運用DMAIC工具降低車身供應商錯漏焊問題指數的研究

摘要：本文運用六西格瑪DMAIC工具，跳出單點問題解決思維，重新定義對車身供應商錯漏焊問題解決范圍。文章通過梳理整個生產過程的輸入與輸出變量，運用非參數分析，假設檢驗等工具，篩選潛在因子鎖定關鍵因子，明確了改進方向。同時，針對關鍵因子制定措施進行驗證并最終形成控制，實現車身供應商錯漏焊問題指數降低。

關鍵詞：六西格瑪;DMAIC;供應商;錯漏焊問題指數;檢驗工具;關鍵因子

中圖分類號：U463.8

文獻標識碼：A

0引言

錯漏焊問題占車身供應鏈質量問題的40%左右，而采用日常質量七鉆分析工具僅能解決單個問題，供應商質量管理則需要從更高維度去分析產生問題的產生流程。DMAIC是六西格瑪管理中流程改善的重要工具。六西格瑪管理不僅是理念，同時也是一套業績突破的方法。它將理念變為行動，將目標變為現實。DMAIC是指定義（Define）、測量（Measure）、分析（Analyze）、改進（Improve）和控制（Control）5個階段構成的過程改進方法[1]，一般用于對現有流程的改進，包括制造過程、服務過程以及工作過程等。

1界定項目范圍，明確關鍵特性

1.1確認顧客的關鍵需求，識別需要改進的關鍵特性

圖1顯示了車身供應商來料質量問題分布，由其可知車身零部件問題頻發，其中錯漏焊問題占比最高，急需有效的解決方案。

車身件焊接對象分為焊點焊接及標準件焊接。錯漏焊問題按照類型主要分為錯漏焊焊點、錯漏焊標準件和錯漏焊附件，因此錯漏焊問題指數包括錯漏焊焊點問題指數、錯漏焊標準件問題指數和錯漏焊附件問題指數。

將車身供應商每月錯漏焊次數與產量的比值，稱作錯漏焊問題指數，用以代表錯漏焊的質量問題（CTQ），將錯漏焊問題指數定義為Y，即有：

CTQ=Y=y1+y2+y3

式中y1——錯漏焊焊點問題指數

y2——錯漏焊標準件問題指數

y3——錯漏焊附件問題指數

1.2歸納通用判定指標，明確項目改進目標

針對本司2021年1—6月車身供應商錯漏焊問題指數進行測量，可知車身供應商錯漏焊問題指數平均達到22次/10萬臺（圖2）。因此本司提出項目改進目標：將錯漏焊問題指數降低至20%以下。

2利用質量工具，明確Y值測量

測量階段的工作重點是在界定階段工作的基礎上，進一步明確Y的測量，并通過收集引起問題潛在因子X和Y的測量數據，定量地描述Y[2]。

2.1通過因果矩陣圖鎖定關鍵因子

通過梳理焊接過程輸入輸出關系，使用因果矩陣圖識別輸入因子與輸出因子的權重關系，篩選出14個潛在因子X1～X14（圖3）。通過對這14個潛在因子的評價打分，確定各個因子的影響。其中X2、X5、X8和X13這4個因子涉及SOS文件正確性，調查過供應商SOS工藝文件，完全符合要求，因此排除該4個因子的影響。剩下10個因子需要進一步分析。

3使用非參數假設檢驗工具，分析篩選潛在因子

對于屬性數據分析，傳統的連續型變量統計方法不再適用。而使用列聯表工具不僅可用于屬性數據分析，還可以用來分析兩種方式（兩個因子）分組數據是否獨立[3]。

曼-惠特尼-威爾科克森檢驗（Man-Whitney-Wilcoxon，簡稱為MWW）屬于非參數檢驗的一種，主要用在2個總體不為正態分布情況下，研究2個總體間是否存在差異的非參數檢驗方法[3]。

3.1使用列聯表工具篩選非關鍵因

對8家供應商2021年1—6月錯漏焊問題數與各因子建立以列聯表（圖4）。

（1）按照錯漏焊與因子X3是否有螺母輸送機兩種狀態，進行分組統計得到列聯表1。

（2）按照因子X4和X6新老人員的兩種狀態，與y1（錯漏焊焊點問題指數）、y2（錯漏焊標準件問題指數）和y3（錯漏焊附件問題指數）進行分組統計，得到列聯表2、列聯表3和列聯表4。

（3）按照因子X8和X14組焊夾具與焊植釘焊接工裝有無防錯裝置，與y2（錯漏焊標準件問題指數）和y3（錯漏焊附件問題指數）進行分組統計，得到列聯表5和列聯表6。

3.1.1使用Minitab軟件進行假設檢驗分析

假設各個因子對錯漏焊的影響無顯著差異，將6個列聯表代入Minitab軟件進行假設檢驗分析，獲得以下結論[4]。

（1）P1值=0lt;0.050，拒絕原假設，故因子X3有無螺母輸送機不是關鍵因子。

（2）P2值=0.952gt;0.050，接受原假設，故因子X4和X6人員變化是錯漏焊點的關鍵因子。P3值=0.039lt;0.050，拒絕原假設，故因子X4和X6人員變化是錯漏標準件的非關鍵因子。P4值=0lt;0.050，拒絕原假設，故因子X4和X6人員變化是錯漏焊附件的非鍵因子。

（3）P5值=0.259gt;0.050，接受原假設。故因子X8和X14組焊夾具與焊植釘焊接工裝有無防錯裝置是錯漏標準件的關鍵因子。

（4）P6值=0.615gt;0.050，接受原假設。故因子X8和X14組焊夾具與焊植釘焊接工裝有無防錯裝置是錯漏附件的關鍵因子。

3.1.2對因子X8和X14進行關聯圖分析

從列聯表5和列聯6可知，有無防錯情況都有漏焊，因此需要進一步分析原因。對夾具有無防錯裝置進行關聯圖分析（圖5），鎖定防錯前期無策劃和防錯損壞是影響夾具無防錯的2個主因。對于防錯前期無策劃進行快贏改善;對于防錯損壞則需要繼續測量分析。

調查4家供應商防錯結構，按直接探頭防錯和間接探頭防錯測兩組，對探頭維修率統計獲得列聯表7（圖6）。將列聯表7代入Minitab軟件進行雙比值分析，獲得P7=0lt;0.050，拒絕原假設，直接探頭防錯與間接探頭防錯的探頭損壞率有顯著區別。因此推動供應商將直接探頭防錯改為間接探頭防錯。

3.2使用MWW檢驗分析篩選非關鍵因

為了驗證錯漏焊與各管理層對探測裝置檢查頻次的影響，將結合2021年1—6月錯漏焊問題指數，按不同管理層審核頻次進行分組統計。技術區域審核分為A組和B組。其中A組：每天按計劃審核，

一周內完成防錯循環審核;B組：不參與審核。然后然后進行數據分類統計各個審核頻次下錯漏焊的排名，獲得MWW檢驗表一（圖7）。

質量區域審核頻次分為A組和B組。其中A組：每天按計劃審核，一周內完成防錯循環審核;B組：不參與審核。然后進行數據分類統計各個審核頻次下錯漏焊的排名，獲得MWW檢驗表二。

班長審核頻次分為A組和B組。其中A組：每天按計劃審核一周內完成防錯循環審核;B組：每周一次統一審核防錯狀態。然后進行數據分類統計各個審核頻次下錯漏焊的排名，獲得MWW檢驗表三。

假設2種審核頻次對錯漏焊影響相同，將3個MWW檢驗表代入Minitab軟件運行分析獲得以下結果。

P1值為0.7656gt;0.050，接受原假設，因此X9不是關鍵因子。

P2值為0.037lt;0.050，拒絕原假設，因此X10是關鍵因子。

P4值為0.030lt;0.050，拒絕原假設，因此X11是關鍵因子。

3.3分析階段總結

通過使用列聯表、MWW檢驗以及雙比值等分析工具，排除8個非關鍵因子，最終鎖定2個關鍵因子和4個快贏因子（圖8）。

4針對已識別的快贏因子及關鍵因子進行分析及改進

4.1針對快贏因子的分析和改進

針對快贏因子X4和X6人員變化，可以通過督促供應商建立人員崗位柔性跟蹤表驗證培訓效果，來降低焊點錯漏焊率。針對快贏因子X8和X14組焊夾具與焊植釘焊接工裝有無防錯裝置，從新項目開發階段及量產階段2個維度進行分析。

4.1.1新項目開發階段無防錯原因分析及改進

經過分析，新項目開發階段組焊裝夾夾具與焊釘焊接工裝無防錯的原因有3點。

（1）客戶原有通用質量SOR文件中，對應的防錯要求不明確，導致供應商理解不一致。

（2）項目開發中，各家供應商對防錯覆蓋率測算標準不一致。

（3）產品質量先期策劃（APQP）階段，閥門審核未包含探測防錯的審核要求。

針對上述原因制定以下措施。

（1）編制專業科室質量SOR要求。

（2）編制車身標準防錯驗證清單模板。

（3）APQP開發階段，閥門審核增加探測防錯的審核要求。

通過這些措施落實，新項目防錯覆蓋率得到很大改善。

4.1.2量產階段防錯有效率低分析及改進

在之前的分析中，已識別到間接探頭防錯優于直接探頭防錯，因此我們推動直接探頭防錯改為間接探頭防錯，改進后錯漏焊問題指數有效降低。

4.2針對關鍵因子的分析和改進

對于關鍵因子X10和X11過程審核質量區域和過程審核班長檢查參與程度，各家供應商的要求不一致。這就需要督促車身供應商滿足最低審核要求。針對該問題，我司分兩步推進進供應商審核標準化。

第一步，短期SQE牽頭每周拉動供應進行過程審核，確保防錯裝置有效性。

第二步，建立車身專用系統，持續跟進防錯日常維護。

5固化改進措施，夯實改進成果

通過建立項目開發流交付資料標準化，規范防錯清單模版，固化各個項目標準交付資料，建立量產審核交付資料，從而建立系統的規范審核要求，車身供應商錯漏焊問題指數從22臺/10萬臺降低到17臺/10萬臺，錯漏焊問題指數降低至20%以下的目標達成（圖9）。

6結束語

六西格瑪DMAIC是一個有著幾十年應用并被證明的先進管理方法，可以幫助我們以正確的方式把正確的事情做好。它是一種應用工具和方法，是方法論和研究，是理論體系和思維方式，更是一種哲學和價值觀[5]。本文通過六西格瑪DMAIC工具梳理了車身供應鏈錯漏焊管理的流程，篩選識別關鍵因子，通過有效的控制，實現了車身供應鏈錯漏焊問題指數的降低。

【參考文獻】

[1]肖愛民，于姝琳.淺談DMAIC階段質量工具在過程改進中的應用[J].汽車零部件，2010（10）：71-76.

[2]何楨.六西格瑪管綠帶手冊[M].北京，中國人民大學出版社，2011.

[3]何楨.六西格瑪管理[M].（第三版）.北京，中國人民大學出版社，2014.

[4]馬逢時.六西格瑪統計指南——MINTAB使用指導[M].北京，中國人民大學出版社，2007.

[5]彼得S.潘迪，羅伯特P.紐曼，羅蘭R.卡瓦納.六西格瑪管理法：世界頂級企業追求卓越之道[M].（第2版）.畢超，崔麗野，馬睿，譯.北京，機械工業出版社，2017.

朱政，本科，工程師，研究方向為汽車車身供應商質量管理提升。

覃祥盼，本科，工程師，研究方向為汽車車身供應商質量管理提升。

藍俊，本科，工程師，研究方向為汽車車身供應商質量管理提升。