企业数字化质量管理能力评价研究——以原材料行业企业为例

田玉鹏，许 睿，董 豪

（国家工业信息安全发展研究中心，北京 10040）

1 引言

习近平总书记在党的十九大报告中指出：“必须坚持质量第一、效率优先，以供给侧结构性改革为主线，推动经济发展质量变革、效率变革、动力变革，提高全要素生产率”，其中质量变革首当其冲。2019年8月，工业和信息化部等四部委发布的《关于促进制造业产品和服务质量提升的实施意见》提出要强化技术支撑作用，开展个性化定制、柔性制造等新模式丰富产品种类，满足差异化消费需求，加强质量数据分析、推动企业建立以数字化、网络化、智能化为基础的全过程质量管理体系。

大数据、人工智能等新一代信息技术在生产生活各领域广泛融合渗透，驱动生产要素、经营理念、组织方式与管理模式的变革。质量信息贯穿了产品全生命周期并且高度集成化，通过分布式数据库技术以及网络技术实现信息共享及远程交互访问，可以存储并处理大时间和大空间跨度的海量质量信息，为数字化质量管理提供技术支持与应用环境。学术领域关于质量管理的研究起步较早，从科学管理之父泰勒注重质量检验而提升产品质量开始，到Walter A.Shewhart主张的统计质量管理［1］，再到全面质量管理［2］的兴起，积累了大量的研究成果，包括六西格玛质量管理、质量管理成熟度［3-5］等。学术界关于信息技术与企业效益的关系研究同样积累了丰富的成果，大多学者认为信息技术有助于提升企业绩效［3］，并研究了信息技术对企业绩效的影响路径［4］。然而针对信息技术提升企业质量管理能力的研究不多，且多数是针对特定行业质量信息系统开发与设计等偏底层的论述性文章［8，9］，鲜有站在企业质量管理的视角对信息技术提升产品质量的影响因素及评价方法的系统性研究。因此，本文基于质量管理领域的研究成果，结合新一代信息技术的发展趋势，建立了企业数字化质量管理能力评价体系。该评价体系重点抓住信息技术在企业质量管控中的关键作用点，并综合考虑企业质量管理意识、质量基础和信息化基础水平、质量效益等因素，引导企业以质量数据为驱动、以质量管理体系为抓手、以质量效益提升为目的的质量管理能力提升，并对原材料行业企业进行了实证分析，是质量管理理论在信息时代的延伸，也为企业评估数字化质量管理能力提供了理论依据。

2 企业提升数字化质量管理能力的意义

2.1 有助于实现产品定制化和质量管控的及时性

随着制造业服务化转型升级，以用户需求为导向的定制化研制模式已经成为企业质量管理水平提升的重要前提和基础。同时，在高度自动化、信息化的原材料生产制造产线上，如果上道工序造成的不合格不能及时制止，不仅会带来产程和资源的浪费，而且极易导致产品报废，甚至影响产线的安全。通过数字化的手段，关键工序的生产数据能够实时进入系统，系统实时运算并得到工序级的质量情况，出现不合格可以实时给出报警，并及时制止物件继续向下游工序流动，从而减少因此带来的不必要浪费。此外，数字化的及时性还反映在质量数据可以实时地反馈给上级管理者，直接省去了原本的统计周期，让管理者可以及时掌握质量情况，从而对生产状况做出快速的反应。

2.2 提高质量管理的透明度和规范性

数字化技术可以协助企业实现规范化操作，所有步骤通过人机交互过程进行规范。信息化基础较好的企业，可以将生产流程和质检流程在信息系统中固化下来，引导生产现场严格执行，所有流程的执行情况在系统中都留下了记录，一旦出现质量问题，管理人员可以迅速定位，有据可查，进而有效地解决质量管理责任不清、措施无法有效落实的问题。此外，随着现场对信息系统的逐渐适应，人员生产经营活动会越来越规范化，为企业高效化、透明化管控奠定坚实基础。

2.3 实现产品质量可追溯和可持续

数字化的手段能够建立有效的质量信息追溯体系，通过记录生产过程中各关键工序的质量数据，给每个（批）产品建立产品合格证，客户通过扫描产品的条码、二维码、RFID等自动获取产品生产全周期的健康状况。而随着区块链技术的进一步成熟，也有望将其引入到制造业的质量管理中，避免出现人为修改数据。同时，诸如检查表、柏拉图、层别法、特殊要因图、散布图等先进管理理念和方法虽然越来越得到企业重视，但同样的问题依然频繁出现，其根本原因在于无法通过强有力的组织纪律和高素质人员实现质量持续改善。数字化时代可以很好地突破管理的限制，降低对管理的难度要求。通过信息系统的自动统计分析功能，加上用户设定的规则，系统可以自动运算并定义出问题，同时给出相应的警报，系统提供鱼骨图、问题树、5W等问题分析手段来实施措施。通过信息系统跟踪问题的解决过程，以及分析对比措施的实施结果，完成PDCA的闭环控制，实现质量持续优化迭代。

3 数字化质量管理能力评价指标设计

企业数字化质量管理能力是指企业通过持续推进信息化建设与质量改进的协调发展，提高质量数据（产品设计、工艺设计的参数数据；原材料、半成品、成品的质量数据；生产过程机器设备运行参数数据；售后相关数据等）的综合利用能力，实现基于数据驱动的降本增效和客户满意度提升。基于现有理论成果和工业企业质量管理成熟度、软件质量管理成熟度、质量管理能力成熟度等工具方法，设计了质量意识、数字化质量管控能力和质量效益三个维度的评价指标。

质量意识主要考察“人”（包括领导和员工）在质量管理中的作用及价值，更倾向于定性的评价。蒋家东、温德成等在对企业质量竞争力进行评价的因素分析法中强调了质量意识居于核心地位，认为质量意识是指不受质量资源和质量能力直接约束而本身却又能够物化为企业的质量资源和质量能力的质量观念、知识和文化［10，11］。本文采用“质量意识”这一评价维度，但其内涵更为广泛，包括领导作用、全员行动和质量文化，领导作用衡量企业高层管理者对质量部门、质量方针制定以及质量战略管理规划的重视程度；全员行动体现在企业全体员工对质量的认知度和参与度；质量文化则反映了企业的质量价值观和质量行为方式，可以物化为企业的质量资源和质量能力。

数字化质量管控能力主要考察企业为了实现基于数据驱动的质量提升投入的设备设施水平和产品全生命周期质量管控能力。计量与检验检测、可靠性实验与验证以及质量管理方法与工具是制约企业质量管理水平的基础性条件，具体包括检验检测装置的水平和能力，可靠性设计体系的情况，可靠性试验工程体系情况等［12-14］。企业信息化设施水平是影响数字化质量管控能力的决定性因素，高晓雨等构建的中国制造信息化指数用生产装备数控化率、工业软件普及率、工业设备联网率等衡量企业的信息基础设施水平［15］。产品全生命周期质量管控能力是指通过写实生产过程关键环节的质量信息，建立严密的数据采集网络，设计数据分析模型，从而推动过程管控体系严密运行。本文从产品设计和工艺设计、原材料采购、生产制造、销售及售后四个阶段考察企业数字化质量管控能力。

质量效益是企业数字化质量管理能力的结果性因素及表现层因素，指企业通过持续推进信息化建设与质量改进的协调发展，实现的质量提升及顾客满意度提升等。何桢把外部消费者评价视为企业质量管理水平的外在表现和结果性因素，包括客户满意度和产品质量［16］。蒋家东将企业质量竞争力的显性的、表层的因素称作结果因素，包括实物质量、市场适应能力、顾客满意程度等［10］。本文用产品实物质量和客户满意度来衡量企业的质量效益，包括产品质量合格率、按期交货率、客户投诉率等表征。

基于以上分析设计了数字化质量管理能力评价指标体系，共分为3个一级指标，11个二级指标，32个三级指标，见表1。

4 原材料行业数字化质量管理能力实证分析

4.1 计算方法

通过比较，兼顾科学性与可操作性考虑，论文采用综合方法计算数字化质量管理能力，具体计算公式如下：

其中DQMC（Digital Quality Management Capability）为全国、各省区市或者各行业企业数字化质量管理能力，a为一级指标的个数，本指数中a=3，Wi为第i个一级指标在总指数中的权重。ni为第i个一级指标下辖二级指标的个数，Nij为第i个一级指标的下辖的第j个二级指标的权重，mij为第i个一级指标第j个二级指标下三级指标的个数，Mijk为第i个一级指标第j个二级指标下第k个三级指标权重，Pijk为该三级指标标准化后的值。

4.2 数据收集及处理

基于两化融合服务平台，调研了3万多家原材料企业，通过统计方法进行数据清洗，最终获得21 174个有效样本。针对部分缺失数据，我们结合各个指标的具体情况，采用插值法、外推法、组平均数替代法以及用相关指标替代等方法进行补充。数据分析前期进行数据标准化处理，消除不同指标的量纲。

4.3 原材料行业数字化质量管理能力分析

在本次考察的21 174家原材料企业中，石化、钢铁、有色、建材等四大重点细分领域的企业数量分别为7 213、2 707、2 478、8 776家。从企业规模分布情况来看，1 000人以上的大型企业有1 915家，300～1 000人的中型企业有3 798家，300人以下的小微企业有15 461家。经过近几年的环保督查与淘汰落后产能，原材料行业整体集中度呈现提升趋势。结合行业与规模分析，原材料行业中石化和钢铁行业集中度更高，大型企业占比更多；有色行业集中度低于石化和钢铁，建材行业集中度最低（见图1）。从具体行业看，石化、钢铁、有色、建材数字化质量管理能力得分分别为60.0、58.6、53.6、53.2（见图1），数据分析发现数字化质量管理能力与行业集中度呈高度正相关关系。这是由于大型企业在数字化转型、质量体系等方面的投入更多，管理更加完善。

表1 企业数字化质量管理能力评价指标体系

图1 原材料行业数字化质量管理能力与行业集中度

截止到2019年9月，全国石化、钢铁、有色、建材行业两化融合水平分别为57.5、56.7、48.9、49.5（见图2）。数据分析发现数字化质量管理能力与两化融合水平也呈正相关关系，说明国家推进两化融合进程对促进企业数字化质量管理能力提升有促进作用。

图2 原材料行业两化融合水平和基于两化融合的质量管理能力对比分析

图3 原材料行业基于两化融合的质量管理能力总体情况

原材料行业数字化质量管理能力评估得分57.1分。从分项指标看，原材料行业质量意识得分56.0，数字化质量管控水平得分50.9，质量效益得分68.0（见图3）。说明通过质量管理体系持续推广，各种质量工具的应用，原材料行业企业质量意识逐步提高，质量效益相对较高。但是由于原材料属于传统行业，利用信息技术和数字化手段提升质量的水平仍然较低，进一步借助企业数字化转型和两化融合管理体系贯标，提升产品全生命周期的数字化质量管控水平是工作重点。

针对评估关键指标数字化质量管控能力水平展开分析，总体上企业规模与各项指标呈正相关关系，与行业集中度的原因类似。在质量与信息化基础一项，质量与计量基础设施和信息安全建设水平较高，而信息化设备设施和设备联网水平较低。产品全生命周期的数字化质量管控能力水平普遍较低，尤其是研发设计阶段的数字化质量管控能力是短板（见表2）。说明原材料行业进一步提升数字化质量管控能力，重点在于提升机器设备数字化程度及联网率，从产品全生命周期视角看需要提升产品设计研发阶段的数字化应用水平，从产品研发设计和工艺设计的源头提高质量管控能力。

另外通过调查发现，产品全生命周期各环节数字化管控，实现了业务流程透明化、规范化管理，有效提升了原材料产品质量。采购管理环节，可实现采购寻源、采购成本管理、采购计划生成与发放、采购索赔等信息化管理的企业，产品质量合格率为96.1%，明显高于未实现的企业。物流和库存管理环节，可实现原料出入库及配送信息化管理的企业，产品质量合格率为96.3%，有效提升了产品质量。绩效管理环节，能够利用信息系统实现关键绩效管理事务记录、跟踪和考核全过程管理的企业，产品质量合格率高达96.4%，对原材料产品质量也有一定的提升作用。

5 原材料行业提升数字化质量管控能力的方法路径

5.1 打造用户需求为导向的协同研制能力，实现产品质量和性能本质提升

以用户需求为导向，从新产品研制阶段即考虑原材料上下游企业的协同关系，规避质量风险，开展基于原材料质量设计的协调解决方案，从而在最终实物产品上体现出质量和性能提升。基于原材料的质量设计方案中数字化研发能力提升以特钢产品为例，为满足诸如汽车、航空等下游用户需求，从用户产品研发或者制造阶段即开始介入进行协同研发，根据用户产品性能、工艺以及制造需求，采用基于原材料质量、工艺及配套流程等一体化的设计研发程序，利用计算机设计、仿真等数字化研发手段能够极大缩短研发周期，满足客户产品质量需求，提高用户满意度。类似案例还包括装配式建筑预制构件个性化定制以及石材产品快速深化设计等，均是围绕用户需求打造能力实现产品和服务质量提升。

5.2 打造生产全过程质量管控能力，实现产品质量在线监控和离线分析

在质量管控的过程中坚持以预防为主，把事后检查转化为事前把关。为了保证产品质量，加强预控，同时在工序中的重点工序设定为关健工序，作为生产过程中的质量控制要点，在关键部位或薄弱环节处设置质量控制点，在控制的过程中进行质量跟踪检查。智能工厂以现代传感技术为基础，成功构建在线的生产全过程质量管理体系，通过仪器仪表、SCADA以及传感器实时采集生产过程参数，通过现场总线等控制网络传输到工艺参数数据库中，将采集到的生产过程数据进行处理并与相应的工艺标准进行比对，系统在发现异常数据后会自动记录并实时报警提醒相关人员，督促其分析原因、采取措施取消报警状态。对报警信息即时响应的处理过程和结果数据会自动上传到监控中心，供监控中心人员查看及后续分析统计。对生产过程数据长期存储，提升生产现场质量的数据收集和统计分析能力，开发各种统计报表，对影响产品质量的数据进行统计分析，为产品质量管理提供科学决策依据，实现生产过程参数在线监控、预警以及产品质量闭环管理。

表2 关键指标数字化质量管控能力水平

5.3 打造精益生产管控能力，提升产品质量稳定性和一致性

对现有工艺设计参数和制造流程全面梳理，挖掘影响产品合格率及质量稳定性的相关薄弱环节。在综合衡量成本和质量间关系的基础上，通过优化工艺参数实现产品质量稳步提升。采用PLC、FCS以及DCS等自动控制系统和技术手段全面提升制造过程自动化、数字化和网络化水平，基于数据采集与监视控制系统实现生产过程安全稳定和连续控制。采用MES信息系统、RFID以及可视化监控等技术和方法，实现生产过程透明化、标准化、精准化管控。借鉴精益制造相关理论方法，在综合衡量成本和质量间关系的基础上，不断优化生产过程参数，提高产品合格率，实现降本增效。

5.4 打造质量数据集成管控能力，实现产品质量全面控制和提升

目前，越来越多原材料企业通过信息化手段实现产品质量信息化管控，这些质量管理信息系统根据企业经营战略需求分布在MES、ERP以及SCM等信息系统中，由于系统集成能力较低，无法实现面向产品全生命周期的质量数据集成管控。为此，两化融合发展水平较高的原材料企业正在通过信息系统集成实现质量数据集成管控。例如，打造设计、工艺、制造全流程一贯质量保证能力，就是通过设计和制造质量数据集成实现质量提升和管控；产销一体化管控能力就是打通生产制造和供应链之间质量数据连接；基于数据自动分析与决策的质量全过程保证能力就是通过打通设计、制造、供应链等信息系统实现质量数据全面管控。

6 总结及建议

6.1 企业提升数字化质量管理水平面临的挑战

质量管理理念经历了从传统质量检验、统计质量管理、全面质量管理到精益六西格玛、卓越运营的迭代和升级，而“基于数据的决策”在其中所起的作用也越来越重要。而今工业4.0及大数据时代，明智、及时的质量管理和改进决策越来越依赖于对质量数据的收集、管理和有效分析，然而也面临着诸多挑战。

第一，数据收集和管理的难度大。在质量管理中，产品、半成品和零部件的质量检验数据，是反映质量状况和生产过程状态的第一手资料。但长期以来，并未有一种十分有效的方式来搜集、管理和利用这些数据。首先，测量设备和仪器本身在数字化方面的局限限制了这种应用；其次，由于质量检验场景在取样、检验规程、操作习惯上灵活多样，这就给数据收集的软硬件系统提出了很高的要求；最后，如何确保一线的质量检验人员严格、正确地执行公司的抽样计划、检验计划，最大限度地减少各种假数据、错漏数据也是一个需要解决的重要问题。

第二，即时分析和响应的挑战。直至目前，不论是统计质量管理，还是精益六西格玛中的数据分析，绝大多数都是离线时候进行的。质量数据的非结构化对质量数据的即时分析构成了一道天然的屏障，这不仅使得质量工程师不得不在数据的转换、清洗方面花费大量的时间和精力，而且所得出的结论往往也都是“事后诸葛亮”式的总结式报告，而无法对质量风险进行及时监控、快速响应和有效控制。

第三，数据统计分析知识欠缺。质量数据的分析离不开工业统计学。在传统的模式下，过程评估、可接受抽样计划、描述性统计、层次分析、非正态数据的处理等，都需要工程师了解统计学的基本原理，进而在数据整理完成后选择合适的统计分析算法，这对于工程技术人员而言，本身就是一项挑战。

第四，合规的挑战。质量管理标准林立，如ISO9000、IATF16949、QS9000、ISO22514，以及六西格玛分析方法等；虽然这些标准和时间惯例各有侧重，但对于质量数据的分析而言，企业同样需要确保不同的工作人员按照一贯、正确的方式进行工作。

第五，复合型人才缺失。随着人工智能和大数据时代的到来，在大数据引发资本与市场强烈关注的同时，人才短缺问题已经成为迫在眉睫需要解决的问题，尤其是大数据在行业应用时所需的复合型人才缺口极大。企业数字化质量管理需要工程师熟悉统计学知识以及统计算法，这成为工程技术人员面临的挑战。

6.2 企业提升数字化质量管理能力的建议

第一，提升机器设备联网率和研发设计阶段的质量管控能力是原材料企业实现质量跨越式提升的关键。企业在实现单项业务环节信息化和数字化的基础上，可通过进一步提升企业内部跨部门、跨业务环节的综合集成能力，以及跨企业间的协同管控水平，来实现质量的跨越式提升。

第二，提升产品全生命周期的数字化质量管控能力。从数据收集的源头着手进行数字化检测，对质量数据进行格式化收集和管理，建立一整套涵盖抽样/取样计划、质量控制计划、检验计划、质量监控、变异源分析、质量报表、风险跟进和反馈的系统和机制。

第三，充分发挥经典质量管理理论在实践中的指导性作用。按照相关的质量标准和最佳实践惯例，将那些常用而有效的质量分析方法进行整合，降低门槛，变成绝大多数工作人员都能在日常工作中轻松使用的工具，而将深奥的统计学方法研究留给少数的六西格玛黑带大师去进行。

第四，强化数字化质量分析结果对决策的支撑作用。通过系统将质量数据和有价值的信息及时共享给管理人员，帮助他们即时了解企业的实时质量状况，将质量控制“透明化”，以便能帮助他们更好地进行决策。

第五，将数字化质量管理能力提升至全面质量管理范畴。通过业务环节信息化管控，实现业务流程透明化、规范化管理，有效提升原材料产品质量。采购管理环节，可实现采购寻源、采购成本管理、采购计划生成与发放、采购索赔等信息化管理；物流和库存管理环节，可实现原料出入库及配送信息化；绩效管理环节，能够利用信息系统实现关键绩效管理事务记录、跟踪和考核全过程管理。