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”去保质保量保货期，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，而且经常会出现数据统计不完整、数据处理不及时、数据不准确、数据重复、数据属性不一致等等问题，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。还可以设置合理置信区间，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。
