格创东智【工业软件专家访谈】第二期 | QMS：给我一个支点，我能撬动整座“质量大山”-格创东智质量管理系统QMS-QMS/质量管理-软服之家

当前，中国已成为全球制造业中心，拥有全球最大的工业产值体量，最多的工业场景。在新一轮产业变革中，智能制造已成为各国抢占战略制高点的主攻方向。作为智能制造的关键核心技术，工业软件在推动产业数字化转型中担当重任。

关注中国制造业“软力量”

格创东智【工业软件专家访谈】第二期

QMS：给我一个支点，我能撬动整座“质量大山”

格创东智【工业软件专家访谈】第二期 | QMS：给我一个支点，我能撬动整座“质量大山”

以下是专家分享，enjoy：

在生产制造企业中，对品质管理而言，数据的价值有多大？且看一个比喻：

如果质量发展是一座大山，那么，数据价值就是一个支点，而数字化应用就是一股力。只要找准数据价值这个支点，数字化应用就能撬动整座“质量大山”。

所以，想让数字化应用在品质管理中要发挥出最大的力量，就必须要有足够贴近质量的数据，比如物料水准、客户标准与要求、机台生产状况、检验治工具测量状态等。让数据“取之于业务，用之于业务”。

而 QMS（质量管理系统），就是数字化应用在质量管理领域最具代表性的产品之一。

为什么是QMS?

在制造业，尤其是半导体等高端制造业，质量管理始终是企业管理中永恒的主题。品质管理要想做得更好，企业必须掌握足够多、足够有用的数据和信息。

缺乏数字化手段的传统质量管理方式，在数据获取与处理方面普遍存在纸质化管理、审批效率低下、分析方法受限等痛点，很容易出现失误与差错，直接影响产品品质。比如：

质量管理业务运行不顺畅：业务流程以人工流转的传统方式进行，得不到有效落实，容易走偏、走断，信息传递慢；

质量数据缺乏集中管理环境：各种质量数据分散保存在不同部门和不同系统中，存在数据孤岛，公司质量数据综合管理难；

质量数据无法有效应用：纸质数据难以检索、查询、统计、分析及追溯;有价值的质量经验得不到有效的保存、积累、共享和利用；

质量信息缺乏横/纵向协同：质量信息在设计、生产、售后等各环节间得不到有效的贯通;质量要求和决策得不到有效下达；

集团质量管理缺乏有效手段：总部很难对隶属公司质量信息实现监控和管理集团质量管理缺少统一、集约、透明、高效、协同性。

相比之下，QMS的核心优势在于：

面向集团、产品，实现全生命周期质量管理，通过数据采集与录入，将原本离散、隐性的质量数据进行深度挖掘与汇总分析，为产品全生命周期的质量管控提供有效的数据支撑。

纵向上，贯通了集团、分子公司、院、所、厂的质量信息链；

横向上，横向上，协同研发设计、采购、来料、生产、实验、售后的质量业务链；

从而构建起以质量管理为核心、一体化、集成化、智能化的策划、控制和决策支持平台，实现质量工作网络化、协同质量事件有效闭环、质量信息智能应用、质量经验充分共享，全面提升质量管控能力。

已经有MES、ERP了，还不够吗？

MES、ERP等系统确实都具备质量管理的功能，但是很“鸡肋”。

首先，这些系统的质量信息化是局部的。质量数据在不同系统各自孤立，无法形成有效闭环，只能满足部分质量管理的业务需求，且不具备实时预警功能。

比如来料检验及出货检验在ERP系统，过程检验在MES系统，售后质量问题处理在CRM系统……缺乏一个基于质量管理体系规划的QMS系统，不利于实现全面质量管理的落地。

就质量管理而言，无论是ERP还是MES，它们都和QMS之间有明显的差距。QMS是更具有针对性、全面性、成熟度及系统性的质量管理信息化系统。

比如在质量管理业务范围方面，如果以ISO9001质量管理体系为标准，平均而言，每个ERP系统涵盖质量管理业务范围在20%-30%之间；MES系统大概在10%-20%之间；而QMS专注于质量管理领域，基本涵盖全部ISO9001标准。

在质量管理业务深度与成熟度方面，很多企业都在探索如何在MES系统中有效融入质量管理，寻求MES与制造质量管理的有效结合，目前并无定型的做法。从实际情况看，在MES中进行质量管理很不理想，有的用户开始是用MES进行质量管理，最后因效果不理想而不得不改用QMS。

一切用数据说话

针对质量管理，许多行业头部企业都曾强调，管理决策必须基于事实，而事实则来源于精准的信息和数据。因此，企业持续提升质量管理水平必须依靠数据和事实，一切用数据说话。

数据的价值体现在方方面面，比如：

量化质量标准，生产工序精确规范。生产全过程的技术标准决定了产品质量。企业将产品及生产过程的技术标准量化后形成数据库，通过智能控制系统控制每个生产工序，以每个工序的高标准来保证产品的高质量。

助力管理层科学决策，不盲目依赖个人经验。在缺少数字化手段的情况下，管理者的质量决策往往依赖个人经验，不够精准、细致，指导价值有限。而基于QMS提供的数据价值，原本粗放的决策方式可以转变为基于数据的科学决策，从单点、零散的管理，升级到多面、系统的管理。

Know-How传承，沉淀经验智库。企业质量管理是一项需要长期坚持并持续优化的系统工程。其中，不断完善“质量知识库”也是品质管理人员的重要职责。在日积月累的质量管理工作中，QMS系统能够帮助企业沉淀知识、经验，比如缺陷案例、问题最佳解决方案，潜在失效模式等，将这些宝贵的数字资产在企业内部流转、传承、增值，形成预防质量闭环。

打破信息孤岛，管理系统互联互通。大型高端制造企业在开展全面质量管理的过程中，要运用数字化技术消除不同系统之间的信息孤岛，打通质量管理的各个环节，让全流程、各个质量工具的数据相互流动，实现数据互通共享，推动质量管理全链条管控。QMS可以通过与PLM、MES、OA等系统集成，加速质量数据的收集、流通，消除质量信息壁垒，辅助高效、精准的决策。

总体而言，在大数据时代，企业要想实现质量预防、诊断和控制，促使质量管理再次升级，数据分析和运用必不可少。尤其是QMS的应用，它能高效、高质地获取、处理、分析海量的数据信息，利用大数据分析和创建算法，帮助企业制定质量决策和改进措施，实现质量预防、诊断和控制，确保质量目标达成。