در کارخانه‌های سنتی، شناسایی مشکلات کیفیت معمولاً در مرحله بازرسی نهایی و پس از تولید محصول اتفاق می‌افتد. رویکردی که همکاران سیستم در پروژه «کیفیت نسل چهارم» آن را به یک فرایند پیش‌بینانه و داده‌محور تبدیل کرده است.
رضا بیگی، مدیر محصول حوزه کارخانه همکاران سیستم، در یادداشتی برای دیجیاتو توضیح داد که این رویکرد با بهره‌گیری از داده‌ها و فناوری‌های هوشمند، مدیریت کیفیت را از «شناسایی عیب» به «پیش‌بینی و پیشگیری» جابه‌جا می‌کند. او تأکید می‌کند که در این مدل، نشانه‌های بروز مشکل پیش از آنکه محصول به مرحله معیوب‌شدن برسد، شناسایی و اصلاح می‌شوند.
به‌عنوان نمونه، در یک کارخانه قطعه‌سازی ابعاد محصولات ممکن است به‌تدریج به مرز تلرانس مجاز نزدیک شوند، بدون آنکه هنوز قطعه‌ای مردود شده باشد. بیگی توضیح می‌دهد که ترکیب داده‌های حسگرها، نمودارهای کنترل آماری و سوابق تعمیرات، این روند را زودتر از حد معمول آشکار می‌کند.
در معماری فنی این پروژه، اتصال اینترنت اشیای صنعتی (IIoT)، سامانه‌های ERP و ابزارهای هوش مصنوعی در کنار یکدیگر قرار گرفته‌اند تا امکان تحلیل هم‌زمان داده‌های تولید، وضعیت تجهیزات و شاخص‌های کیفیت را فراهم کنند. این یکپارچگی، تصمیم‌گیری به‌موقع را در سطح خط تولید ممکن می‌سازد و از توقف‌های پرهزینه در مراحل بعدی جلوگیری می‌کند.
توسعه چنین فناوری‌هایی در بستر یک شرکت داخلی ایرانی، نشان‌دهنده حرکت صنعت کشور از مصرف‌کننده راهکارهای کیفی به سمت تولیدکننده آن‌هاست. در حالی که بسیاری از کشورها هنوز در مرحله شناسایی عیب پس از تولید به‌سراغ راهکارها هستند، زیرساخت داده‌محور ایران با ترکیب هوش مصنوعی و اینترنت اشیای صنعتی، گامی فراتر از این مرز برداشته و کیفیت را از یک بازرسی پس‌رونده به یک فرایند پیش‌بینانه تبدیل کرده است.
