之前，我们讨论过质量在新产品开发(NPD)并概述了一些方法质量可以对NPD的成功做出有意义的贡献。我们在那篇文章中留下了一个悬念，将在这里解决。如何机器学习质量和新产品开发的交叉和联系?
老问题的老质量答案
我的同事Andrew Hughes最近研究了一个四方框架，通过回答问题的类型来评估分析。这是理解机器学习价值的好方法，也是理解和指导公司分析能力的好框架。公司不会仅仅通过部署机器学习就跳到最前沿。
质量领导者应该从左下角做起。我们如何很好地回答老问题，如“客户的声音(VOC)是什么”和“需求和规范应该是什么?”一个旧的答案是报告数量和类型的不符合和投诉，为过去的符合失败提供指导。这些信息用于设计这些问题，因此是一种优雅的预防措施。
通过将nc和投诉与规格、部件、工艺、供应商等联系起来，可以提供更好的旧答案，以确定问题领域。这可以更好地通知新产品团队，确定可能需要额外的工艺能力，比较零件性能，分级供应商性能，并可能确定规格设置不当的地方。这需要更复杂的操作。虽然理论上不需要it投资是可能的，但解决这个问题的一个务实的方法是通过企业质量管理软件(EQMS)连接到产品生命周期管理(PLM)，制造运营管理(MOM)、客户关系管理(CRM)等
新质量回答旧的NPD问题
我们更好的旧答案提供了对规范的良好洞察和对VOC的一些洞察。它提供了信息丰富的一般模式。有用的信息，但事情会发生变化，并不是决策面的所有部分都遵循相同的模式。知道当时的情况不是更好吗?如果我们能够“快速失败，经常失败”，并通过更有意义和实时的方式了解客户的反应来快速创新，会怎样?
此外，如果我们想要在市场上取得成功，我们需要从更广阔的市场中获取投入。因此，仅仅从现有的客户基础来看客户投诉是不够的。其他人口统计数据或地理位置呢?对于竞争产品，这些潜在客户喜欢和抱怨的是什么?
使用工业物联网(IIoT)和机器学习，我们可以为这些老问题提供新的视角。
质量领导者应该做什么?
23%的公司(N=252)正在投资工业物联网以推动质量改进，质量改进甚至在VOC的概念出现之前就开始了。这是最重要的工业物联网用例之一，这意味着质量在工业物联网领域占有一席之地。领导人应该:
- 认识到质量改进是工业物联网的主要用例，工业物联网是他们必须利用的战略举措，以推动变革
- 利用这次机会，将企业的思维模式从“质量是一个部门”/“质量确保合规”转变为“质量是由质量部门领导的跨职能责任”/“质量使成功和价值”。
- 通过集中和连接的EQMS，确保质量能够为旧的新产品问题提供有意义的旧质量答案
- 利用工业物联网为旧问题提供新的答案，从而实现对VOC的有意义的参与
新产品开发过程的开始是产品生命周期中有风险和关键的阶段。通过对VOC更有意义的质量参与，通过投资为老问题提供好的旧答案，然后成长为老问题提供新的答案，质量领导者可以降低风险，实现成功和价值。
