公司质量改进举措 - 公司启动质量重置计划，自2023年以来，其技术专家团队规模已扩大超过一倍[10] - 公司聘请、晋升或召回了约350名经验丰富的技术专家，以解决车辆质量问题[2] - 这些专家负责指导年轻员工、主导设计评审，并改进用于在车辆交付客户前发现缺陷的人工智能和自动化质量工具[2] - 公司承认，仅依靠人工智能和自动化并不足够，人工智能工具的有效性取决于用于训练它的信息[2][3] - 公司过去未能充分保存其最有经验工程师的知识，其中一些人在其专业知识被完全整合到公司系统之前就已离职[3] - 公司创建了工业系统团队，旨在将工程、制造和供应链更紧密地结合在一起[11] - 公司改变了问题发现方式，从过度依赖“发现并修复”的事后处理模式，转变为在问题发生前进行预防[11] 质量表现与行业排名 - 在J.D. Power最新的初始质量研究中，公司被评为大众市场品牌第一名，总体排名仅次于保时捷和Genesis，并险胜长期表现优异的雷克萨斯[6] - 这是一个重大转变，三年前，公司在同一项研究的25家主要汽车制造商中仅排名第15位[7] - 初始质量研究衡量的是新车的问题，而非长期耐用性，因此这只是公司是否已解决召回问题的早期信号，而非最终结论[9] 召回情况与历史问题 - 公司长期面临产品质量阻力，2025年发布了152次召回，几乎是此前通用汽车在2014年创下的77次安全通告纪录的两倍[7] - 截至新闻发布当周周四，公司今年已发布51次召回，仍是排名第二的克莱斯勒（发布19次）的两倍多[8] - 公司高管表示，许多持续的召回问题与2013年至2020年间设计的车辆和平台有关，称召回是一个“滞后指标”[8] - 公司将J.D. Power的胜利视为新方法正在生效的证明，并表示内部数据显示新车型有“明显改进”[8] 技术工具应用 - 公司开发了两款定制的人工智能增强扫描工具AiTriz和MAIVs，两者均于2024年首次亮相，用于在车辆下线前验证其组装是否正确[12] - 公司表示这些工具有助于提高产品质量，但未说明那350名专家是否直接参与了这些工具的工作[12]

核心成就 - 福特在JD Power 2026年美国新车质量研究（IQS）中，被评为主流品牌第一名，这是自2010年以来首次获此殊荣，成为美国大众市场新车质量的“黄金标准”[1] - 公司在IQS中的排名从2023年的第15位大幅跃升至主流品牌第1位[2] - 福特品牌在整体品牌排名中位列第三，其林肯品牌在豪华品牌中的排名也从第8位上升至第6位[4][5] - 与去年相比，福特每100辆车的故障数减少了41个，这是主流品牌中最大的同比改进幅度[4] 具体车型表现 - 福特F-150、福特Mustang和福特Super Duty连续第二年在其各自细分市场获得最高排名[3] - 福特Escape、Explorer、Expedition和Maverick也在其细分市场中位列前三[3] - 在参与测试的10款福特车型中，有7款进入了各自细分市场的前三名，这一比例高于其他任何汽车制造商[3] 质量改进的驱动因素与成果 - 信息娱乐系统质量提升最大，表现优于行业平均水平12.2个百分点[5] - 动力总成可靠性也得到显著改善[5] - 由于工程和制造的改进，当前生产的车辆质量达到了公司历史上的最高水平[6] - 2025年，公司实现了更低的年度保修成本，并预计这一趋势将在2026年持续，为持续的财务改善铺平道路[4][6] 组织与流程变革 - 2023年，公司创建了一个统一的工业系统，将车辆工程、制造、供应链和质量团队整合到一个组织下，由首席运营官Kumar Galhotra领导[9] - 该系统在2026年进一步演变为端到端的产品创造与工业化组织，整合了公司的数字、设计和全球工业团队[10] - 公司更换了其工业系统（包括工程、供应链和制造领域）中约三分之二的高级领导层，以进行人才更新[11] 工程与设计优化 - 公司在车辆工程设计阶段早期引入了深度专业知识，聘请了大约300名拥有数十年设计经验的资深工程师[12] - 这些工程师作为内部审核员，进行强制性的每周设计评审，在图纸到达工厂车间之前就发现并消除潜在的故障点[12] 供应链管理 - 公司改变了与供应商网络合作的文化，将供应商更早地整合到开发过程中进行严格的设计验证[13] - 这一努力使得年度投产问题减少了30%[13] 制造与运营提升 - 制造部门专注于对标全球最佳实践，并围绕安全、质量、交付、成本和人员制定严格的日常标准工作行动计划[15] - 公司鼓励一线员工提出改进意见，目前每个改善项目平均能收到超过8条来自操作员的建议[16] - 公司推行高标准的清洁环境，目前全球已有五家工厂达到了“地板可进食”的清洁标准[16] 软件质量保证 - 随着车辆数字化程度提高，公司彻底改革了软件质量保证体系，在代码部署到车辆之前，通过数十万个自动化场景进行压力测试，以模拟不可预测的真实使用情况[17] - 这使得软件缺陷在开发过程中得以更早地被发现和消除[17]