建立一个透明的合作体系，以确保所有的供应商和合作伙伴都能够理解并遵守企业的要求和标准。（四）新质生产力背景下的质量管理新质生产力是以新技术深化应用为驱动，以新产业、新业态和新模式快速涌现为重要特征，进而构建起新型社会生产关系和社会制度体系的生产力。它是科技创新交叉融合突破所产生的根本性成果，代表了生产力的跃迁和变革。它是推动经济社会发展的重要动力，是科学技术进步与生产方式、经济结构、社会制度创新相结合的具体体现，也是马克思主义生产力理论的中国创新和实践。1．新质生产力的产生新质生产力概念的首次提出于2023年9月，此后在全国多次重要会议中，新质生产力的重要性及发展要点得到了进一步明确。详见图1。5新质生产力是以科技创新为主导、实现关键性颠覆性技术突破而产生的生产力。新质生产力概念的提出，体现了马克思主义当代化，蕴含着生产力从量变到的质变的飞跃。我国经济发展模式亟待转变，培育新质生产力是产业转型升级的重要之举，也是我国经济高质量发展的关键。2．质量管理与新质生产力新质生产力的核心标志是全要素生产率大幅提升，特点是创新，关键在于质优，本质是先进生产力。详见图2。因此做好质量管理是发展新质生产力关键所在。6质量管理与新质生产力之间存在密切的关系，主要体现在以下三个方面：第一，质量提供新质生产力“新”的保障。新质生产力不同于传统生产力，它以科技创新为主导，将创新应用于生产过程中的多个要素，从而转化为实际的生产能力，推动生产力的变革。科技创新，尤其是颠覆性和前沿技术的发展，需要质量提供稳定性和一致性的保障。只有不断提升质量，才能激发科技创新的活力，催生新产业、新模式和新动能，从而形成新的质量生产力。第二，质量推动新质生产力“质”的优化。在坚持创新驱动的基础上，新质生产力通过劳动者、劳动资料和劳动对象等生产要素的优化组合在生产中应用，从而产生更强大的创新驱动力。通过全面质量管理，实现生产过程中各要素的协作和高效沟通，优化资源配置和利用，提高全要素劳动生产率，从而推动新质生产力的质变。第三，质量促进新质生产力“力”的合成。新质生产力主要体现在战略性新兴产业和未来产业，注重用新技术改造和提升传统产业，实现产业高端化、智能化和绿色化。其中所需要的质量支撑，包括计量、标准、合格评定等构成的质量基础设施的全链条服务和保障。同时，传统产业的转型升级也需要全面提升质量管控水平，推动企业质量管理的数字化、集成化、协同化和智能化。7综上，质量管理对于新质生产力的发展至关重要。通过不断提升质量，我们可以为科技创新提供稳定的基础，优化生产力要素，推动产业升级，从而形成更具活力和竞争力的新质生产力。（五）质量管理的发展1．质量管理发展历程质量管理随着企业生产方式的变革不断演进，与企业成长相辅相成。质量管理从形成发展至今经历了质量检验阶段、统计质量控制阶段、全面质量管理阶段、质量4.0阶段。详见表1。年念及8进行质量检量在工业4.0背景下,利用新一代信息技术对质量管理理念、方法的改进与创新，可以最大化提升产品全生命周期质量、提高质量管理效率、减少缺陷并降低成本。质量4.0具有三个主要特点：第一，质量4.0强调传统质量管理方法改进及创造新的质量管理方法。第二，质量4.0是面向个性化产品全生命周期的价值创造过程。即产品从准备进入市场开始到被淘汰退出市场为止的全部运动过程，包含研发设计、制造装配、物流服务等环节。第三，质量4.0注重精益与零缺陷质量思想的结合。为了应对大规模个性化产品的质量需求，质量4.0需要质量管理活动具备更加高效、灵活的响应。3．质量4.0基础架构质量4.0的基础架构可分为四个层面，包括决策层、9分析层、边缘层、物理层。详见图3。【注：质量功能展开（QFD发明问题解决理论（TRIZ故障模式及影响分析（FMEA故障树分析（FTA】二、开展质量管理的关键要点（一）增长策略质量管理是企业增长的驱动力。企业通过对各个环节的管理和运营，确保对质量进行有效把控，从而实现提质创优促升级的高质量发展。1．领导力和组织文化领导者的价值观和信念直接决定企业文化的形成，如果领导者重视客户服务和质量，那么企业文化就会注重提供优质的产品和服务。领导者还可以通过改变经营理念和战略改变企业文化，通过不断沟通和行动传达企业价值，塑造新的企业文化。企业“走质量效益型发展道路”首先需要领导者指导并确立“质量优先”的企业文化，明确企业的价值观和行为准则，努力实现全面质量管理，走高附加值、高技术含量的差异化产品发展道路。2．顾客导向以顾客为关注焦点是ISO9000：2000标准中八项质量管理原则的首要原则，标准明确要求关注顾客，从管理承诺到产品要求的确定，都体现了这一原则。企业的生存发展依赖于顾客，市场竞争的核心在于吸引和留住顾客，顾客满意度是企业经营业绩的重要指标。因此，企业必须理解顾客的期望，通过经营活动满足甚至超越这些期望，从而推动企业增长。企业可以通过建立以用户为中心的运营机制落实顾客导向，一般步骤如下：第一，把握用户需求。参照用户需求识别、产品功能、过程控制、用户使用跟踪等方面信息进行产品质量策划。第二，关注用户感知。实施产销研一体化战略，进一步研究把握企业产品性能、质量差异、技术需求和发展趋势，对产品进行准确的市场定位，开发符合市场需求、科技含量高、附加值高的产品，增强企业产品的市场竞争力。第三，确保用户满意。持续创新和改进是创造用户价值的关键，做到生产组织方面由满足企业标准向满足用户使用要求转变、质量改进方面由封闭型向开放型转变，从为客户提供更好产品和服务支持。第四，创造用户价值。通过关注用户的需求、不断创新和改进，在竞争激烈的市场中脱颖而出，并赢得用户的信任和忠诚。3．创新驱动创新驱动是企业持续增长的关键。只有通过不断创新，将高端制造等领域的核心技术掌握在自己手中，才能突破卡脖子困境，有效打破国外垄断。加强创新驱动需要政府和企业的共同努力。从政府方面来说，一是可以通过强化价值导向，不断深化创新激励机制，如设立研究与应用创新中心、利润分享、揭榜挂帅等，激发员工和企业创新活力。二是加强源头布局，推动技术创新生态圈建设，积极构建开放式创新体系。从企业方面来说，一是设立创新奖励，鼓励员工提出创新想法和方案。二是培养鼓励创新、接受失败的企业文化。让员工积极尝试新的想法和方法，从而推动企业的创新。三是增加对研发的投资，以支持新产品和技术的开发，不断推出新的产品和服务，满足市场的需求，从而实现持续增长。4．过程管理过程管理强调在产品或服务生产过程中，通过有效的控制和优化，确保产品（服务）质量形成过程按照规定、程序和方法在受控状态下长期有效运行，从而保障质量的稳定性和持续改进，提高资源利用效率，降低质量风险。具体实施方法通常包含过程策划、工序质量控制、过程质量审核等。以宝钢的“一贯制质量管理”为例，其实施方法遵循着以满足用户需求为前提、集中+全流程一贯管理、强化过程控制的基本思想，以达到质量稳定、成本最优、效率最高的目的。详见图4。5．持续改进持续改进是企业连续改进某一或某些运营过程以提高顾客满意度的方法。一般步骤包括确定改进目标、寻找可能的解决方法、测定实施结果、正式采用等。要求企业营造一个全员参与、主动实施改进的氛围和环境，以确保改进过程的有效实施。详见图5。6．数据分析和决策数据分析决策在质量管理体系中起到了重要支撑作用：一是打通数据孤岛，建立质量大数据中心，使得质量追溯更精准；二是使质量策划、控制计划、监控预警等8个质量管理业务过程更智能化；三是为从客户需求到生产制造到客户服务的一贯制全流程质量管理提供实践数据参考。具体实施内容详见图6。7．人才培养人才培养可以为质量管理提供坚实基础，企业通过人才培养可以提高员工的质量意识、提高员工专业技能和良好素质、强化工匠精神、并推动质量管理体系建设。人才培养涉及到培养和发展员工的技能、知识和素质，有助于他们胜任质量管理的职责。建立高水平人才培养体系，能够为企业持续发展提供有力支持。企业的人才培养体系应该根据企业的战略规划和实际需求，明确目标、关注核心对象、规范管理者履职，并营造良好的学习氛围。在新型工业化的背景下，企业应结合实用性和现实性学习方法，聚焦创新、自主研发，注重高技术研发人员、中高层管理人才的培养。8．市场拓展市场拓展不仅可以帮助企业打开新的销售渠道和市场，从而实现销售增长，还可以帮助企业分散依赖单一市场或客户群体的风险，并创造新的商机和业务机会。企业在考虑市场拓展时应考虑以下几点关键因素：第一，提前对目标区域做好市场研究，制定国内和国际化战略。第二，明确产品市场定位，持续改进和创新产品以满足不断变化的市场需求，确保产品质量以建立良好的声誉。第三，建立强大的销售网络，包括拓宽销售渠道，培训销售团队，与分销商、代理商和其他合作伙伴合作等。第四，形成遍布国内、延伸海外的营销服务网络，保证高效的客户服务和售后支持。品牌是企业高质量发展的重要象征，做好品牌建设可以提升企业产品的价值和市场竞争力。企业做好品牌建设的关键步骤包括：第一，打造一套完整的品牌体系，包括品牌定位、品牌价值、品牌形象等，使得品牌在市场中具有独特的地位。第二，持续开展高品质品牌活动，反映品牌的核心价值，吸引目标客户的注意。第三，用新媒体平台，如社交媒体、博客、视频网站等，讲述产品的故事，展示产品的特点和优势，传播品牌的形象。第四，利用好数字化营销，利用社交媒体、搜索引擎优化等数字渠道，扩大品牌知名度和影响力。（二）质量4.0阶段的创新改进——智能质量管理智能质量管理利用先进的技术和方法来提高产品和服务的质量，是当前全面数智化背景下推动企业成长、实现可持续发展的必要手段。1．智能质量管理的三个维度中国学者刘虎沉等在研究质量4.0基础上，进一步提出了“智能质量管理”概念，并给出定义：在新技术变革背景下，以数字化、网络化、智能化与传统质量管理实践深度融合，基于产品全价值链开展的质量管理。智能质量管理涵盖了技术维度、活动维度、价值维度等三个维度，旨在通过提高质量管理的效率、精度和灵活性，实现高质量的产品和服务。详见图7。技术维度主要是通过信息技术，构建基于数据的一系列质量决策模型，促进依靠人工判定的决策机制转变为基于数据驱动的自优化、智能化决策机制，有效提升质量业务决策的效率，降低质量风险，提升用户体验，强化对不确定性的柔性响应能力和水平。主要包括三个方面：一是数字化。既包括企业生产管理过程中数据信息生成、传输、存储、管理及分析的微观过程，又指建立企业内数字化的信息管理系统、采用数字化的管理模式和管理方法等宏观过程。二是网络化。将一个个虚拟世界中的“数据孤岛”进行互联互通，全面增强系统与系统、企业与企业、产业与产业间的信息交互和管理协同。三是智能化。分析能力和决策能力的全面提升与进步，主要依托于人工智能技术的发展和应用。以数据分析为例，基于人工智能的数据挖掘技术可以在大数据分析中通过机器学习、深度学习等方法发现隐藏于其中的信息与知识，挖掘不同变量之间深层次关系与模式。活动维度主要是通过加强对产品、需求端及生产过程的质量数据采集，对顾客需求及质量问题进行分析，并以质量数据流动促进企业内部跨部门质量协同和产品服务创新，优化生产工艺和复杂的质量管理过程，有效提升质量协同效率。主要包含六个方面：一是质量设计。利用新一代信息技术使得传统质量设计方法得到强化，如QFD。大数据使市场和顾客的细分更加容易和清晰，也更能够获得各种明示或潜在的需求，使质量能够真正从设计起始端就做到以顾客为中心。二是质量检测。质量检测效果受机器视觉等技术发展的影响，其能力得到显著提升与增强，检测效率更高且结果可靠。三是质量监控。通过人工智能、物联网、工业大数据等技术对产品全价值链进行实时质量监控，以便在质量问题出现的第一时间将其感知、上报并加以分析，从而避免或减少质量损失。四是质量预测。如采用新一代信息技术，对产品进行大批量检测并利用缺陷概率数据预测质量问题。通过对产品加工方法、设备、材料、环节和工艺参数等因素使用机器学习算法构建模型，实现产品的质量预测及工艺优化。通过人工智能等技术减少因设备故障、宕机等问题带来的产品质量问题和资源浪费。五是质量追溯。基于物联网、数据库和制造执行系统等技术，产品全生命周期中的关键数据将得以长时间存储、管理，并且可以随时调用如产品的料号、批号、序号、缺陷等信息，对任何一个产品都可以快速、精确地确定缺陷产生的时间、地点、工序等信息，以完成质量问题的溯源。同时，可以将质量问题实时数据结合历史数据、知识经验数据进行智能分析，以判断质量问题产生的根本原因。六是质量改进。利用机器学习等技术对生产工艺进行优化与改进从而减少质量问题，也可对复杂的质量管理过程进行优化。价值维度主要是基于获取的高质量数据，优化产品全流程的研发、生产及服务质量，从而实现降本增效，为企业创造更多价值。主要包含四个方面：一是产品研发。研发阶段的质量管理除了要确保产品研发人员高质量地完成各项产品研发任务，还需要确保高质量的数据获取基础，以便利用用户及产品数据进行分析或建模等，进而为产品工艺优化提供经验。二是产品生产。基于生产制造流程中的数据对产品质量进行检测、实时监测及预测性分析，并基于分析结果不断优化制造过程，从而保持产品质量水平的同时可以有效降低企业原材料及人力成本，在生产流程中为企业创造更三是产品服务。可基于自然语言处理技术构建人工智能客服，提升产品售后服务质量的同时减少客服人力成本；可利用运筹优化算法对复杂的大型质量管理活动进行优化，包括质量管理资源调度、质量管理计划调度等；可利用人工智能算法实时规划产品物流配送路径，节省物流时间并提升客户满意度，从而提升服务质量。（Social）、和治理（Governance是一种综合性的考量框架，用于评估企业在环境、社会和治理方面的表现。ESG框架旨在帮助投资者和利益相关者综合考量企业的全面表现，不仅仅关注财务指标，也考虑企业对环境、社会和治理方面的管理和影响。2．智能质量管理的九项关键技术智能质量管理涵盖九项关键技术，包括物联网、大数据平台、云计算与边缘计算、机器学习、机器视觉、数字孪生、无线通信、可视化、区块链等。物联网技术是智能制造背景下制造业的新基建，是工业大数据的重要数据源。物联网技术通过各种装置与技术，通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。物联网技术还可在产品生产、制造及装配过程中对质量问题快速响应，帮助质量管理者及时追溯、消除质量问题产生的根源。大数据平台技术为智能质量管理提供一系列数据服务。质量大数据平台技术架构包括数据的收集、预处理、存储、分析、治理、可视化及应用等功能，旨在提供全面性、真实性的数据，然后基于实时数据、结合历史数据、经验知识数据进行分析，并帮助质量管理者更好地理解分析结果并快速决策。数据分析的最终结果将应用于质量管理中的质量监控、质量预测、质量改进等活动。3)云计算与边缘计算云计算和边缘计算代表了质量大数据处理、计算及分析的两种不同模式，分别发生在云端服务器和边缘服务器。云计算可以按需灵活地调用算力资源，使企业能够极好地控制算力成本。边缘层更加贴近数据源，可以有效提升数据处理效率，但由于硬件能力的限制，很难实现复杂的计算与分析。因此在当前的质量管理实践中，往往采用云边协同的方式进行数据处理与分析：利用云端进行人工智能模型的训练和下发，利用边缘计算和边缘控制器进行算法的执行和设备的控制。4)机器学习机器学习旨在用计算机模拟人类学习行为从而获取新的知识与技能，可以通过“高通量计算、实验和大数据分析”加速“发现-研发-生产-应用”全过程，缩短研发周期，降低研发成本。深度学习算法学习效果更好，被广泛应用于计算机视觉、自然语言处理等人工智能领域。在智能质量管理中，机器学习和深度学习技术可用于产品外观缺陷检测、焊接质量检测、实时质量监控、质量预测、设备故障诊断及预测性维护等活动。机器视觉是指机器代替人眼从图像、影像中获取信息的技术。机器视觉检测技术为智能制造和质量控制提供了革命性的解决方案。虚数科技通过配备高分辨率相机和智能图像处理算法，让机器视觉检测系统能够实时捕捉生产线上的产品细节，不仅有效弥补了传统人工质检的局限性，还极大提升了整体生产效率和产品质量的一致性。此外，机器视觉检测系统可以进行自我学习与提升适应能力。通过对海量样本数据的学习训练，机器视觉检测系统能不断优化其识别模型，从而应对不同产品类型、规格以及可能出现的新问题，确保在快速变化的生产环境中始终具备卓越的质量把控能力。6)数字孪生数字孪生主要是利用先进的仿真模拟技术，对物体实体进行实时的监测评估和健康管理。数字孪生技术可被应用于产品制造、复杂产品装配过程的实时质量管理，设备故障诊断以及预测性维护。数字孪生系统将虚拟现实技术与现场多类监控管理平台相融合，形成一站式监控管理平台，具备信息管理集中化、监控内容可视化、信息获取及时、管理便捷高效、学习成本低、系统拓展性强等优势。在智能质量管理的背景下，由于需要对海量的质量数据和资料进行实时智能分析与处理，数据传输的速率和规模需要较传统工业环境有显著提升。以5G技术为主的无线通信技术，可以提供更高的信息传输速度，提升质量管理效率，保障工业大数据的时效性。互联网协议第6版（IPv6）的出现以及网络基础设施的改进与扩建可以容纳更多物理、产品、设备的实时互联，为开展大规模复杂质量管理活动提供硬性条件。在智能质量管理背景下，可视化技术可以提升质量管理效率、改善质量管理工作条件、辅助质量管理决策、提升质量管理水平。搭载可视化技术的智能设备（如头戴计算机）可以和物联网、人工智能等技术配合使用，即使在复杂、恶劣的工业环境中也可以做到实时信息展示与人机交互；智能屏幕可以在车间内大量部署，向车间操作员显示丰富的信息、说明或警报，降低人为因素导致质量问题的概率。区块链是一种具有去中心化、不可篡改、可溯源、多方共同维护等特点的分布式数据库。相比于传统的数据库，区块链具有两大核心特点：一是数据难以篡改，二是去中心化。基于这两个特点，区块链所记录的信息更加真实可靠。在智能质量管理中，区块链可用于供应链质量管理，由于质量数据难以篡改，可有效解决企业协作的信任问题，保障全供应链质量维持在高的水准。把握好以上关键要点，有利于优化企业的质量管理。企业应当明确质量目标，制定相应的管理和运营计划，利用数字技术改进质量管理过程，优化质量控制，快速识别和解决潜在的质量问题，保证质量管理的效率，提高决策的准确性，确保产品和服务能够满足市场需求，提高产品价值和竞争力，促进企业可持续增长。三、给企业的建议（一）把握发展趋势1．紧跟政策及行业发展趋势企业需要密切关注政策变化和行业发展趋势，以便及时调整自身的质量管理策略，以满足市场和政策的要求。2．学懂新质生产力新质生产力包括新技术、新设备、新材料等，这些都可能对产品质量产生影响。企业需要了解和掌握新质生产力的相关概念和要求，以便在质量管理中充分利用它们。（二）聚焦运营管理在企业发展过程中，尤其是快速发展阶段，运营管理是企业可持续高质量发展的关键。此时企业规模迅速扩张技术和管理水平不断改进，运营管理需要与企业规模相匹配，以保持企业持续成长。运营管理企业的运营管理当以关键战役为抓手、以业务增长为中心、以管理体系匹配和人才能力升级为两条主线，实现纵向打透、横向协同、闭环落地，达到拉动企业变革和业绩增长的目的。企业的运营管理可以通过以下步骤逐层落实：第一，制定战略。对企业经营问题、驱动因素进行分析，确定业绩增长策略方向和落地思路。第二，明确路径。为关键战役制定具体行动计划，明确责任人并匹配所需资源。第三，人力资源赋能。基于战略和发展计划需要，建立人力资源基础，赋能业务团队。通过体系化与设计梳理组织、岗位、薪酬、绩效与激励体系等，保证员工执行效率，促进目标达成，最终实现人力资源与业务双促进闭环。第四，提升产品力。优化产品“长尾”，聚焦优势产品，回归“产品（三）拥抱数智化智能质量管理是质量管理领域新兴的管理理念，是智能制造背景下中国制造业质量提升的必然选择。智能质量管理能够大幅提高产品质量，降低成本，为企业树立良好形象