2月14日，自己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，优衣库客户通过对已往三个月（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解为2.5%抽检，并由2020年2月开始施行 。
通过近几年来的努力与支付，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，全面抓好质量治理，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，让我有收获有感伤，有过失望有过失败，但如何运作科学的治理手法去强化工厂的内部治理，提升工厂的生产效率与产品质量，是我们80后这一代治理人员应该去思考，并大胆去运用的事情开展偏向 。在此我想谈一谈数据在品质管控历程中的作用以及应如何运用：
在毛衫工艺的生产制造历程中，质量管控一定要依靠数据 。因此如何进行质量数据剖析并得出正确结论，如何实时、准确地将质量数据信息反响给企业治理人员，就成为质量管控有效性的重要环节 。在协同治理的平台上，要导入智能制造，以企业局域互联网为载体，建立一个质量数据剖析系统作为质量管控抓手，就可以用数据不绝提升产品的设计、工艺、生产水平，使企业治理上台阶 。
质量是企业的生命吗？谜底是毋容置疑的 。各人都清楚“产品是设计和制造出来的，不是检验出来的” 。可是古板的质量管控，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，这时候许多问题都“来缺乏”了 。没有合理监控的生产制造历程，就不可能形成好的结果 。所以，质量管控要把历程监控作为重要的产品质量控制手段，这也是质量治理八大原则之第4条“历程要领”的具体体现，即将运动和相关资源作为历程治理，可以更高效地获得期望的结果 。而质量管控的基础就是数据事实 。数据来源于在生产制造历程中所设置的质量控制点的收罗统计，我们毛衫生产的质量数据包括从供应商毛料进厂、生产制造历程中的异常和追溯、产品销售后的主顾反响等全历程 。每天爆发的数据量如何准确实时的剖析使用，并能将其形成历程数据链条，为质量管控指明偏向，这将是一项艰巨的事情 。
在协同治理的信息化建设之前，质量数据的统计剖析需要大宗的人力物力资源投入，并且经�；岱浩鹗萃臣撇煌暾⑹荽聿皇凳薄⑹萁贰⑹葜馗础⑹菔粜苑灼缰碌鹊任侍�，从而影响质量管控决策泛起偏差 。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治理，与精益制造、细节治理、循环法（PDCA）、要害绩效指标（KPI）的理念照旧有较大差别的 。
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，企业关于信息化的建设越发重视，协同治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，提升公司整体质量治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计划，凭据质量管控的要求，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收罗、剖析、监督和考评机制，统一计划数据标准、数据模式，确保数据收罗的每一个站点都必须有明确的卖力部分，强化质量数据实时治理 。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收罗 。从工厂生产运作历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，在数据剖析方面，要运用多种质量管控工具，关于我们毛衫生产企业来讲，历程中要害工位站点不良品直方图（悬挂系统上体现的）、统计历程控制图SPC、工序能力指数、流水直通率、不良品返修解析统计表、都是很有用的剖析输出 �；箍梢陨柚煤侠碇眯徘�，关于凌驾置信区间的不良现象通过“泛红”警示标识，以此给治理人员提供检讨生产历程控制的课题，使得他们有针对性的开展原因剖析、问题追溯、并制定改善步伐 。
第三，革新运动来源于数据剖析的“泛红”警示，治理和技术人员应特别关注，积极实施针对性地改善 。关于改善后的质量数据，又会通过PDCA循环输出实时进行验证 。这样就把从供应商送货、检验、入库、生产供料、生产历程控制、在线检验、产品入库、发运、售后效劳的全流程建立起质量数据化管控的全景图，不但能抵达顺畅实时的生产制造历程品质控制，还能通过售后效劳的信息反响，抵达往前向环节的逆向追溯与质量革新等 。
第四，关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）的指导下，由质量治理部分委派专人系统维护，并不绝优化系统功效 。
面对庞大多变的生产制造历程(人、机、料、法、环)，任何一个要素爆发问题，都将影响到产品的质量 。尤其是人的因素最不可控，是人都会出错，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，一定会最终影响产品的品质 。产品的生产历程中人的因素越多，产品泛起问题的可能性也越大 。
