重新定义DQE，PQE/MQE，SQE

传统产业中我们提到DQE，PQE/MQE，SQE，大家更多的共识是Quality Engineer，是不同的质量管理角色。

在当下，随着新一代信息技术在传统产业管理中的应用探索及落地迭代，原来关于Quality Engineer的共识被重新定位为Quality Engineering——一个有流程，有体系，有闭环，有迭代的质量工程活动。

角色和角色之间环环相扣，环节和环节之间相互驱动，最终成品的质量取决于供应链各个节点协同协作的结果，起于研发设计，关联供应链，终于组装制造。

DQE，PQE/MQE，SQE三个职能角色在大多数工厂里，是由三个不同的部门分别承担管理工作，我们简要从业务流转和数据流转两个维度，分析一下他们之间的关系。

DQE代表质量策划体系，主要负责NPI阶段的质量策划。

众所周知，质量问题是设计出来的，不是生产出来的（能做到的工厂的确寥寥无几），因此对DQE工程师就有着更高的要求，很多企业的DQE工程师都是从SQE或PQE/MQE工程师转岗过来，更具有实践经验。

PQE/MQE代表质量过程体系，主要负责PFMEA文件的输出，以及分析和解决产品生产过程中出现的各类质量问题。

生产过程，即拿上游提供的原材料通过设定的制程进行再加工的过程，所以在生产过程中出现的问题，主要分为三种原因：设计问题、制程问题、原材料问题。

SQE代表供应链质量体系，主要负责供应商选定、原材料质量把控以及供应商考核评分，于供应商有着至高的地位，在公司内部与采购有着相互博弈的过程。

FMEA（Failure Mode and Effects Analysis）是失效模式与影响分析，即“潜在失效模式及后果分析”的简称。它是一种可靠性设计的重要方法，实际上也是FMA（故障模式分析）和FEA（故障影响分析）的组合。

FMEA从科学性、系统性方法出发，通过团队合作，减少APQP五大阶段中，产品设计和制造过程的相关技术风险，减少风险需要投入的预防和鉴定成本，减少失败及失效成本，解决产品设计及制造可靠性问题、质量问题，帮助企业高质量生产。

企业通过实施FMEA，可有效控制COQ（Cost Of Quality）和COPQ（Cost Of Poor Quality）的目标。

在产品研发到生产的过程中，FMEA产品的价值远胜一款分析工具。

在NPI阶段，我们首先通过DFMEA分析零部件及其产品特性，并进行失效分析，发现潜在问题，并制定预防/探测措施，降低风险。

DFMEA的分析结果，如产品特性及失效库等，需要完整准确的传递至PFMEA中，PFMEA借鉴DFMEA的信息，围绕生产工序/要素展开对过程的分析，识别过程中潜在的风险，进而通过科学的管理手段去遏制或降低风险。

最终这些诞生于策划阶段的管理手段，将体现到用于量产的SOP（Standard Operation paper标准操作指导书）和SIP（Standard Inspection paper标准检验指导书）中，指导生产过程。

这就是我们说的第一条数据链，DQE到PQE/MQE的数据传递。

在实际量产环节，会出现各类问题，包括操作问题、设计问题、来料问题、设备问题等等。

面对这些问题，相信每个工厂都会有一套相对完善的处理流程，针对问题，提出短期对策、长期对策，发起设计/工程变更，输出8D报告等，这些流程对大家驾轻就熟，那么现在，我们暂不讨论流程，而是回到最开始的地方，回到设计策划阶段。

这些问题，在策划阶段，我们识别到了吗？

我们策划的控制措施是有效的吗？

针对这个问题新的处理措施，能够补充到策划阶段的DFMEA/PFMEA中吗？

这是我们要说的第二条数据链，PQE/MQE到DQE的数据传递。

现实的管理中，由于文件的离散，人员的变更，数据的庞杂、管理工具的限制等因素，策划阶段和过程阶段的数据，往往是割裂的、无法闭环的。

量产阶段员工认为DFMEA和PFMEA的文档缺少指导价值，不适用，如此恶性循环。

解决以上问题，企业必须借助信息化管理工具，引导或指导员工按标准输出对应的文件，并且能够实现各个环节间，数据的自动同步、反向验证、持续优化，最终沉淀企业的知识库，提升制程能力和质量水平。

全产业都在高呼质量是企业的生命线，牢牢抓好“质造”，然而，现实中大多数企业，日日忙于擦屁股，忙于生产，缺乏体系思考、科学推进。

工厂中DQE、PQE/MQE、SQE职能看似配合默契，其实所有的业务主要是由人驱动而非数据驱动。

而人，作为公司最不稳定的资产，是每一个管理者最不应该去强依赖的资源。可大多数企业，由于缺少结构化沉淀，经验不可视等原因，不得不依赖人的管理。

质量履历可以是一个产品，它是公司内质量数据的汇合，包含所有DQE、PQE/MQE、SQE阶段所产生的数据，这些数据的存储必然是结构化的，从数据的抽取到数据的存储，分析和查询，质量履历担任着整个公司质量数据的重要作用。

它包含多种查询结构，按照时间、产品、物料、制程、工艺、供应商、客户等维度，成为智能工厂中重要的质量组成部分。

供应链管理随着时代的变化，向企业提出了动态管理、科学管理、数字化管理的挑战，要求企业必须建立一套行之有效的科学管理办法，管理企业内部和供应链，方能在日渐激烈的市场竞争中持续存活与发展。

今天和大家分享一下海岸线基于DQRTC模型，提出的供应链中供应商的评级评分体系与DQE、PQE/MQE、SQE相关的指标。

下文主要描述Q、T指标：

作为SQE较重要的数据支撑指标，它包括：

供应商来料批次合格率（合格来料批次/来料总批次×100%）、来料抽检合格率（来料抽检合格总数/抽检样品总数×100%）、来料全检合格率（来料抽检合格总数/抽检样品总数×100%）、来料在线报废率（来料生产时报废数量/来料总数×100%）等。

随着行业的发展和数据的协同，质量指标也日益丰富。

如供应商的出货检验（OQA）、产线制程能力检验（IPQC）、制程终检（FQC），甚至供应商的来料检验（IQC）都已纳入质量指标中。

此外，由于技术的发展和企业对质量的愈发重视，单件质量在越来越多的场景中成为可能，它将代替平均质量成为质量数据的风向标。

不久的未来，在供应链质量数据大协同的背景下，免检会成为趋势，更优社会资源配置的高质量JIT库存将越来越成为可能与可信。

任何一款成功产品的面世都是整个供应链的成功，因此产品的研发，不仅仅是公司内部的研发，更是供应链的协同研发。

供应链的制程能力指标，需要科学管理办法和科学管理工具双管齐下，根据不同品类定义关键制程指标，合理获取数据、分析数据，既要尊重供应链企业的机密信息，又能作为供应链企业的评级评分维度。