SPC技术在中小制造业企业质量管控中的应用

王 琪

(常州信息职业技术学院数字经济学院 江苏常州 213164)

0 引言

近年来,随着数字经济的不断发展以及“智改数转”的稳步推进,生产制造业加速转型升级,实现了高质量可持续发展。中小制造业企业对上游原材料议价能力弱,而下游客户对价格敏感,所以成本转嫁困难。中小制造业企业亟需以“智改数转”为契机,稳步提升质量管控能力,实现提质、增效、降本。与此同时,政府也在全力推进中小制造业企业转型升级,打造制造业的“智改数转”大生态。

SPC(Statistical Process Control)技术即统计过程控制技术,对于中小制造业企业具有重要价值。SPC技术的有效应用,能更加快速、有效地让企业适应数字化和智能化发展趋势,帮助企业优化产品生产过程,降低资源损耗,控制产品质量及成本。但是中小制造业企业由于自身软、硬件的诸多限制,无法正确认识SPC技术在生产制造过程中的价值。本文基于SPC技术应用于实际的案例,分析SPC技术如何更加高效地运用于中小制造业企业的生产过程,实现提质、增效、降本的最终目的。

1 SPC技术的发展

SPC技术包括统计、过程、控制三个方面,其中统计(Statistical)是指利用统计方法分析和改进生产过程;过程(Process)是指SPC技术适用于有计划且重复批量生产的过程;控制(Control)是指在生产过程发生异常时,需寻求原因,避免今后产生类似的现象[1]。简而言之,SPC技术就是运用数理统计方法,研究产品生产过程,根据数据分析结果,优化企业生产过程,提高产品生产质量,降低产品不合格率。

SPC技术起源于20世纪初,以美国的休哈特(W.A.Shewhart)博士在1924年绘制首张SPC控制图为标志。1950年,现代质量管理之父戴明博士在日本工业产品的生产制造过程中全面推行了SPC技术。20世纪60年代初,日本质量圈运动的倡导者石川馨提出并普及了质量小组的理念,并将帕累托图和鱼骨图应用于优化产品的生产过程。1980年美国等其他国家紧跟日本的步伐,开始推行质量小组以及统计技术的应用。同期MOTOROLA公司发起了质量挑战,利用SPC技术的实施来改进生产过程,并提出追求“6”目标[2]。SPC技术发展至今,已经在许多发达国家和大中型制造业企业中投入应用,但在中小制造业企业中还没有广泛普及。

2 SPC技术的应用

SPC技术强调要对产品生产过程进行实时监控,利用数理统计技术,实现对生产过程的修正与优化。在产品的生产过程中,半成品的质量波动主要分为正常波动和异常波动。正常波动受随机因素影响,对产品质量影响小,技术层面难消除。而异常波动由系统因素引起,对产品质量影响大,可以应用SPC技术对该波动的影响程度进行科学评估。

笔者调研某小型塑料配件生产制造企业,采集其特定型号遥控外壳的生产过程数据,应用SPC技术探索关键工序对于产品质量的影响程度。经过现场调研考察,明确特定型号遥控外壳生产的六大关键工序为原料配比、单次定量传输、加热桶热熔、注塑机压力推动、冷却冲压脱模和机械精度修边。为了后续描述方便,将此六大关键工序简称为关键工序1—6。

确定关键工序后,在工序生产参数中选择关键参数。目前该企业对六大关键工序配备了关键参数的数据采集器,但是由于部分生产设备老旧,缺乏MES、ERP等管理系统,个别数据在采集存储时存在缺失现象,并且关键参数间的数据差异性大,所以企业对采集的数据仅用作生产过程记录,没有利用数理统计技术挖掘其潜在价值。产线质检员对于半成品以及最终产品的质量检验结果采用“合格”与“不合格”进行评价,此评价方式受质检员主观判断影响且评价结果单一,并不利于统计分析半成品质量对最终产品质量的影响程度。

2.1 数据标准化模型

假设第n道关键工序的第i件半成品的数据标准化结果为xni,则x3i的计算公式为:

利用数据标准化模型,可以将关键工序3生产的每件半成品质量用0～100内的数值进行表示,其他关键工序均可进行数据标准化处理。对于最终产品质量的评价主要考虑外观(关键参数为脱模边缘残留厚度)、强度(关键参数为产品抗压强度)以及孔位精准度(关键参数为孔位平移误差)这三个方面,可分别参照数据标准化模型对三个关键参数数据进行标准化处理,最终用三者的平均数来表示最终产品质量。

2.2 建立多元回归模型

为了应用数理统计工具研究半成品质量对最终产品质量的影响程度,首先从同一批次的最终产品中随机抽取90件产品,采集其生产过程各关键工序对应的关键参数数据(如有数据缺失则重新抽样),对数据进行标准化处理后,得到各关键工序生产半成品质量以及最终产品质量。

在抽检的90件最终产品中,共发现不合格品6件,产品不合格率为6.67%。6道关键工序生产半成品质量的描述统计如表1所示,关键工序生产半成品质量间相关系数如表2所示。由表2可知,相关系数均低于0.75,属于一般相关,可以忽略它们之间的相互影响。

表1 6道关键工序生产半成品质量的描述统计表

对于中小制造业企业而言,时间、人力以及资金等成本投入有限,精准定位影响程度最大的关键工序并将其优先改进,可以发挥有限资源的最大价值。为了探究半成品质量与最终产品质量之间的相互关系,可以利用散点图进行初步分析。以关键工序1为例,绘制关键工序1生产半成品质量与最终产品质量的散点图,如图1所示。

图1 关键工序1生产半成品质量与最终产品质量的散点图

从图1可知,关键工序1生产半成品质量与最终产品质量接近正相关,同样其他关键工序也可进行绘图分析,结果均接近正相关。假设抽样第i件最终产品的质量为yi,对应其在第n道关键工序生产的半成品质量为xni,第n道关键工序的影响因子为kn,已知每道关键工序生产的第i件半成品的质量x1i,x2i,…,x6i共同影响最终产品质量yi,依据半成品质量与最终产品质量的散点图分析,建立多元线性回归模型如下:

其中c为某固定常量。

2.3 模型计算与检验

将半成品质量与最终产品质量数据导入多元线性回归模型,利用eviews8.0进行模型计算与检验,计算结果如表3所示,其中关键工序的影响因子以及固定常量的数值如表4所示。

表3 eviews8.0计算检验结果表

表4 影响因子及固定常量数值表

由表3计算结果可知,模型评价指数R2为0.936 608,表示该多元线性回归模型的拟合回归效果显著。

2.4 SPC技术应用结论

影响因子的大小直接反映工序生产的半成品质量对于最终产品质量的影响程度,由表4可知,影响因子的数值最大,即关键工序3生产半成品质量对于最终产品质量的影响程度最高。而影响因子的数值在众多影响因子中数值最小,因此关键工序2生产半成品质量对于最终产品质量的影响程度在所有关键工序中排名最低。

通过SPC技术的应用研究可知,对于遵循该生产流程的产品,企业在人力、物力等资源有限的情况下,应优先保证并提升关键工序3的生产过程质量。同时若条件允许,可以依次提高关键工序1、关键工序4、关键工序6、关键工序5以及关键工序2的生产过程质量。

将研究结论反馈该企业后,企业投入部分资金分别对关键工序3和1进行了优化调整。在调整后的多次抽样检验中,产品不合格率下降3.33%,由此可见应用SPC技术对于企业降低产品不良率具有一定价值。

3 应用SPC技术中的主要问题

1) 全员缺乏质量管控意识。企业管理者以及一线员工的质量管控意识淡薄,对SPC技术的理解浮于表面,追求产品生产数量,忽视生产过程质量。部分企业在初步应用SPC技术优化生产过程后,短期收益不显著,便终止应用该技术。

2) 软、硬件设施投入不足。中小制造业企业因自身资金实力有限,对软、硬件设施的更新速度慢,导致生产过程数字化、智能化水平低,容易引发生产过程中的数据缺失等问题,不利于企业应用SPC技术对生产过程数据进行精准统计分析。

3) 人才稀缺,用人成本高。掌握SPC技术的专业人才稀缺,中小制造业企业自身的人才储备水平低,专设过程质量管控部门或聘请技术专家的用人成本高,企业对SPC技术人才的投入预算不足,使得产品生产过程管控缺乏专业指导。

4 应用SPC技术的建议

1) 提升全员质量管控意识[3]。企业管理者和一线员工都应树立质量管控意识,关注产品生产的过程质量。SPC技术的应用是过程性的,企业管理者应正确认识应用过程中所产生的资源损耗以及时间成本,可以进行小批量、多批次的应用试验,持续对生产过程进行改进优化。

2) 加大软、硬件设施投入[4-6]。在“智改数转”的背景下,中小制造业企业应有目的、有计划地加大工业互联网投入,积极部署MES、ERP等管理系统,有序推进生产过程的数字化、智能化转型升级,为SPC技术的应用奠定基础。

3) 建立企业联盟,实现人才共享。中小制造业企业可以依据生产线的近似程度建立企业联盟,以联盟形式设立公共过程质量管控部门或聘请SPC技术专家进行集中指导,减少单个企业的用人成本,实现互利共赢。

5 结束语

随着数字经济的不断发展,市场竞争日益激烈,中小制造业企业亟需以“智改数转”为契机,稳步提升过程质量管控能力。中小制造业企业应提升全员质量管控意识,正确认识SPC技术在生产制造过程中的价值,加大软、硬件设施和人才的资金投入,为企业加速转型升级和可持续发展提供动力。