| 设为主页 | 保存桌面 | 手机版 | 二维码 | 中国智能化网
13

上海萃盈信息科技有限公司

持续改善数据中心,以及基于持续改善方法论和大数据应用的制造智能解决方案,包括Q...

新闻分类
  • 暂无分类
联系方式
  • 联系人:smile
  • 电话:021-51619213
  • 邮件:marketing@quains.com.cn
站内搜索
 
友情链接
您当前的位置:首页 » 新闻中心 » QuAInS:实时SPC质量风险监测、质量分析与改进流程
新闻中心
QuAInS:实时SPC质量风险监测、质量分析与改进流程
发布时间:2018-08-09        浏览次数:202        返回列表

实时SPC质量风险监测、质量分析与改进流程


关于质量改进的工作流程,各种培训材料、质量管理著作、六西格玛文献等都做过非常多的阐述,但仔细阅读我们不难发现,那些阐述的大部分主要侧重于从方法论的角度进行阐述,往往仅局限于某一个方面,比如SPC控制图的选用,实验设计(DOE)的流程等。本文从实践和全局出发,对SPC质量风险实时监测和质量改进的流程进行阐述。其中力求具备一定的概括性,而不是拘泥于某种方法本身。此外,由于各个行业和企业管理实践的不同,其未必与所有企业的实际情况完全一致。


任何流程都是为实现一定的目的而设计的,具备输入和输出。质量监控和质量改进流程的目标,是为了实现质量的持续改进。如果从IT的角度来看,需要帮助各个参与方在一个有指导性的平台上完成持续的质量与流程改进循环,并通过合理的权限控制,确保改进流程能够在安全、可控和相对灵活的状态下完成。


质量评价

与六西格玛改进分为DMAIC五个步骤类似, 质量监控和质量持续改进的流程也应该从评估质量现状着手,类似于DMAICD阶段所做的工作。在这一步,我们需要明确客户的需求、分析客户之声,从中明确我们需要用哪些指标来评价质量水平。


明确了和选择了那些用来评价质量水平的指标后,我们需要一个Dashboard(仪表盘)来对这些指标的运行状态进行实时的了解。同时,这些指标的状态便给出了对当前质量状况的实时评价。既然是评价,结果就有好有坏。当某个(些)指标的评价结果不能满足预先设置的标准时,一个质量分析和改进的循环就要开始了,如下是QuAInS系统的一个基于现场布局的实际质量看板。


就一个运行于成熟系统中的上述“评价”而言,在系统中建立这些指标的基本资料信息是一个需要完成的必备工作。这些基本资料信息至少包括两个方面:基本属性和评价属性。其中,“基本属性”主要指这些评价指标的一些基本信息,比如它们所属的产品、车间、料号、批号、参数名称等等;而“评价标准”与我们选择的方法有关,比如,如果我们选择用SPC判异准则进行实时评价,这些评价属性就包括子组容量,所选的控制图类型,控制限、规格限、适用哪些判异准则等;如果我们用“合格率”来进行评价,这些评价属性可能仅仅只是一个设置好的百分比作为阀值。自然,对这些“基本资料信息”的设置需要在权限可控的状态下进行,以避免重要信息和设置受到未经授权的访问或修改。


前述Dashboard最好支持“钻取”的功能,即当我们对其中一个指标的现状的详细情况感兴趣时,可以很方便地获得它的详细信息,就像当我们关注地图上的某一点时,可以通过不断放大地图而看到该点的更多细节一样。比如,在QuAInS质量监控Dashboard中,当我们对某个工序的Performance感兴趣时,既可以通过简单的点击向下钻取其违反判异准则的情况、异常数据等,甚至,我们可以动态链接到控制图并对其中的数据点进行交互式地调整。


质量报告

Dashoard在大多数情况下都是一种比较有效的质量“报告”方式,为了一些特定的要求,工作流的下一步是,我们需要准备一些其他格式的报告的质量报告,以帮助相关方及时了解“指标”的总体情况。比如,大多数客户都会希望供应商在供货时提供该批货物相应的质量检验报告(对供应商而言是出货报告),这些报告比较常见的是Excel格式。但现实情况是,制作这些报告往往并不能够在很短的时间内完成的,该过程中可能包含大量的数据获取、拼接和整理,有时并不是将数据导出来既可以,还需要进行一定的计算。这些,我们都可以通过成熟的系统,自动化地制作这些报告,以节省宝贵的时间和人力。


当基本信息资料建好后,我们既可以借助Dashboard,通过我们指定的指标实时(或非实时)地评价质量状态了。而且,除非非常特殊的情况,我们通常都是希望评价结果满足我们的要求。


如果评价结果出现异常呢?一个马上能想到的答案自然是分析原因并进行改进。但这中间还有另外一个微妙的环节:我们如何能够及时地知道这些异常的出现呢? 毕竟我们有太多的事情要处理,不可能一直盯着Dashboard来看。这时,一个运行稳定的系统就可以很好地帮助我们解决这一问题。比如QuAInS的质量监控和预警模块就可以在评价结果出现异常时,通过事先设定的方式通知相关人员。这些方式可能包括电子邮件、短信、声光、文件打印等多种。接到及时的通知后,工程师就可以开始一个质量改进过程了。


质量改进

质量改进的过程自然包含异常原因分析和解决等步骤了。但所谓“魔鬼在细节中”,过程的细节往往并没有那么简单。


首先,从管理的角度,我们需要有一种记录下每个异常被解决的过程的机制,这种机制的核心可能是一份简单的“确认单”,最好还是电子的(无纸化操作)。实际情况是,有时候原因的查找和问题的解决需要现场操作人员的参与,而且这种参与还是至关重要的,他们完成工作后需要进行确认。然而,在实际车间的生产环境中,他们很可能没有电脑,手机可能接收不到Wifi信号,手上可能沾满油污很不方便操作……这些情况下,一份简单的纸质确认单看似原始,但往往却是行之有效的。QuAInS的通知方式之一,就是在评价异常发生的时候自动打印一份简单的“质量问题通知单”,方面现场的操作和追踪。


如果“异常”的原因能很快找到,自然是皆大欢喜的事情,我们可以通过“Quick Action”的活动马上加以解决,比如刀具需要更换、或者某种试剂需要补充等。然而,很多时候这种一眼就能看出的原因往往并不是问题产生的根源,例如润滑油的泄露看起来可能是油壶发生了破损,但其深入原因却可能是由于某种设计缺陷造成的。精益六西格玛提倡“反复5个为什么”,就是鼓励我们寻找根本原因。在寻找根本原因的过程中,很多情况下我们需要使用数据分析的方法,于是搜集、整合与分析数据就成了一项重要的工作。我们需要使用质量管理统计分析软件来对这些数据进行分析并得出结论。


在为解决某个“异常”而进行质量和流程数据分析的过程中,如果我们发现一部分我们需要的数据发生了缺失、或者需要尽快收集更多的数据进行分析才行该怎么办?这时我们可以借助实验设计(DOE)方法的帮助。实验设计方法的目标,正是为了帮助我们在尽量节省时间和成本的基础上,按一定的计划收集到具有足够代表性的数据。


按照QuAInS的经验,有了足够的、合适的数据,我们可以进行共性分析(Commonality Analysis)来发现质量问题的端倪,寻找人、机、料、法、环等方面的因素造成的异常。还可以通过回归、Logistic RegressionRidge Regression等建模的方法来寻求输入参数的最佳配置,以指导通过输入参数的调整来获得“评价指标”的最佳表现。在实际调整前,我们还可以借助模拟方法对效果进行一定的预测性评估。


从质量改进过程的可追溯性(Traceability)的角度而言,我们必须记录下每一次“异常”的原因和最终采取的改进措施,以便于我们日后进行总结和评价。每一个改进行动的效果,还需要其他相关的人员来进行确认,以确保问题解决的有效性和规范性。QuAInS提供的异常原因和解决措施记录功能正式为了解决这一问题,每一个“异常”的解决结果必须通过一个Buy-off流程的确认才能在系统中生效,同时该异常得到释放。管理层可以通过一个实时的Dashboard来随时了解“异常”被解决的总体情况。


工程变更

“异常”解决方案确定后,为了防止问题的重复发生,我们需要根据确定的质量改进方案,对工艺参数或其他内容进行调整,这涉及到对多种管理文档进行更新和变更,还需要有对这些变更进行Buy-off的机制。由于文档的复杂性和多人参与的实际情况,很可能在变更的过程中出现冲突的情况:比如A和另外一个同事可能同事更新某个文档,如果A对某一个文档(比如作业指导书)所做的变更被另外一个同事在不知情的情况下覆盖掉,这将是一件让人特别头疼的事情;随着更新次数的累计,同一个文件的版本数据量会越来越多,也会造成混乱。同时文档的增多也给检索造成困难。这时,我们可以借助一个完善的IT系统来有效地管理变更的流程,防止出现上述的问题。目前。QuAInS变更管理系统除解决上述问题之外,还提供版本验证、版本和命名自动更新等多种机制。


“异常”解决和变更完成后,我们可以重新审视我们的评价方法并作出必要的调整,进而用调整后的方案进行流程和质量指标的实时(和非实时)评价,于是,一个新的质量评价、分析、改进和工程变更的流程就开始了。按照这个轨迹,持续改进的车轮滚滚向前,永不停息……


**本页面信息涉及广告内容**