|
我是“LEAN不清”，关于精益我有问题！ 我是“精益小帮帮”，精益问题我来帮！ 在内建质量体系中数据分析也是一个重要的模块，因为通过对质量数据的分析，一方面可以帮助大家找到问题的原因，而另一方面可以通过数据的趋势来进行质量问题的预防。 数据分析本身就是一个独立的学科，而在内建质量体系中也是根据现场需求进行选择性的应用。但是作为现场的管理人员或质量人员是需要掌握以下四个基本的数据分析工具，而且熟练应用后也基本上可以解决现场80%的质量问题。 1
通过第一次可以找出影响质量的主要因素是1横墙跑模，如果数据支持，还可以针对横墙跑模的产生原因进行一次排列图分析，就可以进一步找到影响最大的因素，从而有的放矢，有效提升质量。 2 频率直方图分析法 这个分析法的出发点是，在一般情况下，如果某一特性值出现的次数足够多的话，那么较多情况下这些值的分布会呈现钟型，两头低，中间高，左右对称的正态分布。
如果当搜集的数据没有呈现正态分布的话，例如以下几种分布：
那么都表明在生产过程中工序能力，测量能力都出现了问题，可以指导人们进行进一步的数据分析，找到偏离正态分布的原因，从而采取质量改善，回归正常。 3 管理控制图分析法 这个分析法就是通过设置的上下限值，来对质量数据进行趋势的控制和分析。下图就是一个控制图。
通过对样本值与上下限值对比，以及样本值在控制线中的分布情况来判断是否出现问题。其实管理控制图最大作用还是通过对样本值的走势去提前发现问题，当发现趋势一直向上或向下，偏离中心线时，就需要进行原因分析，采取行动使得数值回归中心线，避免造成真正的质量问题。一般这三条线的选取会有两个方法，一个就是直接根据质量特性的设计公差来设置这三条线进行管理，还有一个就是通过前期一定量的数据搜集，通过计算得出中心线以及上下控制线，然后再在之后数据上进行控制和预警。 4 散点图分析法 这个分析法主要利用产品的X，Y两个特性建立坐标系，然后将产品根据这两个特性形成的特征点一一标记在这个坐标系中，通过足够多的点就可以观察到产品这两个特性上呈现的一种关联性，从而利用这种关联性去进行产品质量控制。
其中结合当下的大数据分析和处理能力，只要采集足够多的信息，通过两两配对就可以得出多幅散点图，然后通过判断就能找出两两特性之间的关系，是正相关，负相关，还是不相关？届时就可以利用这些特性来达到控制、预警的目的。当然散点图是需要一定的数据量，太少则可能造成相关性判断错误。因此散点图也需要根据实际情况进行不断完善和修正，以提高其准确性。 以上这四个数据分析工具是最为常见，而且也是最容易上手的，通过它们单个或组合起来应用，基本可以解决现场绝大多数的问题。当然要进行这些数据分析，最为关键的就是能收集到足够的数据。因此如何在现场容易的进行数据搜集是数据分析的前提。而随着智能化、互联网功能的加入，实时数据采集和传送已经实现，这四个表也基本上实现了实时自动更新，让数据分析更加准确，为质量管理提供了强有力的支撑。这也是为什么数据分析是内建质量体系的关键要素之一。  LEAN不清：数据分析法真不错，让数据开口说话，为质量保驾护航啊！！ 精益小帮帮：这些方法只是众多数据分析法中常见的几个，不过学会这几个，基本上现场80%的质量问题都可以用它们来分析，找到办法解决！ 觉得不错，请点个在看！ |
|
|
