近年、世界的なハイテクと我が国経済の急速な発展に伴い、自動車産業も革新的な革新と発展を経験しています。ビッグデータ、人工知能、モノのインターネット、クラウドコンピューティングなどの新技術や新業態が急増しており、さまざまな先進技術を搭載した自動車メーカーが国民の自動車購入において最大の勝者となるのは間違いない。このような良好な状況にあっても、国民の自動車購入基準が徐々に向上するにつれて、国内の自動車産業は大きな課題に直面することになることを明確に認識しなければなりません。課題の 1 つは、自動車サプライ チェーン内の組立工場と部品サプライヤーが、激化する競争に対応して自動車サプライ チェーン全体の品質管理能力をどのように高め、国際標準と統合できるかということです。
自動車サプライチェーンにおける主要な組立工場として、同社は、「欠陥を防止し、継続的に改善し、ばらつきと無駄を削減する」という目標を共同で達成するために、サプライチェーン全体にわたる品質管理システムの開発をどのように導き、促進するかという課題に直面している。サプライチェーン」を実現し、最終的には消費者に届きます。自動車サプライチェーンにおける大多数の部品サプライヤーにとって、直面する多くの問題の 1 つは、さまざまな自動車組立工場のさまざまな品質管理システム要件にどのように対処するかということです。
ゼネラルモーターズ、デルファイ、トヨタ、ホンダなどの大手企業の成功体験から判断すると、データ主導型の継続的改善活動は、長期的な競争力を維持するための魔法の武器の 1 つです。自動車業界は常にデータ分析を重視してきました。たとえば、初期の業界標準 TS16949 品質システムの 5 つのツール マニュアルの中には、特に品質を紹介する 2 つのカテゴリ (「測定システム分析」と「統計的プロセス管理」) があります。統計解析レベルからの改善の役割と方法。近年自動車業界に深く関わっている統計解析ソフト「JMP」の品質管理・品質向上機能にもその特徴が反映されています。
アメリカ企業と日本企業と比較すると、この点における我が国の自動車産業の差は比較的明らかです。幸いなことに、情報技術の急速な発展により、そのギャップを縮め、品質を向上させる機会が得られます。奇瑞などの国内自動車会社における JMP に代表されるハイエンドのデスクトップ統計ソフトウェアの人気の高まりにより、統計以外のエンジニアリングおよび技術担当者の大多数のデータ計算の負担が大幅に軽減されました。さらに重要なことは、JMP ソフトウェアが提供するグラフィカル分析テクノロジー、高度な実験計画、その他のツールを適用することにより、企業は科学的かつ客観的な分析アイデアを使用して、長い間悩まされてきた多くの実際的な品質問題を解決できることです。生産量が2倍になり、生産効率が大幅に向上しました。
以下は、自動車業界で統計手法を適用する方法を誰もが理解できるように、成功事例と組み合わせて説明します。
背景の紹介:ある自動車エンジンのシリンダーは、シリンダーブロック、シリンダーヘッド、ピストン、ピストンベアリング、コンロッド、ロッドベアリング、クランクシャフトで組み立てられています（図1参照）。シリンダー組立工場の現在の悩みは、各コンポーネントの寸法が元の仕様を満たしているにもかかわらず、完成品のかなりの部分が組立後に常に緩すぎたり、きつすぎたりするため、各バッチに多額の追加費用がかかることです。手直しコスト。同社は部品のサイズを調整する必要があることを認識していましたが、どの部品が最も効果的であるかを判断できませんでした。このコンポーネントの公差範囲はどの程度まで調整するのが最も適切でしょうか? ?
図１ エンジンシリンダーの構造図
まず、定量管理の原則に基づき、この製品品質特性を組立クリアランス（＝シリンダーブロック＋シリンダーヘッド－ピストン－ピストンベアリング－コンロッド－ロッドベアリング－クランクシャフト）として定義することができます。最終的なアセンブリ結果は、緩すぎたり、きつすぎたりすることはできません。つまり、アセンブリ ギャップの公差仕様は、[0.005、0.015] などの特定の範囲内で定義する必要があります。
次に、各コンポーネントが現在の仕様要件を満たす状況を見てみましょう。つまり、シリンダーブロック ~ 8.50121 ± 0.00468、シリンダーヘッド ~ 0.70921 ± 0.00219、ピストン ~ 2.00156 ± 0.0011、ピストンベアリング ~ 0.25035 ± 0.00114、とコンロッド ~ 5.00017 ロッドベアリングが ±0.00327、ロッドベアリングが ~0.20008±0.00099、クランクシャフトが ~1.74825±0.00249 の場合、アセンブリクリアランスの品質レベルはどれくらいですか。 JMP の強力な「予測プロファイラー」のアナロジー機能とグラフィカル機能により、この時点の不良率が 4.96% に達し、PPM が 49,600 に達したことを確認するのは難しくありません (図 2 を参照)。
図 2: 組立クリアランスの現在の品質レベル
5%近い組立不良率では量産の要求を満たせないのは明らかですが、どこにブレークスルーを入れて改善を図るべきでしょうか。
この問題を解決するには、まず全体の不良率の概念を理解します。部品「ピストン」を例にとると、ピストンの長さパラメータが不適切な場合、パラメータが大きすぎるために完成品の組み立てギャップが小さすぎる、および1 つはアセンブリがきつすぎる、もう 1 つはパラメータが小さすぎる、結果として生じる完成品のアセンブリギャップが大きすぎる、つまり取り付けが緩すぎることです。これら 2 種類の欠陥を同時に最小化することはできませんが、特定の場所でのみ全体的な最小値に達することができます。この位置は、図 3 の赤色の全体的な不良率曲線の最低点です。他の部品も全体的な不良率曲線は同様ですが、最低点が異なり、曲線の急峻さが異なります。
図3 全体的な不良率形成の模式図
同様に、JMP ソフトウェアを使用すると、図 4 に示すように、すべての部品の欠陥率マップを迅速かつ簡単に作成できます。明らかに、すべての部品の平均値は全体の不良率曲線の最低点に達していますが、シリンダーの急勾配が最も明白であり、組み立てギャップの不良率に最も敏感であることを示しており、その調整は仕様制限は、最終製品の品質レベルを最も大幅に向上させることができます。
図 4: 各コンポーネントの現在の不良率グラフ
そこで、シリンダブロックの規格値を当初の8.50121±0.00468から8.50121±0.00234に引き下げ（標準偏差を1/2にする）、その他の部品の規格値は変更しませんでした。を図 5 に示します。なお、今回のJMPソフトアナロジーの適用により、組立不良率は1.76%、PPMは17600に減少しました。改善前の品質レベルと比較すると、その効果は非常に顕著です。もちろん、この結果は最も理想的なものではありませんが、先ほどの解析を継続して、改善された部品オブジェクトを段階的に見つけて、満足のいく組立不良率が得られるまで改善および検証することもできます。
図 5: 組立クリアランスの品質レベルの向上
上記のケース分析は公差設計の統計解析概念を反映していますが、JMP ソフトウェアを使用して特定の操作を実装するのは非常に簡単で、理解するために特別な統計知識を必要とせず、従来の実験計画と比較して、多くの実験を節約できます。データ収集コストが安いため、継続的な改善に取り組む国内外の自動車会社に大変人気があります。
自動車産業における統計解析技術の応用はこれに留まらず、自動車産業チェーン全体の競争力の向上は統計技術だけに頼ることはできません。しかし、統計テクノロジーが、現実的な問題を解決するための定量的思考が不足している企業や従業員に新しいアイデアと新しい方法を提供することは疑いの余地がありません。さらに、JMP のような使いやすいインタラクティブな統計解析ソフトウェアの助けを借りて、実務者は複雑な数式を暗記したり、導出計算に貴重な時間を浪費したりする必要がなくなり、分析対象だけに集中することができます。探索的な発見を実践に適用するだけで、必然的に中国の自動車品質の画期的な進歩と革新が加速するでしょう。
