In den letzten Jahren hat die Automobilindustrie mit der rasanten Entwicklung der globalen Hochtechnologie und der Wirtschaft meines Landes auch transformative Innovationen und Entwicklungen erlebt. Neue Technologien und neue Geschäftsformate wie Big Data, künstliche Intelligenz, das Internet der Dinge und Cloud Computing sind auf dem Vormarsch. Autohersteller, die mit verschiedenen fortschrittlichen Technologien ausgestattet sind, sind zweifellos zu den größten Gewinnern geworden, wenn die Öffentlichkeit Autos kauft. Selbst in dieser guten Situation müssen wir uns darüber im Klaren sein, dass die heimische Automobilindustrie vor großen Herausforderungen stehen wird, wenn sich die Autokaufstandards der Menschen allmählich verbessern. Eine der Herausforderungen besteht darin, wie Montagewerke und Teilelieferanten in der Automobilzulieferkette die Qualitätskontrollfähigkeiten der gesamten Automobilzulieferkette als Reaktion auf den immer härter werdenden Wettbewerb verbessern und sich an internationale Standards anpassen können.
Als führendes Montagewerk in der Automobilzulieferkette steht es vor der Aufgabe, die Entwicklung des Qualitätskontrollsystems entlang der gesamten Lieferkette zu steuern und zu fördern, um gemeinsam das Ziel zu erreichen, „Fehler zu verhindern, kontinuierlich zu verbessern, Abweichungen und Verschwendung in der gesamten Lieferkette zu reduzieren“. Lieferkette“ und letztendlich das Erreichen der Verbraucher. zufriedenstellen. Für die meisten Teilelieferanten in der Automobilzulieferkette besteht eines der vielen Probleme darin, mit den unterschiedlichen Anforderungen an Qualitätskontrollsysteme verschiedener Automobilmontagewerke umzugehen.
Nach den erfolgreichen Erfahrungen führender Unternehmen wie General Motors, Delphi, Toyota und Honda zu urteilen, sind datengesteuerte Aktivitäten zur kontinuierlichen Verbesserung für sie eine der magischen Waffen, um ihre langfristige Wettbewerbsfähigkeit aufrechtzuerhalten. Die Automobilindustrie legt seit jeher großen Wert auf die Datenanalyse. Beispielsweise gibt es unter den fünf Werkzeughandbüchern des frühen Qualitätssystems des Industriestandards TS16949 zwei Kategorien („Messsystemanalyse“ und „Statistische Prozesskontrolle“), die sich speziell mit der Qualität befassen von der Ebene der statistischen Analyse. Die Rolle und Methoden der Verbesserung. Auch die Qualitätskontroll- und Qualitätsverbesserungsfunktionen der statistischen Analysesoftware JMP, die in den letzten Jahren stark in der Automobilindustrie eingesetzt wurde, spiegeln diese Funktion wider.
Im Vergleich zu amerikanischen und japanischen Unternehmen ist die Kluft zwischen der Automobilindustrie meines Landes in dieser Hinsicht relativ offensichtlich. Glücklicherweise bietet uns die rasante Entwicklung der Informationstechnologie Möglichkeiten, diese Lücke zu schließen und die Qualität zu verbessern. Die zunehmende Beliebtheit der von JMP vertretenen High-End-Desktop-Statistiksoftware bei inländischen Automobilunternehmen wie Chery hat den Datenberechnungsaufwand für die Mehrheit der nichtstatistischen Ingenieure und technischen Mitarbeiter erheblich reduziert. Noch wichtiger ist, dass Unternehmen durch die Anwendung der grafischen Analysetechnologie, des fortschrittlichen experimentellen Designs und anderer von der JMP-Software bereitgestellter Tools wissenschaftliche und objektive Analyseideen nutzen können, um viele praktische Qualitätsprobleme zu lösen, die seit langem problematisch sind. Die Kosten minderer Qualität sind gestiegen verdoppelt und die Produktionseffizienz deutlich verbessert.
Das Folgende wird mit einem erfolgreichen Fall kombiniert, um jedem zu helfen, zu verstehen, wie statistische Techniken in der Automobilindustrie angewendet werden.
Hintergrundeinführung: Der Zylinder eines bestimmten Automotors besteht aus Zylinderblock, Zylinderkopf, Kolben, Kolbenlager, Pleuelstange, Stangenlager und Kurbelwelle (wie in Abbildung 1 dargestellt). Das aktuelle Problem für die Zylindermontagewerkstatt besteht darin, dass, obwohl die Abmessungen jeder Komponente den Originalspezifikationen entsprechen, ein erheblicher Teil der fertigen Produkte nach der Montage immer zu locker oder zu eng ist und jede Charge viel zusätzliches Geld kostet. Nacharbeitskosten. Obwohl das Unternehmen erkannt hat, dass die Größe der Teile angepasst werden sollte, kann es nicht bestimmen: Welches Teil oder welche Teile werden am effektivsten sein? Inwieweit sollte der Toleranzbereich dieses Bauteils am besten angepasst werden? ?
Abbildung 1 Strukturdiagramm des Motorzylinders
Basierend auf dem Prinzip des quantitativen Managements können wir dieses Produktqualitätsmerkmal zunächst als Montagespiel (= Zylinderblock + Zylinderkopf – Kolben – Kolbenlager – Pleuel – Stangenlager – Kurbelwelle) definieren. Das endgültige Montageergebnis darf nicht zu locker oder zu eng sein, was bedeutet, dass die Toleranzspezifikation des Montagespalts innerhalb eines bestimmten Bereichs definiert werden muss, beispielsweise [0,005, 0,015].
Schauen wir uns zweitens die Situation an, in der jede Komponente die aktuellen Spezifikationsanforderungen erfüllt, d. und der Pleuelstange ~ 5,00017 Wie hoch ist das Qualitätsniveau des Montagespiels, wenn das Pleuellager ±0,00327, das Pleuellager ~0,20008±0,00099 und die Kurbelwelle ~1,74825±0,00249 beträgt? Durch die Analogie und die grafischen Funktionen des leistungsstarken „Predictive Profiler“ von JMP ist es nicht schwer herauszufinden, dass die Fehlerquote zu diesem Zeitpunkt 4,96 % und der PPM 49.600 erreichte (wie in Abbildung 2 dargestellt).
Abbildung 2: Aktuelles Qualitätsniveau der Montagefreigabe
Offensichtlich kann die Montagefehlerquote von fast 5 % den Anforderungen der Massenproduktion nicht gerecht werden. Wo sollten wir Durchbrüche erzielen und nach Verbesserungen suchen?
Um dieses Problem zu lösen, verstehen wir zunächst das Konzept der Gesamtfehlerrate. Am Beispiel der Komponente „Kolben“ führt ein ungeeigneter Längenparameter des Kolbens zu zwei Arten von Fehlern: Zum einen ist der Montagespalt des fertigen Produkts aufgrund zu großer Parameter zu klein Das heißt, die Montage ist zu eng, das andere ist, dass die Parameter zu klein sind. Der resultierende Montagespalt des fertigen Produkts ist zu groß, das heißt, es ist zu locker eingebaut. Diese beiden Arten von Fehlern können nicht gleichzeitig minimiert werden, sondern können nur an einer bestimmten Stelle ein Gesamtminimum erreichen. Diese Position ist der niedrigste Punkt der roten Gesamtfehlerratenkurve in Abbildung 3. Andere Teile haben ähnliche Gesamtfehlerratenkurven, aber der niedrigste Punkt ist anders und die Steilheit der Kurve ist unterschiedlich.
Abbildung 3 Schematische Darstellung der Gesamtfehlerratenbildung
Ebenso kann die JMP-Software verwendet werden, um schnell und einfach die Fehlerratenkarte aller Teile zu erstellen, wie in Abbildung 4 dargestellt. Offensichtlich hat der Durchschnittswert aller Teile den niedrigsten Punkt seiner gesamten Fehlerratenkurve erreicht, aber die Steilheit des Zylinders ist am offensichtlichsten, was darauf hinweist, dass er am empfindlichsten auf die Fehlerrate des Montagespalts und dessen Anpassung reagiert Die Spezifikationsgrenze kann das Endprodukt erheblich verbessern. Qualitätsniveau.
Abbildung 4: Aktuelles Fehlerratendiagramm jeder Komponente
Daher haben wir beschlossen, die Spezifikationsgrenze des Zylinderblocks von ursprünglich 8,50121 ± 0,00468 auf 8,50121 ± 0,00234 zu reduzieren (d. h. die Standardabweichung wird um die Hälfte reduziert). Die Spezifikationsgrenzen anderer Teile bleiben unverändert. Die verbesserten Ergebnisse sind in Abbildung 5 dargestellt. . Es ist anzumerken, dass nach der Verwendung der JMP-Softwareanalogie zu diesem Zeitpunkt die Montagefehlerrate auf 1,76 % und der PPM auf 17600 reduziert wurde. Im Vergleich zum Qualitätsniveau vor der Verbesserung ist der Effekt sehr signifikant. Natürlich ist dieses Ergebnis nicht das Idealste, aber wir können die Analyse jetzt auch fortsetzen und Schritt für Schritt verbesserte Komponentenobjekte finden, um sie zu verbessern und zu überprüfen, bis eine zufriedenstellende Montagefehlerrate erreicht ist.
Abbildung 5: Verbessertes Qualitätsniveau des Montagespiels
Die obige Fallanalyse spiegelt das statistische Analysekonzept des Toleranzdesigns wider, es ist jedoch sehr einfach, bestimmte Vorgänge mithilfe der JMP-Software zu implementieren. Zum Verständnis sind keine besonderen statistischen Kenntnisse erforderlich, und im Vergleich zum herkömmlichen experimentellen Design werden viele Experimente eingespart. Die Kosten für die Datenerfassung sind gering, weshalb sie bei in- und ausländischen Automobilunternehmen, die sich für eine kontinuierliche Verbesserung einsetzen, sehr beliebt ist.
Der Einsatz statistischer Analysetechnologie in der Automobilindustrie geht weit darüber hinaus. Die Verbesserung der gesamten Wettbewerbsfähigkeit der Automobilindustriekette kann nicht allein auf statistischer Technologie beruhen. Es besteht jedoch kein Zweifel daran, dass die statistische Technologie denjenigen Unternehmen und Mitarbeitern, denen quantitatives Denken zur Lösung praktischer Probleme fehlt, eine neue Idee und neue Methode bietet. Darüber hinaus müssen sich Praktiker dank benutzerfreundlicher interaktiver statistischer Analysesoftware wie JMP keine komplizierten mathematischen Formeln mehr merken und keine wertvolle Zeit mehr mit Ableitungsberechnungen verschwenden. Sie müssen sich nur auf die zu analysierenden Dinge konzentrieren sich selbst. Wenden Sie einfach Forschungsentdeckungen in die Praxis an, was unweigerlich Durchbrüche und Innovationen in der Automobilqualität Chinas beschleunigen wird.
