如题所述
品质管理五大工具,早见于TS16949,随着现在更新到IATF16949:2016,五大工具依然是汽车行业不可或缺的重要的质量管理手段。
只要你在这个新能源汽车这个圈子,包括上游零部件企业,无论你处于什么岗位,你都不可避免的要接触到他。对于我们汽车供应商链、电池企业的下游,目前也都在传递五大工具在材料供应商(正极、负极、电解液、隔膜等)处的使用。
五大工具,即APQP、FMEA、MSA、SPC、PPAP,他们之间相互联系又相互独立,共同交织出一套系统的质量管理方法。可以说基于APQP这个骨架,将FMEA、SPC、MSA、PPAP都囊括到这个项目先期质量策划中。
SPC,也就是我们说的统计过程控制(statistical process control),借用数理统计的方法进行过程控制的工具,基于收集到的数据,对生产过程进行评价,及时发现系统性因素出现的征兆,并帮助采取措施消除其影响,使过程维持在仅受随机性因素影响的受控状态。
以达到控制质量的目的。是不是听起来很累,原理性的解说,总是字字珠玑。虽不能一言以概之,但概括起来,就是利用这个工具来分析过程是否稳定受控、预测的目的。
根据APQP,SPC应用阶段在第四阶段,产品和过程的确认,往往我们在做一个零部件的PPAP时候,研究供应商制造这个零部件的初始过程研究时候,会要求供应商做SPC的分析。
而往往这个时候,很多原材料供应商提供不出满足条件的数据,于是乎有了对于同类型、同产线制造的,利用历史数据来进行分析的做法。
在我们日常生产控制中,涉及的参数非常多,尤其是锂电池生产,从匀浆涂布到模组Pack,工序数十道,中间的参数也非常多,但是我们做SPC并不是眉毛胡子一把抓。
更多的是针对识别出来的特殊特性来进行数据收集和分析。就我们的实际情况,控制关键的特性,就能满足识别变差、预防的效果,可能也是目前最经济最适宜的手段。
说起正态分布(高斯分布),是很多领域使用的非常重要的一个分布,是很多统计假设的前提。正常情况下检测产品的某个参数,检测很多次你会发现检测的结果会在均值附近波动。
随着检测数量的增加,趋近于无穷大的时候,从分布曲线上你会发现均值左侧和均值右侧趋近于相同的体积,中心线是均值,我们以标准差为分布宽度的衡量,越往两侧,所占的体积越小,趋近但不等于0。
明白了这点,我们在日常生产中,如何来制定规格和管控的标准呢?自然是越集中越好,后面一致性也就越好,但是5M1E的变化,总会有差异的产生。
所以我们更关注,最终结果落在这±3西格玛的范围内,超出的,统计学上叫小概率事件,正常生产中不会发生,一旦发生,就是出现了大的异常。
控制图,100%的控制到位不现实也不可能的,我们实际控制的是一个大概率,±3西格玛范围控制了全部质量数据的99.73%,只要能控制这99.73%,过程就基本上实现了控制。至于为什么选择3西格玛,而不是1,2,也不是4,5。
简而言之就是选取了犯两类错误的交点(第一类错误和第二类错误,错误总和最低点),最经济最合适。控制图的绘制我们就不细说了,无论是EXCEL还是minitab,想必大家都见得多,自然不在话下。
补充一下控制图的种类,虽然日常用得最多的是均值极差图和单值移动极差图,但抽空还是理解一下其他的,没准哪天就用上了呢。
既然做出了控制图,看不是目的,目的是为了找出是否有异常,正常的控制图,正如正态分布一样,三分之二的点子落在中心线三分之一的区域,点子随机分布,且没有超出控制界限的存在。就均值极差图而言,我们必须先看极差图,虽然我极不想扯上公式,
但是,均值图中,上下限的控制限是样品中心值加上三倍的西格玛,而这个西格玛是由样品标准差修正过来的,样品标准差又是由极差的均值除以相关常数因子,所以可以理解为均值的控制限依赖于统计量R的变化,故而我们先看极差图,再看均值图。
极差决定了子组内的变差,均值决定了过程的位置是否改变。常见的八大判异准则顺口溜,没事可以记记:一点外、三分之二A、五分之四B、六连串、8缺C、九单侧、十四上下交替、十五C。
借助这些帮助我们判断该过程是否处于统计受控状态,比如连续25个点子都在控制限内,点子随机排列,无规律等。但不应局限于分析单个的点子,光看控制图要想找到问题、趋势并不全面,具体问题具体分析。
基于刚才说的,对制程数据进行收集,比如均值极差图,至少25组数据,发现过程是受控的,那我们才可以进行下一步,进行过程能力分析,过程能力分析的前提是过程处于稳态、测量值服从正态分布、设计目标值位于规范中心、测量变差小。
能力反应的是普通原因引起的变差,只有对系统提高管理措施,才可能提高能力。具体的公式我们就不多讲,过程能力是对变差的一种体现,是过程固有变差的六西格玛范围。在实际分析中,CP和CPK,PP和PPK总是一起分析。
CP和CPK的值的差距以及PP和PPK的值的差距,体现了过程中心位置和规格中心的距离,差值较小就是过程的分布趋向于集中。CP和PP,CPK和PPK的差值体现了子组间的差值,差值越小,子组间变差最小,过程稳定。
CPK本身是制程合格率的体现,CPK越高,合格率越高,所以这也是很多企业控制的中心,以及开发供应商、评价供应商制程的一个重要点。
实际应用中,除新开发、新制程外,日常的监控都是先收集数据,绘制控制图,根据判异准则结合实际,查看制程是否处于稳定状态,制程稳定进一步可计算制程能力,从而反应制程生产产品的稳定状态和合格率情况。