摘要: 在双碳目标的发展需求下，新能源市场迅速发展，太阳能光伏产业快速崛起，同时随着全球能源危机的加剧和环境问题的日益严重，可再生能源的开发利用成为世界各国的共同选择。本文采用文献分析、数据分析和调查问卷法系统性的梳理了影响光伏组件企业质量管理的因素，从5m1e因素出发，对不良问题进行了总结，经过筛选最终列出人员、设备、原材料、监测、方法以及质量管理效果6个维度以及20个不同的影响因素，以此为基础构建质量管理体系，应用结构方程计算指标权重并分析合因素之间的关系，最后经过计算确定原材料和方法是最应优化的因素。论文的研究成果为光伏组件企业质量管理优化提供了新的思路与方法。
abstract: under the development demand of the dual carbon target, the new energy market is rapidly developing, and the solar photovoltaic industry is rising rapidly. at the same time, with the intensification of the global energy crisis and the increasingly serious environmental problems, the development and utilization of renewable energy have become a common choice for countries around the world. this article systematically sorted out the factors that affect the quality management of photovoltaic module enterprises through literature analysis, data analysis, and survey questionnaire methods. starting from the 5m1e factor, the adverse problems were summarized. after screening, six dimensions including personnel, equipment, raw materials, monitoring, methods, and quality management effectiveness were finally listed, as well as 20 different influencing factors. based on this, a quality management system was constructed. the structural equation was applied to calculate the weight of indicators and analyze the relationship between the factors. finally, after calculation, it was determined that raw materials and methods were the most optimized factors. the research results of the paper provide new ideas and methods for optimizing the quality management of photovoltaic module enterprises.
1. 引言
在全球能源结构逐步向低碳、绿色、可持续方向转变的大背景下，光伏发电作为清洁可再生能源的重要组成部分，其发展前景受到广泛关注。光伏组件企业作为产业链中的关键一环，其发展状况直接影响到整个光伏产业的稳定和进步。本研究聚焦于光伏组件企业的发展背景与现状，旨在通过深入分析，揭示影响质量管理因素，研究光伏组件质量管理优化问题，创新企业管理理念、模式和方法，提升产品质量，是光伏组件生产企业应对激烈市场竞争，提供市场竞争力的必然选择。
2. 影响因素的汇总和指标分析
2.1. 识别影响因素
本文通过文献研究法对质量管理的影响因素进行初步识别，通过知网、万方等等中文数据库和web of science等外文数据库对影响因素进行筛选，通过专家打分法，删除不合理的指标项，最后归纳为6个维度的20项指标。设计量表问卷，对该20项指标的影响程度进行打分，最后剔除不合格问卷，收集有效问卷311份，对问卷数据进行梳理，对各指标得分情况进行平均分计算，得到结果如所示。
table 1. selection of indicators affecting quality management factors
表1. 影响质量管理因素的指标选取
评价指标 |
均值 |
评价指标 |
均值 |
人员因素(a) |
3.835 |
监测因素(d) |
3.859 |
人员培训力度(a1) |
3.971 |
供应链质量监督(d1) |
4.068 |
人员组织架构(a2) |
3.392 |
产前物料与设备检测(d2) |
3.804 |
人员思想状态(a3) |
4.141 |
抽检流程完善性(d3) |
3.704 |
设备因素(b) |
3.904 |
方法因素(e) |
3.950 |
设备检修周期(b1) |
3.666 |
物料管理与更新实时性(e1) |
4.164 |
设备负荷水平(b2) |
4.138 |
组件研发设计流程(e2) |
4.026 |
设备运行环境温度(b3) |
3.489 |
组件失效模式运用(e3) |
3.659 |
设备选型规范性(b4) |
4.325 |
质量管理效果(f) |
4.203 |
原材料因素(c) |
3.923 |
制程质量管控效果(f1) |
4.161 |
电池端来料质量(c1) |
3.672 |
产品交付与维护效果(f2) |
4.328 |
标签类质量(c2) |
3.965 |
合格率提升效果(f3) |
4.119 |
组件污染程度(c3) |
4.209 |
|
|
其他辅料不良(c4) |
3.846 |
|
|
2.2. 信效度检验
采用spss26.0软件对问卷的信效度进行分析，信度检验与效度检验计算情况如和所示。
table 2. reliability test
表2. 信度检验
项 |
克隆巴赫系数 |
项数 |
a |
0.811 |
3 |
b |
0.727 |
4 |
c |
0.866 |
4 |
d |
0.832 |
3 |
e |
0.859 |
3 |
f |
0.786 |
3 |
量表整体 |
0.819 |
20 |
table 3. validity test
表3. 效度检验
维度 |
kmo和bartlett球形度检验 |
|
|
kmo取样适切性量数 |
|
0.712 |
|
|
近似卡方 |
315.798 |
人员因素a |
bartlett球形度检验 |
自由度 |
3 |
|
|
显著性p |
0 |
|
kmo取样适切性量数 |
|
0.81 |
设备因素b |
|
近似卡方 |
439.559 |
|
bartlett球形度检验 |
自由度 |
6 |
|
|
显著性p |
0 |
|
kmo取样适切性量数 |
|
0.828 |
|
|
近似卡方 |
574.956 |
原材料因素c |
bartlett球形度检验 |
自由度 |
6 |
|
|
显著性p |
0 |
|
kmo取样适切性量数 |
|
0.719 |
|
|
近似卡方 |
355.502 |
监测因素d |
bartlett球形度检验 |
自由度 |
3 |
|
|
显著性p |
0 |
|
kmo取样适切性量数 |
|
0.733 |
|
|
近似卡方 |
432.06 |
方法因素e |
bartlett球形度检验 |
自由度 |
3 |
|
|
显著性p |
0 |
|
kmo取样适切性量数 |
|
0.732 |
|
|
近似卡方 |
526.736 |
质量管理效果f |
bartlett球形度检验 |
自由度 |
3 |
|
|
显著性p |
0 |
|
kmo取样适切性量数 |
|
0.865 |
|
|
近似卡方 |
3287.524 |
量表整体 |
bartlett球形度检验 |
自由度 |
190 |
|
|
显著性p |
0 |
根据上表计算结果可知，系数α在0.7以上，说明可以信度可以接受，可进行下一步的分析。所有的因子都在0.7之上，量表的总体kmo值为0.865，各个维度的bartlett球度测试的显著水平p都不到0.001，调查问卷的资料经过了验证，项目适宜进行因子分析。
2.3. 相关性分析
在本文中，相关性分析用于衡量多个变量之间的相关密切程度，用于研究多个处于同等地位的随机变量之间的相关关系，为后续研究奠定基础，见。
table 4. correlation analysis
表4. 相关性分析
|
|
c |
e |
a |
b |
d |
f |
c |
皮尔逊相关性 |
1 |
0.098 |
0.06 |
0.443** |
0.378** |
0.488** |
e |
皮尔逊相关性 |
0.098 |
1 |
0.474** |
0.155** |
0.318** |
0.446** |
a |
皮尔逊相关性 |
0.06 |
0.474** |
1 |
0.109 |
0.295** |
0.371** |
b |
皮尔逊相关性 |
0.443** |
0.155** |
0.109 |
1 |
0.377** |
0.433** |
d |
皮尔逊相关性 |
0.378** |
0.318** |
0.295** |
0.377** |
1 |
0.491** |
f |
皮尔逊相关性 |
0.488** |
0.446** |
0.371** |
0.433** |
0.491** |
1 |
**在0.01级别(双尾)，相关性显著。
根据相关性分析结果，说明各因素之间有一定正相关关系，为以后的研究奠定基础。
3. 结构方程模型研究假设的提出与建立
3.1. 模型建立与假设
除通过上述研究分析结果，本次调查问卷数据满足结构方程模型的基本需求，可进行一阶结构方程模型拟合，模型图如。
figure 1. preliminary calculation results of the model
图1. 模型初步运算结果图
3.2. 模型指标检验
将模型适配资料输入amos，以拟合指数为标准对其进行验证。通过amos计算得，其中agfi为0.887，ifi为0.831均不符合要求，说明该模型未通过拟合验证，所以对模型进行修正，根据m.i.值调整模型，将e14和e16拉关联，e16和e20拉关联，对模型进行校正。最后模型图如所示。
figure 2. results of model correction
图2. 模型修正后结果图
通过修订之后，对拟合指数重新计算分析，进行修正之后模型各项拟合指标达到了要求，并通过了有效性验证。见。
table 5. test results of model fit index after revision
表5. 修正后模型拟合度指标检验结果
拟合指数 |
指标要求 |
实际数值 |
检验结果 |
cmin/df |
1~2之间 |
1.613 |
符合要求 |
rmsea |
≦0.08 |
0.044 |
符合要求 |
gfi |
>0.90 |
0.927 |
符合要求 |
agfi |
>0.90 |
0.902 |
符合要求 |
nfi |
>0.90 |
0.927 |
符合要求 |
tli |
>0.90 |
0.964 |
符合要求 |
ifi |
>0.90 |
0.931 |
符合要求 |
cfi |
>0.90 |
0.96 |
符合要求 |
模型的基础适应性指数应符合以下条件：估计参数无误差方差，所有均要有显著性，即t值大于1.96，估计参数统计量之间的相关性不能过大，潜在变量和观察指标之间的因子负载量不能过大，显著性检验结果见。
table 6. results of significance level test
表6. 显著性水平检验结果
潜在变量 |
观察变量 |
std |
unstd |
se |
t-value |
p |
b |
c |
0.534 |
0.549 |
0.08 |
6.85 |
*** |
a |
e |
0.548 |
0.552 |
0.07 |
7.908 |
*** |
d |
a |
0.213 |
0.209 |
0.076 |
2.771 |
0.006 |
d |
b |
0.248 |
0.282 |
0.088 |
3.22 |
0.001 |
d |
c |
0.295 |
0.345 |
0.089 |
3.886 |
*** |
d |
e |
0.182 |
0.181 |
0.074 |
2.44 |
0.015 |
f |
a |
0.174 |
0.181 |
0.064 |
2.802 |
0.005 |
f |
b |
0.21 |
0.251 |
0.076 |
3.322 |
*** |
f |
c |
0.467 |
0.575 |
0.089 |
6.475 |
*** |
f |
d |
0.189 |
0.2 |
0.065 |
3.049 |
0.002 |
f |
e |
0.162 |
0.169 |
0.063 |
2.684 |
0.007 |
***是p小于0.001，从表格中的资料可以看出，各个t值都大于1.96，p都在0.05以下，所以模型假设已经通过了检验。
3.3. 收敛效度与区分度检验
table 7. convergence test results of measurement model
表7. 测量模型收敛度检验结果
潜在变量 |
观察变量 |
smc (项目信度) |
cr |
ave |
a3 |
a |
0.507 |
0.814 |
0.595 |
a2 |
a |
0.653 |
a1 |
a |
0.624 |
b4 |
b |
0.590 |
0.829 |
0.549 |
b3 |
b |
0.772 |
b2 |
b |
0.76 |
b1 |
b |
0.657 |
c4 |
c |
0.866 |
0.853 |
0.595 |
c3 |
c |
0.748 |
c2 |
c |
0.795 |
c1 |
c |
0.662 |
d1 |
d |
0.737 |
0.826 |
0.614 |
d2 |
d |
0.81 |
d3 |
d |
0.801 |
e1 |
e |
0.605 |
0.863 |
0.678 |
e2 |
e |
0.717 |
e3 |
e |
0.711 |
f1 |
f |
0.676 |
0.882 |
0.713 |
f2 |
f |
0.805 |
f3 |
f |
0.659 |
各因素的smc结果都在0.5以上，cr = 0.826 > 0.7，ave = 0.614 > 0.5，说明了各因素的度量模型已经通过了收敛效度的验证。同时经过区分效度检验结果得到，维度a、b、c、d、e、f的内系数都比所有外因子大，表明该模型已通过了区分效度的验证。
4. 模型解析
4.1. 假设检验
在模型拟合并且修正通过后，显著性以及模型适配度均在要求范围内，由上述计算结果可知，路径系数均大于0.5，说明影响质量管理因素之间具有相关性，并且是正相关，可知研究假设通过。
(1) 人员因素a对质量管理效果f有正向影响
(2) 环境因素b对质量管理效果f有正向影响
(3) 原材料因素c对质量管理效果f有正向影响
(4) 监测因素d对质量管理效果f有正向影响
(5) 方法因素e通过对人员因素a和监测因素d正向影响间接影响质量管理效果f。
根据检验结果，计算得模型中各潜变量之间的影响效应为：人员管理a对质量管理效果f的作用是0.174，而人员因素a则是通过调节因子d对质量管理效果f的作用是0.213 * 0.189 = 0.04，所以人员因素a对质量管理效果f的总效应是0.214。设备因素b对质量管理效果f的作用是0.21，而同时设备因b通过监测因素d对质量管理效果f的作用是0.248 * 0.189 = 0.047，所以设备因素b对质量管理效果f的总效应为0.257。原材料因素c对质量管理效果f的作用是0.467，同时原材料因素c通过调节因子b对质量管理效果f的作用是0.534 * 0.21 = 0.112，同时原材料因素c通过调节因子d对质量管理效果f的作用为0.295 * 0.189 = 0.056，所以原材料因素c对质量管理效果f的总效应为0.635。监测因素d对质量管理效果f的作用是0.189。方法因素e对质量管理效果f的作用是0.162，同时方法因素e通过调节因子a对质量管理效果f的作用是0.548 * 0.174 = 0.095，同时方法因素e通过调节因子d对质量管理效果f的作用是0.182 * 0.189 = 0.034，所以方法因素e对质量管理效果f的总效应为0.291。
table 8. summary of effects of structural equation modeling
表8. 结构方程模型影响效应汇总表
|
影响效应 |
方法因素e |
原材料因素c |
设备因素b |
人员因素a |
监测因素d |
设备因素b |
直接效应 |
/ |
0.534 |
/ |
/ |
/ |
间接效应 |
/ |
/ |
/ |
/ |
/ |
总效应 |
/ |
0.534 |
/ |
/ |
/ |
人员因素a |
直接效应 |
0.548 |
/ |
/ |
/ |
/ |
间接效应 |
/ |
/ |
/ |
/ |
/ |
总效应 |
0.548 |
/ |
/ |
/ |
/ |
监测因素d |
直接效应 |
0.182 |
0.295 |
0.248 |
0.213 |
/ |
间接效应 |
0.117 |
0.133 |
/ |
/ |
/ |
总效应 |
0.299 |
0.428 |
0.248 |
0.213 |
/ |
产品质量管理效果f |
直接效应 |
0.162 |
0.467 |
0.210 |
0.174 |
0.189 |
间接效应 |
0.152 |
0.193 |
0.047 |
0.04 |
/ |
总效应 |
0.314 |
0.660 |
0.257 |
0.214 |
0.189 |
由上表可知各影响因子之间的路径系数都是正值，说明各影响因子之间都具有积极的作用。在这些方面，原材料因c对设备因b具有积极的作用，它的作用因子是0.534，这说明，当原材料提升1时，设备就会得到0.534的提升。方法因e对人员因a有积极作用，为0.548。这说明，当方法提升1时，人员就会得到0.548的提升。方法因e、原材料因c、设备因b、人员因素a都对监测因d有积极作用，作用因子分别为0.182、0.295、0.248、0.213。其中方法因e、原材料因c、设备因b、人员因素提升1单位分别会提高监测因d效果的0.182、0.295、0.248、0.213。
方法因e、原材料因c、设备因b、人员因素a、监测因d都对质量管理效果f有积极作用，作用因子分别为0.314、0.66、0.257、0.214、0.189，这表明每增加1单位的方法因e、原材料因c、设备因b、人员因素a、监测因d分别提升0.314、0.66、0.257、0.214、0.189单位的产品质量管理效果。
4.2. 模型解析
通过将观察变量所属一级影响因子效应系数与观察变量的因子负荷系数之积来表达，再将中的各个度量模型的收敛效度测试结果和中的总体效果系数进行比较，得出各个观察变量的效应系数，如所示。
table 9. summary of the effects of various observational variables in the measurement model
表9. 测量模型各观测变量影响效应汇总表
一级指标影响因素 |
一级指标总效应系数 |
一级指标效应相对系数 |
二级指标影响因素 |
二级指标因子载荷量 |
观测变量总效应系数 |
观测变量总效应相对系数 |
排序 |
人员因素a |
0.214 |
0.135 |
a1 |
0.712 |
0.152 |
0.308 |
15 |
a2 |
0.808 |
0.173 |
0.340 |
5 |
a3 |
0.79 |
0.169 |
0.332 |
9 |
设备因素b |
0.257 |
0.222 |
b1 |
0.772 |
0.198 |
0.257 |
12 |
b2 |
0.773 |
0.199 |
0.259 |
11 |
b3 |
0.79 |
0.203 |
0.264 |
8 |
b4 |
0.657 |
0.169 |
0.220 |
17 |
原材料因素c |
0.635 |
0.4 |
c1 |
0.866 |
0.54 |
0.278 |
1 |
c2 |
0.748 |
0.475 |
0.245 |
13 |
c3 |
0.795 |
0.505 |
0.260 |
7 |
c4 |
0.662 |
0.42 |
0.216 |
16 |
监测因素d |
0.189 |
0.119 |
d1 |
0.737 |
0.139 |
0.314 |
14 |
d2 |
0.81 |
0.153 |
0.345 |
4 |
d3 |
0.801 |
0.151 |
0.341 |
6 |
方法因素e |
0.291 |
0.183 |
e1 |
0.778 |
0.226 |
0.315 |
10 |
e2 |
0.847 |
0.246 |
0.343 |
2 |
e3 |
0.843 |
0.245 |
0.342 |
3 |
由上表可知，影响最大的是电池端来料c1，其因子载荷系数为0.866，观测变量总效应系数为0.54，表明其水平每提高1单位，能为原材料因素质量管理效果提升0.866单位，对整体提升0.54单位。原材料因素与方法因素对整体质量管理效果影响显著较强，即原材料管理与方法管理是目前提升质量管理最重要的手段，其次是监测因素、人员因素、设备因素。
5. 企业质量管理优化保障措施
5.1. 完善供应商绩效考核机制
对于原材料供应商的考核评价可采取百分制打分，由供应链、技术部、质量部、采购部四个部门分别对各方面的表现进行评分，评分后结果汇总至考核部门，再进行综合评定，对与原材料供应商的长期合作发展进行针对性指导，提出实践性的建议。
绩效评估指标应包括质量、交付、成本、服务等多个维度，同时支持根据不同组织、不同品类自定义不同的评估指标。这样既能全面反映供应商的表现，又能针对性地解决特定问题。在设置评估指标时，应结合定量指标(如交货准时率、合格率等)和定性指标(如服务态度、响应速度等)，以实现更全面公正的评价。根据绩效评估结果，对表现优秀的供应商给予奖励，对于表现不佳的供应商则采取必要的惩罚措施，对淘汰以后的供应商如果需要则需重新走新供应商开发流程，在淘汰的2年以内不得重新开发；发生重大质量异常或者产品品质致命缺陷时立即暂停采购，永不合作。
5.2. 研发设计流程优化保障
企业产品研发设计流程优化的保障措施是多方面的，涉及从市场调研到产品上市及凯发国际一触即发的售后服务的全过程。这一过程不仅要求企业紧跟市场需求和技术发展，还要注重内部管理与外部合作的协同进步。企业应加大对新技术、新材料和新工艺的研发投入，提升产品竞争力，建立完善的技术储备机制，关注行业内的技术发展趋势，合理运用高效电池技术，制定并严格执行光伏组件的生产工艺标准，包括焊接、层压、el测试等关键工艺环节，确保产品质量。
建立健全的产品凯发国际一触即发的售后服务体系，提供专业的凯发国际一触即发的技术支持和快速的故障响应，增强客户满意度和忠诚度，通过凯发国际一触即发的售后服务收集用户使用反馈，作为产品持续改进的重要参考，同时，企业还应充分利用政策支持、加强产学合作，并重视凯发国际一触即发的售后服务体系的建设。这些措施的实施，将有助于提高光伏组件企业的产品研发能力和市场竞争力，推动行业持续健康发展。