关注后,在账号内回复“VDA6.3”,免费领取VDA6.3P2-P7所有条款的XMind思维导图!
如果你是VDA6.3的小白,希望通过条款内容的学习来对生产现场来一场透彻的诊断;
如果你对VDA6.3的条款还不是很清楚,想要阅读原条款学习;
如果你是VDA6.3的老朋友,但是审核开Finding的时候要花很长时间来找对应的条款;
赶紧回复“VDA6.3”,免费领取福利吧!
老粉可以直接在账号中回复“VDA6.3”,同样可以领取!
最近发现有很多错别字,已经逐一修正,大家可以继续回复“VDA6.3”,获取最新内容!
进入到P6.5的部分,也就是来到了我们关于过程绩效的评价阶段。说到过程绩效,那就是真刀真枪展示的环节的了。因为过程的输出依仗的是过程要素的输入,前面的条款已经阐述了关于过程输入、设备、人员以及方法的具体要求,接下来就是考察这些过程要素综合作用下取得的成就的时刻了!
是骡子是马拉出来溜溜就是这个意思。
定义并记录了可用于证明产品符合性(目标值)的质量及过程参数。对实际数据进行了分析并采取了适当的改进措施
定义产品符合性一般在策划阶段就已经完成,如有明确的产品和过程参数的目标值与公差范围。
很多人认为,如果为了证明产品符合性,那么只需要收集产品的检测或者测量值即可,为什么还要记录过程参数?
其实答案很简单,产品特性符合要求的前提一定是其形成过程的过程特性处于可控的状态,例如注塑产品的特性取决于注塑过程的参数,如注塑压力、温度、保压时间等。
这种逻辑我们在之前的介绍中已经多次介绍过,即好的或者说科学的产品结果一定是基于良好的过程输入,输入决定输出。
有了全面的数据出入,我们就可以基于数据进行系统地分析,如基于SPC理论的过程的稳定性分析,如均值极差图以及过程能力的评价。
类似均值极差图的过程评价的优点是:
1. 针对真正超出规格线的点可以立即体现出来。此时表面了生产过程已经出现了重大的变化,需要立即停产,确保进一步的不良品的出现和传递;
2. 有些时候,产品特性值并没有超出规格线,但是超出了控制限,这个时候表明,生产过程出现了异常的变异,需要尽早的分析和干预,避免真正的不良产生。
上述两点就是针对实际数据分析进行的适当改进措施的具体体现。
关于统计过程控制的具体内容,欢迎参考我之前分享过的内容:
记录了过程中的特殊事件
所谓过程中出现的特殊事件,指的是可能造成过程出现特殊变差的事件,从控制图的角度来说,是例如:造成部分点超出控制限、某些点连续出现在控制限的同一侧等等,这个时候,要想及时地识别出造成这些异常点出现的原因,就要详细记录过程中的特殊事件,如原材料批次变化、设备大修、关键零部件更换、温湿度变化等等情况。
如:
2024/11/21 14:30 XX型号的cover批次进行更换;
2024/11/21 19:30 XX点胶设备进行了维护保养;
具体记录的事件范围,组织可以针对自身的经验进行判断。
很多时候,过程特殊事件的记录是组织对控制图异常趋势判断的重要决定依据。很多组织缺少对于异常事件的记录,导致的结果就是,面对控制图出现异常的时候抓耳挠腮,然后一通分析之后给出各种可能的原因猜测,最终不了了之,静等不良品的批量出现。
所记录的数据与事件应可与产品和过程进行关联,这些数据可获取、清晰、可查阅并按规定进行了存档。满足可追溯性的要求
所有上述进行记录的数据应该能准确追溯到具体的产品型号以及生产过程,避免出现模棱两可或者无法追溯的清晰。因为不清晰的数据记录很有可能会导致错误的分析结果。
例如,明明两条产线生产同一个产品,其中某一个产线的某个工位的某个紧固件松动导致控制图的持续失控,但是因为记录不清楚导致现场分析人员无法准确识别是哪个产线的设备出现了问题,这个时候就不得不将两条产线都进行停产处理。
所以,对于过程控制的数据记录一定要清晰、可获取,可查阅并进行了存档。通过过程设备的具体表现可以准确查询到其近期或者更久之前的参数的具体表现,也就是数据或者记录具备可追溯性。
基于质量、成本及服务方面的发现,不断确定改进潜力
通过具体的数据收集与分析,我们可以知道哪些产品或者过程特性的能力存在缺陷与不足,例如,某个产品有3个关键特性,分别是长度、厚度与粗糙度。
经过一段时间的过程能力分析之后,发现该产品的长度能力只有1.22。这个时候,客户客户要求,不满足1.33的要求的特性都需要进行100%的检验才能出货。这个时候,组织是选择增加人手,开发新的测量治具,还是选择永久改善制造工艺,实现该零件长度特性达标的过程能力,一般来说,检验就是成本的无底洞,绝大部分组织会选择对生产设备进行改造或者升级(当然也有很多人不以为然,认为配置检验员更靠谱,这里不进行任何争论)。
还有一种情况,有些组织的产品的特性的过程能力虽然已经达到了1.33,但是他们更高的追求是1.67或者是1.96,这也并不妨碍他们去追求进一步的进步,但是前提是他们有成熟的数据收集与分析流程。
点关注,不迷路!
如果喜欢,欢迎点赞,转发给你身边觉得需要的人!
质量不止你我,质量有你有我!
更多精彩内容,欢迎翻阅更多文章!