基于六西格瑪統計方法的白車身裝配穩定性的研究

張皓源

北京奔馳汽車有限公司 北京 100176

汽車制造過程產生的問題解決方法有8D方法、PDCA方法和六西格瑪方法。8D及PDCA方法側重于流程的建立，而六西格瑪方法側重于定性定量地找到問題的根本原因，并且通過驗證的方式明確根本原因。現吸取這幾種方法中重要的思想，通過建立流程，定性定量地分析及驗證問題的根本原因。

研究流程的建立

現在以白車身自動裝配線左后門自動裝配工位穩定性為研究對象，用Cpk作為衡量指標，建立項目研究流程，流程分為項目定義階段、項目分析階段、項目驗證階段及項目總結階段。問題定義階段借助于過程能力指數Cpk、濃度圖判定樣本數據的原始狀態。項目分析階段利用三相圖，流程圖的方法分析出數據的偏差來源，并針對根本原因，對問題進行優化。項目驗證階段通過假設檢驗的臨界值法判定白車身裝配穩定性是否有提升。具體如圖1所示。

圖1 項目研究流程

過程能力指數的建立

選取白車身自動裝配線后門工位為例，白車身自動裝配線的目的是將覆蓋件安裝到車身上并將車門與車門匹配的間隙數值、平順度數值安裝到公差范圍內，通過自動裝配技術保證裝配的穩定性。如圖2所示，白車身裝配線左后門裝配工位，車門裝配后，生產線統計裝配后的一次合格率作為質量指標，通過濃度圖選取圖片綠色及黃色方框的間隙平順度指標作為評價裝配質量，通過濃度圖劃分A2（車門裝配高度）、G3（裝配上間隙）和E5（裝配下平順）。隨機取樣5個班次，每個班次隨機取樣25個樣本，通過Cpk過程能力指數評估生產線穩定性。

圖2 自動裝配工位現場實例及濃度圖

式中 USL——樣本取樣的數據上限；

LSL——樣本取樣的公差下限；

X——一組樣本的平均值；

X1，…Xn——隨機取樣的25組數據；

n——樣本數量。

根據此公式算出Cpk（A2）=0.53，Cpk（G3）=0.66，Cpk（E5）=0.62。現在根據這三個區域的Cpk狀態進行提升，見表1。

表1 裝配線現有Cpk狀態

問題分析及驗證

通過魚骨圖的方式對過程進行分析，對于過程穩定性的分析包括人、機、料、法、環五個因素。這里研究的是自動生產系統，可以排除人工的影響，故主要從設備、材料、工藝方法及環境進行研究。

1.零件對過程能力指數的研究

Cpk反應了生產線的制造能力，反映了制造過程的穩定性，現在通過濃度圖方法進行分析。通過濃度圖把對應區域的零部件的數據進行分析，對車門A2、E3、G5，側圍A1、E3、G5，對應區域的質量狀態進行分析，如圖3所示。借助于在線檢測系統大量的測量數據，采用隨機取樣5個班次，每個班次共選25個測量數據，同樣采用式（1）和式（2）算法進行評估。車門及側圍數據在公差內的分布得知單件的狀態比較好，計算出各個側量點Cpk數值，見表2和表3 ，Cpk＞1.33，接近“0”缺陷水平，故對裝配系統的穩定性沒有貢獻。

表2 車門Cpk狀態

表3 車身Cpk狀態

圖3 零件尺寸濃度圖

2.設備對過程能力指數的研究

排除了單件對生產線制造穩定性的貢獻后，采用三相圖的方法繼續分析，三相圖分為三個階段。第一個階段驗證測量系統的準確性及穩定性，選擇同一臺間隙平順度符合質量要求的白車身，以及一臺間隙平順度質量NOK、超出工藝設置的白車身，第一個階段利用自動裝配系統對這兩個車進行測量，重復25次，每一次數據一致，偏差小于0.1mm，數據沒有形成交叉，第一個階段通過。第二個階段，分別將兩個白車身的車門進行重復拆裝試驗，拆掉車門后，再一次安裝到白車身上，進行拆裝試驗后，發現第一臺質量OK的白車身數據變為NOK，與第二輛車數據交叉，將試驗重復8次，需要重復25次，但前幾次數據已經交叉，造成第二個階段未通過。表示同一臺車、同一個車門，重復安裝后數據發送明顯差異，如圖4所示。通過第二個階段，可以判定自動裝配系統對裝配合格率有直接影響，故不進行下一個階段。并且繼續分析自動裝配系統如何影響裝配數據。

圖4 三相圖證明系統對裝配穩定性有不利貢獻

2.設備對過程能力指數影響的分析及驗證

通過三相圖已經發現自動裝配系統對裝配穩定性有影響，三相圖中系統將質量OK的白車身經過重復安裝車門后，裝配的結果變成了NOK，接著通過流程圖的方法分解自動系統裝配各個環節，將左右側后門進行對比，發現左右側存在差距，右側后門的Cpk均大于1.33，在第一個流程傳感器檢測環節發現傳感器位置發生偏差，傳感器優化（見圖5）后，裝配合格率得到明顯提升。根據假設檢驗臨界值法進行驗證，原始假設Ho：σ1=2，備擇假設Ha：σ1≠σ2。現取樣X、Y各25個樣本，具體數據見表4，現在圖2中右側濃度圖A2車門裝配高度為例，取樣X為優化傳感器通之前車門高度數據，得到σ1≠σ2，車門高度Cpk從0.66提升到1.37，故車門裝配高度穩定性得到提升。并且通過計算，車門上間隙及下平順沒有提升，故繼續分析。

表4 傳感器數據優化數據

圖5 左右后門流程中傳感器的優化

通過流程圖繼續分析發現（見圖6），在第四步安裝位，左右后門工序存在明顯。通過隨機取樣，計算出右側的各測量點Cpk＞1.33，一次交付合格率＞95%，所以將右側作為基準對比左側，發現在安裝位，左右側的零件之間的匹配間隙存在明顯差異，右后門上下鉸鏈與側圍匹配間隙均勻，上下鉸鏈與側圍間隙通過塞尺測量均為1.4mm，而左側上鉸鏈間隙為2.9mm，下鉸鏈間隙為2.0mm，不僅間隙不均勻，且間隙較大，通過選擇機器人安裝角度C及Y方向，實現匹配上下鉸鏈間隙1.4mm。優化后通過根據假設檢驗臨界值法進行驗證，原始假設Ho：σ1=2，備擇假設Ha：σ1≠σ2，現取樣X、Y各25個樣本，用假設檢驗的方法驗證車門高度、上間隙及下平順，σ1≠σ2，拒絕原始假設，車門裝配上間隙Cpk從0.66提升到1.43，上間隙Cpk0.62提升到1.21。穩定性得到明顯提升。

圖6 左右后門流程中鉸鏈與車身匹配問題優化

現將左后門裝配穩定性Cpk作為縱坐標，采取措施作為橫坐標，如圖7所示。發現傳感器優化使裝配高度Cpk從0.53提升到1.37，而車門上間隙及下平順沒有明顯變化，通過優化鉸鏈與車身匹配縫隙優化裝配上間隙，裝配下平順Cpk分別從0.66優化到1.43，0.62優化到1.21。

圖7 穩定性優化數據統計

結語

對白車身裝配穩定性的研究，并建立問題研究流程，現借助六西格瑪統計方法中過程能力指數Cpk、濃度圖、三相圖及流程圖，對問題進行定性分析，發現傳感器優化使裝配高度Cpk從0.53提升到1.37。通過優化鉸鏈與車身匹配縫隙優化裝配上間隙，裝配下平順Cpk分別從0.66優化到1.43，0.62優化到1.21。并根據假設檢驗的臨界值法，進行定量分析，找到了影響制造穩定性的根本原因，對制造過程起到流程化解決實際問題的意義。