石琰美
（中海油惠州石化有限公司，廣東惠州 516084）
工業4.0 最早是由德國政府在2013 年提出一項高科技戰略計劃，以信息通信技術、物聯網技術、機器人技術、增材制造技術、人工智能技術為基礎，以自主動態運營為目標，實現高定制化產品的量產，其普遍特征是互聯、數字化和智能化。
1.1 大數據
大數據指的是在企業中加速增長的各種大型信息集合。大指的是信息量、創建和收集信息的速度以及數據點的種類或范圍。美國國家科學基金會（2012 年）將大數據描述為 “從儀器、傳感器、互聯網和/或其他數字來源生成的大型、復雜和縱向數據集”。
在大數據的基礎上可進行高級分析，高級分析包括描述性分析、診斷性分析、預測性分析、規范性分析。描述性分析和診斷性分析都是對過去的數據進行檢查并揭示趨勢或異常情況；
而預測性分析和規范性分析則是利用這些數據創建有關未來的新信息。雖然這四個類別被視為分析的階段或狀態，而規范性分析是最終的目標，此類技術用于確定最佳替代方案，可以向人類推薦行動，也可以自動執行，無需干預。大數據技術涵蓋整個數據生命周期所需的各種技術，包括數據收集、數據存儲、數據處理、數據分析、數據應用和數據管理[1]。
1.2 邊緣計算
傳感器和物聯網設備將收集大量數據，但并非所有數據都需要采集或傳輸。有些數據將在本地進行分析和使用，一旦處理完畢，可能就不需要存儲了。例如，如果因為傳感器的配置而每100 毫秒讀取一次電壓，但進一步計算只需要1秒鐘的平均值，那么該操作可以在傳感器附近（邊緣）完成。專用芯片也可以在邊緣獲取數據并執行機器學習算法，僅將結果發送回來。
1.3 網絡物理系統（CPS）
網絡物理系統是“由物理和計算組件組成的共同工程交互網絡”。CPS 有網絡連接部分和物理部分，通過增加各層之間的連接，打破了工業系統中傳統的自動化層次結構。從流程層面到供應鏈層面，每個層面的組件都可以根據具體情況與其他組件連接。這些系統將為未來的關鍵基礎設施奠定基礎，并為新興和未來的智能服務奠定基礎。
1.4 工業物聯網（IIoT）
工業物聯網（IIoT）是數百種OT 協議與基于IP 的通信協議融合的結晶，使控制設備和生產流程的硬件更具通用性和能力。除了支持智能家電、智能家居安全和個人助理等消費設備外，物聯網還可用于空氣質量和水質監測、醫療保健行業的設備監測、農村醫療保健行業的患者生命體征監控，以及提高產品質量和產量的精準農業。
1.5 數字孿生
數字孿生是將信息從實物中剝離出來，創建出數字孿生體。使得現實世界的實物或環境能夠虛擬呈現，并可以根據現實世界的數據進行創建和更新。利用數字孿生，企業可以自動感知態勢，監控異常情況，并利用虛擬空間推動優化工作，比單純的直接觀察和模擬更有效率[2]。數字孿生還可作為衡量多個模擬、優化工作和預測模型的影響的基礎，而無需改變物理世界中的任何東西。數字孿生技術可應用于復雜產品裝配過程的實時質量管理[3]、設備故障診斷和預防性維護。
1.6 人工智能
人工智能是使計算機能夠模擬和執行人類智能任務的科學和技術領域。它致力于開發能夠感知、理解、學習、推理、決策和與人類進行交互的智能系統。
Jacob 在工業4.0 概念的基礎上提出了質量4.0，他將工業4.0 定義為質量管理數字化及相關技術對質量管理方法、質量管理流程和質量人員的影響，而質量4.0 則是將傳統質量管理方法與工業4.0 技術相結合，以實現經營、業績和創新的最優狀態[4]。質量4.0 可以寬泛地理解為“工業4.0 背景下的質量管理”[4]。
美國質量協會ASQ 將質量4.0 描述為“將工業4.0 的先進數字技術與卓越質量相結合，推動績效和效益的大幅提升”。
質量4.0提高了互聯性、智能性和自動化程度，從而使人員、機器和數據能夠協同工作，提高績效并實現企業目標。互聯意味著找到將人、機器和數據連接在一起的方法。智能可以來自收集數據和與數據交互的新方法、新的學習方法，或機器學習算法等自動化方法。自動化意味著讓一個系統執行人類以前必須完成的任務。有很多層級的自動化，從提供人類行動建議的機器，到自行做出和執行所有決策的完全自主系統。
質量4.0 應用工業4.0 的新興技術來改進和創新質量管理理念和方法，其核心在于提升質量和達到績效目標。工業4.0的研究可能僅限于如何影響制造業和工業流程，而質量4.0 則適用于所有行業，質量4.0 強調信息的實時獲取、流程的可視性、智能決策支持以及人員、系統和機器之間的強化溝通。
工業4.0 是質量4.0 的一部分，在工業4.0 的環境中，質量管理人員可以從多個來源獲得大量實時數據，利用這些數據做出滿足客戶需求的決策。工業4.0 可以幫助我們提高智能運營水平，解決質量問題，工業4.0 是質量4.0 的重要助力，工業進步與質量發展之間的關系如表1 所示。
表1 工業進步與質量發展之間的關系
4.1 質量4.0 變革的重點
從宏觀角度來看，質量4.0 的重點是數字化轉型。它涉及由客戶和業務需求驅動的戰略變革。從微觀角度來看，質量4.0旨在利用現有的質量控制方法和工業4.0 技術來協助各企業提高質量和創新。傳統技術一如既往地重要，不能因為軟件和智能系統而忽視傳統技術；
相反，應將傳統技術作為一種補充。
數據是成功提高質量和績效的數字化轉型的基礎。數據為機器學習和其他算法所產生的高級分析提供了動力源。數據科學是將這一切聯系在一起的實踐，它將獲取和吸收數據的機制與分析并進行決策聯系在一起。
4.2 數字化轉型步驟
（1）要將數字戰略轉化為行動，在開始轉型之前，首先必須清楚的了解企業的工作內容、運作方式及其競爭環境。是什么讓企業獨一無二？企業如何進入市場和開展業務競爭？有哪些優勢、挑戰和風險會影響企業追求工業4.0 和數字化轉型目標和實施計劃？回答所有這些問題非常重要，可以在變革時期為員工提供共同理解的基礎，促進員工的認同和對變革的支持。
（2）其次應明確角色、職責、數據驅動的決策過程和定義標準化工作。目前，最著名的質量活動是ISO 9000、全面質量管理、六西格瑪和鮑德里奇卓越績效計劃、豐田生產方式（TPS）和持續改進（kaizen）都可以聯合或單獨用于實現這一目標。如何系統地整合這些質量活動，預防和解決質量問題仍然是企業實施質量管理的重要方向。在所有質量管理活動中，核心目的都是質量改進。要實現質量改進就必須解決質量問題。解決問題的關鍵環節是發現問題、分解問題、收集和分析數據以及解釋分析結果。
（3）明確為什么要轉型，如果企業已經開始了數字化轉型，那么是否已經明確了自己的目標？研究表明，決定數字化轉型計劃成功與否的是戰略而非技術，這就是為什么許多轉型計劃都以實施某項特定技術為重點，結果卻以失敗告終。
（4）預先設定質量和績效目標，并確定了每個目標機制如流程優化、客戶界面和體驗、新生態系統、新業務模式和智能產品的質量和績效目標，就可以開始考慮具體細節了，提出數字化轉型目標的一個有效方法就是頭腦風暴。
（5）頭腦風暴之后，整合如何實現目標的多種想法，在實現過程中必須考慮各種關系。所有企業都應在堅實的數據管理支持下建立企業骨干，以協調人員、流程和技術。ISO 9001、鮑德里奇和精益管理都可用于此，因為它們提供了一個框架，可將戰略目標轉化為行動、明確的角色和責任；
對工作和價值交付的標準描述；
以及學習和交流的方法。同樣，堅實的數字化平臺也是數字化轉型計劃的先決條件。這包括為員工和供應網絡提供知識庫和數字服務，共享和管理關鍵數據并確保數據完整性的平臺，以及在企業內外共享工作和協同創新的工具。
（6）差距分析，整理出初步實施計劃后，對于其中的大多數工作，企業不太可能從零開始。列出比較感興趣領域的現狀與未來期望狀態，對差距進行準確評估來確定實施該計劃是否可行。差距分析過程可用于支持小組討論，以明確數字化、集成化、智能化或自動化的程度，從而實現既定的質量和績效目標。每個項目或舉措都有其自身的背景，在某種情況下是適當和可取的，在另一種情況下可能是不適當、危險或不可行。并非所有流程都應由機器智能驅動的互聯自主工作系統管理。
（7）確定潛在計劃的列表，這些計劃與4.2(4)確定的戰略和質量目標相匹配。在實施之前，先確定各種計劃的優先級。
（8）技術的戰略性使用，由于數字化轉型計劃是技術密集型的，因此企業必須確定信息技術在其整體戰略中將扮演什么角色，以及信息技術是否是其核心能力之一，這可以幫助企業選擇正確的技術。
（9）創造價值，由于數字技術會影響公司的業務模式，因此必須研究這些變化可能是什么，以及它們會如何影響創收。建議審視流程和產品的數字化環境。明確數字渠道是否只是用來提升流程管控質量還是為現有產品和服務提供增值。
（10）轉型結果評價，選擇正確的成功衡量標準，不僅能為計劃進程提供指導，還能讓管理者清楚地了解企業從數字化轉型工作中獲得了哪些收益。關鍵績效指標KPI 應與4.2(4)中列出的質量和績效目標掛鉤。
成功的數字化轉型計劃將質量和績效放在首位和中心，領導者要確保正確的基礎、流程、能力和規則，以實現預期成果。
有效的質量管理就是過程紀律。將新興工具、流程規范和穩健的閉環方法融為一體，不僅有效，而且充滿力量和洞察力。它將實時數據和預測數據轉化為可操作的信息。
按照這些步驟，就能制定出可行的質量4.0 戰略，即由質量和績效驅動的數字化轉型戰略。工業4.0 的研究重點可能是制造業和相關行業的網絡物理系統，而質量4.0 則適用于所有行業。它涉及人員、流程和新技術之間的相互作用，這些新技術增強了互聯性、智能性和自動化。
當人工智能和機器學習與數據化決策相結合時，質量系統將開始具有自我意識。但這并不是一場純粹的技術變革：設計有效的智能代理并使用它們提供的建議將是一個獨特的人類命題。這些變化將對制造業的勞動力產生特殊影響，因為在制造業中，認知技能和根據數據做出決策的能力已經開始變得與體能和靈活性同等重要。
在質量4.0 時代，即使數據的數量和種類不斷增加，許多機器學習算法必須經過訓練，而訓練會受到個人和認知偏見的影響。質量專業人員可以預測積極和消極影響，幫助企業防范消極后果。
工業4.0 和中國制造2025 是當今最具熱度的工業實踐，其一系列新技術的應用與質量管理方法相結合，將數據、流程、產品和人員集成，使它們能夠合作提高效率和質量，從而提高客戶滿意度；
同時也能提升人工智能水平，提高決策的速度和質量。
本文就企業如何進行質量4.0 轉型實踐進行探討，提出數字化轉型規劃的步驟，包括定義企業概況、確定戰略方向和質量績效目標、確立價值主張和潛在計劃、確定計劃的優先次序和結果評價，為企業數字化、智能化轉型提出可行措施。
猜你喜歡 流程工業轉型 轉型發展開新局 乘風破浪向未來中國核電(2021年3期)2021-08-13吃水果有套“清洗流程”今日農業(2021年10期)2021-07-28航天器在軌管理模式轉型與實踐航天工業管理(2020年4期)2020-06-16違反流程 致命誤判勞動保護(2018年5期)2018-06-05工業人黃河之聲(2018年5期)2018-05-17轉型童話世界(2018年13期)2018-05-10本刊審稿流程國際醫學放射學雜志(2016年4期)2016-08-22析OGSA-DAI工作流程辦公自動化(2016年18期)2016-08-20灃芝轉型記知識經濟·中國直銷(2016年10期)2016-02-27掌握4大工業元素，一秒變工業風！Coco薇(2015年10期)2015-10-19