8528 质量0上汽如何用工业大数据创质量销量双赢文档格式.docx
- 文档编号:13620174
- 上传时间:2022-10-12
- 格式:DOCX
- 页数:19
- 大小:709.16KB
8528 质量0上汽如何用工业大数据创质量销量双赢文档格式.docx
《8528 质量0上汽如何用工业大数据创质量销量双赢文档格式.docx》由会员分享,可在线阅读,更多相关《8528 质量0上汽如何用工业大数据创质量销量双赢文档格式.docx(19页珍藏版)》请在冰豆网上搜索。
我们以上汽车身尺寸质量把握为例,来了解下他们如何利用工业大数据做质量管理的。
汽车车身制造工艺特殊简约,需要通过上百道工序,将几百个零部件拼接成一个完整的白车身,其中尺寸精度质量是一项简约、系统的工作。
车身的尺寸精度影响着整车零部件安装、四轮定位、婚配、密封等一系列的功能,整车80%的质量问题可能都是由于尺寸精度的缘由惹起。
因此,完善车身尺寸精度质量管控体系,是质量工作的重要内容。
与其相关联的部门涉及到制造车间、样板科、上汽质保部、车身SQE等部门。
上汽乘用车工业大数据使用次要包含以下方面
一、建成了完备的数据采集体系。
包括多种产品测量安装、工艺数据收集体系以及现场实时数据收集方式。
这一数据收集体系涉及了多个部门,如车间,质保部等。
1、在各个生产过程中部署多种测量设备:
在线激光检测设备、现场检具测量设备、三坐标设备、白光测量设备、关节臂测量仪、激光跟踪仪、现场仿照安装、手持式检具、内间隙电子测量仪、主模型以及间隙面差测量仪等。
这些测量设备部署在车身制造的各个环节,全方面收集制造过程中的产品数据;
2、采集工艺数据:
除了采集产品数据,上汽乘用还将工装数据——包括工装标定数据、垫片调整记录,以及生产过程中的工艺大事收集到积梦智能为他们设计的数据管理平台中;
3、改善数据收集方式:
使用移动APP实时收集现场的数据,利用移动APP,现场人员可以随时记录发生的大事、质量问题以及现场测量数据;
二、通过部署积梦智能数据分析平台来管理上述全部的数据。
上面提到上汽乘用通过不同设备和方式采集了大量的数据,然而这些数据格式各不相同,以往传统的方式很难将他们统一管理使用。
目前他们接受积梦的数据分析平台,将这些数据统一管理到这一个平台系统。
通过积梦数据平台的处理,全部的数据不再是信息孤岛,全部相关部门都可以上传并查看数据。
三、全面无效地管理供应商产品数据。
供应商数据也是影响产品最终质量的关键要素,以往供应商数据都是零散供应,不能做无效地统计分析,并且对供应商数据的正确性也不能无效把控。
如今各个供应商通过网络直接将数据上传到数据分析平台中,上汽可以对这些数据做长期的追溯分析。
并且设置统计算法,当供应商数据造假或有手动修改,系统会产生提示信息或拒绝数据上传。
利用这一功能,SQE能愈加无效地管理供应商质量。
四、利用积梦数据分析平台,多维度评价产质量量外形和生产工艺外形。
1、合格率评价
即通过比较车身各个关键点的设计坐标值与实际坐标值的偏差来推断其尺寸的好坏。
合格率是一个对单产品的质量进行评价的目标。
计算方法是以各点测量偏差数据与公差带进行比较,假如测量偏差值落在公差范围内,则该测点合格,否则为不合格。
一个产品上全部测点中合格点数与测点总数的比值即为通过率。
由于导致通过率变化的缘由很多,如均值漂移和波动过大等,因此合格率是一个总体的评价,可以作为质量的一个即时监控。
合格率公式为:
合格率=把握范围内的测点数/总测点数x100%
我们通过计算出一个零件合格率的大小,来总体评估该零件的尺寸外形。
上汽乘用车评价产品合格率包括常规尺寸合格率和功能尺寸合格率。
2、稳定性评价
尺寸的稳定性也是上汽乘用车评价产品的一个重要目标。
产品的稳定性不只影响产品尺寸的优化,也会影响整车的很多后续工艺过程。
(1)、单点稳定性
通过计算确定时间段内某一点波动值6σ的大小,来评价该点这段时间内的稳定性,6σ越小,则该点这一时间段稳定性越好。
(2)、整车稳定性
a、将全部测点的波动值6σ由小到大排序,如下图
b、以全部测点的第95%个点的波动值6σ为标准画出一条分界线,取该波动值作为车身某段时间内的的CII(不断改进)值来评价其稳定性,CII值越小,则整车稳定性越好
3、评价工艺过程力气
对产品评价的同时,上汽乘用车也计算Cp/Cpk/Pp/Ppk对生产过程进行评价。
(1)含义
Cp:
指稳定过程的力气指数,它把过程力气与由公差表示的最大可允许的变差进行比较,该指数反映了过程能否能够很好地满足变化要求。
Cp不受过程位置的影响。
Cpk:
稳定过程的力气指数,它考虑了过程的位置和力气,对于双边公差,Cpk总是小于或等于Cp。
Pp:
指过程功能指数,它把过程功能与由公差表示的最大可允许的变差进行比较。
该指数反映了过程能否能够很好地满足变化要求。
Pp不受过程位置的影响。
Ppk:
指过程功能指数,它考虑了过程的位置和功能。
对于双边公差,Ppk总是小于或等于Pp。
(2)他们的计算公式:
在Cp和Cpk公式中,σc指子组内变差,它仅仅是由子组内变差惹起的变差。
估量值可从把握图R/d2或s/c4得到。
在上汽乘用车,评价产品合格率、稳定性和评价生产过程的力气三种方式一直贯穿与整个生产质量管控过程。
是质保部评价车辆制造质量的重要目标。
五、制造多种质量报告
导入数据平台的数据,经过预处理后,基于他们的质量评价体系,他们会利用软件平台中的组件,制造和发布多种报表,来反映产质量量外形和生产工艺外形。
利用该使用,质保部制造和发布质量报表的效率大幅提升。
六、质量实时问题报警
在积梦数据分析平台中设置了多种数据推断条件来防止有质量问题的产品流入下道工序。
在产品测量的同时,假如系统发觉有测量数值触发了设置的条件,会自动即时将信息通过短信、邮件或者微信传送到相关人员。
例如,某些关键点的数据一旦超差就会影响后期的安装婚配,当报警信息发送到工程师,工程师会准时响应,能够避开批量的缺陷产生。
还有,可以通过SPC判异规章预设报警条件,防止工装磨损、班次差异等引发产品的质量问题。
实时问题报警是上汽乘用车使用工业大数据典型的案例。
它无效地防止制造车间将缺陷产品流入下道工序。
七、问题的分析处理
由于收集了各个方面、多个生产过程的数据,他们利用积梦数据分析在系统中常见的质量工具来分析数据,如趋势图、把握图、陈设图、直方图、相关性分析等,利用这些工具,用户可以从不同的方面来了解产品的质量外形,来查找产质量量的变化趋势。
以最简约的趋势图分析为例,当他们从系统中发觉数据有规律性的周期变化后,可以在系统中查找与之变化规律性相同的工艺大事,再分析该工艺大事可能产品数据变化的潜在缘由,最终找出根本缘由。
另外,在系统中计算整个车身上全部点之间的相关关系,可以通过分析,找出一直强相关的点,来优化测量方案,即对于一直强相关的点,只需要监控其中的一个点,其数值即能代表另一点的外形,从而达到节省测量资源的目的。
再例如,利用数据的相关性分析,能快速找到质量问题的缘由。
如图所示,某白车身上右侧围上两个测点的6σ一直保持较大的数值,现在需要查找缘由,降低他们的波动值。
从工艺上分析,该总成由前后两部分在分拼工位上拼接而成,而总成又在总拼工位上与其它总成拼成白车身,我们需要找到构成这两点波动的来源。
先观看该总成上测点分布情况,下图为总成上测点的分布位置:
由上图,可知测点1、3、4、5为后部分总成上测点,点2、6、7、8为为前部分总成上测点。
将该总成上各测点的相关性系数分别结算出来,查找规律。
下表为各测点两两的相关性系数:
由上表可以看到,点1、3、4、5之间两两均有较高的相关性;
点2、6、7、8之间也两两具有较高相关性。
而点1、3、4、5和点2、6、7、8之间均没有较显著的相关关系。
可以得出:
前部分总成各点之间存在明显的相关关系;
后部分总成各点之间也存在明显的相关关系;
而前部分总成和后部分总成在尺寸数据上没有显著的相关关系。
说明测点数据次要是由分总成外形所影响,前后部分总成数据相对独立,要处理数据波动大的问题需要从拼接分总成的分拼工位着手,在该工位上将两分拼的位置外形调整到最佳。
在这个案例中,工程师去分拼工位排查问题时发觉,在该工位有一帮忙定位销与一夹头的闭合挨次颠倒,工程师调整之后,外形随即大幅改善。
利用数据分析工具和工业大数据分析和处理问题,大大提高了样板部门处理问题的效率。
综上,上汽在利用工业大数据做质量管控的过程中,次要从以下几个方面着手:
1、充分布置监控手段,尽可能收集制造过程中的各类数据,做到信息收集无盲点;
2、通过统一质量管理系统——积梦数据分析平台的使用,结合信息关联、工作流、报告与工具,完成数据的准时处理和无效分析。
在将来,积梦还会挂念上汽乘用车实现全生命周期的大数据使用。
包括更全面、更无效地采集供应商数据;
另外,在整车售后过程中,收集客户埋怨和返修数据,将这些数据充分反馈到制造过程中来,更无效提高制造产品的质量。
并且将制造过程数据与售后数据无效反馈到研发部门,挂念整个研发过程质量提升。
上汽乘用车,乃至整个汽车业的工业大数据使用需求,给我们供应了机遇和挑战,我们也努力于面对这些机遇和挑战,为中国的汽车制造业尽一份心力。
运用质量猜想分析防患于未然
FrankSiemes
积梦智能
汽车制造商的质量管理团队在客户满足度和质量把握之间紧急的周旋。
好消息是,现在的质量猜想分析有助于及早发觉并处理质量问题,从而提高质量管理团队处理客户满足度和质量把握问题的力气。
创新、多样化以及越来越简约的产品都添加了缺陷产品流入市场的可能性。
现实上,德勤与美国汽车配套供应商协会最近开展的一项对美国汽车供应商高管的调研显示,60%的受访者认为创新产品和新技术的引进大大添加了将来产品召回的可能。
越来越多地使用模块化构建系统,以及适合多个生产线的相像零件,也大大添加了召回的风险。
对客户来说,激进的销售方案往往会降低利润率,为保修成本带来更多压力(同时抬高客户需求及竞争压力)。
在这样的生态系统中,各种各样的质量评级和检验能很快让制造商分出高下,而通过社交网络共享客户体验也会对客户的最终购买打算构成影响。
考虑到这些客户和成本方面的利害关系,也就不难理解为什么很多汽车制造商声明把质量领先作为目标。
正由于质量如此关键,汽车制造商要想获得竞争优势,必需尽早发觉潜在的质量问题。
猜想召回的影响
好消息是,质量猜想分析为汽车制造商供应了处理方案。
成熟的分析系统可以处理大量数据并供应各种分析方法,从而提前发觉潜在缺陷,抓住机会预备合适的弥补方案。
例如,猜想模型可以估量某种产品在确定时间范围内召回的可能性,还能猜想发生召回时特定人群的特征以及相关的客户行为。
依据输入模型中的参数,就能检测到购买之后马上发生的毛病,以及保修期内后期可能发生的毛病。
分析模型还有助于提前发觉供应商的零件毛病。
质量猜想分析的这些功能对原型开发、供应链优化和召回管理特殊有用。
最近发生的产品召回证明白质量管理对汽车制造商的重要意义。
监管力度的加大让情况更为严峻,而社交媒体等现代沟通方式让召回的消息霎时传遍全球。
这些要素加剧了汽车召回的影响。
除了成本
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 8528 质量0上汽如何用工业大数据创质量销量双赢 质量 上汽 如何 用工 业大 数据 销量 双赢