|
为了适应第四次工业革命所带来的颠覆性变化，我们需要一种全新的质量观。 广大组织必须有效利用质量4.0工具（例如人工智能、机器智能、普适计算和连通性），来提高其质量和绩效。 质量专业工作者应当具备所要求的技能，以帮助其所在组织在第四次工业革命进程中取得成功。 当前技术发展前景比以往任何时候都更加丰富多彩和充满希望。在许多方面，云计算、大数据、虚拟现实（VR）、增强现实（AR）、区块链、叠层制造、人工智能（AI）、机器学习（ML）、互联网协议第6版（IPv6）、网络物理系统和物联网（IoT）都代表着当今世界最前沿的技术发展。这些最前沿技术，无疑会有助于改进产品和服务的质量，并提升组织的绩效。 在世界许多地区，互联网如同电力一样无处不在。由于互联网相关组件相对比较便宜，而且一个强大的开放源代码软件库生态系统则意味着工程师解决问题的速度比20年前快了100倍。 这种数字化变革正在引导我们走向连接的智能自动化：部署在人与机器合作环境中的智能、超连通动因——利用数据——实现共享目标。这不是世界上第一次工业革命，实际上这是第四次工业革命。而这次工业革命所带来的颠覆性变革则意味着我们需要拥有一个新的质量观点来适应它。 质量4.0：一个新的观点 质量4.0是在当前具有潜在颠覆性的数字化变革时期追求卓越绩效的代名词。质量4.0来源于“工业4.0”——在2011年汉诺威博览会上发明的一个术语，用来描述第四次工业革命。 第四次工业革命强调了智能制造系统的智能性和相互关联性，反映了当前最新的技术创新，而把这些科学技术创新放在历史长河上来看，可以追溯到17世纪直至当今的关键技术发展。 在第一次工业革命期间（18世纪末和19世纪初），蒸汽和水力发电的创新使生产设施能够增加和扩展到潜在的生产地点。在此之前，制造设施必须沿着河流建造，这样才能利用水轮来发电。 到了19世纪末，电力的发现和基础设施的发展使工程师们能够建造用于大规模生产的机器。而铁矿石产量的增加，使机器本身能够得到大量生产。在美国，铁路的发展使获得供应和交付成品变得更加容易。 可靠电力的广泛供应促使了计算机的兴起。在第二次世界大战结束时，数字计算开始出现。第三次工业革命是在20世纪60年代末，伴随着可编程逻辑控制器的发明而到来。这使得自动处理过程成为可能，例如填充和再填装油罐、开启和关闭发动机，以及根据过程的状态和不断变化的环境条件来控制事件的顺序。 世界经济论坛（WEF）对这些变革非常感兴趣。在2015年，世界经济论坛发起了一项数字化变革倡议，以对此进行协调研究，从而帮助抵消这些变革对广大组织和社会所产生的影响。世界经济论坛认识到，自20世纪50年代数字化计算出现以来，我们一直在积极地经历数字化变革：首先是大型机，然后是顾客端服务器计算和个人电脑，接着是互联网和早期电子商务网站的出现。 移动设备和云计算导致了服务的融合，因为多个顾客的接触点（电话、传真、网络和平板电脑）逐渐融合到大多数组织现在拥有的顾客的单一视图中。就在20年前，组织仅仅能够将你的电话与顾客服务、电子邮件和网络查询联系起来。现在，这一切被认为是理所当然的事情。 第一次工业革命的特点是蒸汽动力机器，第二次是电力和装配线。计算和工业自动化方面的创新定义了第三次工业革命。而第四次工业革命则给我们带来了机器智能、普适计算、负担得起的存储和稳健连接。我们该如何利用这些第四次工业革命的创新成果来提高我们的质量和绩效呢？ 新出现的质量趋势 由于使用技术（例如仿形传感器、智能算法和利用它们的计算能力）的成本在过去10年中大幅度下降，组织现在可以开始将这些技术作为其数字化战略的一部分。 数字化变革的过程正在向我们展示如何看待顾客和组织边界的变化。组织将不再仅仅由其雇员和业务合作伙伴来定义，而是由那些与组织就产品生产线和新服务的形成进行持续对话的顾客来定义，即使这些顾客没有明确地意识到自己已经整体参与到这一进程之中。 新的业务模式不一定依赖所有权、消费、产品集中生产或集中提供服务，而是基于价值的方法强调信任、透明度和安全的重要性。例如上面“质量4.0工具”中所定义的区块链等新技术，将帮助我们实现和部署相关体系以支持这些变化。 尽管当时还没有使用“质量4.0”一词，但是美国质量学会（ASQ）早在2015年发表的《未来质量报告》中就首次描述了第四次工业革命对于质量的影响。这项研究报告旨在描述未来5到10年质量观点的演变，为质量界迎接未来的挑战做好准备。 《未来质量报告》的作者描述了整个工业生态系统的健康和生存能力将如何成为每个人关注的问题，还提出一些新的观点： 质量专业的重点从效率、有效性和满意向持续学习和适应性变化； 由于信息的可获得性和透明性（“正在变化的接口和转换”），组织内部和组织之间不断变化的边界以及不同领域之间该如何共享信息； 供应链的全局性和对于生产过程的可视性（能够实时监视和响应任何要素）； 更多地强调顾客体验、参与性市场（消费者消费和生产能量）和产品制造的消费者（顾客参与他们想要的产品的设计和开发）。 这其中的每一个变化都必须在质量4.0中得到应对。因此，我们处理和解决问题的方式将发生变化。例如，我们必须学习如何在数据的生命周期内管理数据，而不是管理数据所在的组织。我们的顾客声音概念将会得到扩展，我们也会找到倾听万物声音的方法，因为我们将能够从顾客周围的连接目标中了解我们的顾客。 为什么是现在？ 虽然互联网的增长和扩展在20世纪90年代末和21世纪初加速促进了创新，但是直到现在我们才准备好迎接第四次工业革命。那么，会有什么变化呢？ 信息的产生和可用性：更多的信息是可用的，因为人员和设备正在以前所未有的速度产生信息；传感器和驱动器等促成技术成本的下降，正在推动这些领域的创新。 连接性：首先，互联网协议第6版（IPv6）的引入（它定义了数据如何从一台计算机传送到另一台计算机）， 确保了有足够的地址来定位那些预计将连接到互联网的数十亿台设备，这些设备产生的信息将会在互联网上立即获得。 质量4.0工具 第四次工业革命带来了提高质量的新工具和新技术。 人工智能：计算机视觉、语言处理、聊天机器人、个人助理、导航、机器人、做出复杂的决策。 大数据：基础设施（例如MapReduce、Hadoop、Hive和NoSQL数据库）、更容易地访问数据源、管理和分析大型数据集的工具，从而不必使用超级计算机。 区块链：提高交易的透明度和可审核性（对于资产和信息），监控相关条件，这样一来，除非质量目标得到满足，否则交易不会发生。 深入学习：图像分类、复杂模式识别、时间序列预测、文本生成、创造声音和艺术、根据真实视频创建虚拟视频，根据启发调整图像（例如，使照片中的皱眉者看起来像是微笑）。 促成技术：负担得起的传感器和驱动器、云计算、开放源代码软件、增强现实（AR）、混合现实、虚拟现实（VR）、数据流（如Kafka和Storm）、5G网络、互联网协议第6版（IPv6）、物联网。 机器学习：依次分析、推荐系统、电子邮件垃圾邮件过滤、欺诈侦查、对象分类、预测。 数据科学：将各种各样数据集合起来进行预测、分类，以及在大数据集中寻找模式、将大量观测减少到最重要的预测因素、应用声音传统技术（例如可视化、推理和模拟）来生成切实可行的模型和解决方案的做法。 另外，改进后的网络基础设施正在扩大连通性的范围，使其更加广泛而可靠。与20世纪80年代和90年代不同的是，现在通常使用的通信协议要少得多，所以从一台设备与网络上的另一台设备通话要容易得多。 智能处理：可负担得起的计算能力（和处理能力）可用于分析和解释这些信息，以便将其纳入决策过程。用于数据高级处理和可视化的高性能软件库很容易找到，而且在许多情况下很容易使用。例如，在过去，软件开发人员必须为最为常见的任务编写自己的代码。现在，软件开发人员可以使用开放源代码的解决方案，这些解决方案都是经过许多人的实战测试过的。 新的互动模式：我们获取信息并与信息互动的方式也在发生变化。特别是，新的接口，例如增强现实（AR）和虚拟现实（VR），可以更容易扩展训练和导航混合物理——数字环境的可能性。 新的生产模式：3D打印、纳米技术和基因编组将改变几个行业的生产性质和生产方式。增强或提高人类性能的技术（例如外骨骼、脑——计算机接口，甚至是自动车辆）也将为生产和分销方面的创新开辟新的机制。新技术，例如区块链，有可能通过挑战根深蒂固的信任、控制、共识和价值创造的集中观念，改变生产的性质。 发现：新的质量角色 我们认为今天的质量行业源于第二次工业革命中期，由法国的亨利·法约尔和美国的弗雷德里克·温斯洛·泰勒引入科学管理的方法。工厂需要确保装配线顺利运行的方法，从而使其生产出符合规格的产品。工人们现在可以知道如何从事生产过程，并控制成本。 随着工业生产的成熟，这些方法逐渐包括为按技术规范生产而建立的过程的设计。在20世纪80年代和90年代，个人计算机的使用再次改变了这种局面。各个组织围绕其文化价值观，积极参与到轰轰烈烈的质量活动中——全面质量管理（TQM）、精益管理和六西格玛得到普遍流行。 随着网络化、智能化和自动化系统被更广泛地应用，我们可以期待质量工具和方法的再次兴盛发展。这一进展可以通过以下4个主题加以概述： 1.质量如同检验：在早期，质量保证依靠于在总体生产项目中对不良质量进行检验。沃尔特 A. 谢沃特所提出的统计过程控制方法，可以帮助操作者确定生产中所出现的变差是由随机的原因，还是由特殊的原因所引起的。 2. 质量如同设计：在爱德华兹·戴明关于停止对检验依赖的建议启发之下，出现了更全面的方法将质量设计成过程，以防止出现质量问题。 3. 质量如同授权：全面质量管理和六西格玛倡导全面质量方法，使每个人都拥有责任并授权每个人为持续改进做出贡献。 4. 质量如同发现：在一个适应性的、智能化的环境中，质量取决于我们能以多快的速度发现和聚集新的数据源，如何有效地发现根本原因，以及我们如何能够很好地发现关于我们自己、我们产品和我们组织的新认识。 质量4.0价值主张 质量4.0如何帮助你所在的组织？具体来说，质量4.0如何通过实施诸如人工智能、机器学习、机器人过程自动化和区块链等促成技术，来提高组织人员、项目和产品的绩效？ 引进新技术时应明确说明其期望的好处。价值主张是一种陈述，它解释一个产品或活动将带来什么好处，有时还解释将如何取得这种好处。质量4.0倡议的价值主张分为6类，其中第一项是最重要的： 1. 增强（或提高）人类的智力； 2. 提高决策的速度和质量； 3. 提高透明度、可追溯性和可审核性； 4. 预见变化，揭示偏差，并适应新的环境和知识； 5. 发展关系、组织边界和信任的概念，以展现持续改进的机遇和新的业务模式； 6. 学习如何通过培养自我意识和其他意识作为技能来学习。 质量4.0倡议可以帮助你将智能添加到监视和管理运行中，或者使远程监视能够提高操作人员的生产力或士气。你需要考虑如何增加人工能力，而不是考虑如何在过程中替换人员。根据芬兰社会学家埃斯凯·基尔皮的说法，“工作的真正未来不是追求自动化的工业模式，而是促进增强的后工业模式。” 预见性维护可以帮助您预测设备故障，并主动减少停机时间。质量4.0倡议可以帮助在持续的基础上评估供应链风险，或者帮助你决定是否采取纠正措施。质量4.0倡议还可以帮助您提高网络安全：记录和标杆对比过程可以帮助你所在组织发现异常情况并了解预期绩效，从而有效地标示潜在的损害。 促成技术的生态系统：增值 自动化并不是一事无成。用户可以创建一个计算机或智能代理程序所需的过程，计算机可以为操作人员做出批准或调整的决策，或者计算机可以做出和执行所有决策。 同样，机器智能是一个系列：一个计算程序可以提供建议，通过批准或调整采取行动，或者自己采取行动。当将不同程度的智能和自动化引入到过程中时，我们必须决定想要产生什么样的价值。 要做到这一点，我们必须了解在前面“质量4.0工具”中所定义的质量4.0技能和技术，以及它们之间的相互关系。图1说明了这些质量4.0技能和技术之间的相互关系。 人工智能包括大多数工具，在许多情况下，这些工具已经得到了普遍应用，以至于不再被视为人工智能，例如光学字符识别。机器学习计算程序构成了人工智能的一些领域（但不是全部）。神经网络是一种机器学习的计算程序，而深度学习是一种特殊的复杂神经网络，它结合了具有特殊功能的多个层次。 人工智能和机器学习现在正变得流行起来，因为不仅软件可以更容易访问和应用，而且可以更容易访问大数据，从而使人工智能和机器学习变得如此强大。 区块链是一种新兴的技术，具有提高数据质量和交易质量的潜力。统计和数据科学为解决所有问题提供了坚实的基础。 质量专业工作者：引导变革 |
|
|
来自： 梦想飞扬sgl707 > 《质量管理》
