本次为期两天的工作坊为制造商提供了引领质量4.0 转型所需的方法和理解， 这也是关于管理系统数字化转型。

• 总经理，工厂经理
• 技术经理、工业化经理
• 设备规划、维护经理及工程师
• 生产经理、生产主管
• IT部门经理、工程师

不限

1.质量基础

• 了解制造业的质量传统功能
• 质量管理的基本原理，并阐明数种流行的质量方法
• 质量方法是如何的演变，并阐述了质量历程
• 今天的质量管理面对于明天挑战

2.产业结构的演变

• 信息时代消费者需求
• 客户对制造业的要求挑战
• 高度多品种产品
• 个性化产品
• 更高响应速度及效率
• 制造业生态变化及风险机遇

3.参观智能制造示范基地

• 实际体验智能制造业及质量控制
• 物理信息系统CPS的应用
• 智能化生产线与工业物联网
• 自动化物流
• 自动机器人
• 自动视觉检测及机器学习
• 数字化仿真摸拟
• 数字孪生技术应用
• 视觉检测并输出质量
• AR增强现实应用

4.工业4.0对质量管理的影响

• 重新思考质量管理
• 从质量损失控制到客户价值
• 重塑质量管理模型
• 从数据收集、分析、模型到建立过程目的，规则与关键指标
• 质量4.0-管理系统与关键指标的转变
• 创新性指标
• 引领性指标

5.重塑质量的功能

• 问题讨论：质量是谁的责任？专业质量部门或是企业质量相关方。认识到质量已经不能再由独立的小单元承担 - 它需要分布在整个组织中，并跨越产品生命周期
• 跨越公司组织来推行质量管理
• 将质量相关方汇聚到统一管理网络，重组质量团队

6.智能制造

• 推行数字化网络化智能化制造
• 利用数字化跟踪制造过程中的质量变化
• 实施网络化以连接制造过程中的设备
• 数字化变革-即时收集及分析制造及质量数据

7.将质量融入产品

• 最佳的质量是从产品定义开始
• 设计团队在产品生命周期跟踪质量问题。
• 设计过程中的质量数据挖掘
• 通过模拟去优化设计

8.生产优质产品

• 在产品制造过程中的质量数据收集
• 利用数据去优化制造过程，提升至新的质量水平
• 探寻智能化软件及机器学习的角色
• 在生产过程中建立质量控制
• 创建数据价值流

9.测量质量

• 理解测量的功能
• 质量测量自动化，测量数据有效性及效率
• 建立质量控制的新模型
• 收集所有重要的数据

10.数字主线

• 数字主线将产品生命周期的各个部分质量数据融合
• 拥抱工业物联网及大数据
• 数据的价值是可以给所有相关的人共享，并帮助每个人一起更好地工作
• 在全产品生命周期定义质量
• 质量数据在生命周期的全周期互联互通

11.质量4.0的几个有参考的例子

• 各种各样的创新想法正在付诸实施
• 发挥模拟制造的潜力
• 将制造工具转化为质量测量
• 从开始就设计更好的工艺流程
• 更有效预见性维护
• 将测量纳入过程控制
• 建造更好的机器人

12.质量4.0转型的过程模型

• 理解与认识
• 现状评估
• 选择试点项目
• 质量相关方协同对关键过程分析及制订解决方案
• 对关键过程变更按计划实施与验证
• 确定公司的范围及过程地图
• 实施质量4.0管理系统路线图
• 全面实施质量4.0管理系统