汽车行业必修的品质工学系列工具及实战应用

“品质是生产出来的还是检验出来的？”，这个问题常常被用于品质管理中，实际上生产和检验能够影响的整体品质成本的占比其实很小，更大比重的品质成本其实在研发、工艺设计阶段已经决定了。在量产中有很多的品质改善是卓有成效的，但同时反应出，在从新产品开发到量产改善完成的时间段里存在着巨大的品质浪费，甚至很多产品从量产到项目结束都是高不良率或带病生产。

所以，现在越来越多公司将品质管理的重心放在产品开发的前端，这就要求企业的研发、品工等开发、技术等专业人员能够学习和应用品质工学。品质工学主要包括品质设计、品质评价、品质改善。

品质设计涉及到产品质量特性的规划，例如在产品开发阶段，就确定好产品应该具备的功能、性能等质量指标，像设计一款智能手机时，就要预先规划好其屏幕分辨率、运行速度等质量特性。

品质评价包括利用统计方法来评估产品质量，例如抽样检验，通过抽取一定数量的样本，使用统计分析来推断整批产品的质量情况；还有质量工具的运用，如排列图可以找出影响质量的主要因素。

品质改善是当发现质量问题后，运用实验设计方法来寻找最佳的改善方案。例如在化工生产中，通过改变反应温度、压力、催化剂用量等因素的实验设计，找到提高产品纯度的最佳方案。
  学习品质工学，能够帮助精确地定义质量标准，确保产品性能达到预期水平，利用各种统计方法和工具对质量数据进行分析，比如控制图可以监控生产过程是否稳定，从而及时发现质量波动并采取措施纠正，避免产生大量次品。能够对生产流程优化，品质工学可以通过实验设计找出最佳的生产参数组合，减少因反复试验带来的资源浪费，提高生产效率。学习品质工学有助于企业生产出高质量的产品，从而提高客户满意度和忠诚度。在全球化市场竞争中，优质的产品能帮助企业树立良好的品牌形象，与其他竞争对手拉开差距。

● 建立用品质工学为公司在新产品开发阶段设计高品质产品、消存品质浪费的意识；

● 系统建立品质工学识体系及工具的应用能力；

● 协助突破品质工学在学习和应用中的瓶颈，培养研发、品质人员的解决问题能力；

● 推动应用品质工具的工具系统性降低品质风险、成本的体系化建设；

● 推动企业品质工学人才能力建设

引言

1. 讨论：“品质是生产出来的还是检验出来的？”或是...

2. 质量Kano模型：基本、一元、魅力、反向、无差别

3. 质量经济平衡点：品质水平与投入成本相关，怎样的品质表现对于公司最有利？

第一部分：系统设计

第一讲：QFD质量功能展开（Quality Function Deployment)

一、质量机能展开（QFD）的定义：

质量展开(Quality Deployment ,QD)与狭义质量机能展开之总称。

1.1. 质量展开QD：将顾客的需求转换成代用质量特性，进而确定产品的设计质量（标准），再将这些设计质量系统地（关联地）展开到各个功能部件的质量、零件的质量或服务项目的质量上，以及制造工序各要素或服务过程各要素的相互关系

1.2. 狭义质量机能展开：将形成质量保证的职能或业务，按照目的、手段系统地进行详细展开

二、QFD的原理

2.1.QFD是把顾客或市场的需求转化为产品的设计要求、零件特性、工艺要求、生产要求的多层次的演绎分析方法。

2.2.QFD是一种顾客驱动的产品开发方法，按照顾客的需求和偏好来设计产品。

2.3.质量功能展开(QFD)体现了以市场为方向，以顾客需求为产品研发唯一依据的指导思想。

三、QFD典型模式—ASI四阶段模式

3.1 产品规划阶段:顾客需求转换成产品设计要求

产品规划阶段的QFD指导了产品的总体方案设计，输出了关键设计要求或关键质量特性。

3.2.零件配置阶段:产品设计要求转换成零件特性

  零部件展开阶段，以上阶段输出的设计要求作为顾客需求，分析为满足这些需求应具备的零部件特性，如技术参数、关键尺寸、材料等，并筛选重要的零部件特性。

3.3.工艺设计阶段:零件特性转换成工艺要求

  工艺计划质量屋是从设计到生产阶段的转移，其顾客需求是上一级质量屋输出的关键零部件特性，推导相应的工艺参数，形成工艺方案，建立工艺流程图。

3.4.生产控制阶段:工艺要求转换成生产要求

  生产计划阶段，顾客需求是关键的工艺参数，工程措施则是一线人员的操作要求、操作程序、检验、计量保证、设备的维护等。

四个阶段的质量屋必须按照并行工程的原理在产品方案论证阶段同步完成，

四、 QFD基本形式-质量屋

4.1质量屋（HOQ,House of Quality）主要由六部分组成：

  1）顾客要求及其权重，即质量屋的“什么（What）”。

  2）技术要求（最终产品特性），即质量屋的“如何（How）”。

  3）关系矩阵 ，即顾客需求及技术需求之间的相关程度关系矩阵 。

  4）技术需求相关关系矩阵，质量屋的屋顶。

  5）竞争分析，站在顾客的角度，对本企业的产品和市场上其它竞争者的产品在满足顾客需求方面进行评估。

  6）技术评估，对技术需求进行竞争性评估，确定技术需求的重要度和目标值等。

产品规划阶段的QFD指导了产品的总体方案设计，输出了关键设计要求或关键质量特性。

五、   质量屋构造

5.1左墙：顾客要求及重要度评估

5.2天花板：技术特性

5.3房间：关系矩阵

5.4屋顶：相关矩阵

5.5右墙：市场评价

5.6地下室：技术能力评价

六、   质量屋各构造解析

6.1.顾客需求及权重 （左墙）

要度Ki （i=1，2、、、，m）可取下列5个等级

数值越大，说明重要度越高；反之，说明重要度低。

6.2.技术特性（需求）（天花板）

满足以下三个条件：针对性、可测量性、宏观性

6.3.关系矩阵Rij（关系度）（房间）

◎:强 9，○:中3，△:弱1

6.4.相关矩阵（屋顶）

○：正相关      ◎：强正相关       ╳：负相关      #：强负相关

6.5.竞争分析（右墙）

1~5五个数字表示，1表示最差，5表示最好

根据改进程度、重要性等计算出顾客需求的权重（绝对值和百分比）

6.6市场竞争能力（右墙）：五个等级

7. 加权后工程措施的重要度hj

8. 技术竞争能力Tj 

9. 市场竞争能力Mi:M值越大越好

10.技术竞争能力指数Tj : T值越大越好

11.综合竞争能力指数C = MT  

七、   QFD实施步骤

7.1定目标顾客。

7.2调查顾客要求，确定各项要求的重要性。

7.3根据顾客的要求，确定最终产品应具备的特性。

7.4分析产品的每一特性与满足顾客各项要求之间的关联程度，找出那些与顾客要求有密切关系的特性。

7.5评估产品的市场竞争力。

7.6确定各产品特性的改进方向。

7.7选定需要确保的产品特性，并确定其目标值。

案例分析:QFD 案例分享

第二部分：六大工具助力新产品开发到量产的高质量过渡

第一讲 汽车行业六大核心工具的简介和关联性

1.六大核心工具关联性

1.1APQP 产品质量先期策划，产品、过程、系统的策划与执行

1.2FMEA 潜在失交效模式与后果分析，产品、过程、系统的纠正预防

1.3PPAP 产品量产批准程序，客户对供应商信用偏差的要求

1.4SPC 统计过程控制，对过程偏差的控制

1.5MSA 测量系统分析，对测量系统偏差的控制

1.6CP  将流程图和PFMEA识别的风险预防措施进行标准化，确保后续量产的品质稳定性。

2.APQP（产品质量先期策划）

意义：通过在产品量产之前进行产品质量先期策划，对产品设计和制造过程进行管理，确保产品达到顾客满意。

2.1五个阶段：策划、产品设计开发、过程设计开发、产品和过程的确认、量产；

2.2 四个阶段的CP（样品、试产、安全生产、量产）

2.3 APQP的输出：PPAP

3.PPAP（生产件批准程序）

意义：验证生产过程的控制能力和产品的一致性，确保产品质量符合标准。 

3.1 提交的19个项目

3.2 提交五个等级及选择

4.FMEA（潜在失效模式与效应分析）

意义：在设计阶段和过程设计阶段对潜在失效模式进行分析，预防质量问题。

4.1 FMEA的应用：S、D、P

4.2 风险评价：S/O/D，RPN、AP

5.MSA（测量系统分析）

意义：评估测量系统的性能，确保测量结果的可靠性。

5.1 MSA的分类：计量、计数、破坏

5.2 计量型测量系统评价：GRR%、PT、NDC，重复性和再现性的概念、原因、对策

5.3 计数型测量系统评价：一致性、百比分、KAPPA

6.SPC（统计制程管制）

意义：通过统计分析，识别和纠正生产过程中的变异，稳定产品质量和生产效率。

6.1 SPC应用场景：新产品、量产品

6.2 变异造成的原因：特殊原因、一般原因

6.3 常有术语:西格玛、方差、极差、平均值、中位数、众数常态分析

6.4 西格玛水平与良率

6.5 管制用的应用：分析用、控制用

6.6 常用管制图：计量型（四种）、计数型（四种）

7.CP（控制计划）

意义：将流程图和PFMEA识别的风险预防措施进行标准化，确保后续量产的品质稳定性。

7.1 控制计划方法论

7.2 控制计划的要求和指南

第三部分：参数设计-DOE实验设计

一、传统实验方法与DOE实验设计的差别与意义

1. 传统试验方法：将应影响输出的众多输入变量（因子）在同一时间只允许有一个变量变化，其他相对固定。试验周期长，浪费时间，可能导致试验成本大幅提高，并拖延产品上市时间。试验方法粗糙，因为无法考察因子间的交互影响，得到的结论可能和实际不符－导致质次价高。

2. 试验设计：试验次数少，成本低，时间快。能考察因子间的交互影响。明确给出哪个因子是关键的，哪个是非关键的。让我们更了解自己的工艺和如何进行优化控制。较高的置信度。

二、试验设计DOE介绍

1. 理解DOE的定义与目的：在一定的预算条件(费用, 时间, …)下,为了得出最大信息,

    计划实验方法和分析方法.

2.DOE常用术语：输入变量、输出变量、因子、水平、正交表、主效应、交互效应、信噪比、自由度、混杂

3.常用的试验设计方法   3.1单因子试验设计

   3.2全因子试验设计   3.3分部试验设计   3.4中心复合试验设计   3.5田口试验设计

三、单因子实验

3.1.实验过程中只允许单一因素变动，其余因素必须保持固定的实验方法，

3.2.单因素实验法可能之问题:将会漏失复合因素的讯息,当因素数很多时将较不真实无法保证在实际的制造条件中，可获得实验结果的再现性。

3.3.单因子回归分析

3.4.常用的试验设计方法

四、全因子、部分因子实验

4.1实验设计三个基本原理：重复性、随机化、区组化

4.2全因子实验的理解：正交实验法，挑选因子、确定层次，用较少的次数找到相对最优的条件，即最优或较优的实验方案

  4.3主效应与交互作用的计算方法及分析

4.4 利用全因子实验数据输出最佳工艺条件

软件演练：利用Minitab演算全因子实验并进行分析

案例分享：全阶程和部分因子DOE实验应用案例

五、中心复合实验

5.1中心复合实验的理解

5.2水准实验设计时，只考虑输入变量的2个水准， 随时存在忽略曲线效果的风险。

追加“中心点(Center points)”，2x2 模型的5个中心点而执行实验，因此不增加实验次数也能检定曲线效果。决定要对实验误差及曲率效果进行推定。

软件演练：利用Minitab演算全因子实验并进行分析

案例分享：中心复合实验应用案例

六、Robust 稳健设计实验

6.1. 田口正交实验设计法简介：利用正交表来挑选实验条件和安排实验的实验方法

6.2. 信噪比S/N(Signal to Noise Ratio) ：信噪比和稳健(Robustness)的概念紧密相关, 稳健的概念追求产品或流程的表现在受到因素的波动时候的稳定性

望目值 – 某个目标值 望大值 – 比如合格率望小值 – 比如维修时间

软件演练：利用Minitab演算全因子实验并进行分析

案例分享：Robust稳健实验应用案例

第四部分：公差设计

一：公差分析的重要性

1.1.产品制造不可能达到图纸中的理想值，一定会有误差，实际零件的直线总会是曲线，表面也会坑凹不平，所以需要定义误差允许值。

1.2.产品设计人员要确保产品在规定公差内能满足功能要求。然而，产品必须具备可制造性。所以，总会有考虑功能要求的从紧公差与考虑制造性要求的从松公差的平衡。

1.3.过紧公差使产品制造困难，从而增加成本。

1.4.在标注尺寸的时候就要标公差，但是，在产品正式开模/做工夹具前，公差分析是产品确认的关键一步。

二：公差分析的目的

2.1合理设定零件的公差以减少零件的制造成本。

2.2 判断零件的可装配性，判断零件是否在装配过程中发生干涉。

2.3 判断零件装配后产品关键尺寸是否满足外观、质量以及功能等要求。

2.4 优化产品的设计，这是公差分析非常重要的一个目的。当通过公差分析发现产品设计不满足要求时，一般有两种方法来解决问题。其一是通过精密的零件公差来达到要求，但这会增加零件的制造成本；其二是通过优化产品的设计（例如，增加装配定位特征）来满足产品设计要求，这是最好的方法，也是公差分析的意义所在。

2.5 公差分析除了用于产品设计中，还可用于产品装配完成后，当产品的装配尺寸不符合要求时，可以通过公差分析来分析制造和装配过程中出现的问题，寻找问题的根本原因。

三：公差的种类、未注公差的标准

3.1公差种类分为：尺寸公差、形状公差、位置公差、公差等级

3.2未注公差的线性尺寸和角度尺寸/形位与位置公差的标准

四：公差分析的方法

4.1两种公差分析的方法： 极值法、 概率法

4.2概率法有多种，主要有三种： 均方根法（RSS法）、 经典概率法、 蒙特卡洛法

五：公差分析-极值法:有三种方法做极值法公差分析

5.1图形法

5.2最大值/最小值分析

5.3制表法

5.4 极值法是更保守的方法，理论上能够做到零风险，在下面的情况下我们应该采用极

值法：

    5.4.1尺寸链中尺寸少于3个

5.4.2超出公差失效后果非常严重，零容忍。

5.4.3特征尺寸不是正态分布，或不是相互独立

六：公差分析-概率法-RSS法

  6.1 RSS法基于统计原理。假定特征的实际值是正态分布，名义值为分布的平均

值，公差范围为+/-3倍标准差。即CP/CPK为1.0。

6.2 RSS法RSS法在实际的平均值/标准差还不知道的设计阶段特别有用。。

        6.3RSS法使用两个假定：1.每个特征变化符合正态分布、2.特征变化相互独立

        6.4RSS法需要注意的问题：

6.4.1.要分析的特征尺寸符合正态分布

6.4.2.要分析的特征尺寸相互独立

6.4.3.假定特征尺寸的平均值=规格的名义值

七：公差分析-经典概率方法

7.1 基于经验每个特征尺寸的数值及分布已知

7.2基于经验，中心偏移已知。对于采用了6 sigma品质管理的公司，典型的中心偏移假定为1.5 sigma

7.3在采用了6 sigma品质/生产过程采用SPC的产品推荐使用该方法