浅析成套设备研制项目中的质量管理

成套设备是指为了既定的生产目标、由对物料加工特定的工艺方法所确定、由不同功能的生产设备有机组合而成的系统。成套设备在能源、钢铁、交通、军工、采矿、石油化工、电力、通讯、建筑等行业得到广泛应用。成套设备的组成部件一般分为机械设备、电气设备、控制系统、辅助配件、原料试剂等五大类。按成套设备的特点划分为专用成套设备、标准成套设备和非标准成套设备等。成套设备具有产业链长、附加值高、关联度强、带动作用大的行业特征。

在成套设备研制过程中,项目质量管理是重中之重,需要在项目的各关键阀点针对质量目标进行监控和汇报,并针对各个功能单元的质量问题进行集中跟进和重点排查,确保项目达成质量目标并在产品出厂前关闭所有的质量课题。成套设备研制项目质量管理能力的提升,需要从其行业特征着手,分析如下:

1.订单式生产,定制化需求,小批量,质量样本量小

成套设备的研制一般由订单驱动,产品大都是重大型、高价值、定制化的,哪怕是标准成套设备,客户需求量也不会太大,基本上难以大批量生产。成套设备的制造不具备很大的质量样本容量,且经不起返工或报废,因此,传统的统计质量管理是不适用的,而借助于项目质量管理理论与工具,对项目关键节点进行控制和问题跟踪,才是成套设备制造中的质量管控的有效方法。

2.产品结构复杂,涉及研发设计、采购、生产等全过程,质量管理复杂

从产品结构上看,成套设备具有建设周期长、技术含量高、系统集成度高等特点。在研制过程中,需要涉及到铸造锻造、工程材料、加工装备、电子电控、系统工程等多个学科领域;从时间跨度上看,其项目流程也是繁芜复杂的,从基本商业论证、招投标,到技术研发,再到采购和供应商环节,直至各分项设备完成生产,到成套系统的有机组合,质量管理的每一步都充满问题与风险。

捷为科技结合为大批装备制造企业提供产品和服务的经验,认为项目质量管理主要通过四种方式来实现,一是规范项目流程体系,二是严格执行质量活动,三是关键节点控制,四是问题跟踪管理。

一、规范项目流程体系

在成套设备的研制中,为保证一个或多个分项设备的研制有序进行,加强整套设备项目的有效开展,捷为iMIS-PM系统以集成项目管理、集成产品开发、系统工程等现代管理思想和方法,将项目业务的流程固化,定义项目质量目标和质量活动,形成标准化的项目模板,建立项目管理体系规范,减少无序项目管理带来的各种问题和风险。

创建项目时,根据项目模板复制生成新项目,保证了公司项目管理规范的一致性,从源头上提高项目质量。

二、严格执行质量活动

根据项目流程规范,严格执行项目质量管理要求的质量活动,加强事前、事中、事后的质量管理,才能确保项目质量目标的达成。

在事前质量控制阶段,主要包括技术准备、组织准备与资源设备准备,项目人员的专业素质,企业设备的生产与制造能力,外协零配件的质量把控以及供应商的资质,都是项目事前质量控制的重点;在事中质量控制阶段,主要是对设备生产过程进行全面而系统的控制,包括对设计图纸的实时性审查、对制造工艺的系统性评定以及工序间过程质量等;在事后质量控制阶段,则在于对产品质量的检测、记录、归档,并提供检测报告等质量控制内容。

 三、关键节点控制

成套装备研制项目作为一个系统工程,其项目质量管理的最重大问题是对关键节点的控制,技术评审是一种常用的方法。

技术评审的目的是优化设计、发现错误、跟踪需求、评估质量、规避风险;技术评审是早期发现问题的重要手段,越早发现问题总体成本越低;包括多个层次和形式的评审,如:产品级、模块级、功能级。

捷为iMIS-PM可以根据需要在任意项目阶段设置特定的项目评审流程,管控项目阶段的完成情况。在执行项目阶段任务时,根据预设规则自动触发项目节点评审或文档评审流程,并根据流程状态控制项目阶段任务的完成,如:流程没有执行完毕,不能完成该项目阶段,也不能进入到下一个项目阶段,以此确保项目质量,降低项目风险。

四、项目问题管理

针对成套设备的整体品质,在整套设备的研制过程中,需要在项目的各大节点针对各个分项设备的品质目标进行检查和汇报,并针对重大的风险与问题进行跟进和排查,确保整套设备的研制项目达成所有的质量目标,并在产品出厂前关闭所有的质量课题。

在捷为iMIS-PM中,项目成员可以提出问题,指派问题负责人处理问题并流转到下一步直到问题关闭。系统全程跟踪记录问题处理历史,包括每一个状态的迁移,每一个字段的修改。

捷为iMIS-PM支持在项目任务中提出和处理问题,并可设置项目问题“关联任务完成”,即问题未处理完,其关联的任务不能完成,只有问题关闭后任务才能往下进行,这也是一种控制项目过程质量的有效方式。针对那些解决难度大,需要多部门协同的复杂问题,iMIS-PM还支持问题生成任务,并可套用项目子模板生成一组任务插入到项目计划,在甘特图中跟踪/监控问题的解决、验证和关闭。

深耕项目管理领域十七年来,捷为科技十分重视高端制造业项目管理领域,尤其是成套设备的研制项目,将先进的项目管理思想和实践与大数据、人工智能、移动互联网技术相结合,融入装备制造业的业务特点,量身定制了一套iMIS-PM集成项目管理系统(装备制造行业版),管理项目启动、计划、执行、监控和收尾的整个生命周期,为该行业客户搭建智能化、集约化的项目管理信息中枢平台。

捷为 iMIS-PM集成项目管理系统(装备制造行业版)经航空航天装备、汽车制造、新能源装备、石化装备等多个行业”链主”企业采购使用,系统功能完备、操作方便,备受肯定与称赞。通过导入捷为 iMIS-PM系统,实现企业的管理模式创新、项目运作能力最大化,从而破解装备制造业的项目管理难题,赋能企业的精益化、智能化管理升级,增强企业的核心竞争力!!

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值