基于DeltaLyze方法的大燈高度問題研究

摘要：詳細闡述了Deltalyze問題分析法——一種創新且高效的系統化方法，旨在通過一系列規范的步驟和工具快速識別問題的根本原因，提出解決方案并有效驗證。該理論依托堅實的數理統計基礎，結合博弈策略，為問題的診斷和解決精準分析方向，直擊問題核心，有效避免了反復分析驗證而帶來的資源無效消耗。選取了生產線大燈高度批量問題作為案例，全面展示了Deltalyze1方法的應用流程、工具選擇和實際效果。通過對這一具體問題的深入分析和有效解決，證明了Deltalyze1方法在提升產品質量和客戶滿意度方面的顯著效果，是制造企業在生產質量管理中不可或缺的工具。該法因其系統化、科學性和標準化特性，為制造類企業在快速響應市場變化、增強競爭力方面提供了有力的支持，為制造類企業構建了一套可復制、可擴展的問題解決框架，助力企業快速響應市場波動，鞏固并提升其在激烈競爭中的優勢地位。

關鍵詞：大燈高度考核；Deltalyze；敏捷問題分析

Deltalyze是戴姆勒自研的一套規范、科學且敏捷的問題分析法。該方法本身利用邏輯策略和簡單的統計方法來實現逐漸并快速地將根本原因剝離出來。實現分離主因，即逐步、快速地分離出對問題影響最大的根本原因。通過對比極端的好和不好的零件決定事實和數據基礎，從而進行統計的排除方法，主要原因會被測試驗證。

該方法主要遵從DFAPPIL的V模型，從問題開始、邁向最后實現解決得過程。如圖1所示，左側主要是問題→主因，右側是主因→解決。

具體過程主要分為六大步驟：問題定義、缺陷描述、問題分析、試驗過程、優化改進和經驗總結。每個步驟都有清晰的目的和一些工具方法輔助達成每個步驟的目的。

大燈高度問題解決

大燈來件出廠高度會預設在某一固定高度，經過裝配在車輛，大燈和機蓋、翼子板、前杠的匹配會進行再調整，會出現每輛車的大燈高度都不一樣，因此再在底盤線下線后需要對大燈高度測量并進行100%調整。

正常情況，不應該出現大燈高度不合格情況，但在Voca成車抽檢考核時發現部分車輛在公差臨界甚至超差的情況。

Deltalyze1 方法可以快速定位問題根源，通過問題定義→缺陷描述→原因分析→原因驗證→改進→總結，徹底解決問題。

1.問題定義

該步驟主要明確并定義問題，對問題進行初步調研，清晰描述問題，并確定項目目標，本項目采用定義樹工具實現，如圖2所示。

問題樹的第一層級為車型和產線，第二層級是問題組件，第三層級是問題范圍，第四層級是具體方向，第五層級是具體問題。自上而下，層層遞進，最終鎖定問題的具體定義：分析并解決某車型左右兩側大燈Z向高度過高問題。

2.缺陷描述

缺陷描述同樣用決策樹來進行描述，如圖3所示。缺陷樹的第一層級為問題特性，不同的特性采用不同的分析方法，大燈高度問題是特征問題。第二層級為具體的缺陷特征，高度過高。第三層級為Z向過高。第四層級為測量工具和方法，此問題為用10m墻進行測量。

Deltalyze1 方法和傳統其他分析方法的最大的區別是通過對比分析快速定位主因。故而更為高效和更適合生產線快速分析問題。主要的工具就是對照表。

對問題Y的各個對照組進行描述，并創建合理的補充圖表用于說明各組對照的情況。具體操作步驟為從最小的對照組開始對各個分組進行描述。對各組的對比情況進行標注（未知、大的區別、小的區別、沒有區別或者無法實施）等；以圖表的形式呈現出對照的走勢和參數（例如柏拉圖，多變量圖以及分布圖等），確定最有意義的對照組。

本項目從車型、工廠、產線、相關零部件及工藝進行對照分析，具體見表1。

通過對問題的幾個重要影響因素的信息收集，迅速鎖定產線差異和測量系統的差異是問題的關鍵差異點。從而確定了下一步分析的主要方向。

3.測量系統驗證

Youden 圖是一個圖形工具，通過產品或工藝的波動ΔP 以及測量偏差ΔM的計算來評估測量過程。

樣本需滿足以下條件：

1）樣本數據必須包含30個隨機測量點。

2）30個測量點不等同于30個測量零件。

3）每個測量點/零件兩次測量（隨機順序，完整測量過程，如夾具的使用等）。

當ΔP/ΔM≥6，測量系統通過測試。本項目選擇天窗平順度區域8個考核測量點，測量5輛車，每輛車重復測量兩次，共80個測量點參與計算，如圖4和圖5所示。

從分析結果可以看出，成車抽檢考核測量系統結果＞6，系統可靠。在線測量系統兩側的結果均＜6，不可靠。因此，結合前面contrast表格的結果，可以得出結論：在線測量系統不可靠，需要優化。

GageRamp;R是測量系統分析的非常重要的工具，主要用于評估測量系統的準確性和可靠性。主要從兩個維度——重復性（Repeatablility）和再現性（Reproducibility）進行評估和分析，為改進測量系統提供依據。

在線測量系統是每條線配備一臺設備，對車輛進行100%測量，3個加工人分別負責3條線。因此需要進一步對在線測量系統進行深度分析，確認是設備問題、操作員操作問題，還是車輛問題。使用GageRamp;R工具進行深度分析。隨機選取30輛車，10輛車進入1線測量、調整，繞產線一圈再回來進入1線重復測量。2、3線類似。共得到左側大燈60組數據，右側大燈60組數據，使用GageRamp;R可以得到結果如圖6所示。從結果可以看出左側大燈在線測量系統的問題主要集中在再現性上，三條產線測量差異較大。

對右側大燈數據分析得到結果如圖7所示。從結果可以看出右側大燈在線測量系統的問題也是集中在再現性上，三條產線測量差異較大。

前大燈在線調校設備是和四輪定位儀檢測系統集成在一起的大型系統，經過與供應商溝通，最終確定通過設備補償參數進行修正。

本項目經過分析，主因是測量系統，因此步驟分析部件特性和步驟分析物理特性就不需要進一步分析了。直接進入下一步識別根本原因。

4.識別根本原因

分析樹是該步驟的一個重要工具，在一個文檔中記錄從主Y模式到主X的收斂，在整個項目中持續更新。第一個分支始終與測量系統及其過程能力相關（Δ產品/過程 VS Δ測量過程），驗證分支，結束確認主要原因（主X）。該項目收斂的主X是飛行滾邊第四步X向折邊工藝參數調整，如圖8所示。

通過此分析樹，可以清晰地看到3條在線測量設備的參數偏移引起了在線測量設備和成車抽檢考核測量系統的差異是此問題主因。

5.優化改進

優化改進步驟包含通過公差平行四邊形確定合適的公差范圍，如圖9、圖10所示。對于本案例無需此步驟。

根據成車考核測量的均值結果，對在線設備參數進行修正。驗證得到結果如圖11、圖12所示?？梢钥吹剑拚?條線的設備檢測結果基本一致。調取成車大燈考核數據，可以看到在實施優化措施后，考核數據質量穩定，達到了項目目標。

6.經驗總結

項目結束，需要對項目進行經驗總結，并分享到其他產品和工藝中。該項目總結結論是需要對成車考核數據進行日常監控，根據過程工藝質量，當穩定性 時，進行預警，對在線測量系統參數修正。該經驗可以應用于在線所有車型。

結語

本文深入探討了Deltalyze1方法在有效解決產線前大燈高度超差問題中的創新應用，系統而詳盡地剖析了該方法從啟動至實施的每一個關鍵環節，以及其中所運用的核心工具與技術手段的具體操作方式與成效展現。Deltalyze1方法以其敏捷的反應機制、科學的分析邏輯和高效的問題解決能力脫穎而出，其有效性已在一系列廣泛而深入的實踐案例中得到了充分驗證。

此方法不僅為制造類企業提供了一套行之有效的問題解決范式，更是在提升生產精度、優化工藝流程、增強質量控制能力等方面展現出了非凡的潛力與價值。它不僅是技術進步的體現，更是企業轉型升級、邁向智能制造的重要助力，對推動整個制造行業的持續健康發展具有深遠的指導意義。技術難點主要來自Cubing的技術要求、基準要求、安裝方法和檢測方法等，由于前期數模的設計和鏈接結構設計均在德國完成，在組裝前就需要依據數模推演和分析，從而制定合理的組裝方案。