최근 몇 년 동안 글로벌 첨단 기술과 우리나라 경제의 급속한 발전으로 자동차 산업도 변혁적인 혁신과 발전을 경험했습니다. 빅데이터, 인공지능, 사물인터넷, 클라우드 컴퓨팅 등 신기술과 새로운 비즈니스 포맷이 급증하고 있으며, 다양한 첨단 기술을 갖춘 자동차 제조사는 의심할 여지없이 대중이 자동차를 구매할 때 가장 큰 승자가 되었습니다. 이런 좋은 상황에서도 사람들의 자동차 구매 수준이 점차 향상되면서 국내 자동차 산업은 큰 어려움에 직면하게 될 것이라는 점을 분명히 인식해야 합니다. 과제 중 하나는 자동차 공급망의 조립 공장과 부품 공급업체가 점점 더 치열해지는 경쟁에 대응하여 전체 자동차 공급망의 품질 관리 역량을 강화하고 국제 표준에 통합할 수 있는 방법입니다.
자동차 공급망의 선도적인 조립 공장으로서 공급망 전반에 걸쳐 품질 관리 시스템 개발을 안내하고 촉진하여 "결함 방지, 지속적인 개선, 전체 제품의 변형 및 낭비 감소"라는 목표를 공동으로 달성하는 방법에 직면해 있습니다. 공급망"을 통해 궁극적으로 소비자에게 도달합니다. 만족시키세요. 자동차 공급망의 대부분의 부품 공급업체가 직면한 많은 문제 중 하나는 다양한 자동차 조립 공장의 다양한 품질 관리 시스템 요구 사항을 처리하는 방법입니다.
General Motors, Delphi, Toyota, Honda 등 선도 기업의 성공적인 경험으로 볼 때, 데이터 기반의 지속적인 개선 활동은 이들 기업이 장기적인 경쟁력을 유지할 수 있는 마법의 무기 중 하나입니다. 자동차 산업은 항상 데이터 분석을 매우 중요하게 생각합니다. 예를 들어 초기 산업 표준 TS16949 품질 시스템의 5가지 도구 매뉴얼 중 품질을 구체적으로 소개하는 두 가지 범주("측정 시스템 분석" 및 "통계적 공정 제어")가 있습니다. 통계분석 차원에서 개선의 역할과 방법. 최근 자동차 산업에 깊이 관여하고 있는 JMP 통계 분석 소프트웨어의 품질 관리 및 품질 개선 기능도 이러한 특징을 반영합니다.
미국이나 일본 기업과 비교할 때 우리나라 자동차 산업의 격차는 상대적으로 뚜렷합니다. 다행스럽게도 정보기술의 급속한 발전은 우리에게 격차를 줄이고 품질을 향상시킬 수 있는 기회를 제공하고 있습니다. Chery 등 국내 자동차 회사에서 JMP로 대표되는 고급 데스크톱 통계 소프트웨어의 인기가 높아지면서 대다수의 비통계 엔지니어링 및 기술 인력의 데이터 계산 부담이 크게 줄어들었습니다. 더 중요한 것은 JMP 소프트웨어가 제공하는 그래픽 분석 기술, 고급 실험 설계 및 기타 도구를 적용함으로써 기업이 과학적이고 객관적인 분석 아이디어를 활용하여 오랫동안 문제가 되어온 많은 실제 품질 문제를 해결할 수 있다는 것입니다. 두배로 늘었고, 생산효율도 대폭 향상되었습니다. .
다음은 자동차 산업에 통계 기법을 적용하는 방법을 모든 사람이 이해할 수 있도록 성공적인 사례와 결합됩니다.
배경 소개: 특정 자동차 엔진의 실린더는 실린더 블록, 실린더 헤드, 피스톤, 피스톤 베어링, 커넥팅 로드, 로드 베어링 및 크랭크 샤프트로 조립됩니다(그림 1 참조). 현재 실린더 조립 공장의 골치 아픈 문제는 각 부품의 치수가 원래 사양을 충족하더라도 완제품의 상당 부분이 조립 후 항상 너무 느슨하거나 너무 빡빡하고 배치마다 많은 추가 비용이 든다는 것입니다. 재작업 비용. 회사는 부품의 크기를 조정해야 한다는 것을 깨달았지만 어떤 부품이 가장 효과적인지 결정할 수 없습니다. 이 구성 요소의 공차 범위는 어느 정도까지 가장 적절하게 조정되어야 합니까? ?
그림 1 엔진 실린더의 구조도
우선, 정량적 관리의 원칙에 기초하여 이 제품 품질 특성을 조립 간격(= 실린더 블록 + 실린더 헤드 – 피스톤 – 피스톤 베어링 – 커넥팅 로드 – 로드 베어링 – 크랭크샤프트)으로 정의할 수 있습니다. 최종 조립 결과는 너무 느슨하거나 너무 빡빡할 수 없습니다. 즉, 조립 간격의 공차 사양이 [0.005, 0.015]와 같은 특정 범위 내에서 정의되어야 함을 의미합니다.
둘째, 각 구성요소가 현재 사양 요구사항을 충족하는 상황, 즉 실린더 블록 ~ 8.50121 ± 0.00468, 실린더 헤드 ~ 0.70921 ± 0.00219, 피스톤 ~ 2.00156 ± 0.0011, 피스톤 베어링 ~ 0.25035 ± 0.00114, 및 커넥팅 로드 ~ 5.00017 로드 베어링이 ±0.00327, 로드 베어링이 ~0.20008±0.00099, 크랭크샤프트가 ~1.74825±0.00249일 때 조립 틈새의 품질 수준은 무엇입니까? JMP의 강력한 '예측 프로파일러'의 비유와 그래픽 기능을 통해, 이때 불량률이 4.96%에 달했고, PPM이 49,600에 달했다는 사실을 어렵지 않게 발견할 수 있습니다(그림 2 참조).
그림 2: 조립품 정리의 현재 품질 수준
분명히 5%에 가까운 조립 불량률은 대량 생산의 요구 사항을 충족할 수 없습니다. 우리는 어디에서 돌파구를 찾고 개선을 모색해야 할까요?
이 문제를 해결하기 위해서는 먼저 종합 불량률의 개념을 이해해야 합니다. 예를 들어 부품 "피스톤"을 사용하면 피스톤의 길이 매개변수가 부적절할 경우 두 가지 유형의 결함이 발생합니다. 하나는 매개변수가 너무 커서 완제품의 조립 간격이 너무 작은 것입니다. 즉, 조립이 너무 빡빡하고, 다른 하나는 매개변수가 너무 작다는 것입니다. 결과적으로 완제품의 조립 간격이 너무 커집니다. 즉, 너무 느슨하게 설치됩니다. 이 두 가지 유형의 결함은 동시에 최소화할 수 없으며 특정 위치에서만 전체 최소값에 도달할 수 있습니다. 이 위치는 그림 3의 빨간색 전체 결함률 곡선에서 가장 낮은 지점입니다. 다른 부품도 전체 불량률 곡선은 비슷하지만 최저점이 다르고 곡선의 가파른 정도도 다릅니다.
그림 3 전반적인 불량률 형성의 개략도
마찬가지로 JMP 소프트웨어를 사용하면 그림 4와 같이 모든 부품의 결함률 맵을 빠르고 쉽게 생성할 수 있습니다. 분명히 모든 부품의 평균값은 전체 결함률 곡선의 가장 낮은 지점에 도달했지만 실린더의 가파른 정도가 가장 뚜렷하여 조립 간격의 결함률에 가장 민감하다는 것을 나타내며 이를 조정합니다. 사양 한계는 완제품의 품질 수준을 가장 크게 향상시킬 수 있습니다.
그림 4: 각 부품의 현재 불량률 차트
따라서 실린더 블록의 규격한계를 원래의 8.50121±0.00468에서 8.50121±0.00234로 줄이기로 결정했다.(즉, 표준편차가 1/2로 감소) 다른 부품의 규격한계는 그대로 유지된다. 그림 5에 나와 있습니다. 이때 JMP 소프트웨어 비유를 사용하면 조립 불량률은 1.76%, PPM은 17600으로 감소한 것으로 나타났다. 개선 전 품질 수준과 비교하면 그 효과는 매우 크다. 물론 이 결과가 가장 이상적인 것은 아니지만 지금 당장 분석을 계속하여 만족스러운 조립 불량률을 얻을 때까지 개선된 구성 요소 개체를 단계별로 찾아 개선하고 검증할 수도 있습니다.
그림 5: 조립품 정리 품질 수준 향상
위의 사례 분석은 공차 설계의 통계 분석 개념을 반영하지만 JMP 소프트웨어를 사용하면 특정 작업을 구현하는 것이 매우 간단하고 이해하는 데 특별한 통계 지식이 필요하지 않으며 기존 실험 설계에 비해 많은 실험을 절약할 수 있습니다. 데이터 수집 비용이 저렴해 지속적인 개선에 힘쓰는 국내외 자동차 회사들 사이에서 큰 인기를 끌고 있다.
자동차 산업에 통계분석 기술을 적용하는 것은 이를 훨씬 뛰어넘는 것이며, 자동차 산업 체인의 전반적인 경쟁력 향상은 통계 기술에만 의존할 수는 없습니다. 그러나 통계기술이 실질적인 문제를 해결하기 위한 정량적 사고가 부족한 기업과 직원들에게 새로운 아이디어와 새로운 방법을 제공한다는 것은 의심의 여지가 없습니다. 또한, JMP와 같은 사용하기 쉬운 대화형 통계 분석 소프트웨어 덕분에 실무자는 더 이상 복잡한 수학 공식을 외울 필요가 없고, 파생 계산에 소중한 시간을 낭비할 필요 없이 분석 대상에만 집중하면 됩니다. 탐색적 발견을 실제로 적용하면 중국 자동차 품질의 돌파구와 혁신이 필연적으로 가속화될 것입니다.
