隆基綠能科技股份有限公司——隆基綠能1+7+1數字化管理 全生命周期質量控制

隆基綠能科技股份有限公司——

隆基綠能1+7+1數字化管理 全生命周期質量控制

一、簡介

成立于2000年的隆基綠能科技股份有限公司（以下簡稱“隆基綠能”）以“善用太陽光芒，創造綠能世界”為使命，秉承“穩健可靠、科技引領”的品牌定位，聚焦科技創新，構建單晶硅片、電池組件、分布式光伏、地面光伏、氫能裝備五大業務板塊，形成支撐全球零碳發展的“綠電＋綠氫”產品和解決方案能力。

隆基綠能秉持質量優先原則，明確質量是客戶最核心的利益所在，堅信“質量成就品牌，品牌源于質量”，并以ISO9000質量管理體系為基礎框架，構建以客戶為中心、覆蓋全價值鏈的、全員參與的質量管理體系，榮獲第四屆中國質量獎提名獎，成為光伏行業首家獲此殊榮的企業。

該公司制定數字化轉型整體戰略規劃，圍繞質量4.0，以質量大數據為底座，以數據驅動為數字化策略，通過數據采集、數據治理、數據入湖、數據入倉、數據分析，全面打造大質量數字化，從質量管理原點衍生到質量分析、質量預測，貫穿全流程質量業務，建立全生命周期質量追溯鏈，推進智能數字化質量管理，確保過程質量穩定。

二、案例背景

隆基綠能以卓越的品牌質量、極致的用戶體驗、行業第一的客戶滿意度為目標，制定“三步走”集團質量戰略，通過質量共建向質量內生和質量共生轉變，達成滿意質量、品牌質量至卓越質量的提升。經過持續整合及改進，隆基綠能通過數字化不斷完善體系建設及業務流程優化，夯實質量大數據底座，結合AI智能算法，產品直通率提升4.9%，產品不良率降低30%，人工提效10%，零部件不良率降低10%。該公司“智能在線檢測”“設備故障診斷與預測”“質量精準追溯”3項數字化應用實踐，獲評工信部2022年度智能制造優秀場景。

三、主要做法

隆基綠能聚焦全生命周期數據驅動、數據分析的質量數字化管理，建立“1+7+1”質量數字化管理模式，構建端到端的基于質量大數據全生命周期智能質量數字化平臺。第一個“1”代表質量數字化管理原點，即大質量管理體系；“7”代表七大質量管理業務模塊，分別為質量體系管理、研發質量管理、可靠性管理、供應鏈質量管理、過程質量管理、客戶滿意管理、持續改進管理；最后一個“1”代表質量大數據中心，實現端到端質量全流程數字化管理。

隆基綠能基于“1+7+1”質量數字化管理模式，以質量大數據為底座，數據驅動質量數字化，全面分析全流程質量數據，實現“5橫1縱”數字化管理方式。5條橫向數字化管理方法分別為大質量管理體系貫穿全流程質量管理端到端；從質量體系管理、研發質量管理、可靠性管理、供應鏈質量管理、過程質量管理、客戶滿意管理到持續改進管理，打破業務斷點，實現質量控制端到端有效拉通；描述性分析、診斷性分析、預測性分析、規范性分析4類分析方法應用，形成質量分析端到端；零部件數據主線、供應商數據主線、產品數據主線及客戶主線四大數據主線為牽引的一件一檔、一供一檔、一品一檔及一客一檔，建立質量追溯端到端的全生命周期質量數據追溯鏈；從質量體系管理、研發質量管理、可靠性管理、供應鏈質量管理、過程質量管理、客戶滿意管理、持續改進管理各個質量領域對質量數據進行標準化、指標化，建立質量數據端到端的質量數據湖。1條縱向數字化管理方法，從數據覺察、數據探察、數據洞察，到數據應用，并反哺質量大數據，進行算法回歸，縱向打通數據的垂直鏈路，最終賦能研發質量管理、可靠性管理、過程質量管理、客戶滿意管理、供應鏈質量管理及持續改進管理的質量數字化應用。

（一）質量數據端到端

隆基綠能對研發質量管理的PLM、FMEA、PMS項目管理平臺，可靠性管理的可靠性管理平臺及LIMS實驗室系統，供應鏈質量管理的SRM、供應商前置質量云，過程質量管理的QMS，客戶滿意管理的ITR客訴管理平臺、NPS凈推薦值調研系統，持續改進管理的4D/6σ項目改進平臺及Lesson &Learn質量經驗庫平臺等各質量業務領域的質量數據，通過ETL工具抽取、清洗、沉淀到質量數據湖，通過數據治理、元數據、數據血緣、數據地圖，提升質量大數據的數據質量，支持質量大數據應用。

（二）質量追溯端到端

質量數據匯總端到端全鏈路質量數據，并對數據進行了標準化，形成質量大數據的ODS數據貼源層。在ODS層上構建質量數倉，分層建立DWD、DWS、ADS，對質量大數據進行指標化，從端到端業務場景出發，分別以供應商數據主線、零部件數據主線、產品數據主線、客戶數據主線四大數據主線建立一供一檔、一件一檔、一品一檔、一客一檔，支持一碼追溯、正反向追溯，形成全生命周期質量追溯鏈。

（三）質量分析端到端

基于質量大數據底座，利用BI智能商業套件，構建相應的指標體系，建立集團、中心/事業部、基地三級指標體系，并結合FMEA、故障代碼、問題庫、經驗庫建立數據模型，從描述性分析（發生了什么）、診斷性分析（為什么會發生）、預測性分析（將要發生什么）和規范性分析（應該做什么），形成質量分析閉環。描述性分析賦能質量駕駛艙、質量監控、客訴地圖等；診斷性分析包括根因分析、高階方案分析、可靠性分析等；預測性分析賦能質量預警、可靠性預測、客訴質量分析等；規范性分析賦能質量成本分析、質量策劃分析、質量改進分析等，并且不斷迭代、開發分析模型，提供質量決策，最終完善質量分析端到端。

（四）質量控制端到端

質量體系管理通過體系策劃、體系運行、體系審核、體系改進的體系管理機制，從頂層設計到執行落地，覆蓋集團質量、中心/事業部及各基地，滿足三級組織架構的體系管理需求，把大質量管理體系推廣并覆蓋至整個集團。

隆基綠能通過PMS研發項目管理平臺對各項目階段的進行質量及交付物的審核，建立過閥機制，確保項目的高質量研發。在項目過程中，通過FMEA系統，進行DFMEA、PFMEA設計，及QCP控制計劃的制定，并將關鍵特性及重要特性傳遞到工藝設計及外部供應商。

該公司從可靠性策劃、可靠性設計、可靠性驗證、可靠性分析、可靠性改善，完成可靠性整個閉環。可靠性設計結合FMEA系統進行失效模式及影響分析，確定可靠性失效模式及影響，并制定控制計劃。可靠性驗證結合LIMS實驗管理平臺，完成設計可靠性試驗，變更可靠性試驗，偏移可靠性試驗，量產可靠性試驗。

為了提前預判零部件質量，減少過程損失，該公司根據產品關鍵特性、重要特性，拉通供應鏈，建立供應鏈質量云，打通零部件供應商“人機料法環測”數據的采集，并通過SPC監控相應的關鍵特性、重要特性，快速識別異常，進行質量預警。結合4D問題管理及SRM供應商門戶，供應商整改建立對供應商進行例行審核評價、改善閉環的時效等績效評價手段，及零部件問題的快速解決，并動態調整供應商供貨等級。

該公司應用智能AI檢測平臺結合生產工藝，針對全過程中近200項質量檢測數據進行智能分析和判定，包括串EL、疊層外觀AI、層前EL、層后外觀AI、接線盒虛焊AI、后EL、終檢外觀AI 7道AI檢測進行機器視覺AOI過程檢測，完成質量信息自動采集，結合質量標準，運用機器學習/深度學習算法，實現產品質量自動判定及預警，AI系統自動判定，連續異常自動預警提示檢查得到改善，制造效率提升25%以上，漏檢率大大降低，解決了光伏組件表面存在劃痕、凹坑不易發現的痛點，降低人工目視檢查成本，首檢/巡檢效率提升了42%.

該公司將產線的前EL加外觀、后EL及終檢外觀的一人多機顯示集中至中央復判室進行復判；通過實時獲取機臺異常識別類型、復判節拍、技能特點數據建立基于強化學習模型的實時復判工作分派模型，對復判工作進行均衡工作、復判精確的分派，提升復判效率；建立工廠級別的中央數據復判中心，通過AI遠程復判無人復判和分析，挖掘各工位AI歷史檢測資料并建模，進行實時智能復判，從而減少誤判率、減少直接人工10%以上。

該公司運用知識圖譜等智能AI算法，應用智能AI系統自動識別不良類型，自動識別機臺集中性，將同類型同機臺不同自動預警并推送現場人員，給出問題原因及改善措施，現場人員根據提示解決問題；歸因AI分析系統對人員技能要求低，能夠做到問題點快速識別和鎖定并解決，破解了一旦偏離標準工藝，不能及時報警預判的問題。如層前歸因AI分析解決了組件層壓前檢測肉眼看不見的內部缺陷不良，如隱裂、虛焊等，以及能檢測出的不良無法快速被識別和被解決的問題。

通過ITR客訴處理流程，以客戶為中心，打通從問題發現到問題解決的整個服務過程，以端到端的方式打造121全程無憂服務閉環，1天響應，兩天出解決方案，1周退換貨。導入NPS信息化工具進行客戶滿意調研，實現“監測－分析－改進－追蹤”全流程客戶體驗閉環管理，全面提升服務質量和品牌口碑。

該公司借助BI大數據平臺，集成CRM、WMS、MES、QMS、LIMS等系統數據，實現通過條碼/訂單號，一鍵將組件產品從供應商的制程表現、來料檢測數據、工廠生產質量數據、測試質量數據、產品變更數據以及項目地的氣象等數據查詢與輸出，一碼溯源，對客訴質量進行持續改善，完成客戶滿意閉環。

該公司建立4D/6σ問題改進機制，應用到研發質量、可靠性、過程質量、客戶滿意、供應鏈質量，并結合質量大數據，運用知識圖譜算法進行根因分析，快速解決問題，并不斷修正FMEA，進行持續改進。建立問題庫、經驗庫，結合FMEA，形成質量知識沉淀，為新項目、項目變更、問題解決提供支持，閉環支撐。

（五）質量管理端到端

隆基綠能通過數字化方法，貫徹執行“三步走”質量戰略，結合三級組織保障，建立體系審核管理、質量運營管理等機制，完成質量管理端到端閉環。

四、經驗啟示

隆基綠能基于質量大數據，以數據驅動，實現全生命周期質量追溯鏈。光伏產業涉及硅片、電池、組件及大量供應鏈，每個產品研發、制造過程及零部件存在大量差異，對于構建質量大數據需要從業務場景出發，構建相應的大數據及質量數倉，統一規劃數據架構，實現全生命周期數據貫通。

在質量檢測方面，該公司運用AOI智能視覺檢測，結合中央復判，以及智能判定，同時可以快速復制推廣到各個基地、產線，降低人工誤判，提升效率，為行業首創。運用知識圖譜等機器學習/深度學習算法，探索預測質量、智能質量等前瞻質量數字化技術及應用。結合質量大數據，運用知識圖譜算法，拉通端到端數據進行建模、分析，從而找到根因，在行業內是一種創新。

（本報記者 王雅雯 整理）

《中國質量報》【數字化質量管理創新與實踐典型案例（十五）】