2月14日，自身就是一个不泛泛的日子，在这天收到香港交易部传来一个好新闻，优衣库客户通过对从前三个月（2019年11月至2020年01月）检品数据的评价，赞成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月起头执行 。
通过近几年来的致力与支出，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，也是对南江团队的注定；我们将化压力为动力，全面抓好质量治理，持续使用“以有序地出产打算铺排”去保质保量；跗，争取日后获得客户更多的订单 。
近两年来的出产一线考验，让我有收成有感想，有过绝望有错误败，但若何运作科学的治理手法去强化工厂的内部治理，提升工厂的出产效能与产品质量，是我们80后这一代治理人员应该去思虑，并斗胆去使用的工作发展方向 。在此我想谈一谈数据在品质管控过程中的作用以及应若何使用：
在毛衫工艺的出产造作过程中，质量管控肯定要依附数据 。因而若何进行质量数据分析并得出正确结论，若何实时、正确地将质量数据信息反馈给企业治理人员，就成为质量管控有效性的沉要环节 。在协同治理的平台上，要导入智能造作，以企业局域互联网为载体，成立一个质量数据分析系统作为质量管控抓手，就能够用数据不休提升产品的设计、工艺、出产水平，使企业治理上台阶 。
质量是企业的性命吗 ？答案是毋容置疑的 。各人都明显“产品是设计和造作出来的，不是检验出来的” 。但是传统的质量管控，更多的还只是检验，在产品实现后进行抽检或全检，以此来确保质量，这时辰好多问题都“来不及”了 。没有合理监控的出产造作过程，就不成能形成好的了局 。所以，质量管控要把过程监控作为沉要的产品质量节造伎俩，这也是质量治理八大准则之第4条“过程步骤”的具体体现，即将活动和有关资源作为过程治理，能够更高效地得到进展的了局 。而质量管控的基础就是数据事实 。数据起源于在出产造作过程中所设置的质量节造点的采集统计，我们毛衫出产的质量数据蕴含从供给商毛料进厂、出产造作过程中的异常和追忆、产品销售后的顾客反馈等全过程 。每天产生的数据量若何正的确时的分析使用，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 。
在协同治理的信息化建设之前，质量数据的统计分析必要大量的人力物力资源投入，并且经；岢鱿质萃臣撇黄肴⑹荽χ貌皇凳薄⑹莶徽贰⑹莩粮础⑹菔粜圆灰恢碌鹊任侍，从而影响质量管控决策出现误差 。这个时辰的质量管控只是一种定性的宏观层面的粗枝大叶治理，与精益造作、细节治理、循环法（PDCA）、关键绩效指标（KPI）的理想还是有较大差距的 。
随着工业4.0的推动，工业化和信息化的深度融合，智能造作的日趋遍及，企业对于信息化的建设越发器沉，协同治理的理想与平台也日趋美满，凭借互联网和大数据，利用质量数据查找幽微环节，关注细节、美满流程、提高效能，提升出产造作产品质量，提升公司整体质量治理能力的机遇已经成熟 。
那么，问题来了，若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，依照质量管控的要求，涵盖工厂出产运作与质量有关的所有环节，成立一个系统的质量数据采集、分析、监督和考评机造，统一规划数据尺度、数据模式，确保数据采集的每一个站点都必须有明确的掌管部门，强化质量数据实时治理 。在出产运作现场，给每件产品进行身份编码（布签），结合自动鉴别和扫描技术进行数据采集 。从工厂出产运作过程到最终实现产品的装运和发货，实现客户的订单交付，形成一个质量数据信息链 。
其次，在数据分析方面，要使用多种质量管控工具，对于我们毛衫出产企衣反讲，过程中关键工位站点不良品直方图（悬挂系统上体现的）、统计过程节造图SPC、工序能力指数、流水直通率、不良品返建解析统计表、都是很有效的分析输出 ；鼓芄簧柚煤侠硐嘈徘，对于超出相信区间的不良景象通过“泛红”警示标识，以此给治理人员提供检讨出产过程节造的课题，使得他们有针对性的发展原因分析、问题追忆、并造订改善措施 。
第三，改进活动起源于数据分析的“泛红”警示，治理和技术人员应出格关注，积极执行针对性地改善 。对于改善后的质量数据，又会通过PDCA循环输出实时进行验证 。这样就把从供给商送货、检验、入库、出产供料、出产过程节造、在线检验、产品入库、发运、售后服务的全流程成立起质量数据化管控的全景图，不仅能达到顺畅实时的出产造作过程品质节造，还能通过售后服务的信息反馈，达到往前向环节的逆向追忆与质量改进等 。
第四，对于质量管控的数据化系统要在工厂最高治理者（总经理或厂长）的领导下，由质量治理部门委派专人系统守护，并不休优化系统职能 。
面对复杂多变的出产造作过程(人、机、料、法、环)，任何一个身分产生问题，都将影响到产品的质量 。尤其是人的成分最不成控，是人城市犯错，城市有误差，出格是出产环节，这些报答引入的负面影响经过出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 。产品的出产过程中人的成分越多，产品出现问题的可能性也越大 。
