2月14日 ，，，，，本身就是一个不平常的日子 ，，，，，在这天收到香港营业部传来一个好消息 ，，，，，优衣库客户通过对过去三个月（2019年11月至2020年01月）检品数据的评判 ，，，，，同意将南江公司第三方监察率由百分之五十调整为2.5%抽检 ，，，，，并由2020年2月开始施行。。。。。
通过近几年来的努力与付出 ，，，，，南江公司终于获得优衣库客户的全面授权 ，，，，，这既是客户对南江质量的认可 ，，，，，也是对南江团队的肯定 ；；；；；；我们将化压力为动力 ，，，，，全面抓好质量管理 ，，，，，继续运用“以有序地生产计划安排”去保质保量� ；；；；；；跗� ，，，，，争取日后获得客户更多的订单。。。。。
近两年来的生产一线磨练 ，，，，，让我有收获有感触 ，，，，，有过失望有过失败 ，，，，，但如何运作科学的管理手法去强化工厂的内部管理 ，，，，，提升工厂的生产效率与产品质量 ，，，，，是我们80后这一代管理人员应该去思考 ，，，，，并大胆去运用的工作开展方向。。。。。在此我想谈一谈数据在品质管控过程中的作用以及应如何运用：
在毛衫工艺的生产制造过程中 ，，，，，质量管控一定要依靠数据。。。。。因此如何进行质量数据分析并得出正确结论 ，，，，，如何及时、准确地将质量数据信息反馈给企业管理人员 ，，，，，就成为质量管控有效性的重要环节。。。。。在协同管理的平台上 ，，，，，要导入智能制造 ，，，，，以企业局域互联网为载体 ，，，，，建立一个质量数据分析系统作为质量管控抓手 ，，，，，就可以用数据不断提升产品的设计、工艺、生产水平 ，，，，，使企业管理上台阶。。。。。
质量是企业的生命吗？？？？？？？？答案是毋容置疑的。。。。。大家都清楚“产品是设计和制造出来的 ，，，，，不是检验出来的”。。。。。但是传统的质量管控 ，，，，，更多的还只是检验 ，，，，，在产品完成后进行抽检或全检 ，，，，，以此来确保质量 ，，，，，这时候很多问题都“来不及”了。。。。。没有合理监控的生产制造过程 ，，，，，就不可能形成好的结果。。。。。所以 ，，，，，质量管控要把过程监控作为重要的产品质量控制手段 ，，，，，这也是质量管理八大原则之第4条“过程方法”的具体体现 ，，，，，即将活动和相关资源作为过程管理 ，，，，，可以更高效地得到期望的结果。。。。。而质量管控的基础就是数据事实。。。。。数据来源于在生产制造过程中所设置的质量控制点的采集统计 ，，，，，我们毛衫生产的质量数据包括从供应商毛料进厂、生产制造过程中的异常和追溯、产品销售后的顾客反馈等全过程。。。。。每天产生的数据量如何准确及时的分析使用 ，，，，，并能将其形成过程数据链条 ，，，，，为质量管控指明方向 ，，，，，这将是一项艰巨的工作。。。。。
在协同管理的信息化建设之前 ，，，，，质量数据的统计分析需要大量的人力物力资源投入 ，，，，，而且经� ；；；；；；岢鱿质萃臣撇煌暾⑹荽聿患笆薄⑹莶蛔既贰⑹葜馗础⑹菔粜圆灰恢碌鹊任侍� ，，，，，从而影响质量管控决策出现偏差。。。。。这个时候的质量管控只是一种定性的宏观层面的粗枝大叶管理 ，，，，，与精益制造、细节管理、循环法（PDCA）、关键绩效指标（KPI）的理念还是有较大差距的。。。。。
随着工业4.0的推进 ，，，，，工业化和信息化的深度融合 ，，，，，智能制造的日趋普及 ，，，，，企业对于信息化的建设更加重视 ，，，，，协同管理的理念与平台也日趋完善 ，，，，，凭借互联网和大数据 ，，，，，利用质量数据查找薄弱环节 ，，，，，关注细节、完善流程、提高效率 ，，，，，提升生产制造产品质量 ，，，，，提升公司整体质量管理能力的时机已经成熟。。。。。
那么 ，，，，，问题来了 ，，，，，如何实现质量管控的数据化呢？？？？？？？？
首先 ，，，，，在质量数据统计方面要全面规划 ，，，，，按照质量管控的要求 ，，，，，涵盖工厂生产运作与质量有关的所有环节 ，，，，，建立一个系统的质量数据采集、分析、监督和考评机制 ，，，，，统一规划数据标准、数据模式 ，，，，，确保数据采集的每一个站点都必须有明确的负责部门 ，，，，，强化质量数据实时管理。。。。。在生产运作现场 ，，，，，给每件产品进行身份编码（布签） ，，，，，结合自动识别和扫描技术进行数据采集。。。。。从工厂生产运作过程到最终实现产品的装运和发货 ，，，，，完成客户的订单交付 ，，，，，形成一个质量数据信息链。。。。。
其次 ，，，，，在数据分析方面 ，，，，，要运用多种质量管控工具 ，，，，，对于我们毛衫生产企业来讲 ，，，，，过程中关键工位站点不良品直方图（吊挂系统上体现的）、统计过程控制图SPC、工序能力指数、流水直通率、不良品返修解析统计表、都是很有用的分析输出。。。。� ；；；；；；箍梢陨柚煤侠碇眯徘� ，，，，，对于超出置信区间的不良现象通过“泛红”警示标识 ，，，，，以此给管理人员提供检讨生产过程控制的课题 ，，，，，使得他们有针对性的开展原因分析、问题追溯、并制定改善措施。。。。。
第三 ，，，，，改进活动来源于数据分析的“泛红”警示 ，，，，，管理和技术人员应特别关注 ，，，，，积极实施针对性地改善。。。。。对于改善后的质量数据 ，，，，，又会通过PDCA循环输出及时进行验证。。。。。这样就把从供应商送货、检验、入库、生产供料、生产过程控制、在线检验、产品入库、发运、售后服务的全流程建立起质量数据化管控的全景图 ，，，，，不仅能达到顺畅实时的生产制造过程品质控制 ，，，，，还能通过售后服务的信息反馈 ，，，，，达到往前向环节的逆向追溯与质量改进等。。。。。
第四 ，，，，，对于质量管控的数据化系统要在工厂最高管理者（总经理或厂长）的指导下 ，，，，，由质量管理部门委派专人系统维护 ，，，，，并不断优化系统功能。。。。。
面对复杂多变的生产制造过程(人、机、料、法、环) ，，，，，任何一个要素发生问题 ，，，，，都将影响到产品的质量。。。。。尤其是人的因素最不可控 ，，，，，是人都会犯错 ，，，，，都会有误差 ，，，，，特别是生产环节 ，，，，，这些人为引入的负面影响经过生产流水线的每个环节会逐级放大 ，，，，，必然会最终影响产品的品质。。。。。产品的生产过程中人的因素越多 ，，，，，产品出现问题的可能性也越大。。。。。
