实现质量的“知”、“控”、“管”、“谋”，为企业质量管理例会提供动态的平台支撑
1. 企业质量管理面临的挑战
基于安必兴多位资深顾问与在汽车行业、装备制造业、航空、航天、航天、电子等行业的咨询经历，我们各行业质量管理现状有了一个基本的了解。很多企业通过了GB/T19001质量管理体系、GB/T28000职业健康、安全管理体系、GB/T24001环境管理体系认证；产品检查检验标准比较完善，检验标准比较系统且有效执行；在现有行业竞争日益激烈的市场背景下，我们有以下质量管理面的改进机会：
（1）质量目标统计、分析方面：
- 进料检验、供应商管理、制造过程、售后质量管理等数据多为纸面手工记录分散在部门，质量数据信息共享难度大。 准确性及利用率都有待提高。
- ERP、PLM系统内均涉及质量信息，质量数据没有得到系统整合，形成了“质量信息孤岛”。
（2）供应商管理方面：
- 目前供应商质量准入、评价及审核有展开管理，但目前对供应商的业绩评价量化数据统计困难，缺少对供应商零部件总装及售后返回件的质量状况，无法全面体现供应商的实际质量水平；且供应商管理各项评价工作为每年年进行一次，评价周期有改善空间。并可提供多维度的供应商质量分析，同时是整个管理过程更规范、透明；
- 无法实现依托供应商管理数据展开供应商质量信息的查询、统计及分析。
- 与供应商基本基于传真、邮件和电话，工作效率和跟踪管理有待改善。
- 供应商零部件在生产过程及售后环节的质量信息没有系统的展开分析及统计。很难客观、全面的体现供应商零部件质量水平。
- 制造过程：
- 现有手工一次合格率等质量目标项目统计各类质量信息EXCEL管理，邮件传递，手工统计分析，工作量大，容易出错。分散多人管理，随人员流动易丢失。
- 现有“一次交检合格率”定义的合理性有待优化；
- 目前不良项目没有标准化，很难真正展开不良项目的分布分析，进而经常质量波动及损失的重复性问题容易被忽略。
- 现有成品检验返工管控完全依赖检验员控制，存在控制风险。
- 目前故障标准化没有完成，很难实现售后维修的问题点分布等多维度分析。
- 售后质量管理：
- 售后质量信息后续的索赔鉴定、索赔管理、备件管理等都手工展开，在管理上对索赔率提升造成阻碍；
- 海量的售后产品质量及零部件质量信息无法直观、快捷的形成改善输入，为设计、工艺及生产提供改进机会。
- 整车档案、追溯管理：
- 没有建立整车档案数据，原始车辆生产履历还原渠道和手段有待建立，存在被骗保风险，同一客户先后重复买车，旧车冒新车“骗保”等情况；也很难高效的查询故障车辆装配的零部件。同时无法快速确认是否为“非标件”、零部件编号等信息，对售后成本管控及效率提升造成影响。
- 随着出厂整车的数量不断累积，以后手工追溯查询整车装配零部件信息工作量将越来越大，即效率越发难以保证；
- 市场或制造过程质量异常时，如确定某批次零部件异常是想进行异常零部件的精准定位是否困难，存在漏失风险；
2. 厦门安必兴QIS质量管理信息系统设计理念：
2.1 基于ISO9001/TS16949 PDCA持续改进机制
IS09001体系的PDCA持续改进机制，其模式可简述如下：
- P--策划：根据顾客的要求和组织的方针，为提供结果建立必要的目标和过程；
- D--实施：实施过程；
- C--检查：根据方针、目标和产品要求，对过程和产品进行监视和测量，并报告结果；
- A--处置：采取措施，以持续改进过程业绩。
AMBITION-QIS系统设计时基于ISO9001体系业务过程及条款要求，展开业务过程功能梳理及产品化，并将ISO体系的PDCA模型持续改进机制融合到系统业务逻辑中，实现ISO体系持续改进机制的系统固化。
2.2 GE工业数码神经系统理论
GE工业数码神经系统理论的核心思想就是实现工业生产过程的“知”、“控”、“管”、“谋”。
AMBITION企业管理决策平台基于GE工业数码神经理论，通过关键业务数据信息及管理目标数据采集,实现质量工作状况的“可知”；通过对质量管理核心业务流程的标准化梳理、固化，进而实现质量管理工作流程优化，并实现质量过程管理的“可控”；通过对质量管理计划、质量目标的层层分解、达成率统计、监控，及重大质量问题整改的监控管理等，实现质量管理工作的全面“可管”；通过对企业质量目标业绩指标的全面量化，为管理层决策提供量化的数据支持，实现质量管理“可谋”。
2.3 彼得•德鲁克的认识问题
彼得•德鲁克在《卓有成效的管理者》明确的提出了，要提高管理者的工作效率必须首先解决的认识问题。
AMBITION企业管理决策平台系统设计过程中，充分融合了先进的管理模型及标准的分析方法,实现隐性质量问题的显性化、可视化，帮助企业管理人员实现企业运营状况的快速了了解，为企业管理人员高效决策提供支撑。
3. AMBITION-QIS系统功能架构
