《大数据叩开智能制造之门 引领企业迈向卓越》

  • 来源专题:北京市经济和信息化委员会监测服务平台
  • 编译者: yxzhou
  • 发布时间:2018-06-19
  • “数据是新的石油,是本世纪最为珍贵的财产”,谁掌控了数据,谁就掌控了主动,谁就能够在万象更新、瞬息万变的新时代“运筹帷幄、决胜千里”,我们已经进入了一个前所未有、无法回避的大数据时代,导航适时避阻、广告精准推送、案件快速侦破、车辆无人驾驶……,无一不是数据在其中大显神通。

    在工业4.0和中国制造2025背景下,企业内部数据的广泛获取和有效利用也正在变得愈加迫切、重要,数据驱动决策、数据驱动流程、数据驱动产品、数据驱动业务,数据已经成为企业赖以生存发展和难以割舍的一部分,大数据推动企业进步、促进企业发展,驱动着企业快速蜕变和未来制胜。

    互联网、物联网、大数据、云计算使我们具备了掌控数据、利用数据的能力,但实施的基础是组建网络和采集数据,否则就是“空谈”或不接地气的“空中楼阁”。自动化、信息化、网络化、智能化是企业智能制造的四个层次,唯有实施深度的两化融合,使智能装备、智能感知、工业软件能够通过工业以太网深度交融和高度协同,人、机、系统实现信息共享、互联互通,才能使系统具备较强的数据采集与分析处理能力,才能真正指导企业实现智能化高效运营,才能真正引领企业超凡脱俗、做大做强,使企业具备迈向高端、走向卓越的潜能,否则智能制造可能只是一种空响的口号而已,犹如“雨后彩虹”,来也匆匆、去也匆匆,或者劳民伤财、徒有虚名。

    一个企业如果获取数据信息手段匮乏,并且信息零散、杂乱,难以实现对数据的全面掌控和轻松驾驭,同时数据驱动的目标不清晰,那么推进智能制造工作所面临的阻力肯定也就非常艰巨,因此要达到系统的智能化,必须要从获取有效的数据开始,首先设备要达到必备的数控化率,并且所要采集的数据要有相应的传感或感知系统,然后就是运用网络化和信息化技术将设备组网,以及对数据进行采集归纳和智能分析。

    生产线的设备组网可以通过数据采集与工业软件的智能算法,使系统具备自动输出设备开动率、有效利用率、故障预警信息、维护保养提醒等功能,可及时发现车间现场所存在的短板、瓶颈、问题工序,用于指导和改善生产运营综合管理水平,并且可以指导生产资源的最优化配置。同时可以对关特工序、质控点的工艺参数进行全程监控,并且对变化趋势进行直观分析,当接近极限值或超出工艺控制范围时,提供声光预警或APP推送信息以便及时进行人工干预,确保生产线质量保障能力达到可控、稳定状态。

    汽车制造生产线的AVI系统已经成为行业的标准配置,通过RFID载码体技术或二维码扫描技术,对车辆信息进行适时跟踪,AVI系统所获取的数据对于生产线车辆的全程监视、计划调度、节拍平衡分析具有举足轻重的作用。并且可以在中控室通过实时呈现的全景动态画面,监视各工序/工位的过车情况及车辆的在线状态,可自动输出各工序适时完工计划及快速查询车辆的具体位置,为物料配送提供精准的车辆状态信息,便于提前储备物料,也可以实现车辆在缓存区的自动排序及自动转运。更为关键的是,通过统计各车型、各工序、各时段的生产情况,便于快速曝露和精准分析车间瓶颈问题,有利于优化生产资源配置。

    数据是如今最宝贵的资源,数据所扮演的角色日渐重要,数据的高效利用对企业所带来的价值也是不可估量的。

  • 原文来源:http://www.ii.gov.cn/hbgxt/lhrh/604722/index.html
相关报告
  • 《中国制造迈向智能时代需跨越四道坎》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:姜山
    • 发布时间:2017-12-20
    • 经济参考报 近日,由工信部、中国工程院、中国科协和江苏省人民政府共同主办的2017世界智能制造大会在南京举行,200多位业界专家、300多家国内外企业参会。与会专家认为,我国智能制造发展仍需跨越四道坎:一是核心技术受制于人,关键零部件对外依存度高。二是软件系统发展滞后,智能制造偏“硬”轻“软”。三是人工智能发展滞后,企业间协同不足。四是产品质量问题突出,企业缺乏“工匠精神”。中国应发挥后发优势,并行推进数字化、网络化、智能化融合发展的技术路线,实现中国制造业的全方位智能升级。 近年来,智能制造逐渐成为全球经济竞争的焦点。在2017世界智能制造大会主论坛上,中国工程院院长周济说:“当今全球制造业竞争愈演愈烈,我国正处于从制造大国向制造强国跨越发展的关键时期,必须抓住智能制造这一历史机遇,实现一场革命性的产业升级。” 以空调起家的珠海格力电器(44.580, 0.00, 0.00%)股份有限公司,用24年的时间做到世界500强。2013年起,格力电器开始实施智能化改造,设立智能装备制造事业部。目前,产品已覆盖伺服机械手、工业机器人(19.460, 0.00, 0.00%)、智能仓储设备、智能检测、换热器专用机床设备、无人自动化生产线体、数控机床等多个领域。“我国制造业正处于由大变强的关键阶段,企业要有创新的意识,要有挑战的精神,以自主创新让世界爱上‘中国造’。”格力电器股份有限公司董事长董明珠说。 智能制造是一个庞大的系统工程,涉及到网络技术、工厂车间、产品物流、产品设计服务等层面。南京卫岗乳业是一家拥有89年历史的中华老字号乳品企业。近年来,借助智能化、信息化和自动化手段,卫岗乳业打造智能牧业、智能供应链、智能工厂、智能服务等,推动产业全链条升级。“卫岗自创建之初坚持‘先建牧场,再做市场’的理念,现在变成了‘先做牧场,再做智厂’的智能制造创新驱动理念。”南京卫岗乳业有限公司董事长白元龙说。 智能制造不仅是企业转型升级的机会,更孕育着产业的重大变革。壹千零壹号是一家Maas(物联网即服务)云制造平台服务商,被称为“口袋里的工厂”,借助3D打印技术和互联网,解决工业供需不对称的问题。 当前,中国稳居世界第一制造大国地位,500余种主要工业产品中有220多种产量位居世界第一,56家制造企业进入2015年世界500强企业榜单。来自大会的信息表明,近年来我国智能制造水平明显提升,一批核心技术装备研发应用取得新突破,部分智能制造新模式开始复制推广,基于互联网的“双创”平台快速成长。企业数字化设计工具普及率超过61.8%,关键工艺流程数控化率达到45.4%。然而,与美、日、德等发达国家相比,中国智能制造在多个领域仍有明显差距。 “智能制造是未来制造业的竞争核心,也是‘中国制造2025’的主攻方向。当前中国制造业‘大而不强’,高端领域、核心领域竞争力不足,严重制约着我国从制造大国向制造强国迈进。”周济说。 本届大会上,中国企业联合会发布《中国智能制造绿皮书2017》,指出我国智能制造发展还需应对一系列挑战,包括关键技术装备供给能力不强,标准、工业软件、工业互联网等基础条件薄弱,部分企业积极性不高等。 多位业内专家表示,目前中国发展智能制造仍面临以下挑战: 一是核心技术受制于人,关键零部件对外依存度高。清华大学副校长尤政认为,中国是制造大国,总量第一,品种也很全,但是缺少科技含量高、性能领先的高精尖仪器设备,根本原因在于自主创新能力不足,核心技术在国外,关键零部件只能大量依赖进口。 二是软件系统发展滞后,智能制造偏“硬”轻“软”。中科协智能制造学会联合体副理事长李培根院士认为,智能制造是“硬能力+软能力”的结合,既包括机器人、高端数控系统、传感器、驱动机构等硬件,也包括智能设计、工艺过程仿真、车间制造执行系统等软件。国内“重硬件制造、轻软件开发”的思维较为普遍,造成中国在工业软件上的供给水平与发达国家差距更为明显。 三是人工智能发展滞后,企业间协同不足。人工智能是智能制造未来发展的核心领域。赛迪研究院、Xtecher等机构数据显示,2018年全球人工智能市场规模将达到2697.3亿元,增长率达到17%。2016年末,中国人工智能市场规模还不足300亿元。中国科学院院士谭铁牛表示,中国人工智能产业仍处于初步发展阶段,基础公共服务能力不强。同时,中国人工智能产业目前仍以单打独斗为主,各企业在相关领域进行了一定的研究,但缺乏技术间的协同,产品间的互联互通和上下游的互动缺乏有效协调。 四是产品质量问题突出,企业缺乏“工匠精神”。目前,国产智能产品普遍存在稳定性差和可靠性低等质量问题,严重影响了在高端市场的竞争力。多位专家表示,智能制造不仅仅是技术追求,更是一种蕴含于制造之中的文化,需要钻研专注的“工匠精神”。“中国有非常健全的产品生产和加工链条,但因缺少长期钻研和持续创新的匠人。某些关键技术难以实现突破,只能依靠大量引进其他国家的技术或大量进口某些核心原材料、零部件或设备。而经济新常态下,工匠精神恰是增加新动能、促进产业转型升级的一种生产力。”尤政说。 智能制造是“中国制造2025”的主攻方向,也是我国两化深度融合的切入点。“数十年来,先进国家发展智能制造走的是从数字化向网络化、智能化逐渐升级的串联式路径。对中国而言,必须发挥后发优势,采取三者并行推进、融合发展的技术路线。”周济说。 在2017世界智能制造大会上,多位业内人士提出加速融合推进智能制造发展的建议。 一是加速布局工业互联网。自2012年GE提出“工业互联网”概念以来,IBM、西门子、华为等巨头相继布局,目前全球基本处于同线起跑。我国应抢抓发展机遇,加快构建高效可靠的工业互联网网络,着力打造工业互联网平台生态体系,加快工业互联网平台培育,搭建跨行业、跨领域的工业互联网平台,建成一批能够支撑企业数字化、网络化、智能化转型的企业级平台。 二是加快培育智能服务生态圈。产业模式与企业形态的根本性变革是智能制造的主题,是服务型制造行动的主战场。目前,我国企业已从生产中心转向市场中心,现在要以客户为中心,深入研究客户的个性化需求,用互联网手段把客户和车间连接起来,甚至可以让客户参与到某些生产过程,让客户进入到车间,构建智能制造生态圈。 三是提高基础网络的安全性。随着两化融合发展的进程不断深入,工业信息系统逐步从单机走向互联,从封闭走向开放,安全漏洞和风险不断涌现。要实现“互联网+制造业”的健康发展,就必须提升我国工业信息安全的防护能力,加快发展工业信息安全产业,加大工业信息安全产业相关技术的攻关,推广工业信息安全产品和服务的应用。
  • 《工业和信息化部等三部门关于印发《制造业卓越质量工程实施意见》的通知》

    • 来源专题:智能制造
    • 编译者:icad
    • 发布时间:2023-12-21
    •   工业和信息化部等三部门关于印发《制造业卓越质量工程实施意见》的通知   工信部联科〔2023〕249号   各省、自治区、直辖市及计划单列市、新疆生产建设兵团工业和信息化、发展改革、金融监管主管部门,有关行业协会:   现将《制造业卓越质量工程实施意见》印发给你们,请结合实际,认真贯彻落实。   工业和信息化部   国家发展改革委   金融监管总局   2023年12月12日 制造业卓越质量工程实施意见   质量是制造业的生命,卓越质量是高端制造的标准,推动产业从数量扩张向质量提升是新时期制造业高质量发展的现实需要,追求卓越质量是制造业由大变强的必由之路。为贯彻落实全国新型工业化推进大会部署要求,加快建设制造强国、网络强国、质量强国、数字中国,以制造业卓越质量工程实现产品高质量、企业现代化、产业高端化,加快新型工业化进程,特制定本实施意见。 一、指导思想   以习近平新时代中国特色社会主义思想为指导,全面贯彻党的二十大精神,完整、准确、全面贯彻新发展理念,加快构建新发展格局,更好统筹制造业质的有效提升和量的合理增长,坚持质量第一、效益优先,视质量为生命,以高质量为追求,以效率变革、动力变革促进质量变革,以先进质量标准为依据,遵循质量发展规律,采用持续改进和工程化方法,实施制造业卓越质量工程,推动企业树立科学质量观,建立先进质量管理体系,加快质量管理数字化,不断提高质量改进能力,实现质量效益显著提升,为推动“中国制造”向高端迈进、加快推进新型工业化、建设现代化产业体系提供高质量支撑。 二、基本原则   坚持创新驱动。把创新作为质量发展的第一动力,深化新一代信息技术与质量管理的深度融合,革新质量理念,加快技术进步,实现管理创新,促进生产方式变革,培育价值创造新动能。   坚持企业主体。充分发挥市场在质量资源配置中的决定性作用,加强政府引导,强化企业主体责任,推进质量文化建设,牢固树立科学的质量观,以卓越质量为目标建立先进质量管理体系,提高质量管理能力,激发企业内生动力。   坚持效益导向。遵循“质量就是效益,质量就是竞争力”的理念,引导企业坚持向质量要效益,不断提升质量管理效能、提升产品合格率、降低质量损失率,带动企业效益持续增长,让企业在质量提升中有更多获得感。   坚持分级指引。科学制定评价标准,形成“经验级、检验级、保证级、预防级、卓越级”分级梯度评价体系,强化分级分类指导,组织企业科学评价和自我声明,持续提升质量水平,向卓越质量迈进。   坚持系统推进。遵循螺旋式上升、渐进式发展的质量提升规律,以系统化思维、工程化方法提升产品全生命周期和生产全过程质量水平,推动企业坚持自我完善、不断追求卓越、实现持续成功。 三、发展目标   到2025年,我国制造业质的有效提升取得积极进展,企业质量意识明显增强,质量管理能力持续提高,质量管理数字化水平不断提升,可持续发展能力有效提高,质量绩效稳步增长,中高端产品的比例快速增大。新增贯彻实施先进质量管理体系标准企业5万家,新增质量管理能力达到检验级企业5000家、保证级企业500家、预防级企业50家,卓越级企业开始涌现。计量、标准、试验验证、检验检测等质量公共服务能力和水平进一步增强。   到2027年,我国制造业质量水平显著提升,企业质量管理能力显著提高,产品高端化取得明显进展。新增贯彻实施先进质量管理体系标准企业10万家,新增质量管理能力达到检验级企业10000家、保证级企业1000家、预防级企业100家、卓越级企业10家,质量提升对制造业整体效益的贡献更加突出,推动制造业加速向价值链中高端迈进。 四、重点任务   (一)增强企业质量意识   1.引导企业坚持以质取胜发展。推动企业牢固树立“质量第一”“质量是企业生命”理念,切实把质量工作落实到研发生产经营全过程。强化企业质量战略管理,优化质量组织体系和管控模式,加强质量战略制定、实施、评估、调整闭环管理,促进企业与生态合作伙伴有效协同,确保质量战略定位、发展方向等保持延续稳定。   2.发挥企业最高管理者作用。强化企业最高管理者质量意识,明确领导责任,建立统一的质量理念,确定质量方针,制定卓越质量目标,加强组织领导,推动资源整合,实现全员参与,确保质量管理体系有效运行。支持有条件的企业设立首席质量官,发挥质量工程师、质量技术能手作用,提高质量改进效率,增强实现质量目标的有效性。   3.推动企业全员参与质量工作。引导企业明确全员参与质量工作的重要性和必要性,增强全员卓越质量意识,完善全员参与制度,提高全员质量能力,提升跨层级、跨部门、跨业务的质量协同,明确质量责任和任务,履行对质量的承诺。推动企业开展群众性质量活动,加强全员质量培训和经验分享,加大对质量改进和创新成果的激励力度,有效调动全员参与质量提升的主动性、积极性。   4.鼓励企业构建先进质量文化。贯彻质量文化建设标准,指导企业结合自身特点提炼质量文化并大力宣传推广,营造浓厚的质量文化氛围。加强宣传引导,传播卓越质量理念和最佳实践,大力弘扬工匠精神,强化全员认同、主动参与,树立重视质量、追求卓越的共同价值观。推动企业与产业链上下游共建质量文化生态,树立和倡导精益求精、追求卓越的质量理念。   5.促进企业树立用户满意导向。引导企业以用户为中心,将用户满意作为质量工作的首要任务,定期开展满意度调查,运用先进技术手段构建需求预测模型,围绕用户需求和期望完善质量目标,贯彻到质量工作的全过程,不断促进产品迭代升级和质量提升,为用户创造更多价值,提升用户体验,超越用户期望,提高用户满意度和忠诚度。   (二)提升企业质量发展能力   6.创新质量管理过程方法。引导企业建立先进质量管理体系,深入开展先进质量管理体系标准贯标。推动企业将质量目标任务分解为具体举措,持续健全制度机制、优化工作流程、提升管理水平,增强质量目标实现能力,加强过程识别、管理和验证,围绕关键过程开展定量分析和精准控制,实现全员、全过程、全要素、全数据的先进质量管理。   7.实施质量管理持续改进。引导企业科学识别质量提升关键要素,找准短板弱项,制定针对性强的质量改进目标和工作举措,采用策划、实施、检查、处置模式开展持续改进,推动管理持续完善、产品迭代升级。深化精益管理、六西格玛管理等先进质量管理方法的推广运用,从研发设计、生产制造、检验检测等全过程加强质量管控,持续提升全生命周期质量水平。   8.科学运用循证决策模式。推动企业加强关键指标识别,建立关键指标监测机制,结合质量绩效、技术成熟度等数据,深入分析影响质量水平的驱动因素,采取有效措施,确保产品质量持续改进。深化智能管理工具应用,构建基于数据的质量判定、质量改进、质量预防等决策模型,增强分析、判断、验证等能力,不断提升决策科学化、管理精细化水平。   9.加快质量技术创新应用。将质量提升与管理、技术、标准、知识产权一体化推进,鼓励企业加强技术体系化布局,开展质量设计技术、过程控制方法与工具、试验检测技术、运维保障技术、分析评价技术等攻关和应用,建立支撑质量创新的知识资源。引导企业积极学习质量标杆、典型案例先进经验,提高质量工程技术、质量数据运用能力。   10.持续提升质量基础能力。支持企业加强计量、标准、认证认可、试验验证、检验检测等能力建设,持续采用新技术、新产品对计量检测仪器、试验设备等设施升级改造,提升质量控制水平,加大对标准研制与推广、检验检测认证等无形资产的投资,拉升质量“高线”。鼓励龙头企业加强中试条件建设,发挥公共服务平台作用,提升产品设计定型、生产定型阶段中试验证能力,开展产品测试比对以及可靠性、稳定性和耐用性综合评价。   11.加强产业链供应链质量联动。支持企业将产业链供应链上下游企业纳入质量管理体系,沿产业链明确质量指标与要求,实施质量技术联合攻关和质量一致性管控。推动企业积极履行社会责任,夯实价值创造基础,统筹产业链供应链各方协作关系,促进研发平台、应用场景、信息资源等共建共享,增进企业市场认同和价值实现。   (三)推进质量管理数字化   12.推动研发设计数字化。支持企业开展基于或高于用户需求的质量设计,加强数字化设计工具应用,鼓励运用数字孪生、可靠性设计与仿真等技术开展新产品质量分析,实现关键质量指标的设计优化,应用人工智能等技术确定最优设计方案,提升智能化质量策划水平,从源头防止质量风险,解决质量问题。   13.促进生产制造数字化。支持企业应用数字化技术,实现制造过程的数字化控制、网络化协同和智能化管理。加快工业互联网发展,通过系统集成实现设备远程监控和预测性维护。推动企业开展全流程质量在线监测、诊断与优化,深化传感器、机器视觉、自动化控制、先进测量仪器等技术应用,依据过程质量指标设置智能预警管控,持续提升生产过程质量控制水平,减少人为偏差。   14.推进质量保障数字化。推广全生命周期综合保障数字化和数字化供应链管理,提高质量保障水平。引导企业建立供应链数字化系统,加快条形码、二维码、射频识别技术的应用,保证物料质量,强化质量可靠性。推动企业加强试验验证、检验检测数字化和智能化,深化机器视觉、人工智能等技术应用,提高质量检验检测的效率、覆盖率和准确性。大力推广产品数字化质量追溯、故障预测、保养服务提示等售后服务,促进产品向高端化迈进。   15.加强质量数据管理。推动企业建立质量数据管理制度,运用数字技术对质量数据进行采集、存储、处理和分析,深入挖掘质量数据价值。推动企业建设数据管理能力,完善质量数据架构设计,加强质量数据标准化管理,建立质量数据安全标准,与上下游企业共建供应链质量管理平台,实现质量数据在业务活动中高效率共享。引导企业重视质量数据开发利用,开展质量数据建模分析,提高质量响应和处理及时性,实施更加有效的质量预防和改进。   (四)开展质量管理能力评价   16.推动建立自我评价机制。引导企业依据先进质量标准定期开展质量管理能力自我评价,检视问题,精准施策,激发质量提升的内生动力。按照经验级、检验级、保证级、预防级、卓越级的评价标准,定期对质量管理体系有效性、质量管理数字化、持续成功的能力、全过程质量绩效等进行评价,综合判断企业质量管理能力等级,经常性的开展监测分析、过程检查和总结评估。   17.发挥外部评价作用。指导符合条件的专业机构为企业提供贯标评价服务,支持企业选认专业机构并采信评价结果。推动专业机构组织专家人才队伍开展质量管理能力第三方评价,指引企业逐级或跨级提升质量管理水平。支持专业机构为企业提供宣贯、培训、咨询、诊断及解决方案等全链条服务。探索开展质量管理水平对比分析,逐步实施分行业、分地区评价和结果应用。   18.支持企业开展质量绩效评价。推动企业建立质量绩效评价制度,科学评估质量管理的财务和经济效益。引导企业识别质量绩效指标,采用作业成本法、标杆对比、成本—效益分析、顾客关系管理、统计过程控制等工具和方法,加强对用户满意度、用户忠诚度、产品合格率、市场占有率等关键指标的度量、监测、分析和评价,支持定性评价和定量评价相结合,确保评价真实全面、科学有效。   19.推动评价结果有效应用。发挥质量管理能力评价结果对实现质量目标的引领和促进作用,支持企业将评价结果作为战略制定、资源配置、绩效考核等工作的重要依据。支持企业建立评价结果反馈改进机制,以评促改,根据评价结果识别质量管理薄弱环节,明确能力差距,确定改进目标,采取针对性措施实施质量持续改进,对成效显著的质量改进活动、先进典型经验进行认可奖励和宣传推广,充分激发质量改进的积极性和主动性。建立评价结果采信机制,激励企业向卓越迈进。 五、保障措施   (一)切实加强组织领导。发挥国家制造强国建设领导小组办公室统筹协调作用,研究解决重大问题,督促各项任务措施有效执行、落到实处。各地工业和信息化主管部门要结合本地实际制定落实方案,按照文件要求,认真抓好组织实施,引导企业深入开展质量管理能力评价,不断提升质量水平,大力营造良好的社会氛围,开展试点示范,多维度、多视角、多层面扩大宣传先进典型。   (二)强化资源统筹协调。发挥政府出资产业投资基金作用,坚持高质量导向,鼓励社会资本加大对优质企业的投入。支持地方对企业按质量管理能力分级评价结果给予奖励。发挥国家产融合作平台作用,强化金融服务供给,加大对企业质量创新的金融扶持力度。将企业质量管理水平,纳入专精特新中小企业评价因素。   (三)抓好实施效果评估。构建区域制造业卓越质量评价体系,适时将评价结果作为对各地区质量工作考核的重要依据。定期开展阶段性总结,对实施过程及成效进行监测,针对出现的问题和薄弱环节,采取有效措施,确保完成各项任务。各地工业和信息化主管部门要推动将制造业卓越质量工程实施纳入政府质量工作统筹。   (四)健全服务保障体系。支持开展“入企帮扶”服务,鼓励行业协会和专业机构为企业提供支持,提升计量服务支撑,加大试验验证和检验检测服务供给,加强产业技术基础公共中试能力建设,为企业提供综合技术服务。支持专业机构搭建公共服务平台,研发面向企业自评估、自诊断需要的模块化、轻量化贯标工具,提升贯标流程的标准化、数字化、智能化水平。   附件 制造业企业质量管理能力等级划分说明   制造业企业质量管理能力体现在质量管理体系有效性、质量管理数字化、企业持续成功的能力、全过程质量绩效等方面。依据先进质量管理体系标准,结合国内外关于质量管理的先进方法、模型和研究成果,将制造业企业质量管理能力等级由低到高划分为经验级、检验级、保证级、预防级、卓越级。 经验级。 质量管理基本依靠人的技能和经验,未建立先进的质量制度、质量目标和完整的质量数据管理机制;研发设计、生产制造、质量保障、供应链数字化未开展或只是实行经验式的管理;未具备基本的战略实施、文化建设、技术创新应用等能力;质量绩效水平不高,产品质量水平未达到3σ,过程能力指数未做统计或小于1,全过程一次交验合格率小于90%,对内外部质量损失率未做统计。 检验级。 建立适宜的质量管理体系并有效运行,通过检验手段确定产品质量特性符合标准要求;研发设计、生产制造、质量保障、供应链管理数字化初步开展,收集与质量目标有关的数据并用于改进;具备一定的战略实施、文化建设、技术创新应用等能力;取得一定的质量绩效,产品质量水平达到3σ,过程能力指数大于等于1,全过程一次交验合格率大于等于90%,内部质量损失率大于等于3.0%,外部质量损失率大于等于2.3%。 保证级。 质量管理在体系有效运行的基础上,通过应用适宜的质量技术、工具和方法,促进效率的提升和成本的降低;研发设计、生产制造、质量保障、供应链管理数字化实行规范化、标准化管理,收集与关键过程有关的质量数据,并用于过程的改进,保证产品制造的质量可靠性、一致性、稳定性;具备较好的战略实施、文化建设、技术创新应用等能力;质量绩效水平较高,产品质量水平达到4σ,过程能力指数大于等于1.33,全过程一次交验合格率大于等于95%,内部质量损失率小于3.0%,外部质量损失率小于2.3%。 预防级。 质量管理贯穿于产品和服务质量产生、形成和实现的全过程,基于数据开展全面风险识别和预防,确保企业绩效目标的全面达成;研发设计、生产制造、质量保障、供应链管理数字化全面、持续开展,预防为主、不断改进,收集全过程的绩效数据加以应用并转化为价值;具备优秀的战略实施、文化建设、技术创新应用等能力;质量绩效水平高,产品质量水平达到5σ,过程能力指数大于等于1.67,全过程一次交验合格率大于等于97%,内部质量损失率小于1.5%,外部质量损失率小于1.0%。 卓越级。 质量管理以创新为驱动力,建立全员、全要素、全过程、全数据的新型质量管理体系;研发设计、生产制造、质量保障、供应链管理数字化全面、持续、系统开展,实行基于新一代信息技术的数字化网络化智能化管理,收集供应链上下游质量数据并实现数据资源共享;战略实施、文化建设、技术创新应用等能力有效支撑企业以高质量产品、高水平服务超越用户期望和体验,质量产生卓越的经营效益和持续的竞争优势;质量绩效水平领先,产品质量水平达到6σ,过程能力指数大于等于2.00,全过程一次交验合格率大于等于98%,内部质量损失率小于0.75%,外部质量损失率小于0.5%。 名词解释:   1.σ(西格玛):σ在统计学中代表“标准差”,即对过程输出的分布宽度的测量。σ值越高,过程不良品率越低。当σ值达到6时,即6σ的品质,表示“每百万单位只有3.4个不良品”;当σ值达到5时,表示“每百万单位有230个不良品”;当σ值达到4时,表示“每百万单位有6200个不良品”;当σ值达到3时,表示“每百万单位有66800个不良品”。   2.过程能力指数(Cpk):表示过程在稳定可控(即没有特殊原因干扰产出品特性)的状态下,能使其产出品达到可接受标准程度的指标。通常过程能力指数越高,产品的不良率越低。   3.全过程一次交验合格率:是产品生产各个过程一次交验合格率的乘积,是反映全过程质量管理水平及绩效的重要指标。其中,一次交验合格率是指初次提交检验的合格品数量占全部交验产品总数量的百分比。   4.内部质量损失率:是指产品交货前因未满足规定的质量要求所损失的费用与年度总产值之比。损失的费用主要包括:报废损失费、返修费、降级损失费、停工损失费、产品质量事故处理费等。5.外部质量损失率:是指产品交货后因未满足规定的质量要求导致索赔、修理、更换或信誉损失等所损失的费用与年度总产值之比,损失的费用主要包括:索赔费、退货损失费、折价损失费、保修费等。 .