主题：关于FMEA分析软件和质量问题管理软件的交流与出海请教（一） -- 来路

“任何一个软件的领先，我的理解上无非是功能领先、效率领先和交互的友好便捷程度领先”

是，但不是“无非是”，好软件死掉的也很多。

也许并不是你的产品FMEA功能有多强，而是你的客户FMEA的需求比较趋同（因为太过垂直细分），而你的软件准确满足了需求。并且在市场增长的过程中的关键点站稳了。

既然已经有了样板客户，跟他去共赢推广不是最简单吗。

能做到细分领域遥遥领先很不容易，令人尊敬。

关于FEMA，请教楼主一个问题，对于一个经验丰富的工程师或者技术管理者，和一个经验不多的普通工程师，这个FEMA软件分别可以提供什么帮助？

简要的介绍了我们的两个系统之后，这一帖就是说说我想请教大家的地方了哈😁

在软件的领域，基于国内丰富的生活场景，消费和娱乐类软件取得了爆发式的增长，而他们也成为出海的龙头。无论是Tiktok，还是Temu、Lazada、Shopee等等，都取得了相当不错的成绩。我们作为工业软件，也在考虑我们对比国外同行有什么优势，我们从这些年国内汽车行业的快速发展里成长了什么，这些成长的经验和成果有没有在国外拓展的可能？

对比国外的FMEA软件同行，我们的优势主要在于后发优势的软件架构领先，用户交互UI的友好和便捷，以及基于国内汽车行业快速发展，一些理念其实开始领先国外，比如说DFMEA中虚拟层、黑盒等概念的运用，对界面接口介质的识别分析等等，在问题管理系统当中各个流程的可配置，各流程节点功能权限的可配置，移动端与PC端的打通等等，使得节点效率大大提升。任何一个软件的领先，我的理解上无非是功能领先、效率领先和交互的友好便捷程度领先。从这几方面来说，我们都比已经接触过的国外同行做得更好。

回到海外拓展这个目标，我个人觉得这种拓展是有可能的。因为工业的运作和发展逻辑比各个国家生活场景的差异更小，具有更多的共同性。我们有我们相比国外同行的优势，但是我不太确定我们接触到的国外同行能不能代表国外的真实情况。而且相比于各个国家人们之间日常生活上互相接触、交流和获取信息的便捷性，工业领域的交流更有门槛一些，更隔离一些，更依赖于渠道。所以即使工业软件有可能进行国际拓展，我们能通过什么渠道，能更有效的接触到对这些内容感兴趣的客户呢？这是我现在的困惑。也是我想向大家请教的地方。

不知道河里的各位，尤其是在国外的友友们，有没有什么信息和建议？谢谢！😁

关于FMEA的大致内容就在前面两个帖子讲的差不多了，这个帖子我再粗略介绍一下质量问题管理系统😁

前面有提到已发问题经验和FMEA的打通，既然对已发问题已经进行了管理，并且和FMEA实现了打通，那为什么还要建问题管理系统。实际上，对于已发问题，企业特别是整车企业在处理的时候，并不只是展开分析并归纳到经验库的事情，实际操作要复杂的多。

最常见的来说，发生了问题就涉及到责任，是哪个部门的责任，是谁的责任。通常在划归和确认问题的责任领域部门之前，还涉及到问题的提交和确认，确认问题的过程中又涉及到查重和归并。以往采用线下的方式，约会议费时费力，也很容易讨论起来没完没了。毕竟成绩大家都想要，而面对发生的问题的时候，很少有部门和人愿意主动扛责任和扣绩效。问题处理的效率也就大打折扣。而对于企业真正做决策的主管领导来说，他想要了解已发问题的情况，从而判断问题数量在不同车型、不同项目、不同专业领域的分布情况，要依赖于下级的汇报。汇报是一门学问，讲什么不讲什么，突出什么淡化什么，以及内容的归类角度都有折衷处理的空间。信息不准确，那么由此而带来的资源投入以及分配决策，就有很大可能也是不准确的，也就降低了决策的合理性和有效性。于是将质量问题信息和管理，形成统一的，可识别，可分配，可追溯，可自动计算汇总成数字、数据报表的数字化系统，就成为一种必要。由此避免信息化电子文档数据和传统纸质文档数据带来的迷雾，让这些信息从不同的关注角度自动计算、汇总，形成企业关注的真实的业务数据，并全流程透明可追溯，这也就实现了业务层面的重建，实现具体业务上的狭义的数字化。

我们所建的质量问题管理系统中，对问题管理是以8D (Eight Disciplines Problem Solving）为思路基础，分为问题提出、问题确认、原因分析、对策制定、效果验证、措施实施及关闭。其中所搭建的质量问题管理流程可以根据企业实际情况任意裁剪。在问题提出阶段可以手工新建，也可以与其它系统集成来自动推送获取问题，并根据不同问题类型，展示不同的表单和流程。新建问题时，通过关键字如问题标题、零件号等进行关联匹配，自动筛选出重复问题，防止相似问题重复提交。发布问题时，支持将相同问题进行合并，由主问题统一进行处理，避免处理问题资源浪费，减轻工程师负担。在整个问题处理过程中，系统支持展示整体的流程图，方便用户了解当前节点的从哪一步流转过来，以及将如何流转下去。对于流程走向，系统支持流程的正常处理和异常处理，如流程中止、流程挂起、开启子流程等多场景的流程处理方式。同时也支持流程撤回、流程转交和移办，以及流程的批量委托，可以适配各种实际工作场景。在这里还要特别突出一下移动端/手机端的作用，通过和企业微信或者企业OA系统移动端的集成，流程中的任务可以在移动端及时获取和处理。移动端的功能对提高整个问题处理效率，帮助特别大。原因主要有两个：一个是问题的提交可以在发生问题的现场就完成，更快捷，时效性高，且支持文字描述、照片和视频，这样的话工程师就不用等回到办公室再来描述，也不用担心有遗漏又要从办公室回现场。另一个是领导意见的收集和决策更及时，特别是经常要出差要开会的主管领导，不管在不在自己办公室，不管多少个会，只要手机在，就可以及时收到相关信息，大大解放了下级汇报和等决策的时间和压力。而且所有数据报表也可以及时在手机端查看，随时可以查看自己所关心的数据，并且支持下探，从数据统计到数据详情一览，到具体质量问题条目内容。可以说，移动端功能对提高质量问题处理效率，提供了巨大的帮助。

除了质量问题本身的闭环处理以外，问题横向展开也比较重要，横向展开功能是指在问题发生后，系统可以根据业务规则自动推送任务给相关用户，也可以由用户手动开启任务，用于检查用户负责的项目是否有类似问题发生，并提供原因对策参考，避免类似问题在正在进行的项目中再次发生或者流出。我们以类似的方式，提供了再发防止和设计预防的功能。另外，对于有代表性有价值的问题，提供经验库的功能，可以将此类问题纳入经验库进行管理，形成知识沉淀。对于质量的会议，提供质量会议管理功能，支持自动将质量会议相关内容汇总，形成会议资料，且可以在线抄送、报送相关人员。支持形成在线会议记录和会议记录版本管理。也支持会议讨论时下探，及时查看问题详情。

通过这样的方式，我们这个系统能够提供研发、生产制造、市场售后全场景的问题闭环流程管理。以可视化的流程表单工具，使质量问题管理、再发防止等质量活动规范的运行。同时实现全流程透明的在线协同、过程跟踪、预警和智能推送；将质量问题、失效模式等质量信息与零部件、车型等进行有效关联，建成结构化的质量知识库，为工程师获取问题经验提升设计质量和领导决策提供支持。并且可以推动企业的数字化转型，实现数据的多种分析维度和场景，促进企业质量的综合提升。

谢谢大家花和通宝的肯定，我就接着继续说了哈😁

2019年我们再接再厉，年底又签下一家整车企业。但是紧接着的2020年，因为疫情迅速爆发和各种管控措施，让大家措手不及，各种出差拜访和交流都停顿下来。后半年才逐渐又开始更多的交流和拜访，也签下了汽车供应链的一些一级和二级供应商，但是整车厂没有什么突破。2021和2022是订单爆发的两年，传统整车企业和新势力都陆续签下好几家，而且还成功签下工程机械行业两家头部企业，同时家电行业、通讯行业和半导体行业也有头部企业导入我们的FMEA系统，这时我们的知名度已经从汽车行业出圈了，成为这个领域大家公认的领头羊。

与此同时，我们也面临着新的问题。无论是软件行业的竞争同行还是质量咨询行业合作的机构老师，都没想到这么一个小而专的领域能做到这么好的效果。于是国内同行的模仿和竞争开始兴起，有些以前合作的老师开始抄袭并把我们拉黑，我们给客户的文档开始被到处传。无论是一直做可靠性相关国外软件代理的代理商，还是深耕质量培训的咨询机构老师，都比我们有更多的人脉和信息资源，我们有一些订单在这个过程中特别遗憾的没有拿下来。不过这种模仿，虽然可以仿照我们的页面，但是他们的人员并不能完全理解我们的设计理念思路和其中的一些使用关联和逻辑。他们接到了订单也做的很不顺，甚至有家公司虽然中了某家整车企业的FMEA软件系统标的，但是那家整车企业却要另招一个标，让我们去给他们做FMEA实施辅导。这是另一种对我们能力的认可。软件可以模仿，但是知识的理解和运用能力是代替不了的。我们通过短短几年的努力，已经形成了从需求调研、产品规划、开发、测试，到实施和咨询的完整的团队，并且通过内部培训和具体项目磨炼，积累了丰富的FMEA实践理论。这种知识积累厚度和团队人才培养的厚度，是其他靠模仿来跟随的公司所不具备的。于是2023年我们在历经5年的交流，以及客户多次对比选择之后，又标志性的签下了新能源汽车行业的领军整车企业。

2022年，国内知名投资公司在做了几轮充分的市场调研之后，充分肯定了我们在这个小而专的领域里远远领先的做到了行业第一的成绩，并对我们进一步的在汽车、机械、通讯、家电、航空航天、半导体等行业进行拓展寄于了厚望，牵头进行了注资投资。我们在拿到投资以后，进一步补实加强了人才队伍，在前期开发的基础上，对早就有心去做的拓展功能模块进行了规划，延续了我们不断进取的节奏。整体回顾来看，从2019年我们发布V5.0版本以后，我们又在2020年开发完成FMEA-MSR(FMEA for Monitoring and System Response 监控及系统响应FMEA)模块和已发问题经验库模块，并发布V6.0版本。2021年我们结合自己的思考，在业内首先开发实现了MFMEA（Machinery Failure Mode and Effects Analysis，设备潜在失效模式及后果分析）模块，发布了V7.0版本，并申请了相应的专利。2022年发布了FMEA Master V8.0版本，包含了新开发的FMEDA（Failure Modes Effects and Diagnostic Analysis，故障模式影响和诊断分析）模块和FTA（Fault Tree Analysis, 故障树分析）模块。

这里我们稍微展开一下2020年开发完成的已发问题经验模块与2022年的FMEDA和FTA模块。FMEA的全称是叫做失效模式和影响分析，是一种在产品设计定型和生产之前，通过结构（DFMEA）/过程（PFMEA）分析、功能/特性分析、失效分析、风险分析和优化分析，来确定潜在失效模式及其原因的分析方法。它的重点在于设计定型和生产“之前”对“潜在”失效的分析，降低风险，而所有产品在设计定型和生产“之后”，仍然可能暴露出一些没能提前识别出来并有效降低的风险，这就是与“潜在”对应的实际“已发”的质量问题。从质量管控的角度来讲，如果我们既提升对“潜在”失效的识别能力，又提升对“已发”问题的解决能力和管理，那不就可以把风险有效管起来，提升质量水平了嘛。这其中的已发问题，分析到最后，最终也是落到具体的分析对象或者分析对象之间的界面接口功能/特性的失效上，这就和FMEA分析对应上了。我们把这种对应理解为“闭环”，已发问题的经验可以纳入后续同类FMEA分析，规避或者减少同样问题的发生，在下一产品定型前提高风险规避能力，实现质量的螺旋上升。所以我们开发了经验模块，用以实现已发问题经验和FMEA的打通，同时也预留了数据接口，可以和客户已有的质量问题管理系统进行集成和数据打通。这也是我们在行业内首先去思考和做的事情。那么2022年我们发布的FMEDA和FTA模块，意义又在哪里？FMEA这种分析方法虽然对失效有S（Severity，严重度）、O（Occurrence，频度）、D（Detection，探测度）的打分，用以评估风险的程度，但是它无法确切回答失效发生的失效率，即单位时间内发生失效的概率。ISO 26262《道路车辆功能安全》国际标准对汽车电子电气系统的安全分析推荐了两类方法：归纳分析 （Inductive analysis）和演绎分析 （Deductive analysis）。FTA对应归纳分析，FMEA和FMEDA对应演绎分析。其中的FMEDA是在FMEA的分析思路基础上，加入底层故障的各个故障模式失效率(failure rate)和故障模式占比(failure mode distribution)、 故障模式的诊断及诊断覆盖率(Diagnostic Coverage)发展而来，并作为对电子元器件的量化随机硬件失效分析方法而为人所熟知。而FTA定量分析则被广泛运用于计算电子电器系统的随即硬件失效率是否满足硬件架构度量的评估(Evaluation of the hardware architectural metrics)、随机硬件失效导致违背安全目标的评估(Evaluation of safety goal violations due to random hardware failures)。言简意赅的来说，就是我们开发了定量分析的FMEDA和FTA，使FMEA Master系统不仅仅作为符合AIAG-VDA FMEA手册方法的系统，同时满足ISO 26262标准要求的分析能力。对于既要按照IATF 16949，又要按照ISO 26262来进行开发工作的车企来说，我们具备了这样的能力，能提供这样一个统一的平台，使相关工作更容易开展和统一管理。

技术发展日新月异，从2022年底开始，讨论最热的莫过于人工智能AI技术。我们也在Chatgpt 3.5发布以后迅速跟进，思考AI对于FMEA工作可能的帮助，并成立了专门的小组。2023年底，我们结合了AI功能的，面对中小企业和个人用户的轻量版FMEA系统，SaaS版本的FMEA Coach上线。因为SaaS版本在线服务的优势，便于调用外部大模型系统的反馈，所以我们是在FMEA Coach上先实现了AI辅助功能，从整理文件、编写FMEA、检查、优化分析结果、答疑解惑等方面，全方位辅助用户完成FMEA分析。2024年的年中，我们又面向在企业内网部署专业版本FMEA Master系统的用户，推出了AI问答、AI创作和AI评审功能，并支持部署本地大模型和本地数据知识库集成，解决了企业对内网数据和外部大数据模型交互的保密性担心，以及本地分散的多种格式文档的分散数据怎么纳入到大模型中去有效应用的问题，再进一步。