三维天地tqm在质量大数据体系中的应用-九游会体育

制造业是立国之本、强国之基、大国经济的“压舱石”，增强制造业质量优势对于推动产业链中高端跃升、构建新发展格局、加速经济高质量发展具有重要意义。

以大数据为代表的新一代信息技术与质量管理深度融合产生质量大数据，不断提升制造业全要素、全价值链、全产业链质量管理活动数字化、网络化、智能化水平，加速制造业的数字化转型。

为发挥大数据等新一代信息技术对质量提升的基础支撑作用，助力制造业高质量发展，工信部发布了《质量大数据白皮书》（以下简称“白皮书”），围绕质量大数据的边界内涵、架构体系、资源建设、实施路径、发展趋势和实践案例等方面进行研究与探讨。

白皮书在识别质量数据资源，构建质量数据资源体系编目时，从产品全生命周期角度，将企业质量大数据资源体系划分为产品设计质量数据、供应链质量数据、产品生产质量数据、产品售后运维质量数据、产品报废回收质量数据五大维度，同时根据设计、供应链、生产、售后运维、报废回收质量五维数据特点及属性，划分十五个三级类目、四十二个四级类目，形成企业质量大数据资源体系编目参考架构。

北京三维天地科技股份有限公司作为产品质量大数据国家高新技术产品标准化试点单位，致力于国家质量基础设施（nqi）信息化实施服务，并参与起草了一系列数据管理相关的国家标准，在数据标准化与质量大数据相关领域，始终作为国内具有竞争力的技术先行者。

经过多年技术沉淀自主研发的三维天地tqm（total quality management）质量管理平台基于企业全生命周期质量管理需求，结合三维天地在检测、研发、质控、质量保证方面的信息化建设经验，通过研发管理系统rdms、实验室信息管理系统lims、质量管理系统qms三大管理系统功能的集成，成为质量大数据体系中的一个重要环节，为制造型企业质量数字化提升带来成熟的一体化九游会登录j9入口的解决方案。

三维天地tqm基本概述

三维天地tqm遵循当前主流管理思路，基于云计算和大数据技术，汇集rdms、lims、qms的业务管理功能与质量管理功能，构建出一套完整的质量数据管理平台，为企业质量大数据的整体规划填补研发端、生产质控端、质量保证端的数据资源空缺，并通过业务功能提升研发、检测和qa工作合规性与效率，确保质量大数据源头输入的数据质量与流转效率。

三维天地tqm具有强大的数据收集、整合、分析和应用能力，能够帮助企业构建全面的质量管理体系。该平台整合了rdms、qms和lims三大系统，实现了企业内部数据的无缝连接和共享，在质量管理过程中发挥着重要作用。

其中研发管理系统rdms从研发进度、研发预算、研发质量三个角度对研发项目全生命周期进行管理，并通过eln、配方设计、工艺设计、研发数据统计与关联分析等能力，助力研发过程，提升研发阶段质量数据管理能力。

lims按照各行业实验室质量体系的管理要求，构建了不同行业领域的lims九游会登录j9入口的解决方案，从实验室的业务过程到质量管理要求进行全面管理提升，并结合iot技术实现仪器数据采集，建立实验室全过程数据完整性管理机制。

qms根据qa部门管理范围，设计文件管理、培训管理、供方管理、放行管理、不合格品管理、偏差管理、纠正预防措施、质量风险、质量投诉等全业务域管理过程，并能汇总研发、生产质控等过程的数据建立完整的质量统计视图，为企业质量管理提供完整的信息化工具。

三维天地tqm产品整合了rdms、qms和lims三个系统，形成一个统一的数据管理和分析平台，为生产实验室质量提升提供了一套完整的信息化工具。

三维天地tqm平台通过各个业务功能模块引导研发、检测、质控、qa人员进行日常工作，并同时进行质量数据的采集，可将企业产生的各类质量数据进行数字化收集与管理。它能够从不同业务过程中获取标准化的质量数据，以确保数据的准确性和一致性。

基于各业务过程中收集的质量数据，三维天地tqm平台通过成熟的数据分析和建模功能，可帮助企业进行质量大数据的规划和建模。通过对大数据进行分析和挖掘，可以识别质量问题的根本原因，发现潜在的改进机会，并预测未来的质量趋势。

此外，三维天地tqm还提供了多种分析工具和算法，如spc、判异规则、趋势预警、统计分析，并能通过人工智能挖掘质量数据之间的相关性，以支持更深入的质量分析。

得益于三维天地自研的业务智能分析平台，各种质量数据都可以构建成可视化的看板进行实时呈现，并可根据需求构建若干个统计大屏驾驶舱，对重点管理数据进行实时监控。

综上所述，三维天地tqm具备完善的系统功能，可以全面覆盖研发实验室、检测实验室/质控实验室以及质量保证部门的日常业务管理。企业通过tqm能够有效地从研发过程、质控过程、检测过程和质量保证过程中收集关键的质量数据，这些数据对于生产企业的质量控制至关重要，是不可或缺的重要组成部分。

制造型企业在进行质量大数据梳理的过程中，既应重视生产环节的质量数据采集，也不能忽视研发、质控、qa过程的数据采集，只有在整体数字化架构设计中充分考虑研发－生产－质控－售后 质量保证的全过程质量数据管理，才能真正达到质量大数据管理的目标，才能在此数据基础上通过进一步数据应用与挖掘，建立符合企业自身现状的分析模型，并最终提升企业的质量管理能力与市场竞争力。