文章图片
字数统计:2890字 预计阅读时间:约6分钟
【彩电|数字工厂SPC之成败】
SPC(Statistical Process Control , 统计过程控制简称SPC)虽然运用已有二十多年了 , 但在实施运用过程中仍有很多困惑 。 本文整理常见的困惑点与大家分享 。
引文
中国是制造业大国 , 大部分工厂主要重点是将原料经由加工制造过程(或流程)转变为最终可销售的产品或服务 。 ”产品”是经过被定义的规格下(定义规格者包含客户、制造商本身、供应商…等) , 在经过”受控制”的人、机、料、法、环加工流程后 , 产出”符合规格”的产品 。 这句话看似简单 , 但其中存在着非常多的变异 。 简单来说 , 规格只有一个 , 但是制造可能要做出1个 , 或10个、或100个、或1000个甚至更多的一模一样的产品(依照产品需求特性而定) , 做出来的产品越接近规格目标值(Target) , 客户就会觉得产品质量越好 。
但是 , 制造也不是神 , 无法做出每个产品所有规格都一模一样准确落在规格目标值上 , 所以在规格目标值外 , 增加了正负公差、单边公差…等规格 , 只要产品做在双边规格、单边规格以内 , 都算满足客户规格要求 。 目前越来越多少量多品种产品的商业模式出现 , 规格一直在变 , 制造产线要快速反应产品的规格变动要求 , 并达到客户要求 , 这时若无法做到数字化即时质量监控 , 每个工序工序点快速反应质量变异 , 就会造成做出来后才发现良率过低需要返工 , 或是流到客户端后的客诉增加 。
要做到数字化即时质量过程监控 , 建议先将原本最终良率监控 , 更往前走到每个工序工序点即时on line SPC统计过程监控 。
大家一定很奇怪 , SPC不是早就行之有年了吗?审核每次被问一定会做的事情 , 且客户每月每季要的过程能力Cpk都有提供 , 但是对于实际良率提升没有感觉很有用阿?这中间存在的困惑 , 让我们一一往下探讨吧 。
01One
困惑一
Cpk超过1.33 , 但是最终良率并没有达到4倍标准差(意指没有达到预估的不良率63.34ppm or良率99.99%)?或是最终良率很好99% , 但是各工序点SPC所计算出来的Cpk并没有这么佳?
反思:
1.请问各工序点的过程规格(USL/Target/LSL)是否合理?
“过程规格”与”产品规格”有时会一致 , 有时会更往下展开到材料特性规格 , 或是材料经过加工后的半成品特性规格 。 最常出现的问题就是”过程规格的定义无法厘清” 。
过程规格谁该定义?
过程工程师会说:”当然是RD研发工程师要定义 , 我们怎么会知道产品要求的规格是多少?”
RD研发工程师会说:”我们是做产品的规格 , 客户产品规格清楚 , 但是再展一阶过程规格时 , 全新产品时 , 就只能做个实验后 , 抓最佳解来定义 。 若是过程没甚么太大变动 , 就沿用原本过程规格吧 。 ”
这时该如何去规范合理的过程规格呢?其实这应该连结到DFM(Design for Manufacture)的概念 , 新产品设计初期 , RD研发单位在设计过程规格时 ,就应该找过程单位(工程/生技..)先了解投产工厂的关键过程工序点的过程能力 , 再检讨出初始的过程规格 , 经过小批量验证后 , 重新调整成合理量产品的过程规格 , 若有特殊材料或新材料导入 , 也需重新确认投产工厂的过程能力是否有所偏移 , 并重新调整相关系统参数 。
所以 , RD研发部门应该与过程部门依据SPC持续观察到的过程能力共同来制定过程规格方为上策 。 过程能力随着人、机、料、法、环在变动 , 过程规格不可能永远不变动 , 所以 , 每季或每半年的过程规格检讨 , 或是检讨的规则是必须制定且持续进行的 。
- 数字化转型|天天在做的数据可视化,才是企业数字化转型的关键
- 鹿晗交出出道10周年“答卷”,数字单曲《Slow Ride (兜风)》
- 京东云发布多款产业数智化产品 打造产业数字基础设施
- 永辉门店数字化用工落地 计划2022年内提升30%用工效率
- Founders|微软推出数字化平台支持初创企业
- 基建|5G第一城抢占数字经济高地
- 电子商务|36氪首发 | 打造3D微流控“片上工厂”,「阿卡索生物」获2000万元天使轮融资
- 福建省|2022年乡村数字经济发展现状:乡村旅游回暖,农村电商规模化发展
- Java|互联网招聘行业发展趋势:数字化、智能化是企业招聘深入发展方向
- 从代工厂到零售业绩占比超七成,重庆淘特工厂解锁转型新密码