检测影量仪

天平称量的一般要求，包括超差的结果及其影响、称量对流程质量的影响、称量不确定度和最小称量值、安全因子、称量仪器的日常测试（频率、砝码、最小称量值评估、自动校正等）等要求 1. 介绍 在制药实验室中，称量仅是药物开发和质量控制的整个分析链中的一个步骤；但它却对最终结果的整体质量和完整性有着重要影响。此外在生产中，称量对获得批次的统一性和一致性（例如，在分装或配方过程中）具有决定性作用。在食品行业，准确的称量过程对该行业的两个最严峻的挑战具有重要作用：提高公众健康和消费者安全，以及提高生产力和竞争力。其它行业（例如化工、香料或汽车工业）也普遍存在相同或类似的问题，此外，检测实验室以及研发外包和代加工的企业也出现此类问题。在全球各地，准确称量对确保始终符合预设定的过程要求并避免频繁出现不合格结果 (OOS) 而言至关重要。 2. 超差结果及其影响 多年来，制药行业一直深受不合格结果的困扰，自 1993 年 Barr Labs 法院裁决后尤为严重。在该案例中，法院判决 Barr Labs 一方获胜，该实验室坚持认为 OOS 结果不一定会导致批次不合格，应查明是否存在诸如实验室错误等其他原因。2006 年 10 月，FDA 对其有关如何处理 OOS 结果以及如何进行正确调查的指南进行了修订。自此，FDA 已发出了大量 483 缺陷调查警告信。由此看来，即使在该指南发表 7 年后以及 Barr 裁决过去 20 年后的今天，我们在这方面仍有大量工作要做。 此外，FDA 在上述指南中还声明：“实验室错误应该是极少发生的。经常发生的错误更可能是由于分析员培训不足、维护不当或设备未正确校准或工作粗心而导致。” 在我们看到大量有关 FDA 483 缺陷调查警告信后，罕见的实验室错误可能就不会像我们所希望的那么罕见了。遗憾的是，由于没有公开数据显示所获得的每个 OOS 结果，因此存在更多没有导致 OOS 结果的小错误。这些错误可能被分类为“注意记录”，或只是简单地在实验室记事本上记录为错误。即使这些错误可能预示分析方法或过程将出现更严重的问题，许多企业也不会对其进行调查。应强调，OOS 也可能导致因调查引起的正常运行时间减少、批次释放延迟，或甚至可能导致成本昂贵的召回事件，这将对公司的效率和生产力产生负面影响，并可能会影响其声誉。不只是制药行业面临上述问题。食品行业也是如此，近几年食品安全和质量管理条例要求越来越严格。GMO（基因改造生物）或纳米技术的开发给食品安全和质量带来了新的挑战；此外，国际供应和食品交易以及供给的增加，预计也会使这一趋势更加明显。随着这些趋势的发展，以及国际和国家法律发生相应变化，标准和检查过程会进行定期修订。近期一个影响行业的立法案例就是于 2011 年 1 月开始实施的《美国食品安全现代化法案》(FSMA) 该法案将联邦监管机构的工作重心由应对安全问题转为预防问题的出现。该新法目前正在实施中，其中包括加强预防控制以及增加 FDA 强制性检查的频率。 3. 称量对过程质量的影响 称量是大多数实验室中的关键环节，但始终未得到足够的重视，其复杂性也经常被低估。由于称量质量对最终结果质量的影响很大，美国药典 (USP) 特别要求在定量分析过程中应获取准确度较高的称量结果 “应利用准确称量或准确测量的分析物制备定量分析溶液 如果规定测量值应为‘准确测量’ 或‘准确称量’，则应遵守相应的通则：容器 和天平 中的规定。” 上述通则中的要求非常严格，而其它仪器通常不执行类似标准，最常见的情况是由分析开发团队制定方法要求。与实验室相比，在生产环节中大部分情况下都低估了称量结果的重要性。天平和秤被视为生产工具，受到卫生状况、防护等级、腐蚀、火灾或爆炸风险，操作人员的健康和安全，以及生产力等外界因素的影响。在当前天平和秤的选择和操作标准中，相比其他计量要求，需更优先考虑所有这些因素。因此，未能充分考虑计量标准。通常情况下，生产环节中的操作人员资质等级低于实验室技术人员。这将导致生产过程中的操作错误比实验室更加频繁。因此，可以预料到生产过程中出现不合格结果的频率要高于实验室。 另一种做法是重新调配现有天平，把它们用于其他用途，而非其原有的应用。在这种情况下也一样，原有天平的功能可能无法满足新应用中的计量要求。生产中的不合格结果不仅预示质量可能存在风险，而且预示可能对消费者的健康和安全带来实际风险，可能违反贸易规则并给公司造成经济损失。一旦某个过程中出现低质量产品，会增加原材料、人力和资产损耗。产品必须重新加工或处置。在许多情况下，发生错误可能会导致漫长且昂贵的召回行动，给品牌带来负面影响。 4. 测量不确定度和最小称量值 4.1 称量系统的测量不确定度 满足始终准确且可靠的称量要求的最新策略包括：采用科学方法选择和测试仪器 。这些方法也解释了在行业中普遍存在的称量误解。 “我想购买读数精度为 0.1 mg 的分析天平，因为这是我的应用所需的精度。” 在制定设计认证时，经常会听到类似这样的表述。按照这一要求，用户可能会选择量程为 200 g 且读数精度 为0.1 mg 的分析天平，因为用户认为该天平“精确度达到 0.1 mg。”这是一种常见的误解，原因很简单：仪器的读数精度不等于其称量准确度。 称量仪器技术参数中的几大可测量参数限制了其性能。这些重要参数是重复性 (RP)、偏载 (EC)、非线性 (NL) 以及灵敏度 (SE)要回答这个问题，必须先讨论术语“测量不确定度”这一术语。《测量不确定度表示指南》(GUM) 将不确定度定义为“测量结果与被测变量实际值之间合理的数值分散特性”。 称量不确定度（即称量物体时的不确定度）可通过天平或秤的技术参数（一般在进行设计认证时），以及仪器安装后通过称量仪器的校准（一般通过操作认证中的初始校准，之后通过性能认证过程中的定期校准）测算得出。《非自动称量仪器国际准则》规定了称量不确定度评估的详细说明 [9, 10]。相关校准证书中清楚地阐明了校准结果。 一般来说，称量仪器的测量不确定度是一条特殊斜线 — 天平或秤上的载荷越高，测量不确定度（绝对值）越大4.2 天平参数与称量不确定度的关系 称量不确定度的表现特性更加明显，图中显示了导致量程为 200 g 分析天平的称量不确定度的各个因素（重复性、偏载、非线性和灵敏度）。可根据样品质量将不确定度分为三个独特的区域： 1. 区域 1 的样品质量小于拐点下限质量（即不确定度主要受重复性因素影响的最大样品质量）。在该具体示例中，样品质量大约为 10 g，以红色标示。此区域中，由于重复性受总载荷（如果有的话）的影响极小，因此相对不确定度与样品质量成反比。 2. 区域 2 的样品质量大于拐点上限质量（即不确定度主要受灵敏度偏置和偏载因素影响的最小样品质量）。在该具体示例中，该数值约为 100 g， 以绿色标示。此区域中，相对不确定度不受样品载荷的影响；因此，合起来的相对不确定度基本上仍保持不变。 3. 区域 3 是过渡区，样品质量在拐点质量下限和上限之间，相对不确定度由反比变为常量。 此外，对于大部分实验室天平而言，由于非线性在整个样品质量范围内对相对不确定度的影响小于其它因素，因此对相对不确定度几乎不起作用。秤所遵循的原理与天平一样，但其所使用的技术会产生一些额外的限制。大多数秤都采用分辨率比天平低的应变片式称重传感器。某些情况下，化整误差可能是主要原因，但对于分辨率较高的秤来说，重复性也是仪器在小量程段中测量不确定度的决定性因素，即计算出的标准偏差通常大于 0.41d。 线性偏差通常也被认为是一大因素，但是在称量小样品时，通常会被忽略。鉴于在称量较大样品时相对测量不确定度逐渐变小，我们可以推断，非线性在将仪器的测量不确定度保持低于规定工艺允差中仅起到很小的作用。我们需要重点关注重复性，以规定高精度工业秤的临界限值，实验室天平也是如此。 4.3 关于最小称量值的常见误解 最后，我们想指出行业中普遍存在的一个主要误解：许多企业错误地认为，是否可以加上去皮容器的重量以符合最小称量值的要求。换而言之，这些企业认为如果去皮容器的重量大于最小称量值，则可以添加任何重量的物质，而最小称量值要求也会自动满足。这将意味着，您甚至可以使用足够大的去皮容器在量程为 3 吨的工业地磅上称量一克的物质，并仍能够获得要求的过程准确度。由于称量示值的化整误差是仪器的最低不确定度限值，因此，显然无论在任何去皮容器中称量如此小的物质都不会获得满意的准确度结果。这个极端例子表明，这种普遍理解是错误的。同样，假如在一个去皮容器中称量不止一个样品（例如，作为配方过程的一部分），每一个样品均必须符合最小称量值要求。 修订版 USP 通则 中也阐述了这一误解： “在称量样品时，为了满足规定的称量允差，样品质量（即净重）必须等于或大于最小称量值。最小重量是指样品净重量，而不是皮重或毛重。” 最近，我们遇到的另一个误解是关于最小称量值约 100 千克磅秤的分装应用和所测量的最小称量值。该公司称，他们每次分装 20 千克的物质，然而为了遵照最小称量值要求，往往会在容器中留下超过 100 千克的物质。该公司不明白，为了符合自己的准确度度要求，他们需要称量至少 100 千克（而不是 20 千克）的物质。 简而言之，不论是称量前或称量后，在配方、分装和类似应用过程中，每一个组件都必须符合最小称量值要求。为了强调必须考虑样品净重，皮重与是否符合最小称量值标准无关，最小称量值通常指最小样品净重量。

为增强工业和信息化质量管理能力、推动质量技术创新应用、提升产品可靠性水平，及时发现、总结、推广一批示范性强的先进经验，工业和信息化部组织开展2023年度工业和信息化质量提升典型案例遴选工作。 　　一、征集方向 　　(一)质量管理能力。 　　企业贯彻实施GB/T 19000、GB/T 19004、GB/T 19024等先进标准，建立先进质量管理体系，加快质量管理数字化，不断提高质量改进能力，实现质量效益有效提升。征集方向包括： 　　1.质量管理体系有效性。树立追求卓越的质量理念，确保GB/T19000质量管理体系有效运行，发挥企业最高管理者作用，优化质量组织体系和管控模式，调动全员参与质量提升，不断提高质量管理能力的解决方案。 　　2.企业持续成功的能力。贯彻实施GB/T 19004等先进标准，持续健全制度机制，建设质量文化，创新方法应用，加强过程识别、管理和验证，采用策划、实施、检查、处置(PDCA)模式开展持续改进，确保达成质量目标、实现持续成功的解决方案。 　　3.质量管理数字化。运用数字技术对质量数据进行采集、存储、处理和分析，实施质量预防和改进，推进供应链管理数字化，开展数字化质量追溯，实现生态圈质量协同、开放合作、模式创新的解决方案。 　　4.全过程质量绩效水平。依据GB/T 19024等标准，有效识别质量绩效指标，采用先进质量方法工具，加强对用户满意度、产品合格率、平均缺陷率、质量损失率、市场占有率等关键指标的度量、监测、分析和评价，不断提升质量管理财务和经济效益的解决方案。 　　(二)质量技术创新应用。 　　加强质量技术创新，开展质量设计技术、过程控制方法与工具、试验检测技术、运维保障技术等攻关和应用，不断提高产品质量水平。征集方向包括： 　　1.质量设计。应用人工智能、虚拟现实、增强现实等技术，搭建数字孪生模型，加强可靠性设计与仿真，开展基于或高于用户需求的质量设计，实现关键质量指标的设计优化，从源头防止质量风险、解决质量问题的解决方案。 　　2.质量控制。应用数字化技术，开展全流程质量在线监测、诊断与优化，实施关键过程智能分析、精准控制、设备远程监测和智能运维，实现制造过程的数字化控制、网络化协同和智能化管理，持续增强生产过程质量控制水平，提升产品制造可靠性、一致性、稳定性的解决方案。 　　3.质量检测。采用机器视觉、人工智能、先进测量仪器等技术推动试验检测数字化和智能化，加快在线检测、智能检测等先进方法工具的创新应用，提高质量检验检测效率、覆盖率和准确性的解决方案。 　　(三)可靠性提升。 　　落实《制造业可靠性提升实施意见》，围绕机械、电子、汽车及其他相关行业企业实施可靠性工程，推动产品可靠性提升。征集方向包括： 　　1.可靠性管理。通过企业可靠性工作计划、可靠性评审、故障报告分析和纠正措施系统、故障审查组织、可靠性增长管理等实施应用，实现产品可靠性提升的解决方案。 　　2.可靠性工程技术。通过可靠性设计、可靠性分析、可靠性试验验证、可靠性仿真等方法以及数字技术应用实现产品可靠性提升的解决方案。 　　3.可靠性工具。通过测量仪器、可靠性软件工具、可靠性试验设备的开发或改造升级试验检测设施等，实现产品可靠性提升的解决方案。 　　4.可靠性“筑基”和“倍增”攻关。通过核心基础零部件、核心基础元器件、关键基础软件、关键基础材料及基础工艺的可靠性攻关，实现整机系统的可靠性关键指标和水平提升的解决方案。 　　5.产业链供应链可靠性保障。通过加强产业链供应链可靠性管理，如产业链供应链管理、可靠性指标传递机制等，实现产业链供应链可靠性水平提升的解决方案。 　　二、申报要求 　　(一)申报主体应在中华人民共和国境内注册登记，具有独立法人资格。申报主体近三年财务状况良好，在信用等方面无不良记录。 　　(二)应用案例应具有较强的代表性、示范性、创新性和可推广性，对相关行业、供应链质量或企业质量提升具有较强借鉴意义和推广价值。 　　(三)申报材料应客观真实，体现工业和信息化质量提升的技术特点，聚焦实际场景应用需求和重点问题。 　　(四)每个申报主体限申报1项。 　　三、工作程序 　　(一)申报。按照自愿参与原则，申报单位可向所在地省级工业和信息化主管部门、相关行业协会提交《工业和信息化质量提升典型案例申报书》(附件1)。各单位组织对本地区(行业)企业申请进行初审，每单位每个方向推荐数量原则上不超过5个，并于9月28日前将正式推荐意见及《工业和信息化质量提升典型案例汇总表》(附件2)报工业和信息化部。被推荐企业需通过申报平台(https://www.miitqb.cn)提交电子版材料。 　　(二)评审。工业和信息化部组织专家进行评审，按程序确定、公示、发布典型案例名单。 　　(三)宣传推广。开展专题培训、现场考察等分享交流活动。依托部属新闻媒体、“两微一端”平台渠道，择优宣传典型案例。 　　(四)有关支持。鼓励各级工业和信息化主管部门针对应用成果突出、推广价值较高的典型案例，从项目审批、政策资金等方面对项目提供支持，不断推动产品质量提升。

工业和信息化部办公厅关于印发《制造业质量管理数字化实施指南（试行）》的通知制造业质量管理数字化是通过新一代信息技术与全面质量管理融合应用，推动质量管理活动数字化、网络化、智能化升级，增强产品全生命周期、全价值链、全产业链质量管理能力，提高产品和服务质量，促进制造业高质量发展的过程。为推动制造业质量管理升级，以数字化赋能企业质量管理，强化产业链质量协同，优化质量创新生态，特制定本指南。一、总体要求推进制造业质量管理数字化是一项系统性工程，要以提高质量和效益、推动质量变革为目标，按照“围绕一条主线、 加快三大转变、把握四项原则”进行布局。企业要发挥主体作用，强化数字化思维，持续深化数字技术在制造业质量管理 中的应用，创新开展质量管理活动。专业机构要以提升服务为重点，加快质量管理数字化工具和方法研发与应用，提供 软件平台等公共服务。各地工业和信息化主管部门要以完善 政策保障和支撑环境为重点，做好组织实施。（一）围绕一条主线。把数字能力建设作为推进质量管理数字化发展的主线，加快数字技术在质量管理中的创新应 用，优化重构质量管理业务流程，打破不同管理层级、职能部门以及企业间的合作壁垒，赋能企业多样化产品创新、精 细化生产管控、高附加值服务开发、个性化体验提升，快速 有效应对不确定性变化，不断构建差异化竞争优势。（二）加快三大转变。加快重塑数字时代质量发展理念，推动质量管理范围从企业质量管控向生态圈协作转变，加强对产品全生命周期、产业链供应链乃至生态圈协作质量的管 理；推动质量管理重点环节从以制造过程为主向研发、设计、 制造、服务等多环节并重转变，深化质量数据跨部门跨环节 跨企业采集、集成和共享利用，促进质量协同和质量管理创 新；推动质量管理关注焦点从规模化生产为主向规模化生产与个性化、差异化、精细化并重转变，积极协同生产模式和组织方式创新，主动适应动态市场变化需求。（三）把握四项原则。注重价值牵引和数据驱动。把提升发展质量与效益作为出发点和落脚点，深化全过程全链条 数据挖掘，驱动质量变革。注重深化实践和创新应用。发挥 数字化系统作用，深化推广质量管理理论方法和实践活动， 依托信息化平台在全产业链、价值链推动质量管理创新应 用。注重分类引导和示范带动。引导企业结合自身条件制定 方法路径，通过树立一批典型场景、质量标杆企业加强方向 指引。注重开放合作和安全可控。完善覆盖全产业链、生态 圈的质量协作机制，把握安全和发展的关系，加强企业信息 安全保护。二、明确质量管理数字化关键场景（四）面向企业重点业务环节的质量管理数字化。处于数字化起步期的企业要根据实际需求，选择研发、设计、采购、生产、检测、仓储、物流、销售、服务中的重点业务环节，着力推进数字技术应用。充分运用数字化工具加强对业务环节质量信息的采集、分析和利用，开展数字化设计验证、 质量控制、质量检验、质量分析和质量改进，提升质量过程 控制的精细化、智能化水平，提高企业质量管理的效率和效益。（五）面向产品全生命周期和全产业链的质量协同。已较好实现数字化并实现业务集成运作的企业，要推进基于数 字化产品模型的研发、设计、生产、服务一体化，加强产品 全生命周期的质量信息追溯，提升产业链供应链各环节质量 数据共享与开发利用，推进数据模型驱动的产品全生命周 期、全产业链的质量策划、质量控制和质量改进，加强产业 链供应链上下游质量管理联动，促进多样化、高附加值产品 服务创新。（六）面向社会化协作的质量生态建设与知识分享。具备平台化运行和社会化协作能力的企业，要推进质量管理相 关资源、能力、业务的在线化、模块化和平台化，与生态圈合作伙伴共建质量管理平台，加强质量生态数据的收集整 理、共享流通和开发利用，推动质量管理知识经验对外输出和迭代优化，构建客户导向、数据驱动、生态共赢的质量管理体系和商业模式，逐步打造形成质量共生共赢新生态。重点行业质量管理数字化关键场景原材料行业。面向钢铁、石化、化工、建材等行业，推进生产制造数字化质量管控。基于传感器、机器视觉、自动化控制、先进测量仪器等技术在生产环节深度应用，加强企业内部管控精细化程度，推进生产环节质量数据自动采集与处理，开展全流程质量在线监测、诊断与优化，以市场、过程质量指标为牵引设置智能预警的管控限制，持续提升质量控制水平。强化供应链上下游质量管理联动，联合上下游企业共建供应链管理系统及平台，打通供应链上下游企业间质量信息传递渠道，基于数据互联互通与有序流通共享，提升从采购寻源到生产销售的全过程质量协同管控、全生命周期质量追溯管理等水平。装备制造行业。面向机械、交通设备制造等行业，推进基于数字模型的产品质量设计。推进人工智能、仿真等技术在产品研发设计环节应用，搭建产品级、部件级数字仿真模型，开展失效模式分析预防、装配及物流仿真，识别最优设计方案，通过智能化质量策划提升质量设计水平，降低质量损失风险。推进生产制造数字化管控，基于传感器、机器视觉、自动化控制、先进测量仪器等技术在生产环节深度应用，提升精益生产过程质量控制水平。推进基于产品全生命周期管理的服务质量提升。基于线上平台连接实现整机及零部件状态识别与跟踪，开展产品故障预警预测，保养服务预警提示等延伸服务，促进产品高端化。消费品行业。面向轻工、纺织行业推进生产制造环节数字化质量管控。推广传感器、机器视觉、自动化控制技术等在轻纺生产环节广泛应用，提高在线监控水平。面向医药、食品等行业，推进产品全生命周期质量追溯。联合上下游共建产品唯一标识规范，开展质量追溯体系建设，提供信息实时追溯和查询服务，强化全生命周期质量协同管控，让消费者放心消费。三、完善企业质量管理数字化工作机制（七）加强质量管理数字化组织领导。企业应结合两化融合的发展目标和规划部署，优化质量方针、质量目标，制定质量管理数字化的提升路径。明确推进质量管理数字化工作的责任部门、职责和权限，创新质量部门与业务部门协同 推进组织模式，统筹规划并选择质量管理数字化关键场景，确定资源保障，分步推动实施。在质量管理体系运行管理中应定期评估数字化能力的提升效果，并向最高管理者报告。（八）加强质量管理数字化活动策划。企业应以用户需求为导向，梳理关键场景的质量管理要求，运用两化融合管理体系等方法，开展包括流程优化、装备升级、信息系统集 成、数据资源利用、操作规程更新在内的质量管理数字化活 动策划，运用数字技术打通流程断点，加强业务流程状态跟踪、在线监控和动态优化，强化质量目标和质量活动的闭环管控。（九）推动质量管理数字化资源整合。鼓励企业依托工业互联网平台、数据集成平台等，建设统一质量管理平台， 实现质量管理知识、方法、经验等模型化、平台化。加强数字设计工具的开发利用，运用数字分析建模、数字孪生、可靠性设计与仿真、质量波动分析等技术提高产品用户体验和质量设计水平。鼓励龙头企业建设产业链质量协同平台，推动企业间质量信息共享与知识共创，探索产业链质量管理联动新模式，提升产业链质量协同发展水平。四、增强企业质量管理数字化运行能力（十）提高岗位数字化作业技能。企业应加强质量管理数字化活动的全员参与，完善评价和激励机制，将推进质量 管理数字化转变为员工主动创新、有能力创新的现实行动。结合数字化转型的发展需要，对影响质量的相关岗位人员制定数字化技能提升计划，提高运用信息化系统以及在数字化 条件下应用质量管理技术方法的能力。对有重要影响的岗位人员实施适当的考核评价，以确保相关人员具有在数字化条 件下履行质量职责的能力。（十一）推进装备数字化改造升级。企业应按照质量管 理数字化核心能力建设需求，加强必要的生产制造装备改 造，提高工艺控制自动化、智能化、精准化水平，保证工艺 稳定，减少质量波动。结合装备数字化改造过程，设计开发 相应的质量管理系统平台，形成以数据为驱动的在线质量控制和自主决策能力，为工艺改进和产品创新夯实基础。（十二）实施全流程物料数字化管理。企业应建立与数字化制造相适应的仓储物流系统，在采购、生产、仓储、物 流、交付及售后服务全过程提高物料数字化追溯管理水平。与重要供应商建立协同的数字化管理系统，共享采购产品质 量、批次、交期等信息。有条件的企业应对关键物料实施一物一码管理，实现全流程质量追溯。（十三）强化检验测试数字化管理。企业应根据质量管理数字化要求，完善检验测试的方法和程序。推动在线检测、计量等仪器仪表升级，促进制造装备与检验测试设备互联互通，提高质量检验效率，提升测量精密度和动态感知水平。运用机器视觉、人工智能等技术，提升生产质量检测全面性、精准性和预判预警水平。五、加强产品全生命周期质量数据开发利用（十四）加强质量数据管理。企业应将质量数据纳入数据资产管理范畴，加强质量数据标准化管理，开展企业数据管理能力建设。加强质量数据采集、管理、处理、分析、应用等全过程管理，明确各环节的职责和权限，强化跨部门及部门内数据管理机制建设。完善数据架构设计，促进质量数据在业务活动之间高效率交换共享。（十五）深化质量数据建模分析。企业应基于质量知识库的质量管控模型，开展基于大数据的全过程、全生命周期、全价值链质量分析、控制与改进，推进数据模型驱动的产业链供应链质量协同，深入挖掘质量数据价值，及时洞察质量风险和机遇。开发部署基于数据的质量控制和质量决策模型，提高质量响应和处理的及时性，降低质量业务决策风险，实施更加有效的质量预防和改进，提升用户体验，强化对不 确定性的柔性响应能力和水平。（十六）提升质量数据安全管理水平。企业应落实《数据安全法》和有关行政法规要求，强化数据安全意识，履行 数据安全保护义务。加强态势感知、测试评估、预警处置、灾难备份等安全能力建设，保障企业自身和用户的质量数据安全，构筑涵盖网络安全、系统安全、业务安全等的多方位质量数据安全保护屏障。六、创新质量管理数字化公共服务（十七）培育推广系统解决方案。鼓励装备制造商、软件服务商、企业、科研院所等围绕质量管理数字化发展需求， 联合研制推广关键亟需的方法和工具，分行业、分场景开展联合攻关和测试验证，形成集架构设计、方案咨询、关键装备、核心软件、数据集成、流程优化、运营评估于一体的系统性解决方案并进行推广。鼓励各地工业和信息化主管部门组织开展质量管理数字化系统解决方案试点示范，分行业、 分场景遴选和支持一批解决方案最佳应用实践，建设解决方案体验和推广中心，促进市场服务资源与企业需求精准对接。（十八）探索平台化数据共享服务。在生物医药、新材料、航空航天、船舶与海洋工程、电子制造、新能源与智能网联汽车等领域，鼓励相关行业协会和龙头企业建设产品质量大数据公共服务平台，提供质量信息在线查询、质量风险分析、质量成本分析和质量追溯等服务。鼓励专业机构基于平台提供质量管理数字化水平测评、诊断等服务，不断构建和完善诊断对标模型，加强对中小企业质量管理数字化的诊断、培训和辅导，提升质量管理整体绩效。（十九）完善标准和检测认证服务。在现有领域已发布的相关标准规范基础上，鼓励标准化组织、行业协会、社会团体、重点企业围绕质量管理数字化建立标准和规范，加强标准宣贯、应用服务和实施效果评估。面向产业集聚区，推动建立和完善面向质量管理数字化的标准研制、产业计量、 检测认证等公共服务体系，培育提供咨询诊断、项目实施和运行维护等全流程质量管理数字化提升服务的专业机构。七、完善政策保障和支撑环境（二十）加强组织落实。各地工业和信息化主管部门要结合本地区实际，加强与市场监管等相关部门在质量管理数 字化发展中重大问题、重大政策和重大工程等方面的协调配 合，建立健全政府、行业、企业、科研院所和专业机构的协 同推进机制。充分利用现有财政资金、产业投资基金，加大对制造业质量管理数字化薄弱环节和公共服务平台的支持力度。（二十一）强化宣贯引导。鼓励各地工业和信息化主管 部门加大质量管理数字化推进力度，加强政策宣贯解读，普及质量管理数字化知识，提高企业推进质量管理数字化的意识和实践能力，持续扩大企业质量管理数字化的影响力。支 持行业协会、产业联盟与企业共同推广质量管理数字化相关产品、技术、标准、服务，推动系统解决方案对外输出。（二十二）创建标杆示范。鼓励产业联盟、行业协会、专业机构等分行业建设质量管理数字化场景清单，持续开展质量管理数字化新模式遴选。总结提炼质量管理数字化的典型案例，培育和发现一批带动性强、可复制可推广的典型经 验。加强交流推广，以成效显著的企业标杆引领推动行业整体质量水平提升，营造良好质量管理数字化发展氛围。（二十三）加强人才培养。推动产业联盟、行业协会与 高校、科研院所等深化合作，共建质量管理数字化创新联合实验室，开展数字化质量先进方法体系培训。鼓励校企联合建设一批数字技能实训基地，培养知识型、技能型、创新型的质量管理人才。