故障件数据统计分析方法

    质量改进的重要信息途径之一:售后故障件统计。将售后故障件的故障情况进行排列，对前几项进行改进，这是我们质量改常见的方法。故障件的数据量和信息量之庞大，往往让我们感到“老虎吃天，无处下口”，做的工作很多,有用的有多少?这里介绍一种我的经验方法，希望对大家有点帮助.

1 理论故障曲线

    

故障件中返回的趋势图呈波浪形，在接近三包期的返回数量会出现突然增加，这里面有一定的人为因素,在质量改进时尽量避开三包未期故障。

2  时间分配：三包初期：三包中期：三包未期=1:4:1  (大约比例)

   在三包初期，可着重考虑制造因素，

   在三包中期重点考虑设计和工艺因素

   在三包未期为综合因素:设计\工艺\人为因素

3 故障统计

  可按上述时间阶段,将故障数量做排列,来确定改进的初步方向。

 

 

 

 

 

 

 

                                     从现场过程审核谈质量管理

现场过程审核是检查生产过程中综合因素的有效方法，在审核中所碰到的障碍\阻力,让我们始料不及，我在审核时，碰到各种各样推波助澜，给审核制造困难。这是由各个部门对待过程审核的态度以及相关负责部门整改的落实等等情况综合决定的。

                                             

现场过程审核是小组的行为，参加审核的部门可能包括：技术部、生产部、工艺部、质量部。开发部往往能够积极配合，但由于开发部的主要设计人员一般都有项目,抽出一天时间难度较大，若参加人员过程审核经验和产品经验欠缺,这时对过程审核的帮助不会太大。生产部和工艺部始终是站在一起的难兄难弟，一旦去审核，那是空前的团结，往往是联手对付审核，再加上其他可能涉及到部门采取回避态度。质量部就被孤立起来，虽然尽力，但能涉及到方面却是有限的,由多个部门组成的小组这时候就会落在质量部一个人的身上。

 

现场过程审核在一定程度上是检查生产与工艺的工作状况，他们有上述反应也是可以理解，毕竟是检查人家的工作，给人家提出问题的，况且有的公司审核打分与工作考核相关联。与其将打分情况与工作考核相结合，不如与整改效果相结合，激励大家去发现问题，进行PDCA 来逐步提高。

 

   因为过程中因素佷多，不符合项可能会涉及到各个部门，如检验部、采购、供方管理等。一但开出纠正预防措施，很少有做出有效的措施，而且大多数的措施是属于“应付”型。从审核策划到审核结论，付出大量的时间和精力，却是收效甚微，也难怪有人认为过程审核工作是“面子上活”。过程审核所起到的作用是查漏补缺、防患未然、规范程序、逐步提高。可是目前的审核达到了那些目的呢？长期以往，这样会可能会成为企业应付体系的包袱。

 

   造成上述问题的原因是什么?我个人认为是参与整个质量管理平台的人员，有着不同认识造成的。庞大的TS16949质量体系的是全员参与的，到底参加培训又能按程序执行的人员占多少呢？从最基层的人员到最高管理者，这个金字塔式的结构中，整体上思想对16949跟进如何？具体来说，审核员这个角色，每个参加部门有多少可胜任的？我们企业的审核员到底在做什么？每个人的认识是不同的，做事方式不同的，知识面不同，这需要有针对性大量的培训工作，从整体上来提高质量管理平台，并统一每个人的认识。我们现在不是让TS16949体系给我们的工作带来方便有效，而是为了符合16949在做着工作。仅靠我们去审核几次，开几个不符合项，呐喊几声，这很快被会淹没，而我们整天疲于奔命，重复出现的问题已是头疼，不可能也没精力从根本来推动PDCA的循环。我曾经听过光华管理学院章仪伍老师讲的《共赢的领导力》我现在有点领略到其中所说的“职业经理人纷纷落马地原因是没有一个行之有效的管理平台”，这是有一点类似，质量管理的工作是依附在其他工作之上而侧重于沟通的管理工作。质量管理需要有效的平台产作为基体，而平台中最关键的就是“人”。

    

我非常认同Deming 的观点“８０％以上的汽车问题归咎于管理而不是工人”。重视起来培训吧，对员工技能施行动态化管理，每个岗位都有一套培训资料，每个阶段培训内容是有针对性的。只有培训出规范的员工，才能做规范的事。质量管理的核心是管理人，只要每个人按规定的程序运行，那么千头万绪的质量问题就会变得有条不紊，如果就事论，只停留在对待事情上，就会变得像滚雪球，越来越大，反反复复出来的问题大约占了大部分，对自己的工作产生怀疑、不自信以及不良的工作情绪。也许有人会担心，如果象上述情况，我们质量管理工作不就没有意义或不存在呢？细想想，这样一个体系，更需要维护，也许质量管理已不是独立的一部分，而是融合在其他部分内。

 

日本人搞的牛，他们有自己一套质量管理理论，那么我们呢？推崇ISO9000，TS16949，VDA6.1 ,做的如何,自己最清楚。说到对待日本，先做一下我的陈述：

我大爷爷(我爷爷的大哥)是一名国民党军官，在1942年在抗日战争对日作战中被日本人杀害，我们家族吃尽了苦,也对日本的仇恨达到极点，从我小时候就被灌输“日本人是坏蛋“的思想，再加上学时爱国的教育，那是“抗日情绪异常饱满”，做到不吃日本菜、不穿日本衣服、不用日本电器、不到日资企业工作、不买日系汽车，甚至上大学时对日本留学生都是“横眉冷对”。其实这并不是我们占胜日本的作法，也包括目前的反日做法；我们就是要取之长处，搞一套适合自己的管理方式来超过他们，站在他们的头上，而不是象现在，任由日本人横行。也怪我们自己太不争气，总是跟在日本、欧美的屁股后面，想学又学不好，不想学又没有创新。

 

随着汽车行业整个供应链的提高，我们要能够与外部大环境共同进步，多从根本的原因考虑，不可盲目自大，也不可对自己妄自菲薄，客观的去做实事。靠我们努力了！

 

 

 

 

       

敢问路在何方，路在脚下

 

谈浅过程统计图的应用

产品质量很大程度依赖于生产过程的能力与稳定性,利用有效的统计方法对过程中的各个阶段进行监控和评价,可以及时地控制问题的蔓延、扩展，起到预防不合格的产生，从而保证了产品的质量。

ISO/TS16949-2002中8.1.1 “在质量先期策划中必须确定每一过程适用的统计工具,并包括在控制计划中”和8.1.2”整个组织必须了解和使用基本统计概念,如变差、控制（稳定性），过程能力和过度调整。” 另有五大手册详细介绍控制图四种计量型方法和四种计数型方法的应用（控制图八大方法，很多资料已做详细描述，此处就不重述）。我们在选用过程统计方法时，往往对照一种方法往实际情况靠拢，有点本未倒置的味道，或者是对特殊尺寸/特性寻找一种统计方法，这有点概念混淆。在几年的工作实践中总结一些统计方法应用的经验，在这里写出来和大家共享，抛砖引玉！

统计方法选择的前提是要搞清使用统计方法要达到什么样的目的，或者说是在过程中你最关心哪些方面，做到有的放矢，值得注意是的过程统计方法的重点是“过程”，并不是解决特殊/关键工序应用什么控制图来控制，而是针对整个过程，所以过程要素的选取也是关键点。

如何取点？

如果是计算CPK，每班取2-4点比较合适，点与点之间的间隔最好是能分散开来，若是二班或三班一定填写在同一张图上，这种取点也适用于计数型的控制图。

如何选取项目？

 所选取的项目一定要对过程敏感，过程有变化，应首先体现在这个项目中；特别关注的项目；也可是过程中重要的参数，不仅仅局限于关键/重要项目。如果选择不当，过程控制将会变得没有什么意义，增加推广的难度；反之则会让你和整个集体领略到控制图魅力。

 按生产过程类别来学浅谈一下吧。

 第一类：注塑件、冲压件、橡胶件等、压铸件。这是零件是由模具来保证的，如果做好模具的维护和保养，零件的变差是很小的，这里多选择计量型的统计方法，选择的尺寸并不局限于关键尺寸、配合尺寸等，而是选择模具上易发现变化的尺寸，例如；顶杆、镶块、合模处、扳折处等，这些尺寸往往会是模具上最易变动的因素，只控制这引起多变的因素，模具型腔的尺寸是不会发生变化的,。如果局限于对关键尺寸的控制，可能会出现CPK/PPK数值很高，却对实际过程却没有什么帮助。

第二类：装配类。凡装配类的检验序往往用计数型控制图，将失效模式列出，控制不合格数/率，对生产过程有很大的帮助。这种控制图和不合格品/率的统计不可混为一谈，控制图是控制过程，是要有关人员日常要关注趋势、不合格情况，以便及时发现问题采取措施，达到消除隐患的目的，而不合格情况的统计则是对不合格情况的汇总，明确目前不合格量/率。如果装配的一种故障模式有异常，还可追溯到零、部件，原材料等生产过程。

第三类：机加工件。关键/重要的尺寸，通常在线测量或专设定一个检验工位来100%检验，对这些尺寸/特性应用控制图，是不是没有必要或者说是重复的，还有就是没定量的数值，而又要关注的问题，如应用通止规、专用检具100%测量的项目。

如果过程能力CPK达到1.67,PPM为0.57，是可以降低这个项目的检验频次，基至可以达到取消最终检验。对100%检验，再应用控制图，这并不复复，100%检验是确认产品的状态，控制图是控制过程趋势，对于刚刚应用控制图或者应用不熟练，这样是有必要的。

用通止规/专检具测量的项目，可以取几个工件测量，来完成控制图；OK 和NO OK项目并不能表明零件的变化趋势，也不可能起动预防的作用，采用控制图不仅仅是对产品，另可反映出综合加工因素如：人员、刀具、设备等，这对寻找原因、经验积累、解决问题提供了一手的资料。

第四类：特殊工艺如焊接、热处理、表面处理等，这些过程参数至关重要，非常有必要用控制图来控制，也可考虑对过程参数的控制。如温度、时间、压力等，特别是对于产品检验成本高的。因为本人想应用，一直没有实现，也就不过多的说了，但我一直认为对于关键工序，只要控制住其过程，出合格产品是必然的。

 

控制图所表达的是综合因素，机器、刀具、人员、工件，具体应用起来还要靠自己来摸索，切记不要为应用统计图而应用，做到真正为过程服务。如果你有什么想法，请不吝赐请。

 

 

 附：PPM与CPK之间的计算方法

x～N(μ σ²  ) ,计算x=μ±kσ（n为1 2 3 ...  ）

 

当n=1时，x落在区域内的概率为P，即合格率（%），不合格率为1-P（PPM）

 

 

P=   ( Φxmax –kμ)/ (kμ-Φxmin ) =2Φ(n)-1

当k=1

查正态分布表可得到  Φ（1）=0.8413 ,则

P=68.26% 

1-P=317400PPM  

         

当k=2

查正态分布表可得到  Φ（2）=0.9773 ,则

P=95.46% 

1-P=45400PPM  

 

     CPK=(1-K)//(T/6σ)

 

    K=  2(M-μ) /T     (偏移量)

    

     可得求得CPK的值，举例：已知PPM=2000 ，求此序CPK是多少（正态分布）

     X=μ±kσ

     P=1-0.2%=99.8%

     2Φ（k）-1=0.998 ,则Φ（k）=0.999,查表k=2.96

     CPK =2T/6σ=0.99

 

控制图的分析也是非常重要，在统计工作中至少占到50%以上，如不能做出很好的分析，控制过程也是没有什么效果的。根据我个人的经验，如果图中的点排列越随机，则CPK的值越高，这点可从概率和控制图原理来解释。小概率事件，在一次事件中认为是几乎不可能发生的事件，如果出现就认为是异常，按3σ控制原理，若过程正常则出现各种异常的概率为0.1%左右，如异常则增大几十、上百倍。

判断控制图的原则:点出界和排列不随机。（应用图分析的例子将续写）

   在过程中应用统计图,要注意以下环节:

   1 项目选择,

   一定要取对过程有明显影响的项目,莫以产品的重要特性做为要控制的项目;否则就会出CPK很高却对过程没有控制意义.

  2 数据收集

  数据收集要做的尽量详细,这要对操作者进行专项培训,材料\刀具\人员\设备变化的因素都要做出记录,否则对统计图的分析将无法进行,也无法导出改进措施,因此整个控制图就起不到做用.