从国家队到地方俱乐部，丹麦运动服饰品牌 hummel 凭借为各级别运动员提供运动服装而赢得了声誉。随着其产品被世界各地的球队和运动员所穿着，在整个全球供应链中保持一致的质量，对于维护品牌声誉并满足客户期望至关重要。
hummel的生产网络覆盖中国、越南、印度、巴基斯坦、孟加拉国、土耳其和埃及等国家，其运营依赖于质检人员、采购团队与供应商之间的紧密合作。
hummel服装业务部的集团采购专员兼质量保证负责人马德斯·兰加·埃瓦尔德（Mads Ranga Ewald）助力推动了公司质量数据应用方式的转型。借助Qarma ，hummel已不再局限于单纯记录检验结果，而是积极利用这些洞察来优化生产流程、加强与供应商的关系，并做出更明智的决策。
从电子表格到可操作的质量数据
在采用Qarma 之前，hummel的检验员是按照AQL标准进行检验的，并将检验结果记录在电子表格中，并在报告中附上照片。
虽然该流程产生了相关文件，但收集到的信息很少被用于审查单次检查或调查质量问题之外的其他用途。
“以前，我们有很多Excel文件。如果出现问题，我们会检查这些文件，但平时并不使用它们，”马德斯解释道。
如今，检查员可直接在Qarma的移动应用中记录检查结果，这使得记录缺陷、上传照片和分享报告变得更加便捷。他们过去花在电子表格上的时间，现在可以用于检查产品和改进流程了。
更大的变化在于接下来会发生什么。由于所有检查数据都集中在一个地方，hummel 可以按供应商、缺陷、产品或检查员进行筛选，从而发现此前无法察觉的规律。
“最大的变化无疑是，我们现在可以把收集到的所有数据派上用场了。以前我们并没有这么做。”
将供应商洞察转化为改进措施
对马德斯来说，Qarma最大的优势之一在于能够将检验结果转化为与供应商的建设性对话。
在实地考察工厂之前，他会利用Qarma的仪表盘，回顾供应商过去六个月的表现。这使他能够发现反复出现的缺陷，并在与工厂管理层及生产团队的会议中提供具体的书面资料。
hummel 并未试图一次性解决所有问题，而是将重点放在三种最常见的缺陷上，这些缺陷通常占所有记录问题的约 50%。
该团队与供应商共同制定改进目标，并利用Qarma 来跟踪随时间推移的进展情况。虽然目标由他们设定，但他则协助确保这些目标切合实际且具有可追溯性。
“如果线头脱落的问题[缺陷率]是34%，他们可能却说只有5%。我会说：我欣赏你的态度，但这得切合实际。”
双方就一个数字达成一致，该数字被记录在会议纪要中，而hummel的质量控制部门每两周汇报一次进展。一旦某个缺陷得到控制，他们就转而处理下一个缺陷。
“这并不是要指责我们的供应商，而是要向他们展示，我们拥有一款能够帮助他们改进的工具，”马德斯解释道。
在这些交流中，视觉记录发挥着重要作用，尤其是在跨国、跨语言合作时。
“真正有价值的是，你可以给他们看图片。无论你说什么语言，大家都懂图片。”
该方法有助于供应商识别生产流程中需要改进的地方，在减少不必要的返工的同时，加强责任落实与协作。
将质量纳入采购决策
得益于马德斯的努力，hummel的检验数据不再仅由质量保证部门掌握。采购人员和产品开发人员现在可以访问Qarma ，获取针对其品牌的标记报告，并利用这些数据准备自己的供应商走访，从而确保供应商从hummel那里收到一致的信息。马德斯还鼓励他们将这些数据与价格一并考虑：
“也许他们的报价很诱人，但如果他们经常在检查中不合格，还是选别的吧。”
hummel为加强质量控制所做的广泛努力正取得显著成效。
据马德斯介绍，客户投诉减少了12%，而Qarma 不仅帮助减少了检查报告相关的行政工作量，还使整个组织都能更便捷地获取质量数据。
除了数据之外，马德斯认为，最大的价值在于从源头上防止劣质产品流入市场。
缺陷可能会导致额外成本、退货或返工。但更重要的是，它可能会影响客户的信任，以及客户再次选择该品牌的可能性。
通过将检验结果与供应商开发及采购决策相结合，hummel 正在构建一套质量流程，该流程不仅侧重于发现缺陷，更侧重于预防缺陷。
从被动质量控制到预测性质量控制
对马德斯来说，下一步是在生产过程中更早地利用高质量数据，在缺陷尚未出现之前就加以防范。
如今，许多检验工作都在生产的最后阶段进行，而此时若出现问题，纠正起来往往既耗时又耗资。
“如果发现问题，最终检查往往为时已晚。我想增加在线检查的次数，” 马德斯说。
他的目标是更策略性地利用现有的质量控制资源，减少对表现始终优异的供应商的检查时间，并将更多精力集中在生产的前期阶段以及存在反复质量问题的领域。
他还认为，这为将高质量的洞察融入产品开发提供了机会。例如，如果检验数据反复显示某款领口设计存在问题，这些发现就能帮助产品开发人员在下一轮生产前进行调整。
人工智能是这一发展进程中的另一个组成部分。hummel 正在探索如何利用Qarma提供的 AI Checkpoints 功能，通过历史检验结果来突出显示相关质量风险，并引导检验员关注需要额外注意的领域。
放眼未来，马德斯认为可以采取更具前瞻性的方法，即借助高质量数据更早地识别潜在风险，并据此确定应优先进行哪些检查和改进。
目标并不一定在于增加检查次数，而在于让每次检查都更有价值。
“主要目标是为我们的供应商、合作伙伴，当然还有我们自己，提供更优质的产品和更高效的业务。”
.svg)