持續(xù)提升質(zhì)量意識，不斷創(chuàng)新、嘗試新方案，致力于給客戶提供更好質(zhì)量保障的產(chǎn)品，始終是博世汽車電子人共同努力的目標。自動化產(chǎn)線上每天產(chǎn)生海量原始數(shù)據(jù)，以往卻沒有充分的應(yīng)用到業(yè)務(wù)中。隨著博世汽車電子事業(yè)部開展全方位數(shù)字化轉(zhuǎn)型，質(zhì)量部積極以人工智能的方法，充分挖掘原始數(shù)據(jù)的價值，助力質(zhì)量管理從被動糾錯轉(zhuǎn)為主動預(yù)防預(yù)測，實現(xiàn)智能化管理及風險防范前置，開啟博世質(zhì)量管理的新篇章。

挖掘數(shù)據(jù)價值，化被動為主動

質(zhì)量部通過數(shù)據(jù)挖掘、分析及建模，助力質(zhì)量管理與控制，預(yù)測產(chǎn)品失效曲線，排查產(chǎn)品失效原因，并建立起生產(chǎn)現(xiàn)場的質(zhì)量監(jiān)測管控系統(tǒng)，將質(zhì)量管理前置，轉(zhuǎn)型為主動防范。

數(shù)字化助力實驗室提前分配產(chǎn)能。失效件的預(yù)估曲線在過去是被忽視的一塊，造成實驗室面對客訴多處于被動的狀態(tài)。在數(shù)字化推行的過程中，數(shù)據(jù)分析師通過機器學習以及回歸分析方法，實現(xiàn)了對未來客戶退件的預(yù)測，為失效分析實驗室能的產(chǎn)能有效分配提供了極大的幫助，大大提升了資源配置效率。????

數(shù)據(jù)模型還能夠幫助質(zhì)量分析工程師更快地排查產(chǎn)品失效的根本原因。以往實驗室工程師每天需要花費大量的時間在代碼搜索的重復(fù)性工作上，才能逐步排查到具體失效位置。現(xiàn)在通過標準數(shù)據(jù)庫及可視化工具的建立，并利用機器學習的方式分析預(yù)測質(zhì)量發(fā)生不良原因，讓工程師能夠直觀地識別出需要重點分析的元器件，進而有效提高了質(zhì)量分析工程師的工作效率及客訴處理的響應(yīng)速度。

此外，質(zhì)量部更將智能預(yù)測分析工具帶進生產(chǎn)現(xiàn)場，建立起生產(chǎn)監(jiān)控系統(tǒng)，通過數(shù)據(jù)分析實時識別出產(chǎn)生質(zhì)量波動的參數(shù)，并總結(jié)歸納出設(shè)備最佳的調(diào)試參數(shù)，將質(zhì)量風險防范前置，杜絕質(zhì)量不良的發(fā)生。

未來，博世汽車電子質(zhì)量部將持續(xù)探索機器學習和深度學習，推進質(zhì)量管理領(lǐng)域的智能化發(fā)展，以不斷提升效率，降低產(chǎn)品失效率為目標，打造行業(yè)中的卓越質(zhì)量管理標桿，為汽車安全保駕護航！

原文標題：質(zhì)量 | “提升質(zhì)量靠我來”，數(shù)字化有話說

文章出處：【微信公眾號：博世汽車電子事業(yè)部】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

審核編輯：湯梓紅