En los últimos años, con el rápido desarrollo de la alta tecnología global y la economía de mi país, la industria automotriz también ha experimentado innovación y desarrollo transformadores. Están surgiendo nuevas tecnologías y nuevos formatos comerciales como big data, inteligencia artificial, Internet de las cosas y computación en la nube. Los fabricantes de automóviles equipados con diversas tecnologías avanzadas se han convertido sin duda en los mayores ganadores cuando el público compra automóviles. Incluso en esta buena situación, debemos ser claramente conscientes de que a medida que los estándares de compra de automóviles mejoren gradualmente, la industria automotriz nacional enfrentará enormes desafíos. Uno de los desafíos es: cómo las plantas de ensamblaje y los proveedores de repuestos en la cadena de suministro automotriz pueden aumentar las capacidades de control de calidad de toda la cadena de suministro automotriz en respuesta a una competencia cada vez más feroz e integrarse con los estándares internacionales.
Como planta de ensamblaje líder en la cadena de suministro automotriz, se enfrenta a cómo guiar y promover el desarrollo del sistema de control de calidad en toda la cadena de suministro para lograr conjuntamente el objetivo de "prevenir defectos, mejorar continuamente, reducir la variación y el desperdicio en todo el proceso". cadena de suministro" y, en última instancia, llegar a los consumidores. Para la mayoría de los proveedores de repuestos en la cadena de suministro de automóviles, uno de los muchos problemas que enfrentan es cómo abordar los diferentes requisitos del sistema de control de calidad de las diferentes plantas de ensamblaje de automóviles.
A juzgar por las experiencias exitosas de empresas líderes como General Motors, Delphi, Toyota y Honda, las actividades de mejora continua basadas en datos son una de las armas mágicas para mantener su competitividad a largo plazo. La industria automotriz siempre ha otorgado gran importancia al análisis de datos. Por ejemplo, entre los cinco manuales de herramientas del sistema de calidad estándar TS16949 de la industria inicial, hay dos categorías ("Análisis del sistema de medición" y "Control estadístico de procesos") que presentan específicamente la calidad. desde el nivel del análisis estadístico El papel y los métodos de mejora. Las capacidades de control de calidad y mejora de la calidad del software de análisis estadístico JMP, que ha estado profundamente involucrado en la industria automotriz en los últimos años, también reflejan esta característica.
En comparación con las empresas estadounidenses y japonesas, la brecha entre la industria automotriz de mi país a este respecto es relativamente obvia. Afortunadamente, el rápido desarrollo de la tecnología de la información nos brinda oportunidades para reducir la brecha y mejorar la calidad. La creciente popularidad del software estadístico de escritorio de alta gama representado por JMP en empresas automotrices nacionales como Chery ha reducido en gran medida la carga de cálculo de datos de la mayoría del personal técnico y de ingeniería no estadística. Más importante aún, al aplicar la tecnología de análisis gráfico, el diseño experimental avanzado y otras herramientas proporcionadas por el software JMP, las empresas pueden utilizar ideas de análisis científico y objetivo para resolver muchos problemas prácticos de calidad que han sido problemáticos durante mucho tiempo. se ha duplicado y la eficiencia de la producción se ha mejorado significativamente.
Lo siguiente se combinará con un caso exitoso para ayudar a todos a comprender cómo aplicar técnicas estadísticas en la industria automotriz.
Introducción de antecedentes: El cilindro de un determinado motor de automóvil está ensamblado por el bloque de cilindros, la culata, el pistón, el cojinete del pistón, la biela, el cojinete de la biela y el cigüeñal (como se muestra en la Figura 1). El dolor de cabeza actual para el taller de ensamblaje de cilindros es que, aunque las dimensiones de cada componente cumplen con las especificaciones originales, una proporción considerable de los productos terminados siempre quedarán demasiado flojos o demasiado apretados después del ensamblaje, y cada lote costará mucho dinero extra. costos de retrabajo. Aunque la empresa se ha dado cuenta de que se debe ajustar el tamaño de las piezas, no puede determinar: ¿qué pieza o piezas serán más efectivas? ¿Hasta qué punto debería ajustarse de forma más adecuada el rango de tolerancia de este componente? ?
Figura 1 Diagrama estructural del cilindro del motor.
En primer lugar, basándose en el principio de gestión cuantitativa, podemos definir esta característica de calidad del producto como juego de montaje (= bloque de cilindros + culata – pistón – cojinete de pistón – biela – cojinete de biela – cigüeñal). El resultado final del ensamblaje no puede ser demasiado flojo ni demasiado apretado, lo que significa que la especificación de tolerancia del espacio del ensamblaje debe definirse dentro de un cierto rango, como [0,005, 0,015].
En segundo lugar, veamos la situación en la que cada componente cumple con los requisitos de las especificaciones actuales, es decir, el bloque de cilindros ~ 8,50121 ± 0,00468, la culata ~ 0,70921 ± 0,00219, el pistón ~ 2,00156 ± 0,0011, el cojinete del pistón ~ 0,25035 ± 0,00114, y la biela ~ 5,00017 ¿Cuál es el nivel de calidad de la holgura del conjunto cuando el cojinete de biela es ±0,00327, el cojinete de biela es ~0,20008±0,00099 y el cigüeñal es ~1,74825±0,00249? A través de la analogía y las funciones gráficas del poderoso "Predictive Profiler" de JMP, no es difícil encontrar que la tasa de defectos en este momento alcanzó el 4,96% y el PPM alcanzó 49.600 (como se muestra en la Figura 2).
Figura 2: Nivel de calidad actual del despacho de montaje
Obviamente, la tasa de defectos de ensamblaje de casi el 5% no puede cumplir con los requisitos de la producción en masa ¿Dónde deberíamos lograr avances y buscar mejoras?
Para resolver este problema, primero comprendamos el concepto de tasa general de defectos. Tomemos como ejemplo el componente "pistón". Si los parámetros de longitud del pistón no son apropiados, habrá dos tipos de defectos: uno es que el espacio de montaje del producto terminado es demasiado pequeño debido a que los parámetros son demasiado grandes, que Por ejemplo, el ensamblaje está demasiado apretado y el otro es que los parámetros son demasiado pequeños y el espacio de ensamblaje resultante del producto terminado es demasiado grande, es decir, está instalado demasiado flojo. Estos dos tipos de defectos no pueden minimizarse al mismo tiempo, sino que sólo pueden alcanzar un mínimo general en un lugar determinado. Esta posición es el punto más bajo de la curva roja de tasa general de defectos en la Figura 3. Otras partes tienen curvas de tasa de defectos generales similares, pero el punto más bajo es diferente y la pendiente de la curva es diferente.
Figura 3 Diagrama esquemático de la formación de la tasa general de defectos.
De manera similar, el software JMP se puede utilizar para producir rápida y fácilmente el mapa de tasa de defectos de todas las piezas, como se muestra en la Figura 4. Obviamente, el valor promedio de todas las piezas ha alcanzado el punto más bajo de su curva de tasa de defectos general, pero la inclinación del cilindro es la más obvia, lo que indica que es el más sensible a la tasa de defectos del espacio de ensamblaje y ajusta su El límite de especificación puede mejorar significativamente el nivel de calidad del producto terminado.
Figura 4: Gráfico de tasa de defectos actual de cada componente
Por lo tanto, decidimos reducir el límite de especificación del bloque de cilindros del original 8,50121±0,00468 a 8,50121±0,00234 (es decir, la desviación estándar se reduce a la mitad). Los límites de especificación de otras piezas permanecen sin cambios. Los resultados mejorados se muestran en la Figura 5. . Cabe señalar que después de utilizar la analogía del software JMP en este momento, la tasa de defectos de ensamblaje se redujo al 1,76% y el PPM se redujo a 17600. En comparación con el nivel de calidad antes de la mejora, el efecto es muy significativo. Por supuesto, este resultado no es el más ideal, pero también podemos continuar el análisis ahora y encontrar objetos componentes mejorados paso a paso para mejorarlos y verificarlos hasta obtener una tasa de defectos de ensamblaje satisfactoria.
Figura 5: Nivel de calidad mejorado del espacio libre de montaje
El análisis de caso anterior refleja el concepto de análisis estadístico del diseño de tolerancia, pero la implementación de operaciones específicas utilizando el software JMP es muy simple, no requiere conocimientos estadísticos especiales para comprenderlo y, en comparación con el diseño experimental tradicional, ahorra muchos experimentos. El costo de la recopilación de datos es bajo, por lo que es muy popular entre las empresas automotrices nacionales y extranjeras que se dedican a la mejora continua.
La aplicación de la tecnología de análisis estadístico en la industria automotriz va mucho más allá: la mejora de la competitividad general de la cadena de la industria automotriz no puede depender únicamente de la tecnología estadística. Pero no hay duda de que la tecnología estadística proporciona una nueva idea y un nuevo método para aquellas empresas y empleados que carecen de pensamiento cuantitativo para resolver problemas prácticos. Además, con la ayuda de un software de análisis estadístico interactivo fácil de usar como JMP, los profesionales ya no necesitan memorizar fórmulas matemáticas complicadas ni perder un tiempo precioso en cálculos de derivación: solo necesitan concentrarse en las cosas que se analizan. Simplemente aplique los descubrimientos exploratorios a la práctica, lo que inevitablemente acelerará los avances y las innovaciones en la calidad de los automóviles de China.
