Ces dernières années, la manière d'améliorer la qualité automobile et de définir des indicateurs de qualité automobile est devenue l'un des axes de recherche de divers constructeurs automobiles. 2018 Année JD Pouvoir Recherche sur la qualité des voitures neuves (IQS) Les questions fréquemment posées sont présentées ci-dessous : Système de navigation imprécis, vitres de voiture / Le pare-brise s'embue facilement, téléphone Bluetooth intégré / Les appareils sont souvent couplés / Problèmes de connexion, systèmes audio difficiles à utiliser et systèmes de reconnaissance vocale intégrés souvent méconnaissables, etc. L'enquête du rapport a également montré que les défauts et les dysfonctionnements diminuent d'année en année, mais que les problèmes de conception tels que les équipements d'interconnexion intelligents embarqués dans les véhicules ont augmenté, et des problèmes courants tels que la plus grande amélioration a été constatée dans l'odeur à l'intérieur de la voiture, suivie par un bruit excessif des pneus, une absence de puissance du moteur après la mise en marche du climatiseur, un bruit de vent excessif et une consommation excessive de carburant.
En bref, les problèmes et les types de qualité changeront avec l'avancement de l'ère technologique, et les priorités requises par chaque constructeur automobile changeront également. Cependant, l'essentiel est déterminé par les clients ou les parties prenantes. Grâce à différents outils de gestion, les entreprises peuvent améliorer leurs produits. la performance améliore à son tour la satisfaction du client et augmente la part de marché, évoluant essentiellement vers l'objectif d'amélioration des performances, de l'efficacité et de la fonctionnalité du produit. La gestion de la qualité dans l'industrie automobile est basée sur les normes ISO/TS (comme indiqué ci-dessous).
汽車工業的品質管理基於ISO/TS的標準汽車工業的品質管理基於ISO/TS的標準汽車工業的品質管理基於ISO/TS的標準汽車工業的品質管理基於ISO/TS的標準 La gestion de la qualité dans l'industrie automobile est basée sur les normes ISO/TS
Il existe de nombreux liens dans l’industrie automobile où les données peuvent être générées et analysées. En termes de composants automobiles, il existe des accessoires tels que des rétroviseurs, des haut-parleurs, des antennes, etc. Les pièces de collision comprennent les pièces en tôle, les pièces en plastique, les pare-chocs, les lumières et les pièces consommables comprennent les bougies d'allumage, les segments de piston, les pompes à huile et les filtres à huile. Nettoyants, etc. Lors de l'inspection de chaque composant, la qualité de l'assemblage ultérieur peut être affectée en raison de différentes procédures de traitement, ainsi que des différences dans les techniques de traitement ou de mesure de l'opérateur.
Parce que l'industrie automobile doit avoir la « capacité de produire des produits de qualité constante », en d'autres termes, elle doit réduire la variabilité des performances des produits au cours du processus de production. Parce que cela peut impliquer de nombreux facteurs de production. Nous devons réfléchir aux causes de la variation de la production et quelle proportion de la variation causée par chaque raison explique la variation totale ? Ce n’est qu’alors que nous pourrons analyser plus en détail les sources de variation. C'est ce que nous appelons Source de Variation en contrôle qualité. Les principaux outils statistiques utilisés sont "l'Analyse de Variance" et la "Composante de Variance" plus approfondie. Grâce au fonctionnement du logiciel JMP, le personnel technique et d'ingénierie n'a pas besoin d'étudier en profondeur ces principes mathématiques relativement complexes et peut rapidement trouver des variations et compléter des rapports d'analyse. Utilisons un cas plus précis pour illustrer.
Par exemple, une entreprise de pièces automobiles a constaté que le diamètre des segments de piston qu'elle produisait fluctuait considérablement. Le personnel de contrôle qualité soupçonnait que cela n'était pas seulement lié au processus de production, mais également au système de mesure. Par conséquent, selon le plan préétabli, les résultats de mesure de différentes pièces mesurées par différents personnels de mesure à différents moments du processus de production sont régulièrement collectés, puis grâce à l'analyse statistique du logiciel JMP, un rapport d'analyse comme le montre la figure ci-dessous est obtenu. .
ReportReportReportReport Rapport
À partir du rapport d'analyse ci-dessus, nous pouvons voir quantitativement que la variation du produit lui-même représenté par une pièce représente 66,1 % de la variation totale, et les 33,9 % restants proviennent de la variation du système de mesure. L'opérateur représente que la variation du personnel de mesure représente 21,3 % de la variation totale, la partie opérateur* représente la variation provoquée par l'interaction entre le personnel de mesure et les pièces, qui représente 9,3 % de la variation globale, et la À l'intérieur représente d'autres. La variation causée par une erreur aléatoire représente 3,2 % de la variation globale. Le tableau d'analyse de la variabilité montre également que l'interaction entre le personnel de mesure et les pièces est significative. Par conséquent, si vous souhaitez explorer les causes de variation, vous devez examiner les opérateurs et leurs techniques de mesure et même les raisons cachées derrière elles, par exemple si elles ont été mesurées par différentes machines ou l'impact des mesures à différents moments.
Mais comment résoudre ce problème ? D'après la découverte du graphe d'interaction, Della Les résultats de mesure sont évidemment différents des tendances de mesure des autres membres du personnel de mesure, il est donc possible de rechercher s'il existe d'autres raisons qui ont rendu ses valeurs de mesure faibles, afin de réduire l'impact de l'interaction. En outre, une enquête plus approfondie sur place menée par le personnel de contrôle qualité a révélé que le système de mesure dans le processus de production dispose non seulement d'un personnel de mesure différent, mais également d'un équipement de mesure différent. Afin de vérifier notre hypothèse, nous devons formuler un plan d'acquisition de données plus approfondi et poursuivre l'analyse statistique via le logiciel JMP pour obtenir le rapport d'analyse présenté dans la figure ci-dessous.
diagramme d'interaction
Résultats d'analyse après ajout d'équipement
Il ressort du nouveau rapport d'analyse que la variation du personnel de mesure a été réduite et que la variation des équipements de mesure représente une grande proportion. Évidemment, nous devons non seulement prêter attention à la formation standardisée du personnel de mesure, mais également à la gestion de l’étalonnage de tous les équipements de mesure eux-mêmes. Ce n'est qu'ainsi que les variations dans la production des segments de piston peuvent être efficacement réduites.
Par conséquent, il reste encore beaucoup à comprendre et à explorer les raisons de l’amélioration de la qualité dans l’industrie automobile. À l'ère actuelle d'informations avancées et de données abondantes, il est nécessaire de disposer d'outils d'analyse efficaces (JMP) et de systèmes d'enregistrement des données de production pour un suivi rapide et efficace et une analyse rapide des véritables causes sous-jacentes.
