课程总览
内容重点
- Day 1：品质筑基篇：认知建立、标准构建、检验体系
AI赋能下的品质管理与品质改善实战训练
品质筑基篇：认知建立、标准构建、检验体系与质量认知重塑与品质意识强化（破除品质认知误区…被放在同一组任务里，方便参训团队对照自己的场景调整做法
授课讲师：
杨向东 · 精益生产与智能制造管理实战专家
课程大纲
质量认知重塑与品质意识强化（破除品质认知误区，建立全员品质责任意识）
一、品质的本质与客户导向
- 品质的本质：不是"好"，而是"符合要求"
- 品质的四层认知演进：检验出来→制造出来→设计出来→管理出来
- 客户链思维：外部客户是终点，内部客户是起点，每道工序都是下道工序的客户
二、质量管理演进与大师思想
- 质量管理六阶段演进：检验→SQC→TQM→ISO→六西格玛→精益质量
- 戴明核心理念：品质是管理出来的，是所有管理者的责任
- 朱兰质量三部曲：质量策划→质量控制→质量改善的管理闭环
- 石川馨QCC品管圈：从个人意识到团队改善
三、全员质量责任体系
- 品质不是品质部的事：全员质量责任的三大误区与正解
- 分层质量责任：一线层按标准做、工程师层定标准除根因、管理层建机制配资源
- 符合要求是最低标准！---两种经济决定两种标准！
四、零缺陷理念与品质红线
- 克劳斯比零缺陷核心：符合要求、预防系统、零缺陷标准、不符合的代价
- 零缺陷的精髓---符合要求，预防，金钱衡量，零缺陷
- 品质管理五项绝对原则：领导态度、符合标准、经济决策、工作重心、绩效衡量
- 品质红线的代价：一次品质事故的放大路径与信任崩塌效应
- 【AI 实操演示】智能可视化质量管理分析模型
- 【案例解析】海尔砸冰箱：砸掉的是冰箱，砸出的是质量意识和世界品牌
品质标准构建与来料检验（掌握品质标准构建方法，把牢来料品质第一道关卡）
一、不良项目规范化与品质标准设计
- 哪些要素会影响到品质标准：制程能力、管理水平、客户需求
- 品质标准的载体与表现形式---如何构建新时代的品质标准
- 检验标准格式化设计：来料、制程、成品三类检验规范的格式差异与内容要点
- 品质标准的两个衡量维度：客户满意度与品质成本率
二、来料检验（IQC）最佳实践
- IQC工作流程：不是简单的允收与拒收
- IQC工作分析五步法（有没有/有几个/做什么/怎么做/怎么记录）
- 来料不良责任归属分析：生产作业员、IQC、采购员、供应商四方责任厘清
三、供应商质量管理与互动机制
- 供应商四层互动机制：交换信息→交流培训→交叉换位→高层互访
- 供应商改善效果强化：重大不良时的应急响应与年度评审机制
- 怎样强化与供应商的沟通，联系与互动：重大不良时，每月/每季/每年
- 怎样强化与供应商的改善效果：交换信息、交流培训、交叉换位、高层互访
四、来料检验实战要点
- 来料检验的频次与批量管理：多久查一批、查货时间、做报表时间的合理配置
- 免检与加严检验的判定条件与切换规则
- 来料异常的处理流程：隔离→标识→评审→处置→追踪的闭环管理
- 【AI 实操演示】供应商智能管理工作台/不良品分析与工艺优化智能模型
- 【互动研讨】检验规范设计
- 演练：各组针对一个典型产品，现场编写来料检验规范框架（讲师点评）
- 【落地工具】《IQC检验规范》
过程检验与成品管控（掌握IPQC/OQC全流程管控方法，守住品质主战场）
一、制程检验（IPQC）核心工作
- 制程检验的最佳实践---IPQC是品管的主战场！
- IPQC三项核心工作：首件确认、现场巡查、异常快速响应
- IPQC的工作重点该放在哪里？怎样进行首件/末件确认？
- 现场巡查十大要点：从人、机、料、法、环五个维度逐一巡查
- 末件确认与干部现场管理：构建生产、品质、技术的现场铁三角
二、成品检验（OQC）与品质保障（QA）
- OQC入库前抽查与出库前再抽查：判定原则与抽样规则
- OQC结果判定应遵循什么原则
- 特采处理流程与权限设计：谁审批、谁签字、谁担责
- QA的立场与角色定位：QA该代表客户立场还是生产立场
三、QE与SQE职能定位
- QE品质工程师--没有QE品质部就是个查货的
- QE品质工程师的核心职能与工作分析
- SQE供应商质量工程师：为什么要有SQE，SQE与IQC的分工协作
- 品质部人员架构与定岗定编：各岗位职能匹配与人力预算
四、品质记录体系与数据管理
- 从品质失败的六大主因看品质标准的重要性！
- 品质记录四层级：原始记录→日报表→周月报表→信息化系统
- 需要防止的四种失控现象：记录缺失、数据失真、分析滞后、信息孤岛
- 品质异常统计方法：投诉/制程不良/来料不良的周报月报年报体系
- 【互动研讨】现场巡查要点实战
- 演练：给定一个生产场景，各组找出巡查中的关键检查项与遗漏项
- 【落地工具】《IPQC巡查记录表》
- Day 2：品质升级篇：问题解决、AI认知、AI落地
品质异常改善与问题解决方法论（掌握结构化问题解决工具链，从救火到根因消除）
一、改善铁三角与根因分析
- 5. Why层层追问与两大陷阱：从表面现象穿透到根本原因，避免停在"人的因素"和"不可控因素"
二、品质改善的落地与固化
- 从对策到标准化：有效对策写入作业标准书和控制计划，否则改善无法维持
- 横向展开机制：同一根因在不同产品/产线的平行排查与对策复制
- 品质改善提案制度：建立一线员工参与品质改善的常态化通道
三、8D问题解决法与返工管理
- 8. D改善报告---一种彻底解决问题的方法论！
- 8. D八步法闭环：小组成立→问题描述→临时对策→根因分析→永久措施→实施验证→预防再发→团队认可
- 8. D常见误区：D3临时措施≠最终方案、根因停在表面、D7预防流于形式
- 【AI 实操演示】8D报告/ QC七大工具AI智能分析模型搭建与使用
四、质量成本分析与改善决策
- 品质成本PAF模型：预防成本、鉴定成本、失败成本三类构成与占比分析
- 品质成本控制的三大政策
- 【AI 实操演示】质量成本智能分析模型
- 【落地工具】《8D改善报告模板》
适合对象
业务负责人、项目骨干、内训师和正在试点AI工具的团队可以带着当前项目或岗位案例参加，课堂讨论会更容易落到真实场景
课程定位与主要问题
AI任务拆解、流程嵌入和输出复核复盘时，问题、方法和课后检查点需要连起来，便于回到岗位继续推进
核心收益
- 场景边界更清楚：工具场景、输入要求和输出校验，减少只听概念、不知道怎么用的落差
- 围绕品质筑基篇：认知建立、标准构建、检…校准目标和边界，明确课堂重点动作
- 流程复用更容易：质量认知重塑与品质意识强化（破除品…安排练习，检查方法、工具和流程是否可用
查看更多收益 收起更多收益
- 人工复核有抓手：品质的本质与客户导向相关的责任分工、跟进节奏和复盘问题
课程背景与交付信息
制造业正面临品质管理的双重挑战：一方面，客户对品质的要求从"合格"升级为"零缺陷"，一次重大品质事故可能导致整条供应链的信任崩塌；另一方面，传统品质管理手段已触及效率天花板，人工目检漏检率高、品质数据分析滞后、改善闭环靠人盯人、品质成本居高不下。据行业调研数据显示，制造企业的品质损失成本平均占销售额的15%-20%，而世界级企业这一数字仅为3%-5%
然而，多数企业的品质管理仍停留在"事后检验"阶段：品质标准模糊，检验靠经验、判定靠感觉；来料、制程、成品各管一段，出了问题互相推诿；品质数据停留在纸质报表，分析滞后、改善迟缓；品质部门沦为"查货部"，QE/SQE职能形同虚设。更深层的问题是，从管理层到一线员工，对"品质到底是什么"的认知不统一，品质意识的薄弱才是品质问题的根源
与此同时，AI技术正在重塑品质管理的范式。AI视觉检测已实现缺陷识别率99%以上、速度提升10-明显差异；生成式AI可以自动生成8D报告、品质月报、检验规范；AI工艺参数调优正在帮助企业将良率提升2-5个百分点。但多数企业对AI仍停留在"听过没用过"的阶段，不知从何切入、如何落地
课程时间
2天
授课方式
讲师讲授、案例研讨、情景演练、互动答疑
课程内容重点
01Day 1：品质筑基篇：认知建立、标准构建、检验体系
02质量认知重塑与品质意识强化（破除品质认知误区，建立全员品质责任意识）
03品质的本质与客户导向
04品质的本质：不是"好"，而是"符合要求"
05品质的四层认知演进：检验出来→制造出来→设计出来→管理出来
讲师介绍
杨向东
精益生产与智能制造管理实战专家
前海尔制造运营总监、鲁丽集团运营中心总经理，20余年精益生产与智能制造实战经验。主导30+个精益/智造项目，单项目最高降本90%，擅长AI赋能、降本增效及智能工厂搭建，助力企业实现数字化转型与效能跃升
查看讲师主页课程差异说明
本课程页面围绕《AI赋能下的品质管理与品质改善实战训练》重点呈现课程定位、适合对象、核心收益和 5 个主要模块，便于快速判断培训匹配度
课程常见问题
这门课适合哪些学员参加？
业务负责人、项目骨干、内训师和正在试点AI工具的团队可以带着当前项目或岗位案例参加，课堂讨论会更容易落到真实场景。
学习这门课可以获得什么收益？
明确工具场景、输入要求和输出校验，减少只听概念、不知道怎么用的落差；围绕品质筑基篇：认知建立、标准构建、检…校准目标和边界，明确课堂重点动作。
企业可以基于这门课做定制吗？
可以。正式交付时可结合企业行业、岗位对象、当前问题和培训时长，对案例、练习和重点模块做适配
