隆基绿能科技股份有限公司——
隆基绿能1+7+1数字化管理全生命周期质量控制
一、简介
成立于2000年的隆基绿能科技股份有限公司（以下简称“隆基绿能”）以“善用太阳光芒，创造绿能世界”为使命，秉承“稳健可靠、科技引领”的品牌定位，聚焦科技创新，构建单晶硅片、电池组件、分布式光伏、地面光伏、氢能装备五大业务板块，形成支撑全球零碳发展的“绿电＋绿氢”产品和解决方案能力。
隆基绿能秉持质量优先原则，明确质量是客户最核心的利益所在，坚信“质量成就品牌，品牌源于质量”，并以ISO9000质量管理体系为基础框架，构建以客户为中心、覆盖全价值链的、全员参与的质量管理体系，荣获第四届中国质量奖提名奖，成为光伏行业首家获此殊荣的企业。
该公司制定数字化转型整体战略规划，围绕质量4.0，以质量大数据为底座，以数据驱动为数字化策略，通过数据采集、数据治理、数据入湖、数据入仓、数据分析，全面打造大质量数字化，从质量管理原点衍生到质量分析、质量预测，贯穿全流程质量业务，建立全生命周期质量追溯链，推进智能数字化质量管理，确保过程质量稳定。
二、案例背景
隆基绿能以卓越的品牌质量、极致的用户体验、行业第一的客户满意度为目标，制定“三步走”集团质量战略，通过质量共建向质量内生和质量共生转变，达成满意质量、品牌质量至卓越质量的提升。经过持续整合及改进，隆基绿能通过数字化不断完善体系建设及业务流程优化，夯实质量大数据底座，结合AI智能算法，产品直通率提升4.9%，产品不良率降低30%，人工提效10%，零部件不良率降低10%。该公司“智能在线检测”“设备故障诊断与预测”“质量精准追溯”3项数字化应用实践，获评工信部2022年度智能制造优秀场景。
三、主要做法
隆基绿能聚焦全生命周期数据驱动、数据分析的质量数字化管理，建立“1+7+1”质量数字化管理模式，构建端到端的基于质量大数据全生命周期智能质量数字化平台。第一个“1”代表质量数字化管理原点，即大质量管理体系；“7”代表七大质量管理业务模块，分别为质量体系管理、研发质量管理、可靠性管理、供应链质量管理、过程质量管理、客户满意管理、持续改进管理；最后一个“1”代表质量大数据中心，实现端到端质量全流程数字化管理。
隆基绿能基于“1+7+1”质量数字化管理模式，以质量大数据为底座，数据驱动质量数字化，全面分析全流程质量数据，实现“5横1纵”数字化管理方式。5条横向数字化管理方法分别为大质量管理体系贯穿全流程质量管理端到端；从质量体系管理、研发质量管理、可靠性管理、供应链质量管理、过程质量管理、客户满意管理到持续改进管理，打破业务断点，实现质量控制端到端有效拉通；描述性分析、诊断性分析、预测性分析、规范性分析4类分析方法应用，形成质量分析端到端；零部件数据主线、供应商数据主线、产品数据主线及客户主线四大数据主线为牵引的一件一档、一供一档、一品一档及一客一档，建立质量追溯端到端的全生命周期质量数据追溯链；从质量体系管理、研发质量管理、可靠性管理、供应链质量管理、过程质量管理、客户满意管理、持续改进管理各个质量领域对质量数据进行标准化、指标化，建立质量数据端到端的质量数据湖。1条纵向数字化管理方法，从数据觉察、数据探察、数据洞察，到数据应用，并反哺质量大数据，进行算法回归，纵向打通数据的垂直链路，最终赋能研发质量管理、可靠性管理、过程质量管理、客户满意管理、供应链质量管理及持续改进管理的质量数字化应用。
（一）质量数据端到端
隆基绿能对研发质量管理的PLM、FMEA、PMS项目管理平台，可靠性管理的可靠性管理平台及LIMS实验室系统，供应链质量管理的SRM、供应商前置质量云，过程质量管理的QMS，客户满意管理的ITR客诉管理平台、NPS净推荐值调研系统，持续改进管理的4D/6σ项目改进平台及Lesson &Learn质量经验库平台等各质量业务领域的质量数据，通过ETL工具抽取、清洗、沉淀到质量数据湖，通过数据治理、元数据、数据血缘、数据地图，提升质量大数据的数据质量，支持质量大数据应用。
（二）质量追溯端到端
质量数据汇总端到端全链路质量数据，并对数据进行了标准化，形成质量大数据的ODS数据贴源层。在ODS层上构建质量数仓，分层建立DWD、DWS、ADS，对质量大数据进行指标化，从端到端业务场景出发，分别以供应商数据主线、零部件数据主线、产品数据主线、客户数据主线四大数据主线建立一供一档、一件一档、一品一档、一客一档，支持一码追溯、正反向追溯，形成全生命周期质量追溯链。
（三）质量分析端到端
基于质量大数据底座，利用BI智能商业套件，构建相应的指标体系，建立集团、中心/事业部、基地三级指标体系，并结合FMEA、故障代码、问题库、经验库建立数据模型，从描述性分析（发生了什么）、诊断性分析（为什么会发生）、预测性分析（将要发生什么）和规范性分析（应该做什么），形成质量分析闭环。描述性分析赋能质量驾驶舱、质量监控、客诉地图等；诊断性分析包括根因分析、高阶方案分析、可靠性分析等；预测性分析赋能质量预警、可靠性预测、客诉质量分析等；规范性分析赋能质量成本分析、质量策划分析、质量改进分析等，并且不断迭代、开发分析模型，提供质量决策，最终完善质量分析端到端。
（四）质量控制端到端
质量体系管理通过体系策划、体系运行、体系审核、体系改进的体系管理机制，从顶层设计到执行落地，覆盖集团质量、中心/事业部及各基地，满足三级组织架构的体系管理需求，把大质量管理体系推广并覆盖至整个集团。
隆基绿能通过PMS研发项目管理平台对各项目阶段的进行质量及交付物的审核，建立过阀机制，确保项目的高质量研发。在项目过程中，通过FMEA系统，进行DFMEA、PFMEA设计，及QCP控制计划的制定，并将关键特性及重要特性传递到工艺设计及外部供应商。
该公司从可靠性策划、可靠性设计、可靠性验证、可靠性分析、可靠性改善，完成可靠性整个闭环。可靠性设计结合FMEA系统进行失效模式及影响分析，确定可靠性失效模式及影响，并制定控制计划。可靠性验证结合LIMS实验管理平台，完成设计可靠性试验，变更可靠性试验，偏移可靠性试验，量产可靠性试验。
为了提前预判零部件质量，减少过程损失，该公司根据产品关键特性、重要特性，拉通供应链，建立供应链质量云，打通零部件供应商“人机料法环测”数据的采集，并通过SPC监控相应的关键特性、重要特性，快速识别异常，进行质量预警。结合4D问题管理及SRM供应商门户，供应商整改建立对供应商进行例行审核评价、改善闭环的时效等绩效评价手段，及零部件问题的快速解决，并动态调整供应商供货等级。
该公司应用智能AI检测平台结合生产工艺，针对全过程中近200项质量检测数据进行智能分析和判定，包括串EL、叠层外观AI、层前EL、层后外观AI、接线盒虚焊AI、后EL、终检外观AI 7道AI检测进行机器视觉AOI过程检测，完成质量信息自动采集，结合质量标准，运用机器学习/深度学习算法，实现产品质量自动判定及预警，AI系统自动判定，连续异常自动预警提示检查得到改善，制造效率提升25%以上，漏检率大大降低，解决了光伏组件表面存在划痕、凹坑不易发现的痛点，降低人工目视检查成本，首检/巡检效率提升了42%.
该公司将产线的前EL加外观、后EL及终检外观的一人多机显示集中至中央复判室进行复判；通过实时获取机台异常识别类型、复判节拍、技能特点数据建立基于强化学习模型的实时复判工作分派模型，对复判工作进行均衡工作、复判精确的分派，提升复判效率；建立工厂级别的中央数据复判中心，通过AI远程复判无人复判和分析，挖掘各工位AI历史检测资料并建模，进行实时智能复判，从而减少误判率、减少直接人工10%以上。
该公司运用知识图谱等智能AI算法，应用智能AI系统自动识别不良类型，自动识别机台集中性，将同类型同机台不同自动预警并推送现场人员，给出问题原因及改善措施，现场人员根据提示解决问题；归因AI分析系统对人员技能要求低，能够做到问题点快速识别和锁定并解决，破解了一旦偏离标准工艺，不能及时报警预判的问题。如层前归因AI分析解决了组件层压前检测肉眼看不见的内部缺陷不良，如隐裂、虚焊等，以及能检测出的不良无法快速被识别和被解决的问题。
通过ITR客诉处理流程，以客户为中心，打通从问题发现到问题解决的整个服务过程，以端到端的方式打造121全程无忧服务闭环，1天响应，两天出解决方案，1周退换货。导入NPS信息化工具进行客户满意调研，实现“监测－分析－改进－追踪”全流程客户体验闭环管理，全面提升服务质量和品牌口碑。
该公司借助BI大数据平台，集成CRM、WMS、MES、QMS、LIMS等系统数据，实现通过条码/订单号，一键将组件产品从供应商的制程表现、来料检测数据、工厂生产质量数据、测试质量数据、产品变更数据以及项目地的气象等数据查询与输出，一码溯源，对客诉质量进行持续改善，完成客户满意闭环。
该公司建立4D/6σ问题改进机制，应用到研发质量、可靠性、过程质量、客户满意、供应链质量，并结合质量大数据，运用知识图谱算法进行根因分析，快速解决问题，并不断修正FMEA，进行持续改进。建立问题库、经验库，结合FMEA，形成质量知识沉淀，为新项目、项目变更、问题解决提供支持，闭环支撑。
（五）质量管理端到端
隆基绿能通过数字化方法，贯彻执行“三步走”质量战略，结合三级组织保障，建立体系审核管理、质量运营管理等机制，完成质量管理端到端闭环。
四、经验启示
隆基绿能基于质量大数据，以数据驱动，实现全生命周期质量追溯链。光伏产业涉及硅片、电池、组件及大量供应链，每个产品研发、制造过程及零部件存在大量差异，对于构建质量大数据需要从业务场景出发，构建相应的大数据及质量数仓，统一规划数据架构，实现全生命周期数据贯通。
在质量检测方面，该公司运用AOI智能视觉检测，结合中央复判，以及智能判定，同时可以快速复制推广到各个基地、产线，降低人工误判，提升效率，为行业首创。运用知识图谱等机器学习/深度学习算法，探索预测质量、智能质量等前瞻质量数字化技术及应用。结合质量大数据，运用知识图谱算法，拉通端到端数据进行建模、分析，从而找到根因，在行业内是一种创新。