质量主管真正需要哪些信息来控制供应链的脉搏? 哪种类型的数据不仅能全面而详细地概述其质量运营,还能使他们能够在下一次危机来袭时做出快速、有效的业务决策?

“在过去几年中,供应链的运营风险一直在增加,而新冠疫情的持续影响又加剧了这一风险。” 麦肯锡公司写道质量保证操作也有同样的趋势。全球企业正经历着一次重大的压力测试,尽管其运营受到严重干扰,但它们仍要努力在整个供应链中维持质量。 据 《质量杂志》报道,”在疫情危机期间,质量脆弱且效率低下的公司,其运营流程已经由缺乏到完全崩溃。许多人还发现,常见的关键绩效指标(KPIs)不足以评估和解决他们面临的问题。

随着公司适应这一新常态,并试图管理其带来的独特障碍和风险,问题转向了供应链可视性——以及能够为其提供一致、准确和远程访问实时运营数据的数字系统。

德勤在回应新冠疫情时写道:“大多数公司的当务之急是提高自身设施、直接供应商以及其他地方供应链风险的可视性。 ” 笔和纸和手动报告越来越脱节和不足 ,《质量杂志》 写道,依赖它们的公司“缺乏对其生态系统中当前准确的质量数据和相关活动的实时可见性,因此无法维持‘疫情保证’的质量。”

虽然对此类数据的需求是明确的,但问题仍然存在: 哪些数据? 质量主管真正需要哪些信息才能掌握供应链的脉搏? 哪种类型的数据不仅能全面而详细地概述其质量运营,还能在下一次危机来袭时做出快速、有效的业务决策?

数据驱动质量绩效评估的前 3 名 KPI Inspectorio Sight Top 3 KPIs Header image

下面是我们从质量主管处获得的三个最重要的衡量标准:

1. 失败率和缺陷率

故障率和缺陷率是质量主管可用的两个最强大的绩效指标。 

数据驱动质量绩效评估的前 3 名 KPI

然而,更强大的是将这两个指标相互比较。

作为一对,故障率和缺陷率不仅仅是检查现有可接受质量水平(AQL)的有效性。 过于强调失败率(因此是AQL)本身。 SgT Group 写道,AQL”在完全避免质量缺陷方面并非 100% 有效”,而且由于它仅根据商品是否符合 AQL 容差来跟踪性能,因此故障率是衡量质量的有限基准。 基于失败率决策的团队通常依靠猜测来找出问题的真正原因,导致对 AQL 的无效或浪费性修改。 检查总体故障率和缺陷率之间的相关性,可在处理表现不佳时提供可操作的前进道路。

要识别您的顶部和最低绩效,请创建一个具有 4 个象限的图形:

数据驱动质量绩效评估的前 3 名 KPI

现在分析工厂或供应商的 X-Y 散射图,Y 轴上的缺陷率和 X 轴上的故障率

通过在此 X-Y 图上叠加您的 4 象限图,突然变得微不足道,通过以下性能指标对供应链合作伙伴进行分组:

1: 高故障率、高缺陷率

这些是你们供应链中表现最差的。

2:故障率低,缺陷率高

在这个象限中着陆表明,虽然工厂一直在通过检查,但在任何给定的样品中仍有大量产品存在缺陷。 根据 InTouch的说法,一种可能的缓解策略是检查您对 AQL 的严格程度,这有助于发现这些缺陷。 通过数据驱动的数字化服务提供的风险分析,优化 AQL 要容易得多。

3:高故障率、低缺陷率

这个象限是除产品质量以外的其他问题的一个很好的指标——如果没有发现大量的缺陷,为什么工厂的故障率会很高呢? 这些问题可能包括缺少文书工作、对检查毫无准备或无法提供标记的样品等。

4:故障率低,缺陷率低

这部分是表现最好的。

利用故障率与缺陷率的分析,需要使用网络平台实时聚合数据。 这样一个数字平台不仅能够捕获所有传入的数据并将其纳入见解,而且还使组织能够保持其供应链生态系统的完全透明度——这种能力在人工报告方面变得极其复杂,尤其是在供应链向上扩展时。 保持这种可见性可防止常见的问题,如 质量逐渐渗透 到品牌或零售商的产品中。  

数据驱动质量绩效评估的前 3 名 KPI 16

2. “自检”结果与第三方检验结果之比

授权工厂和供应商完成自己的自我检查是一个极好的长期目标,节约资源,促进基于信任而非监管的伙伴关系。 然而,业内仍然存在一个共同的问题:很少有人相信自我检查。

工厂和供应商可能会逐渐放宽他们的标准,直到他们的”合格率”明显接近100%。 这对质量管理人员提出了挑战,他们必须依靠第三方检验公司进入工厂并检查相同的货物或定单,从而更清楚地了解这些工厂的产品质量。

这就是为什么公制比率(即自检结果与第三方检查结果的比例)在新冠疫情后的世界成为如此有价值的质量KPI的原因。 这个比率越接近1:1,就越能说明工厂正在准确、公正地进行每次内部审计。

您还可以使用此 KPI 按供应商自我检查的准确性对其进行排名。 那些比率显示更值得信赖的自我检查的人可以继续进行检查,从而避免需要雇用第三方检查公司。 这样可以节省您的时间和资源,然后您可以将第三方检查公司分配给高风险的供应商。 此外,它还提高了贵公司抵御疫情等未来干扰的弹性。 当另一场危机袭来,您无法向工厂派遣第三方检查员时,您从此排名中知道可以信任谁并允许他们进行自我检查。 这样,您的机构就将 更好地 准备在疫情情况下全球中断期间保持弹性。

为了确保自我检查的准确性和数据的可信性,需要数字化解决方案。 数据驱动的数字化解决方案的主要优点之一是它为所有利益相关者实时提供了相同的可见性。 品牌和零售商可以使用该平台作为他们唯一的沟通渠道,与进行这些检查的工厂和供应商共享缺陷列表、AQL、自检清单和任何其他标准。 这允许 效率的提高 ,并确保品牌的质量和自检准则被使用,而不是工厂或供应商的准则。

3. 退货授权 (RMA) 见解

退货授权(RMA)是帮助确保 疫情后世界质量的第三大最有价值的 KPI.  由于质量管理人员要求供应商为有缺陷的商品发放某种形式的退款或信用证明,这意味着利润的重大损失——特别是当缺陷到达大量客户手中时。

因此,根据Diginomica的说法,RMA代表”对产品质量的直接衡量,以及产品不符合客户的规格和要求“。 每月执行 Pareto 分析将有助于确定导致80%回报的前20%因素,让您的组织确定RMA的根本原因并为其分配资源。通过这种方式,RMA可以作为一种宝贵的工具,用于分析可能表明供应链中严重异常的模式。 IQMS的路易斯·哥伦布说,通过将它们作为KPI,您的品牌可以”获得更高的成本和运营效率,同时最大限度地提高品牌客户满意度和忠诚度“。

供应链的透明度和协作和共享数据的能力越大,它们就越能以协调一致的方式减少其 RMA。 投资数字解决方案来实现这一目标可带来回报;减少 RMA 已证明对提高净推广分数 (NPS)、随着时间的推移提高品牌声誉产生了积极影响。

结论

麦肯锡公司写道:”公司需要了解其风险敞口、脆弱性和潜在损失,以告知复原力策略。 对于品牌和零售商来说,在”客户驱动的制造时代“(Diginomica)中,保持产品质量对于成功至关重要。 分析这 3 个 KPI 可提供无与伦比的对供应商和工厂性能和质量指标的洞察,显示供应商的卓越表现,更重要的是,需要立即改进或纠正措施。

但是,机构需要能够实时收集和分析这些数据的有效工具。 除此之外,他们必须”超越被动甚至主动的质量管理,转向预测性的质量管理,”《 质量杂志》写道。 以机器学习和人工智能为动力的技术,例如由 Inspectorio 公司开创的技术,已经能够促进这种预测性质量控制。 如今,任何能够利用预测技术力量的公司未来都将比竞争对手拥有优势。

” Inspectorio Sight “平台为生产网络的每个成员创造了一个公平的环境,一个共同的数据源、丰富的直观分析、风险预测和持续改进的空间。了解更多有关 Inspectorio Sight 如何让您访问有洞察力、可操作和可预测的质量数据的信息。