如何做一名优秀的QE
Quality Engineer（质量工程师）—— 质量体系的构建者、质量问题的终结者、持续改进的推动者。
QE 不是"高级QC"，而是用工程方法解决质量问题的专业角色。
第一章：重新认识QE的角色定位
1.1 QC vs QE 的本质区别
| 维度 | QC | QE |
|---|---|---|
| 核心职责 | 检验与判定：合不合格？ | 分析与改进：为什么不合格？怎么防止再发？ |
| 时间视角 | 当下（这批产品） | 过去 + 现在 + 未来（根因 + 当前 + 预防） |
| 工作对象 | 产品、批次、工序 | 过程、体系、数据、人、流程 |
| 关键工具 | 量检具、抽样方案、检验标准 | SPC、FMEA、8D、DOE、MSA、六西格玛 |
| 输出物 | 检验报告、不合格品记录 | 8D报告、FMEA更新、控制计划、质量改进报告 |
| 决策范围 | 是否能放行这批产品 | 是否需要变更工艺、修改控制计划、推动设计变更 |
| 汇报对象 | QC组长/主管 | 质量经理/总工 |
| 思维模式 | 判断型思维：是对还是错 | 工程型思维：为什么？怎么改？ |
一句话区分： QC 回答"这个产品合不合格"，QE 回答"这个过程稳不稳定、这个系统完不完善"。
1.2 QE的四个核心角色
质量工程师 QE 的四种角色分工
| 序号 | 角色 | 典型抓手 |
|---|---|---|
| ① | 问题分析师 | 8D、根因分析 |
| ② | 过程控制师 | SPC、控制计划 |
| ③ | 体系推进者 | 内审、CAPA |
| ④ | 改善教练 | 六西格玛、精益 |
| 角色 | 占比 | 成熟QE的标志 |
|---|---|---|
| 问题分析师 | ~30% | 能快速定位根因，不等数据完美就行动 |
| 过程控制师 | ~25% | 控制计划是自己写的，不是抄模板的 |
| 体系推进者 | ~25% | 能带队内审，发现体系层面的改进机会 |
| 改善教练 | ~20% | 能带绿带项目，培养一线人员的质量意识 |
1.3 QE的成长阶段
典型路径： QE 实习生 → 初级 QE → 独立 QE → 高级 QE → 资深 QE / 质量专家 → 质量总监（具体头衔因企业而异）。
| 阶段 | 年限 | 核心能力 | 典型任务 |
|---|---|---|---|
| QE实习生 | 0-1年 | 工艺认知、基本QC工具 | 协助做8D、收集数据、做柏拉图 |
| 初级QE | 1-3年 | 独立完成8D、SPC操作、FMEA参与 | 主导一般质量问题、维护控制计划 |
| 独立QE | 3-5年 | 精通8D/FMEA/SPC/MSA，能带项目 | 主导质量改进项目、带队内审 |
| 高级QE | 5-8年 | 六西格玛黑带，精通DOE/Minitab | 解决复杂质量问题、建立质量体系 |
| 资深QE | 8-10年+ | 质量战略思维、跨职能领导力 | 质量体系设计、质量文化建设 |
第二章：QE的核心技术能力体系
2.1 统计过程控制（SPC）——QE的"听诊器"
2.1.1 基础概念深度
SPC不是"画几张控制图"就完事了。优秀QE对SPC的理解至少要达到以下层次：
普通原因（Common Cause）vs 特殊原因（Special Cause）
普通原因 — 过程固有的变异（如：微小的原材料波动、环境温度的常规变化）
- 特点：稳定、可预测、服从正态分布
- 责任方：管理 / 系统层面
- 应对：改进过程设计（如更换设备、优化参数）
特殊原因 — 外部因素导致的变异（如：刀具断裂、操作失误、材料批次问题）
- 特点：不稳定、不可预测、不服从正态分布
- 责任方：现场操作 / 维护层面
- 应对：识别并消除具体原因
质量管理界最重要的区分之一： 混淆普通原因和特殊原因是大多数质量失败的根源。把系统问题归咎于操作工（普通原因当作特殊原因处理），或者反过来把突发问题当作"就这样"（特殊原因当作普通原因忽视），都做不好质量。
2.1.2 控制图的"八项判异准则"
不是只看"超不超出控制限"！优秀QE必须掌握 Western Electric（西电）判异准则：
| 序号 | 判异准则 | 图形描述 | 异常含义 |
|---|---|---|---|
| 1 | 1点超限 | 任何一点超出UCL或LCL | 过程发生了突变 |
| 2 | 连续3点中有2点在A区 | 同侧A区（±2σ~±3σ） | 过程均值已偏移 |
| 3 | 连续5点中有4点在同侧B区 | 同侧B区（±1σ~±2σ） | 中心偏移趋势 |
| 4 | 连续8点在同侧C区 | 同侧C区（±1σ以内） | 过程均值已明显偏移 |
| 5 | 连续7点同侧 | 全部在中心线上或下 | 过程均值偏移（最常用准则之一） |
| 6 | 连续7点上升/下降 | 单调递增或递减 | 趋势性原因（如刀具磨损） |
| 7 | 连续14点交替上下 | 锯齿状 | 两种不同的过程交替（如双腔模具） |
| 8 | 连续15点在C区内 | 全部在±1σ以内 | 分层现象（数据被"修整"过） |
注意第8条： 数据太好可能有问题。如果连续15个点都在C区内，数据可能是被"挑选"过的或者测量系统出了问题。
2.1.3 过程能力指数实战
理解 Cpk 背后的意义（经验对照）
| Cpk 区间 | 含义（示意） |
|---|---|
| Cpk < 1.0 | 过程能力不足，不良必然产生 |
| Cpk = 1.33 | 约「3σ水平」，约 66 ppm 不良（量级示意） |
| Cpk = 1.67 | 约「5σ水平」，约 0.57 ppm 不良（量级示意） |
| Cpk = 2.0 | 约「6σ水平」，约 0.001 ppm 不良（量级示意） |
实战中的陷阱：
- 数据非正态时直接算Cpk是错的——需要用Box-Cox变换或Johnson变换，或者用非正态能力指数（如Cpmk、CpQ）
- 组内变异 vs 总变异——Cp/Cpk用组内σ（R-bar/d2 或 S-bar/c4），Pp/Ppk用总σ。如果Cp远大于Pp，说明组间差异大（批次间不稳定）
- Cpk高不等于过程好——如果控制图已经失控，能力指数是无效的
- 计算样本量要足够——至少25个子组、100个以上数据点
2.2 测量系统分析（MSA）——QE的"标尺校准"
QE不仅要会用MSA，更要能判断测量系统是否满足需求。
2.2.1 量具重复性与再现性（GR&R）
公式（示意）
GR&R = √(EV² + AV²)— 测量系统总变异（设备变异 + 人员变异）%GR&R = (GR&R / 总变异) × 100%
判定标准
| %GR&R | 结论 |
|---|---|
| ≤ 10% | 测量系统优秀 |
| 10%～30% | 有条件接受（取决于应用重要性） |
| > 30% | 测量系统不合格，必须改进 |
实战中常见问题：
| 问题 | 表面现象 | 根因分析方向 |
|---|---|---|
| EV（设备变异）大 | 同一个人同一量具测同一个零件结果不一致 | 量具精度不够、零件装夹不一致、环境因素 |
| AV（人员变异）大 | 不同人测同一个零件结果差异大 | 操作手法不一致、检验指导书不清晰、视力差异 |
| 零件变异太小 | %GR&R奇高（因为分母小） | 取样未覆盖整个公差范围，需要重新取样 |
QE能做什么？
- 当%GR&R在10-30%时，评估测量系统对过程能力的"修正"效果
- MSA不合格时，不是"加总指引用"，而是先找根因——量具精度不够就换量具，人员差异大就统一手法
- MSA最重要的是"可接受"，不是"做到≥10%"就好
2.2.2 假设检验与测量系统
好的QE会使用假设检验来分析问题：
- 零假设 H₀：改进前后过程均值没有显著变化
- 备择假设 H₁：改进前后过程均值有显著变化
- t 检验：比较两组数据均值是否显著不同
- 方差分析（ANOVA）：比较三组及以上
- 卡方检验：比较计数型数据（合格 / 不合格率等）
案例：检验改进措施是否有效
- 改进前：50 个样本，均值 = 10.05 mm，标准差 = 0.03 mm
- 改进后：50 个样本，均值 = 10.01 mm，标准差 = 0.02 mm
- 问题：这 0.04 mm 的差异是真实改进还是随机波动？
- 做法：双样本 t 检验，得 p-value = 0.002（< 0.05）
- 结论：改进效果显著，均值确实下降
2.3 失效模式与影响分析（FMEA）——QE的"预警雷达"
2.3.1 FMEA的类型
| 类型 | 适用场景 | QE的职责 |
|---|---|---|
| DFMEA（设计FMEA） | 新产品设计阶段 | 参与评审，提供历史质量数据输入 |
| PFMEA（过程FMEA） | 制造过程设计 | 核心职责——主导或深度参与 |
| MFMEA（设备FMEA） | 设备/工装 | 与设备工程师协作 |
2.3.2 PFMEA的核心逻辑
PFMEA 思考链（每一步工序）
- 可能出什么错（失效模式）
- 会导致什么后果（失效影响）
- 严重度 S（1～10）
- 原因是什么（失效起因）
- 发生度 O（1～10）
- 当前有哪些控制（预防 + 探测）
- 探测度 D（1～10）
- RPN = S × O × D（旧版常用；新版侧重 AP 等，见下文）
- 按风险排序 → 对高风险项制定改进 → 改进后重新评定 S/O/D（及新版要求的动作优先级）
优秀QE的FMEA思维：
- S严重度 > 8的失效模式必须优先处理，不管RPN是多少（安全/法规相关）
- D探测度是QE最能发挥价值的地方——你设计什么样的检验方法决定了能不能抓住这个失效
- 控制措施要分"预防"和"探测"：
- 预防（Prevention）：Poka-Yoke防错 > SPC控制 > 首件检验 > 巡检 > 培训
- 探测（Detection）：在线100%检测 > 自动检 > 人工检 > 统计抽样 > 目视检查
- FMEA是活的文档——一旦发生异常、变更工艺、增加设备，FMEA必须同步更新
- FMEA和控制计划是一对CP——FMEA的危险失效模式必须有对应的控制计划控制措施
2.3.3 FMEA在AIAG-VDA新标准下的变化
新版（2019年AIAG & VDA FMEA手册）：
| 变化点 | 旧版 | 新版 |
|---|---|---|
| 评分表格 | S/O/D三张表 | S/O/D/Action Priority（AP）三步 |
| RPN阈值 | 一般认为RPN > 100需要行动 | 取消了RPN阈值，改由Action Priority（高/中/低） |
| Step 1-7 | 不固定 | 明确五步法（范围定义 → 结构分析 → 功能分析 → 失效分析 → 风险评估 → 优化 → 文件化） |
| 替代分析 | 忽略 | 增加功能/要求替代分析表 |
实战要点： 不要死磕RPN数字。新版FMEA取消RPN阈值就是为了避免"RPN=99就不管，RPN=101就追着改"的机械执行。
2.4 实验设计（DOE）——QE的"工程武器"
DOE是优秀QE区别于普通QE的标志性能力。不需要精通复杂的全因子设计，但至少需要理解以下概念。
2.4.1 什么时候做DOE？
当你需要回答下列问题时，优先想到 DOE：
| 问题 | 常见实验类型 |
|---|---|
| 哪些参数显著影响质量特性？ | 因子筛选实验 |
| 最佳工艺参数组合是什么？ | 优化实验 |
| 容差能不能放宽？ | 容差设计 |
| 参数在什么范围内质量仍然 OK？ | 稳健性实验 |
2.4.2 常用DOE类型速览
| 类型 | 因子数 | 实验次数 | 用途 |
|---|---|---|---|
| 全因子设计（2^k） | 2-4个 | 4-16次 | 所有因子和交互效应完整估计 |
| 部分因子设计（2^(k-p)） | 4-7个 | 8-32次 | 筛选重要因子，牺牲高阶交互效应 |
| Plackett-Burman设计 | 5-15个 | 12-20次 | 初步筛选大量因子 |
| 响应曲面设计（CCD/Box-Behnken） | 2-3个 | 13-20次 | 找到最优参数区域 |
| 田口方法 | 多个 | 较少 | 稳健性设计，抗噪声因素 |
2.4.3 DOE的标准流程
① 定义问题与目标
- 明确 Y（响应变量）：是什么？怎么测量？是否可重复？
- 明确 X（因子）：列出所有可能影响 Y 的参数
② 筛选因子
- 鱼骨图 + C&E 矩阵 + 专家判断
- 部分因子实验快速筛选
③ 确定设计方案
- 因子数量、水平（高/低）、中心点
- 区组划分（是否分批）
- 随机化（消除未知偏差）
④ 执行实验
- 按随机化顺序执行
- 严格记录环境条件
- 避免非计划变更
⑤ 分析数据
- 效应图（Pareto of Effects）
- 正态概率图（判断显著效应）
- 方差分析（ANOVA）
- 残差分析（验证模型假设）
⑥ 验证与确认
- 在最优条件下做确认实验
- 对比预测值与实际值
DOE黄金法则： 在上一步完成之前不要做下一步。因子的选择比分析工具更重要——"Garbage in, garbage out"。
第三章：问题解决的工程方法论
3.1 8D问题解决法的QE级深度
8D不是填表格——每一阶段QE都有自己的"暗功夫"。
D2 问题描述
普通做法： "产品有划伤" 优秀QE的做法（IS / IS NOT 矩阵）：
| IS（是） | IS NOT（不是） | 差异 → 线索 |
|---|---|---|
| 划伤位置：产品 A 面右上角 | 不是底面和侧面 | 可能与搬运/装夹有关 |
| 发生时间：换班后第一小时 | 其他时间段 | 可能与换班操作有关 |
| 发生频率：连续 3 批出现 | 不是偶发 | 非随机，偏系统性原因 |
| 产品批次：批号 20260420-A | 批号 20260420-B | 可能与特定模具腔号有关 |
工具：IS/IS NOT 矩阵 — 这是DOE筛选前的"穷举排除法"
D4 根因分析
根本原因的三层结构（示例）
| 层次 | 说明 |
|---|---|
| 表层原因（Direct Cause） | 刀具崩刃导致尺寸超差 |
| 中间原因（Contributing Cause） | 刀具寿命设定不合理，未覆盖实际加工量 |
| 系统原因（Root Cause） | 刀具寿命管理流程缺失——缺少统一的「试跑 + 验证 + 锁定」制度 |
优秀QE的5Why要求：
- 每个"why"都要有 数据或事实佐证，不能是猜测
- 至少问到第3层（系统层），不要停在表层
- 问到最后发现"人"的问题 → 要继续问"为什么人这么做？是培训不足？SOP不清？还是管理缺陷？"
D5-D6 纠正与验证
永久措施（Permanent Corrective Action）的特征：
- 能够消除根因（不只是控制后果）
- 能够横向展开到类似产品/工序
- 有明确的验证指标和验证周期
- 防止再发的机制（FMEA更新、控制计划更新、标准化）
验证措施有效性的方法：
- 改进前后的 假设检验（p-value < 0.05 才算有效）
- 改进前后的 过程能力对比（Cpk从0.8→1.33）
- 控制图监控（后续3个月无复发）
3.2 质量问题的分类与升级机制
优秀QE会建立分级响应机制：
| 级别 | 定义 | 响应时限 | QE行动 | 汇报对象 |
|---|---|---|---|---|
| C级 | 一般质量问题，偶发，影响小 | 24h内 | QA自主处理 | 记录在日志 |
| B级 | 重复发生或影响面较大的问题 | 8h内 | 启动8D，QE深度参与 | 质量经理 |
| A级 | 涉及安全/法规/大客户投诉 | 2h内 | 立即围堵+启动8D，QE主导 | 质量总监+工厂长 |
| S级 | 可能引起召回、停产、法律风险 | 立即 | 紧急响应组，QE+多部门 | 总经理 |
3.3 质量成本（COQ）——QE的"经济账"
优秀的QE不仅从技术角度看待质量问题，更从经济角度定量分析。
质量成本构成
质量成本 = 预防成本 + 鉴定成本 + 内部失败成本 + 外部失败成本
| 类别 | 含义 | 常见内容 |
|---|---|---|
| 预防成本 | 预防性投入 | 培训、FMEA 编制、过程控制、供应商资格认证、设计评审 |
| 鉴定成本 | 检验与评定投入 | 检验人工与设备、来料/过程/出货检验 |
| 内部失败成本 | 出厂前发现的不良 | 报废、返工、降级、停线停工 |
| 外部失败成本 | 出厂后发现的不良 | 退货、索赔、召回、商誉损失、客户流失 |
质量成本 1 : 10 : 100 法则（量级示意）
| 阶段 | 相对代价（示意） |
|---|---|
| 设计阶段发现并解决 | 1 |
| 制造阶段发现 | 10 |
| 客户发现 | 100 |
QE的价值主张：
- 不要只说"质量很重要"
- 要说"在这道工序增加一个防错装置，投入2000元，预计每年减少返工损失8000元——ROI=300%"
- 用质量成本的"语言"和财务/管理层对话
第四章：质量体系的深度参与
4.1 QE与ISO 9001:2015
优秀QE不只是"执行体系"，而是能理解和推动体系落实。
| ISO条款 | QE的关键切入点 |
|---|---|
| 4.4 QMS及过程 | 参与过程识别（乌龟图），明确每个质量过程的输入、输出、KPI、资源 |
| 7.1.6 监视和测量资源 | 量检具管理、MSA计划、校准周期制定 |
| 8.3 设计开发 | 参与DFMEA评审、设计验证、设计确认（DQ） |
| 8.4 外部供方 | 供应商审核、来料质量数据管理、供应商绩效评价 |
| 8.5.1 生产和服务提供 | 控制计划（Control Plan）的制定与维护 |
| 9.1 监视测量分析评价 | 质量KPI（客诉数、批次合格率、Cpk趋势）的监控与报告 |
| 10.2 不合格和纠正措施 | CAPA系统的运行、8D报告质量评审 |
| 10.3 持续改进 | 六西格玛项目、质量改进活动（QIP） |
4.2 内审——QE的"体检医生"
优秀QE往往也是优秀的内审员。 但不是为了"找问题"，而是为了"帮体系看病"。
高效审核的QE思维：
审核前
- 了解被审核部门过去 3 个月的质量数据（客诉、不合格品、CAPA）
- 准备「基于风险的审核路径」（按风险点追问，而非机械逐条对条款）
审核中
- 少问假设性问题（「如果出了不合格你们会怎么做？」）
- 多问验证性问题（「上一次不合格是什么时候？给我看处理记录」）
- 不信「口头体系」，信随机抽样（「能看那天下午的巡检记录吗？」）
- 观察 + 访谈 + 文件审核三管齐下
审核后
- 不符合项要有管理意义，不做「条款对不上」的文字游戏
- 每个不符合项必须有根因分析与整改计划
- 跟进直到闭环
4.3 CAPA系统（纠正与预防措施）
CAPA是质量体系的"大脑"——发现问题后能形成闭环改进的系统。
CAPA 典型链路
- 发现（Awareness）
- 评估（Evaluation） — 严重度、影响范围、紧急程度
- 围堵（Containment） — 立即止损（100% 筛选、追溯、召回等）
- 根因分析（Root Cause） — 8D、5Why、鱼骨图等
- 纠正措施（CA） — 消除当前不合格的根因
- 预防措施（PA） — 防止同类问题在其他环节再发
- 验证（Verification） — 用数据证明措施有效
- 标准化（Standardization） — 更新文件、横向展开
CAPA的常见陷阱：
- 只做CA不做PA（治标不治本）
- 验证周期太短（一周的数据不能证明"不会再发生"）
- 没有横向展开（修了这条线，同类的另一条线没修）
- CAPA未闭环就关闭（要看到验证数据才算）
第五章：软技能的实战修炼
5.1 跨部门影响力的构建
QE没有直线管理权力，但需要推动其他部门做改进——影响力比职权重要。
影响力建设的三个层次：
层次一：专业信任
- 他人感受：「这个 QE 很专业，他说的问题我信。」
- 建立方式：数据精准、分析到位、不说空话
层次二：协作价值
- 他人感受：「和这个 QE 合作，问题能解决，不会白干活。」
- 建立方式：带着方案开会、不甩锅、持续跟进
层次三：战略贡献
- 他人感受：「这个 QE 能看到我们看不到的问题和机会。」
- 建立方式：预判质量风险、用质量成本与管理对话
5.2 推动改进的"七个步骤"
- 发现问题 — 用数据证明严重程度（如质量损失金额）
- 找出根因 — 8D / 5Why / FMEA 等系统分析
- 制定方案 — 至少 2～3 个可选方案，标注 ROI
- 获取支持 — 对齐关键利益相关者（生产主管、工艺工程师等）
- 试点验证 — 小批量或短期试运行，收集对比数据
- 全面推广 — 形成标准、更新文件、培训到位
- 效果固化 — 控制图持续监控、定期回顾
5.3 向上汇报的结构化表达
给总监/总经理看的质量报告，不是数据堆砌，而是决策工具。
质量月度报告建议结构
第一页：质量仪表盘（Dashboard） — 约 1 分钟内读完
- 客户投诉趋势（红 / 黄 / 绿状态）
- 批次合格率（目标 vs 实际）
- 质量成本趋势（金额）
- 重大异常汇总（建议不超过 3 条）
第二页：本月重点问题分析
- Top 3 质量问题（柏拉图排序）
- 每个问题的根因（一句话 + 分析路径）
- 改进计划与推进状态
第三页：需要决策的事项
- 需批准的投资（如新量具、改造费用）
- 需推动的跨部门决策
- 需升级到更高层的风险预警
原则： 一页一主题，结论先行，数据支撑，建议明确。
5.4 培养一线质量意识
优秀QE不是"自己能力很强"就够了，还要能"让身边的人变强"。
| 方法 | 具体做法 | 频次 |
|---|---|---|
| 微课培训 | 每天早会5分钟质量tip | 每天 |
| 案例分享会 | 每月一个8D案例复盘 | 每月 |
| 现场指导 | 和QC一起巡检，现场指点 | 每周 |
| 质量看板 | 可视化更新质量数据 | 每周更新 |
| 改进提案制度 | 一线员工提改善建议+表彰 | 持续 |
第六章：QE的数字化能力
6.1 数据分析工具的掌握
| 工具 | 掌握程度 | QE的应用场景 |
|---|---|---|
| Excel（高级） | 必备 | 数据透视表、VLOOKUP、条件格式、图表制作 |
| Minitab / JMP | 核心 | DOE设计、SPC分析、MSA、假设检验、回归分析 |
| Python（Pandas/Matplotlib） | 加分 | 批量数据处理、自动化报告生成 |
| Power BI / Tableau | 加分 | 质量仪表盘、实时监控、数据分析 |
| MES系统操作 | 必备 | 质量数据录入、过程监控、不合格品处理 |
6.2 数字化质量管理
| 维度 | 传统 QE | 数字化 QE |
|---|---|---|
| 数据采集 | 手工收集 | 系统自动采集 |
| 呈现方式 | Excel 做图表 | 实时仪表盘 |
| 检验方式 | 统计抽样为主 | 机器视觉全检等 |
| 记录载体 | 纸质检验记录 | 电子数据管理 |
| 异常发现 | 人为发现为主 | 系统自动预警 |
| 分析时机 | 事后分析为主 | 在线实时分析 |
优秀QE应该推动的数字化方向：
- 检验数据自动采集（数字量具、扫码仪）
- 质量KPI实时仪表盘（Power BI / 简道云 / 飞书多维表格）
- 不合格品处理电子流（OA或MES系统中的不合格品流程）
- 质量问题数据库（不再是离散的邮件，而是结构化的问题案例库）
- 控制图的自动化（SPC软件替代手工打点）
第七章：优秀QE的日常习惯体系
7.1 每天必做
| 时间 | 动作 | 目的 |
|---|---|---|
| 早 30min | 查看前一天质量数据（客诉、退货、批次合格率、Cpk异常） | 第一时间掌握质量状态 |
| 上午 | 现场走一圈 + 与QC组长对一遍异常 | 获取一线信息 |
| 下午 | 处理当天异常（8D推进、不合格评审、客户反馈） | 闭环日事日毕 |
| 下班前 15min | 记录当天关键事项 + 更新问题台账 | 信息不丢失 |
7.2 每周必做
- 质量数据周报（柏拉图 + 趋势分析 + 异常总结）
- 回顾正在推进的CAPA（每个CAPA的当前状态 + 卡点）
- 一线培训和辅导（至少和QC或产线人员有一次深入学习交流）
- 下周改善计划（确定下周的优先级）
7.3 每月必做
- 质量成本月度报告（为管理层提供决策依据）
- 控制计划评审与更新（本月是否有工艺变更、设备变更？）
- FMEA动态更新（本月发生的异常是否需要在FMEA中体现？）
- 六西格玛/改善项目进展汇报
- 自评一次： 这个月我解决了几个系统性问题？有多少是一劳永逸的？
写在最后：优秀QE的十二条准则
- 质量不是检验出来的，也不是喊出来的，是设计出来的、控制出来的。
- SPC 是听诊器，FMEA 是 CT 机，8D 是手术刀——会用工具更要懂得选工具。
- 每解决一个质量问题，就问自己一句：「这个问题的根因在系统里吗？」
- 数据不会骗人，但数据可能撒谎——理解数据背后的测量系统和取样方法。
- 质量问题的根因几乎从来不只一个，但总是有一个是最根本的。
- Cpk 是过程的能力，不是产品的检验结果——不要用抽样检验代替过程控制。
- QE 的价值不在于「发现多少问题」，而在于「预防了多少问题」。
- 面对交期压力，QE 是质量的守护者——不是让步的签字机器。
- 培训一线比自己做更重要——质量是所有人的事。
- 体系不是纸上谈兵——每一个条款背后都对应着实际的控制点。
- 数字化不是目的，是工具——用更好的工具做更好的决策。
- 质量是系统工程——不追求完美，追求持续改善。
优秀QE的四字箴言：
懂（懂技术、懂体系、懂工艺） 会（会分析、会工具、会数据） 写（写FMEA、写8D、写报告） 说（说事实、说数据、说结论）
懂是基础，会是能力，写是交付，说是影响。
文档版本：v1.0 生成日期：2026-05-02 作者：卓越质量智库