对制造业的质量从业人员来说,SPC(统计过程分析)这个概念是再熟悉不过了。日本企业1950年代开始,欧美企业从1980年代开始都大力推行SPC并取得了成功。我国企业导入SPC也有二十多年的时间了,但统计结果却显示,高达86.8%的我国企业推行SPC是不成功的。
一份对长三角地区106家制造型企业(包含外资企业)SPC应用及有效性的调查显示,实施SPC的企业占35.8%,认为实施SPC有效的企业只有13.2%。
国内企业应用SPC,往往是因为看到别的企业在用,或者“客户”、“体系认证”要求用而用。这个出发点,使得企业的管理人员往往对SPC并不认同,认为SPC不过是些数学游戏,对解决企业的问题并无帮助。
除了出发点不正确的这个问题外,企业的质量管理人员在SPC应用过程中也经常犯以下四个错误,这些错误会使得企业看不到SPC带来的成效,因此管理层更加对SPC没有信心。
第一个错误:对SPC作用的认识不正确
因为对SPC缺少全面的了解,从而对SPC期望过高。将推行SPC与质量提升联系起来。
实际上,SPC只是一种工具,能够及时发现生产中的异常,起到报警的作用。但是SPC并不能告诉我们异常产生的原因,更不能去解决问题。指望SPC能在短期内起到效果将注定要失败。
第二个错误:过程还不稳定就导入SPC
SPC是基于正态分布的3 sigma原理的,也就是说生产过程的能力要稳定在目标值+/- 3倍标准差的范围内,才具备导入SPC的前提。
SPC控制限(+/-3倍标准差)对应的合格率是99.73%,有些企业过程或产品合格率只有90%,过程稳定性是比较差的,这个时候就导入SPC没有什么意义,应该扎扎实实做一些基本的质量管理工作。
有心的朋友有机会也可以观察以下,至少80%的企业会犯这个错误。
第三个错误:数据收集不准确
SPC是基于正态分布的数据来建立的一套控制机制,因此数据符合正态分布非常重要。企业在应用SPC时,容易漏掉对数据正态性检验这一个关键步骤。之所以要检验,是因为过程中的4M1E以及测量系统本身的问题(例如量具的校验等)都可能导致数据的不准确,从而影响正态性。
要时刻记住这一点:我们观察到的数据并不是真实的数据,而是测量出来的数据,是测量就会有误差,误差过大就会得到错误的数据。下图就是MSA的基本原理。
第四个错误:使用了不合适的控制图
SPC首先是在汽车行业被广泛使用的,汽车行业的特点决定了计量型的控制图较为适用,然而很多其他行业的人员在导入SPC时,往往直接套用汽车行业企业的模板,在自身小批量、多品种的生产过程中导入计量型SPC控制图,结果是明明质量尚可,但是一直报警,CPK非常低,SPC很快就会流于纸面。
其实,在小批量生产的企业里,SPC并不是非常适用的,如果真的需要使用,建议考虑使用计数型的控制图。
结语
这篇文章中列出了SPC应用过程中的的四个最常见的错误,而这些错误的根本原因是在于过于关注SPC工具,而不太关注SPC的思维方式。
SPC告诉我们的是:通过统计能够及时发现异常,以便及时采取措施。只要有了这样一种思维方式,企业就能找到一种合适自己的控制方法,这就是SPC。
IATF16949-2016版汽车行业质量管理体系程序文件标准培训全套资料