摘 要:質量強企是建設質量強國、推進新型工業(yè)化的重要支點。隨著智能制造與供應鏈網(wǎng)絡的發(fā)展，產(chǎn)品質量形成已演變?yōu)榭缃M織、多主體、全周期的協(xié)同共創(chuàng)過程，協(xié)同質量管理成為推進質量強企的必然選擇。人工智能與質量管理的深度融合，可以在產(chǎn)品生命周期、供應鏈生態(tài)、人機協(xié)同三大維度，有效賦能質量管理協(xié)同創(chuàng)新。

關鍵詞:質量強企 協(xié)同質量管理 人工智能 質量強國

【中圖分類號】F253.3 【文獻標識碼】A

習近平總書記指出：“要圍繞推進新型工業(yè)化和加快建設制造強國、質量強國、網(wǎng)絡強國、數(shù)字中國等戰(zhàn)略任務，科學布局科技創(chuàng)新、產(chǎn)業(yè)創(chuàng)新。”[1]《質量強國建設綱要》（以下簡稱《綱要》）提出“增強企業(yè)質量和品牌發(fā)展能力”，強調“加快質量技術創(chuàng)新應用”“提升全面質量管理水平”。[2]《中華人民共和國國民經(jīng)濟和社會發(fā)展第十五個五年規(guī)劃綱要》提出：“加強全面質量管理，深入實施制造業(yè)卓越質量工程，增強質量技術基礎能力。”[3]隨著智能制造系統(tǒng)的迭代發(fā)展和供應鏈網(wǎng)絡復雜度持續(xù)提升，質量建設的過程已從單一企業(yè)的“孤島式”質量管控，演變?yōu)榭缃M織、多主體、全周期的協(xié)同共創(chuàng)過程。人工智能（AI）作為新質生產(chǎn)力的重要引擎，通過數(shù)據(jù)互聯(lián)與智能驅動，重塑協(xié)同質量管理范式，為破解跨組織協(xié)同質量管理中的信息不對稱與決策滯后問題提供技術支撐，成為推進質量強企和企業(yè)高質量發(fā)展的關鍵路徑。

協(xié)同質量管理：質量強企的必然選擇

《綱要》提出：“鼓勵企業(yè)制定實施以質取勝生產(chǎn)經(jīng)營戰(zhàn)略，創(chuàng)新質量管理理念、方法、工具，推動全員、全要素、全過程、全數(shù)據(jù)的新型質量管理體系應用，加快質量管理成熟度躍升。”[4]質量強企是推進供給側改革的關鍵抓手，為培育新質生產(chǎn)力激活質量創(chuàng)新動能。當前，我國供給體系正處于由規(guī)模優(yōu)勢向質量優(yōu)勢轉變的關鍵階段。質量強企通過持續(xù)提升產(chǎn)品性能、可靠性和一致性，推動企業(yè)由低端同質競爭轉向高質量供給和差異化發(fā)展，有助于優(yōu)化供給結構，增強供給對需求變化的適應性和引領性，為暢通國內大循環(huán)、提升產(chǎn)業(yè)體系競爭力提供重要支點。發(fā)展新質生產(chǎn)力，本質是科技創(chuàng)新驅動的生產(chǎn)力躍遷，質優(yōu)是其顯著特征。人工智能賦能的協(xié)同質量管理，通過數(shù)智技術與質量管理的深度融合，構建數(shù)據(jù)協(xié)同、流程協(xié)同、技術協(xié)同的多主體協(xié)同質量管理生態(tài)，實現(xiàn)生產(chǎn)要素的創(chuàng)新性配置，將質量優(yōu)勢轉化為企業(yè)持續(xù)發(fā)展的內生動力，是推動產(chǎn)業(yè)結構升級和產(chǎn)品、服務質量創(chuàng)新的重要路徑。

協(xié)同質量管理是在數(shù)字化、網(wǎng)絡化、智能化背景下，推進質量強企的必然選擇和新范式。隨著產(chǎn)業(yè)鏈供應鏈延伸，產(chǎn)品質量的形成已不再是單一企業(yè)內部的管理結果，而是跨企業(yè)、跨環(huán)節(jié)、多主體協(xié)同作用的綜合體現(xiàn)。例如，國產(chǎn)大飛機、新能源汽車等復雜工業(yè)系統(tǒng)，涉及成千上萬個零部件的復雜供應鏈協(xié)同。數(shù)智化技術的發(fā)展，可以打通產(chǎn)品全生命周期各階段和供應鏈各主體之間的數(shù)據(jù)壁壘，為協(xié)同質量管理提供技術基礎。《制造業(yè)質量管理數(shù)字化實施指南（試行）》提出，“推動質量管理范圍從企業(yè)質量管控向生態(tài)圈協(xié)作轉變”，將協(xié)同質量管理作為提升企業(yè)質量能力的重要方向。[5]在這一背景下，協(xié)同質量管理成為支撐企業(yè)持續(xù)提升質量水平的必然選擇。

數(shù)智化背景下協(xié)同質量管理面臨的現(xiàn)實挑戰(zhàn) 

隨著新一輪科技革命和產(chǎn)業(yè)變革的深入推進，數(shù)智化技術正在重塑制造業(yè)的生產(chǎn)方式和治理模式，也在改變質量管理的模式和方法。從產(chǎn)品全生命周期和產(chǎn)業(yè)鏈供應鏈視角看，質量形成過程呈現(xiàn)出明顯的跨階段、跨組織、跨邊界特征。構建基于數(shù)智化技術的協(xié)同質量管理并非一蹴而就，其在數(shù)據(jù)基礎、算法應用和管理變革等層面，面臨諸多現(xiàn)實挑戰(zhàn)，對企業(yè)提出了新的能力要求。

數(shù)據(jù)共享與數(shù)據(jù)治理問題成為協(xié)同質量管理的基礎性挑戰(zhàn)。協(xié)同質量管理依賴跨企業(yè)、跨系統(tǒng)的數(shù)據(jù)聯(lián)通，但現(xiàn)實中企業(yè)間仍存在數(shù)據(jù)標準不統(tǒng)一、質量參差不齊以及數(shù)據(jù)安全顧慮等問題。即使在企業(yè)內部，“數(shù)據(jù)孤島”現(xiàn)象尚未根本消除，不同企業(yè)在數(shù)據(jù)口徑、質量標準、基礎管理水平和管理流程上的差異也會阻礙數(shù)據(jù)聯(lián)通。此外，數(shù)據(jù)存在質量低、噪聲大的問題，數(shù)據(jù)清洗、對齊和標識等工作耗時費力，成為數(shù)據(jù)聯(lián)通實際落地的障礙。

算法應用與智能決策問題構成協(xié)同質量管理的技術性挑戰(zhàn)。在機器學習的模型訓練方面，面臨小批量生產(chǎn)數(shù)據(jù)缺乏、數(shù)據(jù)不平衡、數(shù)據(jù)維度高和場景依賴性（場景變化或數(shù)據(jù)分布的漂移導致的模型性能下降）等問題，缺乏有效的解決方法。在大語言模型的質量管理垂直領域應用方面，存在算法偏見、黑箱問題和模型幻覺等問題。與此同時，質量工程領域知識（如失效模式分析、統(tǒng)計過程控制）與人工智能算法的深度融合不足，導致模型輸出存在一定障礙。

管理變革與組織能力問題凸顯協(xié)同質量管理的系統(tǒng)性挑戰(zhàn)。數(shù)智化技術的引入絕非工具層面的簡單疊加，而是涉及業(yè)務流程重構、組織邊界重塑和價值鏈條重組的系統(tǒng)性變革，這需要戰(zhàn)略領導力、系統(tǒng)規(guī)劃、復合型人才培養(yǎng)、文化建設和治理模式變革等作為基礎。任何一方面的缺失，都可能導致先進的技術工具無法真正融入業(yè)務，使協(xié)同質量管理流于形式，難以轉化為實際的質量競爭力。

人工智能賦能協(xié)同質量管理范式變革的實現(xiàn)路徑

在智能制造背景下，人工智能不僅是一種工具性技術，更是推動質量管理范式變革的關鍵力量。人工智能技術與質量管理的深度融合，推動質量管理在理念、邊界、方法和生態(tài)上的系統(tǒng)性創(chuàng)新，通過構建跨主體、跨環(huán)節(jié)、跨生命周期的質量協(xié)同機制，形成“數(shù)據(jù)驅動、人工智能賦能、網(wǎng)絡協(xié)同、價值共創(chuàng)”的全新質量管理范式。該范式的系統(tǒng)架構由三層構成：底層通過智能傳感器、物聯(lián)網(wǎng)等技術，實現(xiàn)全生命周期和全供應鏈質量要素的實時采集與邊緣處理；中層依托工業(yè)互聯(lián)網(wǎng)平臺，完成質量數(shù)據(jù)的匯集與治理；上層則利用大數(shù)據(jù)、AI模型、區(qū)塊鏈和智能體等技術，為跨階段、跨組織的質量協(xié)同提供分析、決策與追溯支持。這一新范式以數(shù)據(jù)為關鍵、以智能決策為驅動、以生態(tài)協(xié)同為特征，通過三大協(xié)同創(chuàng)新得以具體實現(xiàn)，并在頭部企業(yè)的實踐中得到驗證。

人工智能賦能產(chǎn)品全生命周期質量管理協(xié)同創(chuàng)新，推動產(chǎn)品質量迭代升級與閉環(huán)運行。人工智能技術的引入，使得貫通全生命周期的數(shù)字主線成為可能。通過數(shù)字孿生、知識圖譜和機器學習模型，企業(yè)可以在設計階段預測潛在質量風險，在制造階段實現(xiàn)過程參數(shù)的自適應優(yōu)化，在使用階段及時捕獲運行數(shù)據(jù)，開展基于設備運行狀態(tài)的維護。這種跨階段的數(shù)據(jù)聯(lián)通與智能分析，有助于實現(xiàn)產(chǎn)品質量的快速迭代升級，推動質量管理從事后糾偏轉向事前預防和過程優(yōu)化。例如，寧德時代以數(shù)據(jù)驅動，完成電池全生命周期質量管控。在研發(fā)階段，基于問題經(jīng)驗庫與質量知識圖譜，構建智能的失效模式與效應分析，實現(xiàn)產(chǎn)品質量與可靠性風險的前置識別與管理。在制造階段，將人工智能技術賦能過程大數(shù)據(jù)預警，實時監(jiān)控質量風險。在售后階段，運用云端結合的智能診斷模型，實現(xiàn)對電池安全的多重防護，推動服務模式由傳統(tǒng)的“故障報警＋被動維修”向“提前預警＋主動服務”轉型，從而真正落實電池質量的前置化管理。

人工智能賦能供應鏈生態(tài)質量管理協(xié)同創(chuàng)新，推進由單點管控向系統(tǒng)共治演進。在復雜供應鏈環(huán)境中，單一節(jié)點的質量波動可能引發(fā)系統(tǒng)性風險。人工智能賦能的協(xié)同質量管理，通過構建覆蓋多級供應商的質量數(shù)據(jù)共享平臺，實現(xiàn)對關鍵質量特性的實時監(jiān)控與協(xié)同調控。一方面，基于機器學習的質量預測模型可以識別高風險供應環(huán)節(jié)，支持鏈主企業(yè)實施差異化質量管控策略；另一方面，區(qū)塊鏈和智能合約技術有助于建立激勵相容的協(xié)同機制，促進質量信息真實共享和責任共擔。由此，供應鏈質量管理從傳統(tǒng)的事后追責轉向事前協(xié)同和風險共治。例如，賽力斯圍繞“研發(fā)—供應—制造—服務”全流程，形成貫穿始終的特性質量管理主線，通過對過程的質量特性數(shù)據(jù)自動采集、智能分析和動態(tài)控制，實現(xiàn)對質量結果的“確定性”目標。針對電動汽車電池安全這一關鍵質量問題，賽力斯通過與華為、寧德時代等合作伙伴開展協(xié)同設計和數(shù)據(jù)共享，利用人工智能進行電池狀態(tài)監(jiān)測和風險預警，實現(xiàn)在用車輛“零自燃”的突破，體現(xiàn)了供應鏈協(xié)同質量管理的重要價值。

人工智能賦能人機協(xié)同質量管理創(chuàng)新，實現(xiàn)由經(jīng)驗驅動向智能決策變革。質量管理的智能化并不意味著無人化，而是通過人機協(xié)同實現(xiàn)能力互補與價值共創(chuàng)。人工智能在感知、計算和模式識別方面具有優(yōu)勢，而人類在綜合判斷、價值權衡和情境理解方面不可替代。實踐證明，基于大語言模型和智能決策支持系統(tǒng)的人機協(xié)同模式，可以顯著提升質量分析和決策效率。人工智能可以輔助工程師進行質量問題診斷和改進方案生成，而最終決策由專家進行審核和優(yōu)化，從而在提升效率的同時保障決策質量。比如，中興通訊以智能、協(xié)同、同源、可視為數(shù)字化原則方法，通過數(shù)智化的手段將質量管理融于關鍵業(yè)務過程，用技術手段解決質量管理問題，以應對復雜環(huán)境的挑戰(zhàn)。自研“中興數(shù)字星云”大模型，構建基于人工智能的人機協(xié)同研發(fā)模式和流程，建立基于人工智能的智能質量審核模式和智能預警體系，開發(fā)通信網(wǎng)絡故障智能診斷助手，取得顯著成效。又如，聯(lián)想依托其全球制造網(wǎng)絡，構建覆蓋研發(fā)、制造和服務的人機協(xié)同智能質量管理體系。通過開發(fā)超級質量工程師（SUPER QE）解決方案，聯(lián)想確立以“邊端自治—邊云協(xié)同”為重點的技術架構。憑借人工智能驅動的質量數(shù)據(jù)平臺，實現(xiàn)跨區(qū)域、跨工廠的質量協(xié)同與快速響應，有效支撐其全球化運營和高可靠性產(chǎn)品交付。

結語

隨著“人工智能+”行動的深入實施，質量管理已不再局限于單點技術改進，而是演進為一場以數(shù)據(jù)互聯(lián)為基礎、以智能決策為牽引、以多主體協(xié)同為特征的系統(tǒng)性管理變革。以產(chǎn)品全生命周期協(xié)同、供應鏈生態(tài)協(xié)同和人機協(xié)同為重要內容的協(xié)同質量管理新范式，在人工智能賦能下，有效破解傳統(tǒng)質量管理中信息割裂、協(xié)作失靈和風險滯后等結構性難題，推動質量治理由結果控制向全過程、系統(tǒng)性和前瞻性管控轉變，實現(xiàn)全價值鏈范圍內的價值共創(chuàng)。“十五五”時期，我國企業(yè)應緊緊把握新質生產(chǎn)力加快形成的戰(zhàn)略機遇，以“高質量”為關鍵引擎，圍繞協(xié)同質量管理這一關鍵抓手，持續(xù)深化人工智能與工業(yè)系統(tǒng)的深度融合，加快實現(xiàn)從“中國制造”向“中國智造”的躍遷，為中國式現(xiàn)代化構筑更加堅實可靠的物質技術基礎。

【本文作者為天津大學管理與經(jīng)濟學部主任、教授；本文系國家自然科學基金項目“面向復雜產(chǎn)品研發(fā)的價值鏈共創(chuàng)機理與網(wǎng)絡化智能協(xié)同技術集成演示驗證”（項目編號：92467302）的階段性研究成果；天津大學管理與經(jīng)濟學部博士生韓夢圓對本文亦有重要貢獻。聯(lián)想、中興通訊、寧德時代、賽力斯為本文提供研究案例】

注釋略

責編：張宏莉／美編：石 玉