一个均值-极差控图子组大小的问题
这是一个来自6SQ品质论坛的问题，原问题是：当每个子组内包含2个样本，共40个子组时，均值控制图上只有一个点超出控制限；当每个子组内包含3个样本，共27个子组时，均值控制图上反而有4个点超出控制限。这是为什么？
下面是我的回答，并在此基础上展开说明如何确定子组的大小。
这是SPC控制图的一个最基本的概念之一。在均值-极差图中，子组越大，则均值上下控制限之间越窄，也就是说，均值控制图越灵敏。这是因为，均值图的控制限公式为：总均值加/减3倍的均值标准差，即：
根据中心极限定理，均值标准差等于单值的标准差除以子组大小n的平方根，
也就是说，子组越大，则均值的标准差就越小，由此计算出来的均值上下限间就越窄。因此，每个子组抽样越多，即子组越大，则均值图上超出控制限的点会越多。
如果使用平均极差来计算控制限，我们可以发现A2这个系数也会随着子组大小的增加而减小。
子组的极差的大小，从理论上来讲，会随着子组大小的增加而增加，但是当子组中样本的数量大于9后，用极差来估计过程标准差时就不准确了，应当使用子组的标准差S来估计了。下图列出了不同子组大小之下，用子组的平均极差和平均标准差来估计过程标准差时的差异。
而当子组在9以下时，极差随子组大小的变化并没有那么明显，特别是当过程处于稳定的状态时候。
由此可见，控制图的抽样方案不同，它发现过程变差的灵敏度也会不同，子组到底应当多大呢？
这要根据你所要控制的过程的能力的大小和对控制图所期望的功效来确定。
我们用6倍的过程标准差定义过程能力（注意：不是过程能力指数CPK）。过程能力越高，说明过程的变差越小，就需要越多的样本才能发现它的变差，反之，过程能力越低，只需要较少的样本就可以探测到过程变差了。打个比方，这就好比是一个班级里有一个2米以上的篮球运动员，要去找到这个运动员，只需要一个样本就可以了；而你去探测一个国旗仪仗队的队员之间的身高差异，你可能就要用高精度的尺子测量所有的队员才可以发现他们之间的身高差异。什么是控制图的功效呢？这里的功效指的是发现均值偏移了K个标准差的概率，如下图所示，其中，β是均值偏移了K个标准差后，控制图探测不到这个偏移的概率，所以1-β就是功效，即探测到这个偏移的概率。从该图中可以发出，要想获得较高的功效，就必须增加子组的大小。
为了确定子组大小，我们还要了解下面几个概念：
1、子组的间隔。它是指多长时间抽取一个子组，一般情况下是间隔相等的时间。但是，要注意，最好是在人、机、料、法、环（4M1E）交替的时候进行抽样，如班次交接时、机器开机或调整设置后、原材料批次变更时等，在这些节骨眼上生产出的产品的特性会有较高的变异机会。
2、受控ARL（平均运行长度）。它是指在没有实际失控的情况下，两次误报警信号之间的子组个数，它是一类错误概率的倒数，即
3、失控ARL。如果我们只使用失控判断准则1，即超出正负3个西格玛的控制限即为失控，则过程在统计受控状态下，均值点会有α=0.27%的概率落在控制限以外，即ARL=1/0.0027≈370，平均约370个点中会有一个点落在控制限以外，即使过程是统计受控的。3、失控ARL。它是指当均值图上有点发生失控后，在所发生的点上看不到这个失控，直到再抽若干次样后才在图上表现出来，这样的抽样次数为失控ARL。它是功效的倒数，即
4、过程性能指数PPK。在这里，我们还未使用控制图，不能判断过程是否受控，所以我们用PPK，而不是用CPK，CPK是过程受控状态下的能力指数。
另外，在确定子组大小之前，我们还要准备下列信息：
1、制造过程每天的运行小时（工作小时）数；
2、两次错误报警间的允许天数，以及从实际失控到发现时的天数，这是由工厂的管理者给出的，这也是对控制图的要求；
3、过程能力/性能指数目标值，这是客户或管理者要求的，假设为1.33，而现在假设实际的能力/性能指数为2.0。
于是，
我们第一步我们先确定子组间隔，如下图所示
第二步，我们确定计算所期望的控制图功效1-β，如下图所示
第三步，我们计算子组的大小，即每个子组的样本数量，我们在此借助于Minitab软件的“单样本Z的功效及样本量”功能，如下图所示
在此还需要说明的一点是，样本数据应当是正态或近似正态的，而且确保子组的均值间呈正态分布。而为了应对可能不够正态的问题，根据中心极限定理，我们需要子组的大小应尽可能多，在本例中应当大于3。 收起阅读 »
下面是我的回答，并在此基础上展开说明如何确定子组的大小。
这是SPC控制图的一个最基本的概念之一。在均值-极差图中，子组越大，则均值上下控制限之间越窄，也就是说，均值控制图越灵敏。这是因为，均值图的控制限公式为：总均值加/减3倍的均值标准差，即：
根据中心极限定理，均值标准差等于单值的标准差除以子组大小n的平方根，
也就是说，子组越大，则均值的标准差就越小，由此计算出来的均值上下限间就越窄。因此，每个子组抽样越多，即子组越大，则均值图上超出控制限的点会越多。
如果使用平均极差来计算控制限，我们可以发现A2这个系数也会随着子组大小的增加而减小。
子组的极差的大小，从理论上来讲，会随着子组大小的增加而增加，但是当子组中样本的数量大于9后，用极差来估计过程标准差时就不准确了，应当使用子组的标准差S来估计了。下图列出了不同子组大小之下，用子组的平均极差和平均标准差来估计过程标准差时的差异。
而当子组在9以下时，极差随子组大小的变化并没有那么明显，特别是当过程处于稳定的状态时候。
由此可见，控制图的抽样方案不同，它发现过程变差的灵敏度也会不同，子组到底应当多大呢？
这要根据你所要控制的过程的能力的大小和对控制图所期望的功效来确定。
我们用6倍的过程标准差定义过程能力（注意：不是过程能力指数CPK）。过程能力越高，说明过程的变差越小，就需要越多的样本才能发现它的变差，反之，过程能力越低，只需要较少的样本就可以探测到过程变差了。打个比方，这就好比是一个班级里有一个2米以上的篮球运动员，要去找到这个运动员，只需要一个样本就可以了；而你去探测一个国旗仪仗队的队员之间的身高差异，你可能就要用高精度的尺子测量所有的队员才可以发现他们之间的身高差异。什么是控制图的功效呢？这里的功效指的是发现均值偏移了K个标准差的概率，如下图所示，其中，β是均值偏移了K个标准差后，控制图探测不到这个偏移的概率，所以1-β就是功效，即探测到这个偏移的概率。从该图中可以发出，要想获得较高的功效，就必须增加子组的大小。
为了确定子组大小，我们还要了解下面几个概念：
1、子组的间隔。它是指多长时间抽取一个子组，一般情况下是间隔相等的时间。但是，要注意，最好是在人、机、料、法、环（4M1E）交替的时候进行抽样，如班次交接时、机器开机或调整设置后、原材料批次变更时等，在这些节骨眼上生产出的产品的特性会有较高的变异机会。
2、受控ARL（平均运行长度）。它是指在没有实际失控的情况下，两次误报警信号之间的子组个数，它是一类错误概率的倒数，即
3、失控ARL。如果我们只使用失控判断准则1，即超出正负3个西格玛的控制限即为失控，则过程在统计受控状态下，均值点会有α=0.27%的概率落在控制限以外，即ARL=1/0.0027≈370，平均约370个点中会有一个点落在控制限以外，即使过程是统计受控的。3、失控ARL。它是指当均值图上有点发生失控后，在所发生的点上看不到这个失控，直到再抽若干次样后才在图上表现出来，这样的抽样次数为失控ARL。它是功效的倒数，即
4、过程性能指数PPK。在这里，我们还未使用控制图，不能判断过程是否受控，所以我们用PPK，而不是用CPK，CPK是过程受控状态下的能力指数。
另外，在确定子组大小之前，我们还要准备下列信息：
1、制造过程每天的运行小时（工作小时）数；
2、两次错误报警间的允许天数，以及从实际失控到发现时的天数，这是由工厂的管理者给出的，这也是对控制图的要求；
3、过程能力/性能指数目标值，这是客户或管理者要求的，假设为1.33，而现在假设实际的能力/性能指数为2.0。
于是，
我们第一步我们先确定子组间隔，如下图所示
第二步，我们确定计算所期望的控制图功效1-β，如下图所示
第三步，我们计算子组的大小，即每个子组的样本数量，我们在此借助于Minitab软件的“单样本Z的功效及样本量”功能，如下图所示
在此还需要说明的一点是，样本数据应当是正态或近似正态的，而且确保子组的均值间呈正态分布。而为了应对可能不够正态的问题，根据中心极限定理，我们需要子组的大小应尽可能多，在本例中应当大于3。 收起阅读 »
MSA GRR研究时的样本问题及解决策略
按照AIAG 《MSA参考手册》第四版中第95页中的要求，GRR（测量系统的重复性和再现性）研究时应当“取得一个能够代表过程变差实际或预期范围的样本”。我相信那些参考过该手册做过MSA的朋友已经意识到了：这个要求，在新产品开发的阶段是难以满足的！我们先了解一下GRR的3个指标：
其中，
可见，%GRR对过程总变差的指标P/TV，以及对零件变差的指标ndc（分辨率）均会受到零件间变差σp的影响。因此，这就是为什么《MSA参考手册》规定用作评估样本的零件应能代表实际的过程变差或预期变差，这样评价出的测量系统，才能够适用于当前产品的测量。
然而，在新产品开发阶段，测量系统和制造过程是同步开发的，在测量系统的预验收阶段，是没有那么多的产品样本供我们测量的，也就是2-3个样品，甚至还不能满足GRR评估时最少的样本数量5个的要求（注：MSA参考手册中的要求得到至少45个测量值，以确保评估结果的置信度）。
到了测量系统的最终验收阶段，虽然可以满足GRR的样本量的要求，但是这个时候的样本之间的变差也是相当大的，因为过程还远未达到量产时的稳定状态和能力水平！而我们开发的测量系统，是为了用于量产以后的测量的，如果仅仅使用试生产时的产品作为样本来评价GRR，它的这两个指标即使满足了要求（P/TV<=10%，ndc>=5)，在量产后，也很可能会因零件变差的减小而不再满足要求的！但是量产后，量具及测量工装已经定型和安装到位了，已经不能推倒重来了！
那么，如何才能避免这种尴尬和被动的局面呢？
在测量系统的预验收阶段，如果用于样本的零件数量不能满足5个的要求，我们就只能评估它的量具能力Cgk了。评价Cgk时，只使用一个样本进行重复测量就可以了。Cgk可以反应测量系统的重复性和偏倚误差，Cg反应测量系统重复性误差，以及在这两个方面满足产品公差要求的能力，如下图所示，
等到了测量系统的最终验证阶段，我们可以使用量产后过程能力指数CP的目标值来导出过程总变差的目标值，使用这个目标值来评估测量系统是否满足预期的测量精度要求，即：
这样，我们可以得到期望的过程总变差的目标值σc，在把试生产时的样品测量完成后，再将这个σc代入到GRR的上述两个指标的计算公式中，用它评价出来的测量系统的指标，就可以适用于量产后过程稳定时产品的测量。
这样，我们就可以成功地避免上面所讲的尴尬和被动的局面了。
但是，如果量产后实际的过程能力相当高，远高于过程能力指数CPK的目标值（如1.33），即过程总变差可能是很小，这样的话，P/TV和ndc的指标值就有可能不能满足要求了（<=10%和>=5）。那么我们还应当升级测量系统吗？升级测量系统，就意味着更换测量仪器，就需要更高的投资！
我在此的看法是：可以根据企业自己的情况来决定是否升级、如何升级。可以分为以下几种情况来考虑：
1、首先来判断指标P/TV和ndc不满足要求（如<=10%），真的是由于过程能力提高了，还是测量系统变差了。判断的方法是：使用GRR对公差的指标P/T，如果这个指标的值相比之前的评估没有增加，那么就说明测量系统没变，而是由于过程能力提高了。
2、如果本来用的就是精度很高的测量仪器，如CMM、OMM等，这样就基本不存在测量系统精度不满足过程能力提高的情况；
3、如果测量系统的指标不能满足实际过程能力的提高，且测量的数据不做统计分析如SPC控制图等，只用于检测产品合不合格，就可以暂时不用升级测量系统。
4、如果测量系统的指标不能满足实际过程能力的提高，但必须要做控制图来监控生产过程，那么就应当升级测量系统。如果不升级测量系统，其分辨率就不能满足控制图的要求，做出的控制图就会存在下面的问题：
5、如果实际的过程能力达到了非常高的水平，如CPK=3.0，那么，如果要求测量系统来适应过程能力，就可能需要巨额的投入去采购高端的测量仪器，管理层不太可能批准的！这个时候，我们甚至连控制图也不做了！
但是，无论是上述哪种情形，我们必须坚守住过程能力目标值这个“底线”，以及在该目标值下对应的测量系统的精度水平。
如何去坚守这个”底线“呢？就是按照MSA的计划，定期抽取产品样本进行测量，使用过程变差的目标值（用CP的目标值推出来）来对测量系统进行评估，看看测量系统有没有变差。 收起阅读 »
其中，
可见，%GRR对过程总变差的指标P/TV，以及对零件变差的指标ndc（分辨率）均会受到零件间变差σp的影响。因此，这就是为什么《MSA参考手册》规定用作评估样本的零件应能代表实际的过程变差或预期变差，这样评价出的测量系统，才能够适用于当前产品的测量。
然而，在新产品开发阶段，测量系统和制造过程是同步开发的，在测量系统的预验收阶段，是没有那么多的产品样本供我们测量的，也就是2-3个样品，甚至还不能满足GRR评估时最少的样本数量5个的要求（注：MSA参考手册中的要求得到至少45个测量值，以确保评估结果的置信度）。
到了测量系统的最终验收阶段，虽然可以满足GRR的样本量的要求，但是这个时候的样本之间的变差也是相当大的，因为过程还远未达到量产时的稳定状态和能力水平！而我们开发的测量系统，是为了用于量产以后的测量的，如果仅仅使用试生产时的产品作为样本来评价GRR，它的这两个指标即使满足了要求（P/TV<=10%，ndc>=5)，在量产后，也很可能会因零件变差的减小而不再满足要求的！但是量产后，量具及测量工装已经定型和安装到位了，已经不能推倒重来了！
那么，如何才能避免这种尴尬和被动的局面呢？
在测量系统的预验收阶段，如果用于样本的零件数量不能满足5个的要求，我们就只能评估它的量具能力Cgk了。评价Cgk时，只使用一个样本进行重复测量就可以了。Cgk可以反应测量系统的重复性和偏倚误差，Cg反应测量系统重复性误差，以及在这两个方面满足产品公差要求的能力，如下图所示，
等到了测量系统的最终验证阶段，我们可以使用量产后过程能力指数CP的目标值来导出过程总变差的目标值，使用这个目标值来评估测量系统是否满足预期的测量精度要求，即：
这样，我们可以得到期望的过程总变差的目标值σc，在把试生产时的样品测量完成后，再将这个σc代入到GRR的上述两个指标的计算公式中，用它评价出来的测量系统的指标，就可以适用于量产后过程稳定时产品的测量。
这样，我们就可以成功地避免上面所讲的尴尬和被动的局面了。
但是，如果量产后实际的过程能力相当高，远高于过程能力指数CPK的目标值（如1.33），即过程总变差可能是很小，这样的话，P/TV和ndc的指标值就有可能不能满足要求了（<=10%和>=5）。那么我们还应当升级测量系统吗？升级测量系统，就意味着更换测量仪器，就需要更高的投资！
我在此的看法是：可以根据企业自己的情况来决定是否升级、如何升级。可以分为以下几种情况来考虑：
1、首先来判断指标P/TV和ndc不满足要求（如<=10%），真的是由于过程能力提高了，还是测量系统变差了。判断的方法是：使用GRR对公差的指标P/T，如果这个指标的值相比之前的评估没有增加，那么就说明测量系统没变，而是由于过程能力提高了。
2、如果本来用的就是精度很高的测量仪器，如CMM、OMM等，这样就基本不存在测量系统精度不满足过程能力提高的情况；
3、如果测量系统的指标不能满足实际过程能力的提高，且测量的数据不做统计分析如SPC控制图等，只用于检测产品合不合格，就可以暂时不用升级测量系统。
4、如果测量系统的指标不能满足实际过程能力的提高，但必须要做控制图来监控生产过程，那么就应当升级测量系统。如果不升级测量系统，其分辨率就不能满足控制图的要求，做出的控制图就会存在下面的问题：
5、如果实际的过程能力达到了非常高的水平，如CPK=3.0，那么，如果要求测量系统来适应过程能力，就可能需要巨额的投入去采购高端的测量仪器，管理层不太可能批准的！这个时候，我们甚至连控制图也不做了！
但是，无论是上述哪种情形，我们必须坚守住过程能力目标值这个“底线”，以及在该目标值下对应的测量系统的精度水平。
如何去坚守这个”底线“呢？就是按照MSA的计划，定期抽取产品样本进行测量，使用过程变差的目标值（用CP的目标值推出来）来对测量系统进行评估，看看测量系统有没有变差。 收起阅读 »
做一份好FMEA，是方法重要？还是技术重要？
FMEA分析到底是方法论重要？还是产品/工艺技术重要？有人认为，FMEA的逻辑方法重要，不懂FMEA的数据关联关系，不掌握结构树、功能网、失效网，怎么能做出FMEA呢？但也有人认为产品和工艺技术重要，没有懂技术的人员参与，怎么能识别出产品与过程风险呢。
之所以会出现这样的争论，是没有搞清楚FMEA协调员与技术专家在FMEA活动中的工作职责。FMEA是一个团队的活动，不是一个人的活动。一份能通过审核的FMEA，在台面上没有问题，那是需要协调员来主导方法论的，但要使FMEA起到作用，要从符合性转变为有效性，要求承载工程师的经验和教训，当然由技术专家的主导就更为重要了。所以做一份审核没有问题的FMEA，方法论更重要，做一份起到作用的FMEA，技术更重要。再次说明的是，这里有一个字“更”，所以任何一份好的FMEA，都是团队共同协作的结果。
FMEA协调员是公司内部的方法论专家，精通FMEA的步骤、数据关联关系、评分准则、风险优化标准等。协调员不是技术专家，他不一定懂公司的所有技术和工艺，他是套路专家，他专注方法论。
他是FMEA的七步法方法论专家，但不可能独立完成FMEA。协调员不一定懂所有的产品和工艺技术，缺少完成的FMEA功力，他管理FMEA的七步法的方法论，对内部人员进行FMEA的七步法的培训，参与FMEA团队建设，协调FMEA工作组活动。如果真的只让协调员来独自完成FMEA，那最多达成符合FMEA手册、标准的要求，达不到风险识别与控制的真实目的。
而技术专家拥有精湛的产品与工艺技术，清晰地知道产品特性波动带来的失效模式及失效后果，但如果让技术专家来独自做FMEA，他会说，这些我都考虑过了，而且产品设计中加了什么硬件，采取了何种验证措施，还要把它写成文件完全是没必要的事。如果真要做，SOD如何评分都让我们的技术专家喝上好一壶了。
FMEA是一个团队的活，不要机械地认为，团队活动就是安排团队一起评审FMEA会议，单独讨论FMEA会议真的很无聊，且组织多功能协调比较麻烦，所以强烈建议DFMEA与产品研讨会一起开，PFMEA与工艺研讨会一起开，然后由专人负责做FMEA记录不就好了嘛。
具体来讲，就是由协调员负责组织会议，协调员根据新项目，找到公司类似产品的FMEA或基础FMEA，作为本次新项目的FMEA模板，由协调员负责提问，技术专家负责回答技术问题，然后由记录员做好记录，最后会议完成后，及时得更新整理FMEA。
FMEA目的
1.发现和评估产品/过程的潜在故障和结果；
2.确定与产品相关的过程的潜在失效模式；
3.评估失败对客户的潜在影响；
4.确定潜在设计或制造过程的失效原因，减少失效的发生或找出失效的过程控制变量；
5.编制潜在失效模式分类表，建立考虑措施的优化体系；
6.为了降低缺陷的严重性，必须改变零件的结构设计；
7.提高缺陷到达用户之前或产品出厂之前发现缺陷的概率。
最后，所有FMEA分析都需要FMEA分析表，这是FMEA分析结果的书面总结。因此，FMEA分析为设计部、生产计划部、生产部、质量保证部等相关技术部门提供了共享的信息资源。另一方面，FMEA为今后类似产品的设计提供了信息。
实施问题
1.FMEA工作应与产品设计同步进行，尤其是在设计初期，这将有助于及时发现设计中的薄弱环节，并为安排改进措施的顺序提供依据。
2.对于不同阶段的产品开发，应进行不同程度和层次的FMEA。也就是说，FMEA要及时反映设计和流程的变化，并随着发展阶段不断补充、完善和迭代。
3.FMEA的工作应该由设计师来完成，应该贯彻“谁设计谁分析”的原则，因为设计师最了解自己设计的产品。
4.应加强FMEA分析的标准化，以确保FMEA分析结果的可比性。在开始分析复杂系统之前，应该统一制定FMEA的规范要求。结合系统特点，对FMEA的分析协议等级、失效准则、严重程度和危害程度的定义、分析表、失效率数据来源和分析报告要求进行统一规定和说明。
5.跟踪和分析FMEA的结果，以验证其正确性和改进措施的有效性。这个跟踪分析过程也是一个逐步积累FMEA工程经验的过程。一套完整的FMEA数据是各种经验和宝贵工程财富的总结，应不断积累，存档备查。
6.虽然FMEA是一种有效的分析方法，但它不是万能药，也不能代替其他可靠性分析工作。需要注意的是，FMEA一般是静态的单因素分析方法，在动态分析中并不完善。如果对系统进行综合分析，应结合其他分析方法。 收起阅读 »
之所以会出现这样的争论，是没有搞清楚FMEA协调员与技术专家在FMEA活动中的工作职责。FMEA是一个团队的活动，不是一个人的活动。一份能通过审核的FMEA，在台面上没有问题，那是需要协调员来主导方法论的，但要使FMEA起到作用，要从符合性转变为有效性，要求承载工程师的经验和教训，当然由技术专家的主导就更为重要了。所以做一份审核没有问题的FMEA，方法论更重要，做一份起到作用的FMEA，技术更重要。再次说明的是，这里有一个字“更”，所以任何一份好的FMEA，都是团队共同协作的结果。
FMEA协调员是公司内部的方法论专家，精通FMEA的步骤、数据关联关系、评分准则、风险优化标准等。协调员不是技术专家，他不一定懂公司的所有技术和工艺，他是套路专家，他专注方法论。
他是FMEA的七步法方法论专家，但不可能独立完成FMEA。协调员不一定懂所有的产品和工艺技术，缺少完成的FMEA功力，他管理FMEA的七步法的方法论，对内部人员进行FMEA的七步法的培训，参与FMEA团队建设，协调FMEA工作组活动。如果真的只让协调员来独自完成FMEA，那最多达成符合FMEA手册、标准的要求，达不到风险识别与控制的真实目的。
而技术专家拥有精湛的产品与工艺技术，清晰地知道产品特性波动带来的失效模式及失效后果，但如果让技术专家来独自做FMEA，他会说，这些我都考虑过了，而且产品设计中加了什么硬件，采取了何种验证措施，还要把它写成文件完全是没必要的事。如果真要做，SOD如何评分都让我们的技术专家喝上好一壶了。
FMEA是一个团队的活，不要机械地认为，团队活动就是安排团队一起评审FMEA会议，单独讨论FMEA会议真的很无聊，且组织多功能协调比较麻烦，所以强烈建议DFMEA与产品研讨会一起开，PFMEA与工艺研讨会一起开，然后由专人负责做FMEA记录不就好了嘛。
具体来讲，就是由协调员负责组织会议，协调员根据新项目，找到公司类似产品的FMEA或基础FMEA，作为本次新项目的FMEA模板，由协调员负责提问，技术专家负责回答技术问题，然后由记录员做好记录，最后会议完成后，及时得更新整理FMEA。
FMEA目的
1.发现和评估产品/过程的潜在故障和结果；
2.确定与产品相关的过程的潜在失效模式；
3.评估失败对客户的潜在影响；
4.确定潜在设计或制造过程的失效原因，减少失效的发生或找出失效的过程控制变量；
5.编制潜在失效模式分类表，建立考虑措施的优化体系；
6.为了降低缺陷的严重性，必须改变零件的结构设计；
7.提高缺陷到达用户之前或产品出厂之前发现缺陷的概率。
最后，所有FMEA分析都需要FMEA分析表，这是FMEA分析结果的书面总结。因此，FMEA分析为设计部、生产计划部、生产部、质量保证部等相关技术部门提供了共享的信息资源。另一方面，FMEA为今后类似产品的设计提供了信息。
实施问题
1.FMEA工作应与产品设计同步进行，尤其是在设计初期，这将有助于及时发现设计中的薄弱环节，并为安排改进措施的顺序提供依据。
2.对于不同阶段的产品开发，应进行不同程度和层次的FMEA。也就是说，FMEA要及时反映设计和流程的变化，并随着发展阶段不断补充、完善和迭代。
3.FMEA的工作应该由设计师来完成，应该贯彻“谁设计谁分析”的原则，因为设计师最了解自己设计的产品。
4.应加强FMEA分析的标准化，以确保FMEA分析结果的可比性。在开始分析复杂系统之前，应该统一制定FMEA的规范要求。结合系统特点，对FMEA的分析协议等级、失效准则、严重程度和危害程度的定义、分析表、失效率数据来源和分析报告要求进行统一规定和说明。
5.跟踪和分析FMEA的结果，以验证其正确性和改进措施的有效性。这个跟踪分析过程也是一个逐步积累FMEA工程经验的过程。一套完整的FMEA数据是各种经验和宝贵工程财富的总结，应不断积累，存档备查。
6.虽然FMEA是一种有效的分析方法，但它不是万能药，也不能代替其他可靠性分析工作。需要注意的是，FMEA一般是静态的单因素分析方法，在动态分析中并不完善。如果对系统进行综合分析，应结合其他分析方法。 收起阅读 »
Minitab使绘制直方图比Excel更加自动化和简单的3种方法
直方图对于汇总几个统计数据非常有用。但是，无论您是否启用了数据分析工具库，或者您是否正在打造一条公式之路(计数、平均值和标准差，天啊！)，在Excel中创建直方图并不总是那么好。我们开发了Minitab统计软件，成为您的直方图制作工具。
让我们看看在Minitab中使用直方图的三种方法。对于第一个问题，我们将使用一个洗碗机喷淋臂可靠性的例子。您可以下载数据集如果你想继续的话。
1.对于您的BIN范围，您只需要两个数字
垃圾箱用于对样本数据进行排序的等距区间。在直方图中，它们显示为条形。一旦你输入你的数据，Minitab会遵循一个算法，生成一个非常好的标准直方图。这并不意味着您不想探索一下，看看小的变化是否会影响直方图的外观。下面是我们洗碗机喷淋臂可靠性数据集的简单直方图:
要轻松重新定义媒体夹:
双击图表和编辑图表窗口将会打开。
双击其中一个条。
挑选扔掉.
挑选中点/切割点位置.
在…里中点/切割点位置输入2个连续的中点或输入定义数据的单个bin的值。点击好.
“输入两个值？”你可能会说“但是我更喜欢在我的图上有五个箱子！”
Minitab让这一切变得简单。当您输入两个值时，Minitab会扩展容器的范围，以包含您的其余数据。所以如果你输入的只是两个数字…
…然后Minitab会为您完成剩下的工作:
在Excel中制作直方图相对容易，但使用这种数据集，Y轴范围非常狭窄，图形最终太小，不够清晰，无法阅读和理解。
它看起来也不精致，除了bin范围不能自动为您处理之外，您还会遇到一些bin范围的问题。
如果条柱范围不明确，您将无法确定它们是否代表相同的距离量级，而这对于正确评估数据的分布和形状至关重要。
除非你已经定义了所有的箱子，否则Excel会在末尾加上一个名为“更多”的箱子，把所有的东西都放在一起。这个“多”让我们无法判断价值观相差有多远。即使将最大值从1740.75更改为999999999，也会得到具有完全相同的条柱的完全相同的直方图。
2.您可以使用MINITAB助手制作易于比较的直方图
现在你知道直方图使分析单个数据样本的特征变得多么容易了。但是你知道吗，它们也非常适合用来比较样品？
您可以通过以下方式实现这一切Minitab的助手。为此，我们将使用库中的另一个数据集，盖子拆卸扭矩数据。下载并打开Minitab文件，然后按照这些说明进行操作。
选择助手>图形分析
点击柱状图
在…里y列，输入转矩.
在…里x列，输入机器。点击好.
您只是将获得易于比较的直方图所需的步骤减少了一半。直方图的排列方式不仅便于比较，而且助手的诊断报告还会提醒您可以看到的一些重要差异。数据是否有相同的中心？数据是否具有相同的可变性？中心和可变性是否都不同？在这种情况下，看起来中心和可变性在组之间都不同。
3.您可以从记录的数据中创建直方图。
总有一天，有人会给你他们记录的数据，而不是你习惯使用的漂亮的单个数字列。想象一下，如果你愿意，它会像这样放在你的桌子上:
一个不太重要的人可能会感到害怕和厌恶。那些数据里有超过300个数字。但不是你。你很擅长Minitab，你知道你不需要输入超过300个数字。您可以直接使用这些数据。首先，将数据输入Minitab
然后，按照以下步骤操作:
选择图表>直方图
选择简单的。点击好.
在…里图形变量，输入停留时间.
点击数据选项.
点击频率.
在…里频率变量，输入频率.
点击好两次。
你会得到这个直方图:
请记住，如果你想改变周围的垃圾箱，你可以只使用两个数字，Minitab会照顾其余的！
总结
无论您想要快速浏览不同的条柱，在直方图之间进行比较，还是根据计数制作直方图，Minitab都能让您轻松快捷。直方图中包含了您在如何改进流程方面做出正确决策所需的全部信息。现在您知道如何在Minitab中更好地利用直方图了。 收起阅读 »
Suntorque | 螺栓拧紧装配，如何实现智能化？
新能源汽车的出现，在逐步实现技术创新升级的大环境下，汽车零部件总体数量趋于减少。但由于动力系统及结构的差异，电动汽车新增100-200个与动力系统、电气系统等相关零部件，其装配工况也随之改变。例如过流元器件、密封部件、功率模块等部件装配对拧紧工艺和工具也有了新的要求。除了装配精度之外，还更多的应用了高级拧紧策略，及自动化装配方案。
拧紧作业作为成品车制造的最后一道工序, 如何将各零部件以最恰当、最经济的方式结合在一起就显得尤为重要, 这不仅仅关系着制造的成本, 也决定着驾乘人员的生命财产安全。通过有效且稳定的拧紧工艺控制, 保证所生产出来的车辆均处于较高的质量水平。
拧紧作业是工业制造体系中的核心环节之一，对于螺丝、螺纹等关键零部件拧紧作业的质量高低，直接影响到整个产品的质量、安全性能和有效性，而为了确保拧紧作业不出现漏拧、误拧等情况，传统的拧紧方式已经很难满足现代化的工业生产体系，这种低效、安全性能难以保障、严重依赖拧紧工人熟练度的传统工艺将会逐渐被拥有智能化决策系统的智能拧紧方式所替代。
SunTorque智能扭矩系统是一款满足制造型企业在装配工艺过程中实现“工艺防错指导、可视化工具管理、生产统计过程控制”等多种需求的产品。帮助企业快速建立数字化生产管理模式，实现过程质量提升和精益化。
产品应用广泛，从航空航天、军工、轨道交通，到工程机械、矿山机械、石油机械，到冶金传动、船舶、农机等几乎覆盖了装备制造业和机械制造加工的可应用领域。
SunTorque智能扭矩系统主要功能
1、工艺防错指导： 拧紧程序离线编制，预设拧紧步骤与拧紧参数，实现拧紧过程操作指导与错漏拧提醒。
2、实时数据采集：与生产工单关联，采集拧紧过程数据信息，快速、准确记录拧紧状态，拧紧结果自动判定。
3、工具管理可视化：工具存储规范管理，定检自动提醒，工具领用、归还指引。
4、数据存储与查询：具备离线存储功能，提供多维度拧紧过程数据的查询与追溯，配置化表单打印。
5、生产统计过程控制：CMK（设备能力指数统计），CPK（过程能力指数统计），PPK（过程性能指数统计），标准差值，正态分布等。 收起阅读 »
拧紧作业作为成品车制造的最后一道工序, 如何将各零部件以最恰当、最经济的方式结合在一起就显得尤为重要, 这不仅仅关系着制造的成本, 也决定着驾乘人员的生命财产安全。通过有效且稳定的拧紧工艺控制, 保证所生产出来的车辆均处于较高的质量水平。
拧紧作业是工业制造体系中的核心环节之一，对于螺丝、螺纹等关键零部件拧紧作业的质量高低，直接影响到整个产品的质量、安全性能和有效性，而为了确保拧紧作业不出现漏拧、误拧等情况，传统的拧紧方式已经很难满足现代化的工业生产体系，这种低效、安全性能难以保障、严重依赖拧紧工人熟练度的传统工艺将会逐渐被拥有智能化决策系统的智能拧紧方式所替代。
SunTorque智能扭矩系统是一款满足制造型企业在装配工艺过程中实现“工艺防错指导、可视化工具管理、生产统计过程控制”等多种需求的产品。帮助企业快速建立数字化生产管理模式，实现过程质量提升和精益化。
产品应用广泛，从航空航天、军工、轨道交通，到工程机械、矿山机械、石油机械，到冶金传动、船舶、农机等几乎覆盖了装备制造业和机械制造加工的可应用领域。
SunTorque智能扭矩系统主要功能
1、工艺防错指导： 拧紧程序离线编制，预设拧紧步骤与拧紧参数，实现拧紧过程操作指导与错漏拧提醒。
2、实时数据采集：与生产工单关联，采集拧紧过程数据信息，快速、准确记录拧紧状态，拧紧结果自动判定。
3、工具管理可视化：工具存储规范管理，定检自动提醒，工具领用、归还指引。
4、数据存储与查询：具备离线存储功能，提供多维度拧紧过程数据的查询与追溯，配置化表单打印。
5、生产统计过程控制：CMK（设备能力指数统计），CPK（过程能力指数统计），PPK（过程性能指数统计），标准差值，正态分布等。 收起阅读 »
如何让FMEA具备可操作性且更有价值？
上一篇文章分享了，为什么很多企业FMEA做不好，发挥的作用不大的？今天SunFMEA带着大家来了解，如何让FMEA具备可操作性且更有价值？此次分享从人员、时机这两个方面详细介绍，改掉这些问题，让你制作FMEA的过程真正实现轻松。希望对大家有所帮助，欢迎交流。
一、人员
人是从事活动的主体，FMEA活动需要人去管理、实施、评价。这需要包括公司的管理层、FMEA团队、技术人才等等多类型、多部门的人员共同参与。管理者的支持决定了FMEA推行的深度，团队的合作左右着FMEA活动的完成情况，人员的能力决定着FMEA活动的质量。
1. 加强推行力
“领导作用”，是质量管理体系实施的一项基本原则。推行质量管理体系是一个公司级的行为，不是某一个人可以实现的。FMEA作为质量管理体系中一项重要的工具，同样需要遵循这个原则。
2. 有效监督
FMEA活动的实施需要有效的监督，监督其时效性、准确性等。没有有效的监督，是很难在要求的时间内完成高质量的FMEA的。很多公司只是因为顾客要求而安排了这项任务，至于这项任务实施的目的、怎么实施、实施的效果等并未去太多的关心。以至于大多数企业的FMEA只是停留在形成文字，作为一份记录保存的阶段。
3. 提高意识
前期的预防大于后期的控制。FMEA作为产品质量风险分析和风险评估的一种很好的工具，可以为我们的产品和过程在策划的时候识别出多数在产品和过程实现过程中可能产生的风险问题，以便采取有效的前期验证与过程防错措施。部分公司中高层管理者并未意识到这一点，而当产品生产之后出现各种各样的质量缺陷时，又开始焦虑于采取各种补救措施。当然，可能前期的预防会产生比较高短期成本，这也会是管理者不重视的原因。
3、组件团队
FMEA是一个团队性活动。新版FMEA手册中也明确定义了FMEA活动所必须的团队成员。要完成一份FMEA，需要具备熟练的质量、技术、试验、FMEA知识等多学科的技能，显然这是一个人很难办到的。而现实中，很多公司的FMEA都是出自某一人之手，所以也必然起不到真正的作用。
4、协同合作
FMEA既然是一个团队活动，那么团队之间的协同作业就非常必要。FMEA活动需要集中团队的力量而进行，集思广益、统一认识，其过程中可能就某一描述经过多次的讨论才能确定下来。在与很多公司交流时发现，虽然公司组织了自己的FMEA团队，但实际FMEA活动中团队成员因为自己的工作或其他原因，很少参与到团队协作中，表现为FMEA讨论活动很少，或者对同一问题的描述出现多种说法的情况等。
5、增加FMEA知识缺积累
FMEA活动需要团队成员对FMEA知识有足够理解认知。一方面需要理解FMEA这个质量工具，另一方面需要掌握FMEA分析中需要用到的一些支持工具，如框图、故障树、P图等等。
6、提高专业技能
开展FMEA活动除了需要掌握FMEA知识外，FMEA中所涉及的专业技能也是必不可少的，包括产品技术、工艺工程、法律法规、行业规范、商务成本、质量管理等等。比如在进行DFMEA时，为产品定义其功能，如果你对产品的质量属性、功能要求，顾客的要求，制造装配要求，法律法规的要求等不熟悉，在进行分析时就很容易漏掉分析要素，相应的就会漏掉失效，存在未识别的风险因素，FMEA的分析也就不能尽量的完整。而往往漏掉的分析要素可能就会是后期产品生产中产生质量缺陷、顾客抱怨的原因。
二、时机
FMEA的时机对完成一份高质量的FMEA至关重要。任务开始的时间，导入和更新的时机以及完成的周期要求，这些都直接影响着我们FMEA最终的输出质量。
1、开始时间
FMEA旨在成为“事前”行为，而不是“事后”行为。FMEA的目的是识别、评估并最终降低潜在风险。既然是潜在的风险，那就必须是在产品和过程实施之前，风险潜在存在的状态下进行的，否则FMEA就失去了它存在的意义。
现实中，部分企业的FMEA可能是在产品和过程已经策划完成，甚至是在产品和过程已经实现了之后才开始。这样做出来的FMEA只是将现有的、已经形成的方案一条条搬到纸上而已，几乎不存在分析的过程。这样形成的FMEA必然也起不到作用，而且在产品和过程实施后还可能会因过多的未识别风险而发生大量的增补和修改。
2、导入和更新时机
FMEA是一个动态的活动，也就是说FMEA不是一成不变的，它是适时更新的。但事实中，有些公司你五年前去看的是这样的，而五年后去看的还是这样的，可能唯一的变化就是表头的变化。当然也不能否定某些公司的产品和过程策划的好，产品生命周期内从来没有发生过任何的更改或质量问题，但这种概率几乎是不存在的。
3、掌握FMEA手册中给出了三种时机：
① 新设计，新技术或新过程；
② 现有设计或过程的新应用；
③ 修改现有的设计或过程。大多数企业，对有新设计、新应用或者新质量问题等发生时产生的被动FMEA要求一般执行的比较好，而对持续改进如QCC活动时产生的主动FMEA要求往往会被忽略。
4、杜绝任务超期
时间就是金钱，任何一个项目开发都是有时间节点要求的。FMEA活动同样要遵循这个原则，超出了节点要求，可能会导致成本的上升甚至市场的流失。目前在企业中我们主要存在几类问题：
（1）时间不能匹配项目进度
FMEA开发的时间需要跟项目进度要求的时间相匹配，超出了项目要求的时间就可能导致整个项目的延迟。前文我们说到过FMEA是团队活动，当子系统、子工序的FMEA进度延后时，必然影响总系统、总工序的FMEA完成情况。
（2）没有有效的任务动态监管
在使用电子表格管理FMEA的公司里，FMEA项目管理者对项目进行的状态是很难及时了解的，只能通过查看交付物或者交流等方式才能了解FMEA进展的如何。所使用的甘特图，往往也是被动的更新进度。
（3）缺少评审或评审不及时
PDCA是著名的质量管理理论，FMEA活动同样适用此方法。检查可以很好的帮助我们统一对事项的描述，完善FMEA的遗漏项目，纠正错误的分析等。
在一些某一人闭门造车就能完成FMEA的公司里，由于缺少FMEA的评审机制或者即使存在也只是流于形式，FMEA的输出质量最终也只受这位造车者的水平、意愿、心情等方面影响。而在有团队的公司，也会存在因对评审者缺少必要的和主动的时效约束而评审延时的问题。 一个好的FMEA是需要多放配合与提高，不要让FMEA软件的使用成为形式主义。
SunFMEA是一款自主研发的基于AIAG-VDA FMEA标准的失效模式和影响分析软件，软件满足新版七步法分析流程，兼具DFMEA和PFMEA，以结构树的方式直观、完整、快速的指导用户完成FMEA分析的整个流程，能够为企业提供系统化、标准化的FMEA解决方案，助力企业提质降本增效。联系我们软件体验，还有一对一培训。快来解锁你的新技能吧。
收起阅读 »
一、人员
人是从事活动的主体，FMEA活动需要人去管理、实施、评价。这需要包括公司的管理层、FMEA团队、技术人才等等多类型、多部门的人员共同参与。管理者的支持决定了FMEA推行的深度，团队的合作左右着FMEA活动的完成情况，人员的能力决定着FMEA活动的质量。
1. 加强推行力
“领导作用”，是质量管理体系实施的一项基本原则。推行质量管理体系是一个公司级的行为，不是某一个人可以实现的。FMEA作为质量管理体系中一项重要的工具，同样需要遵循这个原则。
2. 有效监督
FMEA活动的实施需要有效的监督，监督其时效性、准确性等。没有有效的监督，是很难在要求的时间内完成高质量的FMEA的。很多公司只是因为顾客要求而安排了这项任务，至于这项任务实施的目的、怎么实施、实施的效果等并未去太多的关心。以至于大多数企业的FMEA只是停留在形成文字，作为一份记录保存的阶段。
3. 提高意识
前期的预防大于后期的控制。FMEA作为产品质量风险分析和风险评估的一种很好的工具，可以为我们的产品和过程在策划的时候识别出多数在产品和过程实现过程中可能产生的风险问题，以便采取有效的前期验证与过程防错措施。部分公司中高层管理者并未意识到这一点，而当产品生产之后出现各种各样的质量缺陷时，又开始焦虑于采取各种补救措施。当然，可能前期的预防会产生比较高短期成本，这也会是管理者不重视的原因。
3、组件团队
FMEA是一个团队性活动。新版FMEA手册中也明确定义了FMEA活动所必须的团队成员。要完成一份FMEA，需要具备熟练的质量、技术、试验、FMEA知识等多学科的技能，显然这是一个人很难办到的。而现实中，很多公司的FMEA都是出自某一人之手，所以也必然起不到真正的作用。
4、协同合作
FMEA既然是一个团队活动，那么团队之间的协同作业就非常必要。FMEA活动需要集中团队的力量而进行，集思广益、统一认识，其过程中可能就某一描述经过多次的讨论才能确定下来。在与很多公司交流时发现，虽然公司组织了自己的FMEA团队，但实际FMEA活动中团队成员因为自己的工作或其他原因，很少参与到团队协作中，表现为FMEA讨论活动很少，或者对同一问题的描述出现多种说法的情况等。
5、增加FMEA知识缺积累
FMEA活动需要团队成员对FMEA知识有足够理解认知。一方面需要理解FMEA这个质量工具，另一方面需要掌握FMEA分析中需要用到的一些支持工具，如框图、故障树、P图等等。
6、提高专业技能
开展FMEA活动除了需要掌握FMEA知识外，FMEA中所涉及的专业技能也是必不可少的，包括产品技术、工艺工程、法律法规、行业规范、商务成本、质量管理等等。比如在进行DFMEA时，为产品定义其功能，如果你对产品的质量属性、功能要求，顾客的要求，制造装配要求，法律法规的要求等不熟悉，在进行分析时就很容易漏掉分析要素，相应的就会漏掉失效，存在未识别的风险因素，FMEA的分析也就不能尽量的完整。而往往漏掉的分析要素可能就会是后期产品生产中产生质量缺陷、顾客抱怨的原因。
二、时机
FMEA的时机对完成一份高质量的FMEA至关重要。任务开始的时间，导入和更新的时机以及完成的周期要求，这些都直接影响着我们FMEA最终的输出质量。
1、开始时间
FMEA旨在成为“事前”行为，而不是“事后”行为。FMEA的目的是识别、评估并最终降低潜在风险。既然是潜在的风险，那就必须是在产品和过程实施之前，风险潜在存在的状态下进行的，否则FMEA就失去了它存在的意义。
现实中，部分企业的FMEA可能是在产品和过程已经策划完成，甚至是在产品和过程已经实现了之后才开始。这样做出来的FMEA只是将现有的、已经形成的方案一条条搬到纸上而已，几乎不存在分析的过程。这样形成的FMEA必然也起不到作用，而且在产品和过程实施后还可能会因过多的未识别风险而发生大量的增补和修改。
2、导入和更新时机
FMEA是一个动态的活动，也就是说FMEA不是一成不变的，它是适时更新的。但事实中，有些公司你五年前去看的是这样的，而五年后去看的还是这样的，可能唯一的变化就是表头的变化。当然也不能否定某些公司的产品和过程策划的好，产品生命周期内从来没有发生过任何的更改或质量问题，但这种概率几乎是不存在的。
3、掌握FMEA手册中给出了三种时机：
① 新设计，新技术或新过程；
② 现有设计或过程的新应用；
③ 修改现有的设计或过程。大多数企业，对有新设计、新应用或者新质量问题等发生时产生的被动FMEA要求一般执行的比较好，而对持续改进如QCC活动时产生的主动FMEA要求往往会被忽略。
4、杜绝任务超期
时间就是金钱，任何一个项目开发都是有时间节点要求的。FMEA活动同样要遵循这个原则，超出了节点要求，可能会导致成本的上升甚至市场的流失。目前在企业中我们主要存在几类问题：
（1）时间不能匹配项目进度
FMEA开发的时间需要跟项目进度要求的时间相匹配，超出了项目要求的时间就可能导致整个项目的延迟。前文我们说到过FMEA是团队活动，当子系统、子工序的FMEA进度延后时，必然影响总系统、总工序的FMEA完成情况。
（2）没有有效的任务动态监管
在使用电子表格管理FMEA的公司里，FMEA项目管理者对项目进行的状态是很难及时了解的，只能通过查看交付物或者交流等方式才能了解FMEA进展的如何。所使用的甘特图，往往也是被动的更新进度。
（3）缺少评审或评审不及时
PDCA是著名的质量管理理论，FMEA活动同样适用此方法。检查可以很好的帮助我们统一对事项的描述，完善FMEA的遗漏项目，纠正错误的分析等。
在一些某一人闭门造车就能完成FMEA的公司里，由于缺少FMEA的评审机制或者即使存在也只是流于形式，FMEA的输出质量最终也只受这位造车者的水平、意愿、心情等方面影响。而在有团队的公司，也会存在因对评审者缺少必要的和主动的时效约束而评审延时的问题。 一个好的FMEA是需要多放配合与提高，不要让FMEA软件的使用成为形式主义。
SunFMEA是一款自主研发的基于AIAG-VDA FMEA标准的失效模式和影响分析软件，软件满足新版七步法分析流程，兼具DFMEA和PFMEA，以结构树的方式直观、完整、快速的指导用户完成FMEA分析的整个流程，能够为企业提供系统化、标准化的FMEA解决方案，助力企业提质降本增效。联系我们软件体验，还有一对一培训。快来解锁你的新技能吧。
收起阅读 »
MSA GRR研究时的样本问题及解决策略
按照AIAG 《MSA参考手册》第四版中第95页中的要求，GRR（测量系统的重复性和再现性）研究时应当“取得一个能够代表过程变差实际或预期范围的样本”。我相信那些参考过该手册做过MSA的朋友已经意识到了：这个要求，在新产品开发的阶段是难以满足的！我们先了解一下GRR的3个指标：
其中，
可见，%GRR对过程总变差的指标P/TV，以及对零件变差的指标ndc（分辨率）均会受到零件间变差σp的影响。因此，这就是为什么《MSA参考手册》规定用作评估样本的零件应能代表实际的过程变差或预期变差，这样评价出的测量系统，才能够适用于当前产品的测量。
然而，在新产品开发阶段，测量系统和制造过程是同步开发的，在测量系统的预验收阶段，是没有那么多的产品样本供我们测量的，也就是2-3个样品，甚至还不能满足GRR评估时最少的样本数量5个的要求（注：MSA参考手册中的要求得到至少45个测量值，以确保评估结果的置信度）。
到了测量系统的最终验收阶段，虽然可以满足GRR的样本量的要求，但是这个时候的样本之间的变差也是相当大的，因为过程还远未达到量产时的稳定状态和能力水平！而我们开发的测量系统，是为了用于量产以后的测量的，如果仅仅使用试生产时的产品作为样本来评价GRR，它的这两个指标即使满足了要求（P/TV<=10%，ndc>=5)，在量产后，也很可能会因零件变差的减小而不再满足要求的！但是量产后，量具及测量工装已经定型和安装到位了，已经不能推倒重来了！
那么，如何才能避免这种尴尬和被动的局面呢？
在测量系统的预验收阶段，如果用于样本的零件数量不能满足5个的要求，我们就只能评估它的量具能力Cgk了。评价Cgk时，只使用一个样本进行重复测量就可以了。Cgk可以反应测量系统的重复性和偏倚误差，Cg反应测量系统重复性误差，以及在这两个方面满足产品公差要求的能力，如下图所示，
等到了测量系统的最终验证阶段，我们可以使用量产后过程能力指数CP的目标值来导出过程总变差的目标值，使用这个目标值来评估测量系统是否满足预期的测量精度要求，即：
这样，我们可以得到期望的过程总变差的目标值σc，在把试生产时的样品测量完成后，再将这个σc代入到GRR的上述两个指标的计算公式中，用它评价出来的测量系统的指标，就可以适用于量产后过程稳定时产品的测量。
这样，我们就可以成功地避免上面所讲的尴尬和被动的局面了。
但是，如果量产后实际的过程能力相当高，远高于过程能力指数CPK的目标值（如1.33），即过程总变差可能是很小，这样的话，P/TV和ndc的指标值就有可能不能满足要求了（<=10%和>=5）。那么我们还应当升级测量系统吗？升级测量系统，就意味着更换测量仪器，就需要更高的投资！
我在此的看法是：可以根据企业自己的情况来决定是否升级、如何升级。可以分为以下几种情况来考虑：
1、首先来判断指标P/TV和ndc不满足要求（如<=10%），真的是由于过程能力提高了，还是测量系统变差了。判断的方法是：使用GRR对公差的指标P/T，如果这个指标的值相比之前的评估没有增加，那么就说明测量系统没变，而是由于过程能力提高了。
2、如果本来用的就是精度很高的测量仪器，如CMM、OMM等，这样就基本不存在测量系统精度不满足过程能力提高的情况；
3、如果测量系统的指标不能满足实际过程能力的提高，且测量的数据不做统计分析如SPC控制图等，只用于检测产品合不合格，就可以暂时不用升级测量系统。
4、如果测量系统的指标不能满足实际过程能力的提高，但必须要做控制图来监控生产过程，那么就应当升级测量系统。如果不升级测量系统，其分辨率就不能满足控制图的要求，做出的控制图就会存在下面的问题：
5、如果实际的过程能力达到了非常高的水平，如CPK=3.0，那么，如果要求测量系统来适应过程能力，就可能需要巨额的投入去采购高端的测量仪器，管理层不太可能批准的！这个时候，我们甚至连控制图也不做了！
但是，无论是上述哪种情形，我们必须坚守住过程能力目标值这个“底线”，以及在该目标值下对应的测量系统的精度水平。
如何去坚守这个“底线”呢？就是按照MSA的计划，定期抽取产品样本进行测量，使用过程变差的目标值（用CP的目标值推出来）来对测量系统进行评估，看看测量系统有没有变差。 收起阅读 »
其中，
可见，%GRR对过程总变差的指标P/TV，以及对零件变差的指标ndc（分辨率）均会受到零件间变差σp的影响。因此，这就是为什么《MSA参考手册》规定用作评估样本的零件应能代表实际的过程变差或预期变差，这样评价出的测量系统，才能够适用于当前产品的测量。
然而，在新产品开发阶段，测量系统和制造过程是同步开发的，在测量系统的预验收阶段，是没有那么多的产品样本供我们测量的，也就是2-3个样品，甚至还不能满足GRR评估时最少的样本数量5个的要求（注：MSA参考手册中的要求得到至少45个测量值，以确保评估结果的置信度）。
到了测量系统的最终验收阶段，虽然可以满足GRR的样本量的要求，但是这个时候的样本之间的变差也是相当大的，因为过程还远未达到量产时的稳定状态和能力水平！而我们开发的测量系统，是为了用于量产以后的测量的，如果仅仅使用试生产时的产品作为样本来评价GRR，它的这两个指标即使满足了要求（P/TV<=10%，ndc>=5)，在量产后，也很可能会因零件变差的减小而不再满足要求的！但是量产后，量具及测量工装已经定型和安装到位了，已经不能推倒重来了！
那么，如何才能避免这种尴尬和被动的局面呢？
在测量系统的预验收阶段，如果用于样本的零件数量不能满足5个的要求，我们就只能评估它的量具能力Cgk了。评价Cgk时，只使用一个样本进行重复测量就可以了。Cgk可以反应测量系统的重复性和偏倚误差，Cg反应测量系统重复性误差，以及在这两个方面满足产品公差要求的能力，如下图所示，
等到了测量系统的最终验证阶段，我们可以使用量产后过程能力指数CP的目标值来导出过程总变差的目标值，使用这个目标值来评估测量系统是否满足预期的测量精度要求，即：
这样，我们可以得到期望的过程总变差的目标值σc，在把试生产时的样品测量完成后，再将这个σc代入到GRR的上述两个指标的计算公式中，用它评价出来的测量系统的指标，就可以适用于量产后过程稳定时产品的测量。
这样，我们就可以成功地避免上面所讲的尴尬和被动的局面了。
但是，如果量产后实际的过程能力相当高，远高于过程能力指数CPK的目标值（如1.33），即过程总变差可能是很小，这样的话，P/TV和ndc的指标值就有可能不能满足要求了（<=10%和>=5）。那么我们还应当升级测量系统吗？升级测量系统，就意味着更换测量仪器，就需要更高的投资！
我在此的看法是：可以根据企业自己的情况来决定是否升级、如何升级。可以分为以下几种情况来考虑：
1、首先来判断指标P/TV和ndc不满足要求（如<=10%），真的是由于过程能力提高了，还是测量系统变差了。判断的方法是：使用GRR对公差的指标P/T，如果这个指标的值相比之前的评估没有增加，那么就说明测量系统没变，而是由于过程能力提高了。
2、如果本来用的就是精度很高的测量仪器，如CMM、OMM等，这样就基本不存在测量系统精度不满足过程能力提高的情况；
3、如果测量系统的指标不能满足实际过程能力的提高，且测量的数据不做统计分析如SPC控制图等，只用于检测产品合不合格，就可以暂时不用升级测量系统。
4、如果测量系统的指标不能满足实际过程能力的提高，但必须要做控制图来监控生产过程，那么就应当升级测量系统。如果不升级测量系统，其分辨率就不能满足控制图的要求，做出的控制图就会存在下面的问题：
5、如果实际的过程能力达到了非常高的水平，如CPK=3.0，那么，如果要求测量系统来适应过程能力，就可能需要巨额的投入去采购高端的测量仪器，管理层不太可能批准的！这个时候，我们甚至连控制图也不做了！
但是，无论是上述哪种情形，我们必须坚守住过程能力目标值这个“底线”，以及在该目标值下对应的测量系统的精度水平。
如何去坚守这个“底线”呢？就是按照MSA的计划，定期抽取产品样本进行测量，使用过程变差的目标值（用CP的目标值推出来）来对测量系统进行评估，看看测量系统有没有变差。 收起阅读 »
为什么你的FMEA总做不好，原因就在这儿！
FMEA（失效模式和影响分析）是目前全球众多优秀企业在设计开发和生产制造领域应用最为广泛的质量风险管控工具，被誉为事前预防的利器。虽然FMEA方法在企业实施已久，表面上似乎很重视它，但实际上却是另一回事。要想真正发挥FMEA的作用并非易事，依然有很多需要我们直面的问题……
据统计，89.4%的中国企业推动FMEA一直都得不到很好的实施成效！因此，到目前为止，如何有效进行产品设计和制造的失效预防而不是事后“救火”，仍是企业最头痛的问题之一，以下是根据调研、实践整理出的关于FMEA软件做不好的原因，一起来看看吧。
问题1、FMEA活动时间投入不足
许多公司并未把FMEA作为真正的风险分析工具，只是把FMEA做为一份体系要求的文件来做，为了完成文件而做文件。通常在设计或者过程结束后才开始补文件，经常会以客户开发时间节点太短为由，不愿意花时间来分析风险，一直等到问题发生后才开始补救，反而导致更多的时间和费用的投入。
问题2、缺少真正的员工授权
组织内缺少对FMEA专员授权。多数企业未设FMEA专人专岗，大多数都是兼职。有些情况较好的企业，有FMEA专员，但他/她不是负责这方面的专家，而是错误地把FMEA文件全部交给FMEA专员来做，设计工程师或者制造工程师甚至不参与风险分析。
问题3、FMEA仅仅是某一个人的工作
FMEA工作被分配给某一个人，而不是一个精英团队。机构内，研发部门、制造部、品管部、质量部、货运物流部等部门很少在设计方案之初坐下来一起谈风险性，缺乏合理的内部沟通交流。
问题4、FMEA文件分散未关联
FMEA相关文件很多，但是每个文件的内容都缺乏关联性，而且很多都是重复的，容易造成信息孤岛；同一FMEA中的多个相关文件未打通，如DFMEA和DVP、PFMEA、控制计划等；FMEA文件内容更新不及时，逆向FMEA没有有效实现；缺乏统一的FMEA开发信息协作平台，无法及时沟通横向和纵向信息。
问题5、不以顾客为关注焦点
在审批DFMEA和PFMEA过程中，常常会发觉设计FMEA忽略了顾客的需求，光凭工作经验从类似项目中简单拷贝顾客需求，而没有对顾客需求逐一剖析，当顾客需求变动时，甚至都没有察觉。更无需谈PFMEA，大部分PFMEA并不参照DFMEA。
本期关于FMEA软件的干货分享结束，希望能给大家带来收获，SunFMEA将持续为您带来最新资讯、干货以及FMEA软件产品实操视频教程，轻松做FMEA，就用SunFMEA，还能免费体验呀。
收起阅读 »
据统计，89.4%的中国企业推动FMEA一直都得不到很好的实施成效！因此，到目前为止，如何有效进行产品设计和制造的失效预防而不是事后“救火”，仍是企业最头痛的问题之一，以下是根据调研、实践整理出的关于FMEA软件做不好的原因，一起来看看吧。
问题1、FMEA活动时间投入不足
许多公司并未把FMEA作为真正的风险分析工具，只是把FMEA做为一份体系要求的文件来做，为了完成文件而做文件。通常在设计或者过程结束后才开始补文件，经常会以客户开发时间节点太短为由，不愿意花时间来分析风险，一直等到问题发生后才开始补救，反而导致更多的时间和费用的投入。
问题2、缺少真正的员工授权
组织内缺少对FMEA专员授权。多数企业未设FMEA专人专岗，大多数都是兼职。有些情况较好的企业，有FMEA专员，但他/她不是负责这方面的专家，而是错误地把FMEA文件全部交给FMEA专员来做，设计工程师或者制造工程师甚至不参与风险分析。
问题3、FMEA仅仅是某一个人的工作
FMEA工作被分配给某一个人，而不是一个精英团队。机构内，研发部门、制造部、品管部、质量部、货运物流部等部门很少在设计方案之初坐下来一起谈风险性，缺乏合理的内部沟通交流。
问题4、FMEA文件分散未关联
FMEA相关文件很多，但是每个文件的内容都缺乏关联性，而且很多都是重复的，容易造成信息孤岛；同一FMEA中的多个相关文件未打通，如DFMEA和DVP、PFMEA、控制计划等；FMEA文件内容更新不及时，逆向FMEA没有有效实现；缺乏统一的FMEA开发信息协作平台，无法及时沟通横向和纵向信息。
问题5、不以顾客为关注焦点
在审批DFMEA和PFMEA过程中，常常会发觉设计FMEA忽略了顾客的需求，光凭工作经验从类似项目中简单拷贝顾客需求，而没有对顾客需求逐一剖析，当顾客需求变动时，甚至都没有察觉。更无需谈PFMEA，大部分PFMEA并不参照DFMEA。
本期关于FMEA软件的干货分享结束，希望能给大家带来收获，SunFMEA将持续为您带来最新资讯、干货以及FMEA软件产品实操视频教程，轻松做FMEA，就用SunFMEA，还能免费体验呀。
收起阅读 »
曾经无人问津，未来产值超千亿，动力电池回收利用，是产业链的最后一块金矿吗？
早期新能源车高频应用于出租车、网约车等场景，而动力电池的生命周期是5到8年，从2014年中国新能源汽车进入快速增量的转折通道算起，到今年年底，首批动力电池将“退居二线”。
在此前的文章中，我们已论述过动力电池的逆袭传奇和行业发展现状。曾经遗憾错失也好，握住风口也罢，而今，动力电池回收驱动力逐渐加强，新的机遇已应运而生。
人满为患的动力电池产业链上，“玩家”们拈弓搭箭、跃跃欲试——谁能率先拥有这“最后一块金矿”，谁就有望成为下一阶段的头号玩家。
01 矛盾
可观潜力与停滞的发展
根据业内普遍共识，动力电池容量衰减至80%左右即到退役时限，在20%-40%之间可以进行梯次利用，低于40%就只能再生处理。
这些淘汰下来的动力电池虽然不再满足汽车正常行驶要求，但依然可以在其他领域发光发热，令动力电池尽可能发挥所有价值。
有意思的是，动力电池回收利用这块“金矿”早在多年前就已被提及，不断有人预言、评估它可观的发展潜力，但一直未形成预期规模，这究竟为何？
#技术门槛高
当前，动力电池回收利用主要分为梯次利用和再生利用两种方式。
梯次利用是指通过检测、分类、拆分、修复或重组，使废旧动力电池可以应用于如储能集装箱、低速电动车、通信等要求较低的领域。
再生利用是将电池中的锂、镍、钴、锰等电池金属进行提取回收，通过火法冶金、湿法冶金、生物冶金等多种回收工艺实现资源循环。
但不论是梯次利用还是再生利用，面对的都是铅酸电池、镍镉电池、镍氢电池、三元锂电池等品类繁多、标准不一、技术结构各异的电池，要想保证电池的安全性和稳定性，技术门槛是第一座大山。
#经济效益低
回收网络尚不完善，生态闭环仍不完整，规模效应难以形成，电池回收利用＝高昂的成本＝低下的经济效益。
拿普及率最高的湿法回收处理来说，据可考数据，使用这一方法处理一吨磷酸铁锂电池的成本为8540元，而从中提取的再生材料售价仅为8110元，亏损430元。
价值不对等是其中一个缘故。另一方面，在动力电池回收利用过程中，需要有大量人工来完成拆解等工作，人工成本往往居高不下；人工带来的失误以及由此引发的资源浪费也在提高整体成本。
纵然企业能掌握成熟的回收利用技术，也未必就愿意大量投产，心甘情愿做“赔钱”买卖。
不过，形势变了。
02 加速
电池回收驶上高速路
碳中和背景下，新能源产业高质量发展被不断强调，动力电池回收利用愈发显露出战略意义，另两重原因也在催发其紧迫性。
一来是原材料价格一路飙升，老生常谈的降本增效再一次坐上旧桌，成为电池厂商必须解决的难题所在；二来上游材料短缺、对外依存度高，镍钴短缺问题得不到解决，必然制约动力电池未来发展。
今时不同往日，动力电池回收利用利益空间尽显，这一片潜伏已久的蓝海再难被忽视。
#电池折扣系数超增，电池回收利润攀升
锂电池所需的正极金属材料，在过去一年里不断上涨。电池级碳酸锂相比2020年中的4.1万元/吨，如今的均价已涨到57.25万元/吨，再次刷新历史新高。
▲ 图源：上海有色网
金属价格飙升，动力电池回收利润也跟着水涨船高。上海有色网数据显示，三元电池回收价格出现倒挂，折扣系数接近140%。
原本不具备拆解价值的磷酸铁锂电池折扣系数也达到了70%，去年回收价格仅有2000元/吨左右，今年已突破4万元/吨。
综合产业发展趋势来看，碳酸锂价格还将持续攀升。中性预期下，2030年动力电池回收产业规模将达1000亿元。
#市场前景明朗，企业争相布局
面对指数级增长的回报率诱惑，动力电池回收利用前景已逐渐明朗，曾经横亘在眼前的效益低下问题迎刃而解。
布局动力电池回收领域的新能源车企、资源企业、动力电池厂商也相继涌现。
现阶段动力电池回收利用的途径主要有以下三种：
·动力电池企业通过自有经销销售及服务网络渠道进行回收；
·由行业内的电池生产商及电动汽车生产商或电池租赁公司形成合作关系，共同负责电池的回收；
·交给第三方回收企业进行回收。
这三种回收方式，分别可以以动力电池企业、整车企业和第三方回收企业为代表。
在今年举行的世界动力电池大会上，格林美副总经理谈及电池回收，称其为“如同在开采一座永不枯竭的矿山”。
格林美正是动力电池回收领域的龙头企业，先后与亿纬锂能、孚能科技等上下游企业签署“定向循环利用”战略合作协议：电池厂商将废旧电池及电池废料交给格林美，格林美完成绿色提取和处理后，再将生产出来的三元前驱体或正极材料交给电池厂。
除了格林美、南都电源等专门从事电池回收的企业，电池厂商自然也不肯屈居人后，占据先发优势的他们更希望借此进一步打通产业链。
宁德时代早早收购邦普循环，并于去年年底斥资320亿元投建一体化新能源产业项目，重点发力回收业务；比亚迪也在全球设立40余家动力电池回收网点，着重布局动力电池回收工作。
结语
动力电池和新能源的发展，似乎从一开始就离不开国家政策的大力支持。在各类利好政策补贴下，回收利用产业会不会走上充斥投机者与资本泡沫的发展老路，还有待进一步观察。
但可以明确的是，动力电池回收利用的技术阻碍正在依次打通，投入与产出的关系也在市场表现中达成有机平衡，这座冰山下的“金矿”逐步显露出其潜力和价值所在。
距离预期中千亿产值的2030年还有好一阵子。攀登之路漫长，机遇却转瞬即逝，大浪淘金的未来几年里，谁主沉浮？
THE END
今日海岸线-有奖问答
`电池厂商、车企与第三方回收公司，你更看好哪股势力从中脱颖而出？原因何在？
·你会购买回收利用之后再投至市场的电池产品吗？
·你认为动力电池回收利用能改善新能源领域资源紧张、价格飞涨的局面吗？
欢迎来评论区留言参与讨论
可对任一问题发表看法
我们将精选优质评论寄出精美gift~
期待看到你的精彩见解！ 收起阅读 »
在此前的文章中，我们已论述过动力电池的逆袭传奇和行业发展现状。曾经遗憾错失也好，握住风口也罢，而今，动力电池回收驱动力逐渐加强，新的机遇已应运而生。
人满为患的动力电池产业链上，“玩家”们拈弓搭箭、跃跃欲试——谁能率先拥有这“最后一块金矿”，谁就有望成为下一阶段的头号玩家。
01 矛盾
可观潜力与停滞的发展
根据业内普遍共识，动力电池容量衰减至80%左右即到退役时限，在20%-40%之间可以进行梯次利用，低于40%就只能再生处理。
这些淘汰下来的动力电池虽然不再满足汽车正常行驶要求，但依然可以在其他领域发光发热，令动力电池尽可能发挥所有价值。
有意思的是，动力电池回收利用这块“金矿”早在多年前就已被提及，不断有人预言、评估它可观的发展潜力，但一直未形成预期规模，这究竟为何？
#技术门槛高
当前，动力电池回收利用主要分为梯次利用和再生利用两种方式。
梯次利用是指通过检测、分类、拆分、修复或重组，使废旧动力电池可以应用于如储能集装箱、低速电动车、通信等要求较低的领域。
再生利用是将电池中的锂、镍、钴、锰等电池金属进行提取回收，通过火法冶金、湿法冶金、生物冶金等多种回收工艺实现资源循环。
但不论是梯次利用还是再生利用，面对的都是铅酸电池、镍镉电池、镍氢电池、三元锂电池等品类繁多、标准不一、技术结构各异的电池，要想保证电池的安全性和稳定性，技术门槛是第一座大山。
#经济效益低
回收网络尚不完善，生态闭环仍不完整，规模效应难以形成，电池回收利用＝高昂的成本＝低下的经济效益。
拿普及率最高的湿法回收处理来说，据可考数据，使用这一方法处理一吨磷酸铁锂电池的成本为8540元，而从中提取的再生材料售价仅为8110元，亏损430元。
价值不对等是其中一个缘故。另一方面，在动力电池回收利用过程中，需要有大量人工来完成拆解等工作，人工成本往往居高不下；人工带来的失误以及由此引发的资源浪费也在提高整体成本。
纵然企业能掌握成熟的回收利用技术，也未必就愿意大量投产，心甘情愿做“赔钱”买卖。
不过，形势变了。
02 加速
电池回收驶上高速路
碳中和背景下，新能源产业高质量发展被不断强调，动力电池回收利用愈发显露出战略意义，另两重原因也在催发其紧迫性。
一来是原材料价格一路飙升，老生常谈的降本增效再一次坐上旧桌，成为电池厂商必须解决的难题所在；二来上游材料短缺、对外依存度高，镍钴短缺问题得不到解决，必然制约动力电池未来发展。
今时不同往日，动力电池回收利用利益空间尽显，这一片潜伏已久的蓝海再难被忽视。
#电池折扣系数超增，电池回收利润攀升
锂电池所需的正极金属材料，在过去一年里不断上涨。电池级碳酸锂相比2020年中的4.1万元/吨，如今的均价已涨到57.25万元/吨，再次刷新历史新高。
▲ 图源：上海有色网
金属价格飙升，动力电池回收利润也跟着水涨船高。上海有色网数据显示，三元电池回收价格出现倒挂，折扣系数接近140%。
原本不具备拆解价值的磷酸铁锂电池折扣系数也达到了70%，去年回收价格仅有2000元/吨左右，今年已突破4万元/吨。
综合产业发展趋势来看，碳酸锂价格还将持续攀升。中性预期下，2030年动力电池回收产业规模将达1000亿元。
#市场前景明朗，企业争相布局
面对指数级增长的回报率诱惑，动力电池回收利用前景已逐渐明朗，曾经横亘在眼前的效益低下问题迎刃而解。
布局动力电池回收领域的新能源车企、资源企业、动力电池厂商也相继涌现。
现阶段动力电池回收利用的途径主要有以下三种：
·动力电池企业通过自有经销销售及服务网络渠道进行回收；
·由行业内的电池生产商及电动汽车生产商或电池租赁公司形成合作关系，共同负责电池的回收；
·交给第三方回收企业进行回收。
这三种回收方式，分别可以以动力电池企业、整车企业和第三方回收企业为代表。
在今年举行的世界动力电池大会上，格林美副总经理谈及电池回收，称其为“如同在开采一座永不枯竭的矿山”。
格林美正是动力电池回收领域的龙头企业，先后与亿纬锂能、孚能科技等上下游企业签署“定向循环利用”战略合作协议：电池厂商将废旧电池及电池废料交给格林美，格林美完成绿色提取和处理后，再将生产出来的三元前驱体或正极材料交给电池厂。
除了格林美、南都电源等专门从事电池回收的企业，电池厂商自然也不肯屈居人后，占据先发优势的他们更希望借此进一步打通产业链。
宁德时代早早收购邦普循环，并于去年年底斥资320亿元投建一体化新能源产业项目，重点发力回收业务；比亚迪也在全球设立40余家动力电池回收网点，着重布局动力电池回收工作。
结语
动力电池和新能源的发展，似乎从一开始就离不开国家政策的大力支持。在各类利好政策补贴下，回收利用产业会不会走上充斥投机者与资本泡沫的发展老路，还有待进一步观察。
但可以明确的是，动力电池回收利用的技术阻碍正在依次打通，投入与产出的关系也在市场表现中达成有机平衡，这座冰山下的“金矿”逐步显露出其潜力和价值所在。
距离预期中千亿产值的2030年还有好一阵子。攀登之路漫长，机遇却转瞬即逝，大浪淘金的未来几年里，谁主沉浮？
THE END
今日海岸线-有奖问答
`电池厂商、车企与第三方回收公司，你更看好哪股势力从中脱颖而出？原因何在？
·你会购买回收利用之后再投至市场的电池产品吗？
·你认为动力电池回收利用能改善新能源领域资源紧张、价格飞涨的局面吗？
欢迎来评论区留言参与讨论
可对任一问题发表看法
我们将精选优质评论寄出精美gift~
期待看到你的精彩见解！ 收起阅读 »
缘分不在万千，在于坦诚相见
朋友不在多少，在于真心交往，缘分不在万千，在于坦诚相见，想念一个人，是温柔的疼，是流泪的幸福，想念的时候，甜蜜中夹杂着酸涩，情到深处，如同细流行到水尽处，潜入地脉般深入骨髓，四肢，一动而牵全身，幸福和痛苦都在同一个血管里奔流，也许，只有这种时候，才能细细揣摩爱与痛的情绪，也只有这种时候，才能真正体会那句话，情到深处人孤独，真爱如歌，跌宕起伏，偶尔的悸动轻轻划着心瓣，牵起生生的疼，爱是永恒守候，它一向驻扎在我的心里，像天使一样守护着我，喜欢在有你的世界痴迷，在有你的美梦中沉睡，因爱与牵挂，痴痴地守望，成为永恒，傻傻地想你，在风起雨落的每一天，将你的一切置于心尖，于时光深处，默然欢喜。
https://ai.baidu.com/forum/topic/show/1009971
https://aistudio.baidu.com/for ... 09971
https://ai.baidu.com/forum/top ... o%3D1
https://ai.baidu.com/forum/top ... o%3D2
https://ai.baidu.com/forum/top ... o%3D3
https://ai.baidu.com/forum/top ... o%3D4
https://ai.baidu.com/forum/topic/show/1009976
https://aistudio.baidu.com/for ... 09976
https://ai.baidu.com/forum/top ... o%3D1 收起阅读 »
https://ai.baidu.com/forum/topic/show/1009971
https://aistudio.baidu.com/for ... 09971
https://ai.baidu.com/forum/top ... o%3D1
https://ai.baidu.com/forum/top ... o%3D2
https://ai.baidu.com/forum/top ... o%3D3
https://ai.baidu.com/forum/top ... o%3D4
https://ai.baidu.com/forum/topic/show/1009976
https://aistudio.baidu.com/for ... 09976
https://ai.baidu.com/forum/top ... o%3D1 收起阅读 »
Daily work 11/11/2022
一个上午耗在了工艺工程师身上，起因是制程问题，导致做出了成品产品2000，半成品3000，这个产品本身的成本较高，而且量大，必须要有深入的调查和分析，考虑到要汇报给德国总部，可能需要客户特采，所以老板也指定我自己亲自跟进这个案子，对外沟通都由我主导。
在初步调查和讨论后也有了方向，工艺部门的头也亲自参与了进来，讨论过后也给了该制程工艺工程师分析的方向问题再现的方法。一天过去了，当我问进展的时候，工艺工程师和工艺的头都说，有结果了，马上会整理好和我讨论。上午开完早会，我找到他们两个要DOE结果， 结果...... 四个字形容-”无话可说“， 确实做了验证，留了几张照片，没有记录当时机器设备的任何参数，就连简单的DOE报告都没整理，一塌糊涂。。。。不得不现场领着一起做，想想不亲自教一次，后续发生问题，还是这个样子。
工艺工程师最主要的要求是什么？我个人认为，除了对产品工艺了解外，最主要的是DOE思维，DOE的设计和实施。我们知道，有时候问题的发生是由多个因素导致的，怎么样找到导致Y的因素X, 最简单又好用的不就是的DOE吗。
曾经我对我的质量工程师讲，有时候问题可能不能彻底解决，甚至只能改善20%，但是解决问题的逻辑思路很重要。
到目前为止在我的职业生涯中， 我fire过两个工程师，实在是教了很多次都没有改变，做的事情也不尽如人意。
当然我自己也不怎么样，但是愿意不断的学习和改进。
收起阅读 »
在初步调查和讨论后也有了方向，工艺部门的头也亲自参与了进来，讨论过后也给了该制程工艺工程师分析的方向问题再现的方法。一天过去了，当我问进展的时候，工艺工程师和工艺的头都说，有结果了，马上会整理好和我讨论。上午开完早会，我找到他们两个要DOE结果， 结果...... 四个字形容-”无话可说“， 确实做了验证，留了几张照片，没有记录当时机器设备的任何参数，就连简单的DOE报告都没整理，一塌糊涂。。。。不得不现场领着一起做，想想不亲自教一次，后续发生问题，还是这个样子。
工艺工程师最主要的要求是什么？我个人认为，除了对产品工艺了解外，最主要的是DOE思维，DOE的设计和实施。我们知道，有时候问题的发生是由多个因素导致的，怎么样找到导致Y的因素X, 最简单又好用的不就是的DOE吗。
曾经我对我的质量工程师讲，有时候问题可能不能彻底解决，甚至只能改善20%，但是解决问题的逻辑思路很重要。
到目前为止在我的职业生涯中， 我fire过两个工程师，实在是教了很多次都没有改变，做的事情也不尽如人意。
当然我自己也不怎么样，但是愿意不断的学习和改进。
收起阅读 »
教你如何快速制作 DFEMA,FMEA软件实操看这里
今天和大家分享的话题是SunFMEA软件实操体验，实操课程兼具DFMEA和PFMEA，严格按照新版FMEA七步法分析流程进行操作，快来一起学习吧。详情请咨询。
一文说透FMEA软件七步法，让你轻松做FMEA
新版FMEA七步法包括：
步骤一：策划和准备（定义范围，使用了“5T's 、框图、过程框图”等来定义范围）
步骤二：结构分析（结构分析，使用了“边界图、结构树”等来进行结构分析）
步骤三：功能分析（使用了“P图、功能树、功能矩阵图”等来进行功能分析）
步骤四：失效分析（使用了“FE-FM-FC表、失效网图”等进行失效分析）
步骤五：风险分析（全新的严重度、频度、探测度评分标准，取消了RPN，采用AP优先级）
步骤六：优化（确定降低风险的措施、职责、期限，及措施后的风险再评估）
步骤七：结果文件化（完成FMEA文件，向管理层、客户、供应商沟通风险）
前三步为系统分析，包括策划和准备、结构分析及功能分析。
中间三步总结为风险分析和风险缓解，包括失效分析、风险分析及优化。
最后一步形成文件，进行风险交流。
第一步：策划和准备
策划和准备FMEA时，需要讨论五个主题，分别是：
1、FMEA目的
FMEA的目的包括：
评估产品或过程中失效的潜在技术风险；分析失效的起因和影响；记录预防和探测措施；针对降低风险的措施提出建议。
2、FMEA时间安排
说起FMEA的时间安排，我们要先了解哪些情况下会使用FMEA。
新设计、新技术或新过程；
现有设计或过程的新应用；
对现有设计或过程的工程变更。
以上三种情况，我们都是在产品或过程实施之前使用FMEA，所以FMEA需要一定的及时性，否则会影响整体的项目进程。FMEA作为系统分析和失效预防的方法，最好是在产品开发过程的早期阶段启动。
3、FMEA团队
FMEA是一个系统的方法，在实施时通常需要一个团队，团队的成员必须要具备必要的专业知识。
FMEA的团队需要哪些成员？
管理者：拥有决定权，决定风险和措施是否可接受，还要为项目进行提供必要的物力或人力保障。
项目推进人：关键是要做好团队的协调和组织工作。
设计/工艺工程师：所有相关的设计/工艺工程师参与。
采购人员：对原材料以及相应供应商的选择，采购最有发言权。
市场人员：包括负责售后维修、现场安装等服务的人员，是企业直接接触客户的渠道，他们的信息同样重要。
顾客代表：如果条件允许，可以邀请顾客代表参与，首先要满足客户的需求。
供应商：供应商对他们生产的部件最为了解。
技术专家：技术专家的意见是一定要考虑的，这通常是大家容易忽略的问题。
FMEA团队成员组成基于企业自身的条件，如何全面得考虑风险是最终目的。组建好团队后，要分配成员的职责，可能某个角色的责任由不同人担任，也有可能一人承担多个职责。
4、FMEA任务
七步法提供了FMEA的任务框架和交付成果，每个阶段应该由专人评审完成情况，确保每个任务都完成。
5、FMEA工具
目前有许多商业化的FMEA软件可以用于FMEA的实施。当然，采用哪种工具，取决于企业的需求，有实力的企业也可以自行开发。
第二步：结构分析
1、结构分析的目的
对于结构分析，同为FMEA分析的DFMEA和PFMEA，由于分析对象不同，进行结构分析的目的也有所异同：
不同点是：
DFMEA的结构分析是为了将设计识别分解成系统、子系统、组件和零件，以便进行技术风险分析。
PFMEA的结构分析是确定制造系统，并将其分解成过程项、过程步骤和过程工作要素。
相同点是：
DFMEA和PFMEA进行结构分析都要识别每个分解项，以及相互关系，为下一步的功能分析打基础。
2、结构可视化
为了更清楚识别每个分解项，最好的办法是将结构可视化。对于DFMEA，是要将系统结构可视化，常用的方法是利用方块图/边界图、结构树的方法。对于PFMEA，将结构可视化的方法是采用过程流程图和结构树。
（1）方块图/边界图
方块图/边界图是一种有用的工具，用来描述考虑中的系统及其相邻系统、环境和顾客的接口。这里所指的顾客可能是最终用户，也可能是后续或下游的制造过程。
方块图/边界图需要随着设计的成熟不断完善，制作的大体步骤分为六步：
A. 描述组件和特性；
B. 调整方块以显示相互间的关系；
C. 描述连接；
D. 增加接口系统和输入；
E. 确定边界；
F. 增加相关细节以便确定图表。
（2）流程图
大家对于流程图一定再熟悉不过了，生产工艺流程图是我们常用的流程图。
（3）结构树
结构树是按照层次排列系统要素，并通过结构化连接展示依赖关系。为了防止冗余，每个系统要素只存在一次，每个系统要素下排列的结构都是独立的子结构。
对于DFMEA，“下一较低级别或特性类型”是独立的组件。对于PFMEA，“下一较低级别或特性类型”是过程工作要素，按照鱼骨图的方法，从“人机料法环测”等方面加入相应的过程工作要素。
第三步：功能分析
1、目的
功能分析的目的，就是要确保相应的功能分配到合适的分解项中。这个步骤是随着结构分析完成之后随之进行的，在结构分析时，我们将结构进行可视化处理，再加入功能后就可以实现功能的可视化。
2、功能的描述
首先，我们还要先弄清楚什么是功能？某一个分解项的功能，描述的是这个分解项的预期用途。在DFMEA中，系统要素的功能是描述这个要素的预期用途。而在PFMEA中，描述的是过程项或过程步骤的预期用途。
每一个分解项可能会包含多个功能，功能描述的清晰准确很重要，试想一下，如果某个部件的功能描述不准确，对它的预期用途表达就不清晰，导致的结果就有可能将之后的分析引到一个错误的方向。
在进行功能描述时，可以参考一个格式：动词+名词。比如：控制速度、传递热量、传输动力、焊接支架等等。以这样的方式描述，是为了表示这些功能是可测量的。
比如：焊接金属，焊接过程的功能是将金属连接在一起，测量焊接过程的功能指标可以通过检测焊接的结果。
3、要求
判断分解项的功能是否满足预期用途，就是要看是否满足规定的要求。这些要求可能来自内部，也可能来自外部，通常包括：
法律法规的要求；行业规范和标准；顾客要求；内部要求；产品特性；过程特性；
际操作中，我们需要先识别这些要求，将要求与功能对应起来。
4、功能分析
之前我们对结构进行了可视化处理，在做功能分析时，可以在结构图、结构树或流程图中，加入功能要求的描述。
来看设备热熔过程的功能分析，大致如下表：
第四步：失效分析
1、失效
首先我们来看什么是失效。失效是跟功能相对应的，是由功能推导过来的。上一步我们进行了功能分析，说到需要将每个分解项都对应相应的功能。
DFMEA的分析对象是系统或零件的功能，它们的潜在失效模式常见有以下几种：
功能丧失——就是无法操作、突然失效，比如按键失灵；
功能退化——性能随时间损失，比如设备的电池电量会耗尽；
功能间歇——比如设备在操作时，随机开始/停止；
部分功能丧失——性能有损失；
非预期功能——比如设备在没有下达指令的情况下执行了操作；
功能超范围——比如超出设备量程范围；
功能延迟——比如设备不能及时工作。
PFMEA的分析对象是过程的功能，它们的潜在失效模式有：
不符合要求——生产操作过程不符合规程的要求；
不一致或部分被执行的任务——过程检验没有做就将产品流转到下道工序；
不必要的活动——在生产过程中加入不必要的步骤，反而会带来新的风险。
与功能的描述一样，对于失效的描述也要清楚，一般用名词加失效描述组成，比如内包装破损、焊接不稳固。尽量避免使用模糊的描述，比如“不好”、“坏了”、“有缺陷”等等。
一个功能可能有多个失效，所以在做失效分析时，不能只满足找到一种失效，要再问问自己“还有没有可能有其他的失效？”，这一点很重要。
2、失效链
针对每一个失效，需要考虑三个方面内容：
发生了什么失效影响？
失效模式是什么？
为什么会失效？（失效起因）
失效链是由这三个要素组成，三者相关联，如下图所示：
失效影响就是失效模式产生的后果，需要考虑多方面的影响，包括：
最终用户、内部顾客（后续操作）、外部顾客（下一层级/经销商/OEM）、产品、适用的法规、具体的失效影响要看具体生产哪种产品，以及生产的流程是怎样的。
失效模式主要来自于功能。我们对照功能，分析可能出现的多种失效模式是失效分析的关键。
失效起因是失效模式出现的原因，失效模式是失效起因的后果。起因应尽可能简明、完整地列出，以便之后采取针对的措施。
在做DFMEA分析时，我们可以从以下几个方面查找原因：
功能性能设计不充分；
系统交互作用，系统之间的接口连接有问题；
随时间变化造成功能下降或丧失；
对于应对外部环境设计不足；
最终用户的错误使用；
制造设计不可靠。设计制造过程没有经过验证，制造时可能导致部件磨损，出现不合格品却未能检出。
在做PFMEA分析时，我们可以利用鱼骨图法，从人、机、料、环、法、测这几个角度分析：
人员：操作工、维护人员是否经过培训？是否了解SOP的规程？
机器/设备：生产设备、检验设备是否能正常使用？检验设备是否在校准有效期内？
材料：关键原材料、辅料是否有足够的量？是否使用了正确的材料？
环境：对生产环境有要求的产品是否在规定的环境中生产？
法规/标准：是否在法规/标准范围内生产。
测试：原辅料检测、半成品检测、成品检测是否按照规定的要求进行？
3、失效分析
失效分析需要通过回答两个问题将失效影响、失效模式和失效原因联系起来，即：
为什么失效模式会发生？
失效模式出现时，会发生什么？
失效分析同样可以用结构树、结构图的方式列明，这样既方便大家做分析，同时还能留下相应的记录。下面举了个简单的例子：
第五步：风险分析
上一个步骤我们分析了失效模式，并且找到失效影响和失效起因。接下来我们就要进行风险分析，风险分析的目的是通过对严重度、频度和探测度评级进行风险评估，并对需要采取的措施进行优先排序。
严重度评级S
首先我们来看如何进行严重度评级，严重度是失效影响的严重程度。FMEA手册根据失效影响的大小，将严重度分成10级。
在DFMEA分析中，失效都是来自零部件或系统的失效，影响的是最终的产品。所以在进行严重度评级时，是看对产品的影响。
在PFMEA分析中，失效分析的对象是过程，过程的失效可能会影响到下一个工序，下一层级的产品加工，最终影响到产品的功能。
频度评级O
频度是失效起因发生的频率。频度的大小，跟是否存在预防控制和探测控制有关。采取的控制措施越多，那相应的发生失效的频度就会越低。
预防控制提供信息或指导，是设计的输入。DFMEA可能包括：法规和标准的要求、使用材料的标准、文件的要求、以往的经验等等。PFMEA可能包括：SOP、设备维护、人员培训等等。
探测控制描述的是已建立的验证和确认的程序。DFMEA可能包括：功能性测试、环境测试、耐久性测试、实验设计等等。PFMEA可能包括：随机检验，功能检验、目测等等。
频度的评级，按照手册也同样分成10级。
探测度评级D
探测度是失效起因和/或失效模式的可探测的程度，在于是否有有效和可靠的测试或检验方法探测到失效模式或失效起因。在进行探测度评级时，最主要是要看探测的方式是否成熟和探测的机会。比如：测试或检验的方法都是通过了验证的，那肯定比还没有建立检测方法要更具探测能力。有的失效用目测就能观察得到，肯定比需要仪器检测的探测度要高。
探测度的评级也被分成10级。
措施优先级AP
措施优先级就是在采取降低风险之前，由于资源、时间、技术和其他客观因素的限制，决定采取措施的优先顺序。
判断优先级主要是通过S*O*D得到的数值大小，但是新版手册对此有了新的规定，首先考虑的是严重度，其次是频度，最后才是探测度，这与之前只比较数值的大小不同，避免出现相同数值的乘积而影响到优先级排序。
第六步：优化
首先我们分别从优化的目的和优化的实施来了解的FMEA分析的优化。
1、优化的目的
优化的目的是在风险分析的基础上，确定降低风险的措施并且评估这些措施的有效性。
降低风险就是要降低风险的严重度、降低风险发生的频度或者是提高风险可探测度。
2、优化的实施
在实施阶段，需要做以下五个方面的工作：
确定降低风险的必要措施
分配职责和期限
实施措施
有效性评估
持续改进
（1）确定降低风险的必要措施
我们前面说到，降低风险要从三个方面入手：严重度、频度和探测度。根据采取措施优先级的原理，优化的顺序也是先要消除或减轻严重度，其次降低频度，最后是提高探测度。
减轻严重度：是相对比较困难的，因为严重度通常都是定性的，很难从根本上降低事件的性质。但是也不是完全做不到，比如电击的伤害最大可能是致死，我们可以将电源的交流电改成蓄电池的直流电，在不影响器械安全和有效的情况下，严重度就大大降低了。
降低频度：我们对设计和过程采取措施大部分是为了降低失效产生的频度，比如易磨损的设备部件采用了更耐磨的材质，增加了部件的使用次数，从而减少因部件磨损导致设备失效的频度。
提高探测度：通过完善检测能力，建立成熟的检测方法来提高探测度。比如，设备在运行时，加入相应指示器，可以提高探测度。
因为会涉及资源配备、人员配合等方面因素，制定的措施需要经过评审后再确定。
（2）分配职责和期限
将降低风险的工作分配给团队不同成员，并且规定完成的期限。
（3）实施措施
措施实施是需要跟踪执行的，措施的状态有以下五种：
尚未确定 没有确定的措施；
尚未决策（可选） 措施已经确定，但还没有决定，正在创建决策文件；
尚未执行（可选） 已对措施做出决定，但尚未执行；
已完成 已完成的状态是指措施已经被执行，并且措施的有效性已经被证明和记录，并已经进行了最终的评估。这类似于FMEA的关闭；
不执行 决定不执行某项措施。
措施实施的状态应该记录，以便跟踪管理。
（4）有效性评估
当措施完成时，要重新评估频度和探测度，看实施的措施是否降低频度或者提升探测度。如果效果没有达到目标（该目标是要企业自己设定），那就要尝试采取新的措施，直到风险降低到可接受的水平。
（5）持续改进
我们都知道风险管理是贯穿于产品的生命周期，所以对于风险的分析是要持续进行的，那就需要我们持续改进，降低可能产生的风险。
第七步：结果文件化
“结果文件化”步骤的目的是，针对FMEA活动的结果进行总结和交流。
“将结果文件化”的主要目标是：
对结果和分析结论进行沟通；
建立文件内容；
记录采取的措施，包括对实施措施的效果进行确认、采取措施后进行风险评估；
在组织内部，以及与客户和或供应商之间针对降低风险的措施进行沟通；
记录风险分析和风险降低到的可接受水平。
SunFMEA七步法介绍
第一步：策划和准备
SunFMEA在第一步规划和准备中，对项目的目的、时间安排、团队组建及任务进行管理。确定分析范围和分析对象，管理FMEA的表头信息，利用以往的经验确认基准FMEA，以此作为结构分析的基础。
第二步：结构分析
SunFMEA结构分析功能，利用结构树可快速构建产品结构或确定过程项、过程步骤及工作要素。使分析范围可视化，作为功能分析步骤的基础。
第三步：功能分析
在结构分析基础上，分析出结构元素的功能、要求、产品特性、工序特性，并填写管理各元素的具体属性（如分类、规格等）；通过功能矩阵建立各级功能、要求、产品特性、过程特性的关联，功能网可直观展示出各级功能的关联关系。
第四步：失效分析
在功能分析基础上，可快速建立失效和失效链，识别出功能的潜在失效影响、 失效模式和失效原因。
第五步：风险分析
针对每个失效链中的失效影响进行严重度评级、 失效原因进行频度和探测度评级。并对失效原因分配预防控制、对失效原因和失效模式分配探测控制。根据行动优先级表，确定高风险的失效模式。
第六步：优化
软件有措施管理的功能，对高风险的失效，确定降低风险的措施后，为措施实施分配职责和期限，并对措施进行跟踪和执行。实施措施并将其形成文件，包括对所实施措施的有效性的确认以及采取措施后的风险评估，以便再次优化。
第七步：结果文件化
形成多种报告形式，并可导出成Excel文档，可以使你快速通过审查和审核。
收起阅读 »
步骤一：策划和准备（定义范围，使用了“5T's 、框图、过程框图”等来定义范围）
步骤二：结构分析（结构分析，使用了“边界图、结构树”等来进行结构分析）
步骤三：功能分析（使用了“P图、功能树、功能矩阵图”等来进行功能分析）
步骤四：失效分析（使用了“FE-FM-FC表、失效网图”等进行失效分析）
步骤五：风险分析（全新的严重度、频度、探测度评分标准，取消了RPN，采用AP优先级）
步骤六：优化（确定降低风险的措施、职责、期限，及措施后的风险再评估）
步骤七：结果文件化（完成FMEA文件，向管理层、客户、供应商沟通风险）
前三步为系统分析，包括策划和准备、结构分析及功能分析。
中间三步总结为风险分析和风险缓解，包括失效分析、风险分析及优化。
最后一步形成文件，进行风险交流。
第一步：策划和准备
策划和准备FMEA时，需要讨论五个主题，分别是：
1、FMEA目的
FMEA的目的包括：
评估产品或过程中失效的潜在技术风险；分析失效的起因和影响；记录预防和探测措施；针对降低风险的措施提出建议。
2、FMEA时间安排
说起FMEA的时间安排，我们要先了解哪些情况下会使用FMEA。
新设计、新技术或新过程；
现有设计或过程的新应用；
对现有设计或过程的工程变更。
以上三种情况，我们都是在产品或过程实施之前使用FMEA，所以FMEA需要一定的及时性，否则会影响整体的项目进程。FMEA作为系统分析和失效预防的方法，最好是在产品开发过程的早期阶段启动。
3、FMEA团队
FMEA是一个系统的方法，在实施时通常需要一个团队，团队的成员必须要具备必要的专业知识。
FMEA的团队需要哪些成员？
管理者：拥有决定权，决定风险和措施是否可接受，还要为项目进行提供必要的物力或人力保障。
项目推进人：关键是要做好团队的协调和组织工作。
设计/工艺工程师：所有相关的设计/工艺工程师参与。
采购人员：对原材料以及相应供应商的选择，采购最有发言权。
市场人员：包括负责售后维修、现场安装等服务的人员，是企业直接接触客户的渠道，他们的信息同样重要。
顾客代表：如果条件允许，可以邀请顾客代表参与，首先要满足客户的需求。
供应商：供应商对他们生产的部件最为了解。
技术专家：技术专家的意见是一定要考虑的，这通常是大家容易忽略的问题。
FMEA团队成员组成基于企业自身的条件，如何全面得考虑风险是最终目的。组建好团队后，要分配成员的职责，可能某个角色的责任由不同人担任，也有可能一人承担多个职责。
4、FMEA任务
七步法提供了FMEA的任务框架和交付成果，每个阶段应该由专人评审完成情况，确保每个任务都完成。
5、FMEA工具
目前有许多商业化的FMEA软件可以用于FMEA的实施。当然，采用哪种工具，取决于企业的需求，有实力的企业也可以自行开发。
第二步：结构分析
1、结构分析的目的
对于结构分析，同为FMEA分析的DFMEA和PFMEA，由于分析对象不同，进行结构分析的目的也有所异同：
不同点是：
DFMEA的结构分析是为了将设计识别分解成系统、子系统、组件和零件，以便进行技术风险分析。
PFMEA的结构分析是确定制造系统，并将其分解成过程项、过程步骤和过程工作要素。
相同点是：
DFMEA和PFMEA进行结构分析都要识别每个分解项，以及相互关系，为下一步的功能分析打基础。
2、结构可视化
为了更清楚识别每个分解项，最好的办法是将结构可视化。对于DFMEA，是要将系统结构可视化，常用的方法是利用方块图/边界图、结构树的方法。对于PFMEA，将结构可视化的方法是采用过程流程图和结构树。
（1）方块图/边界图
方块图/边界图是一种有用的工具，用来描述考虑中的系统及其相邻系统、环境和顾客的接口。这里所指的顾客可能是最终用户，也可能是后续或下游的制造过程。
方块图/边界图需要随着设计的成熟不断完善，制作的大体步骤分为六步：
A. 描述组件和特性；
B. 调整方块以显示相互间的关系；
C. 描述连接；
D. 增加接口系统和输入；
E. 确定边界；
F. 增加相关细节以便确定图表。
（2）流程图
大家对于流程图一定再熟悉不过了，生产工艺流程图是我们常用的流程图。
（3）结构树
结构树是按照层次排列系统要素，并通过结构化连接展示依赖关系。为了防止冗余，每个系统要素只存在一次，每个系统要素下排列的结构都是独立的子结构。
对于DFMEA，“下一较低级别或特性类型”是独立的组件。对于PFMEA，“下一较低级别或特性类型”是过程工作要素，按照鱼骨图的方法，从“人机料法环测”等方面加入相应的过程工作要素。
第三步：功能分析
1、目的
功能分析的目的，就是要确保相应的功能分配到合适的分解项中。这个步骤是随着结构分析完成之后随之进行的，在结构分析时，我们将结构进行可视化处理，再加入功能后就可以实现功能的可视化。
2、功能的描述
首先，我们还要先弄清楚什么是功能？某一个分解项的功能，描述的是这个分解项的预期用途。在DFMEA中，系统要素的功能是描述这个要素的预期用途。而在PFMEA中，描述的是过程项或过程步骤的预期用途。
每一个分解项可能会包含多个功能，功能描述的清晰准确很重要，试想一下，如果某个部件的功能描述不准确，对它的预期用途表达就不清晰，导致的结果就有可能将之后的分析引到一个错误的方向。
在进行功能描述时，可以参考一个格式：动词+名词。比如：控制速度、传递热量、传输动力、焊接支架等等。以这样的方式描述，是为了表示这些功能是可测量的。
比如：焊接金属，焊接过程的功能是将金属连接在一起，测量焊接过程的功能指标可以通过检测焊接的结果。
3、要求
判断分解项的功能是否满足预期用途，就是要看是否满足规定的要求。这些要求可能来自内部，也可能来自外部，通常包括：
法律法规的要求；行业规范和标准；顾客要求；内部要求；产品特性；过程特性；
际操作中，我们需要先识别这些要求，将要求与功能对应起来。
4、功能分析
之前我们对结构进行了可视化处理，在做功能分析时，可以在结构图、结构树或流程图中，加入功能要求的描述。
来看设备热熔过程的功能分析，大致如下表：
第四步：失效分析
1、失效
首先我们来看什么是失效。失效是跟功能相对应的，是由功能推导过来的。上一步我们进行了功能分析，说到需要将每个分解项都对应相应的功能。
DFMEA的分析对象是系统或零件的功能，它们的潜在失效模式常见有以下几种：
功能丧失——就是无法操作、突然失效，比如按键失灵；
功能退化——性能随时间损失，比如设备的电池电量会耗尽；
功能间歇——比如设备在操作时，随机开始/停止；
部分功能丧失——性能有损失；
非预期功能——比如设备在没有下达指令的情况下执行了操作；
功能超范围——比如超出设备量程范围；
功能延迟——比如设备不能及时工作。
PFMEA的分析对象是过程的功能，它们的潜在失效模式有：
不符合要求——生产操作过程不符合规程的要求；
不一致或部分被执行的任务——过程检验没有做就将产品流转到下道工序；
不必要的活动——在生产过程中加入不必要的步骤，反而会带来新的风险。
与功能的描述一样，对于失效的描述也要清楚，一般用名词加失效描述组成，比如内包装破损、焊接不稳固。尽量避免使用模糊的描述，比如“不好”、“坏了”、“有缺陷”等等。
一个功能可能有多个失效，所以在做失效分析时，不能只满足找到一种失效，要再问问自己“还有没有可能有其他的失效？”，这一点很重要。
2、失效链
针对每一个失效，需要考虑三个方面内容：
发生了什么失效影响？
失效模式是什么？
为什么会失效？（失效起因）
失效链是由这三个要素组成，三者相关联，如下图所示：
失效影响就是失效模式产生的后果，需要考虑多方面的影响，包括：
最终用户、内部顾客（后续操作）、外部顾客（下一层级/经销商/OEM）、产品、适用的法规、具体的失效影响要看具体生产哪种产品，以及生产的流程是怎样的。
失效模式主要来自于功能。我们对照功能，分析可能出现的多种失效模式是失效分析的关键。
失效起因是失效模式出现的原因，失效模式是失效起因的后果。起因应尽可能简明、完整地列出，以便之后采取针对的措施。
在做DFMEA分析时，我们可以从以下几个方面查找原因：
功能性能设计不充分；
系统交互作用，系统之间的接口连接有问题；
随时间变化造成功能下降或丧失；
对于应对外部环境设计不足；
最终用户的错误使用；
制造设计不可靠。设计制造过程没有经过验证，制造时可能导致部件磨损，出现不合格品却未能检出。
在做PFMEA分析时，我们可以利用鱼骨图法，从人、机、料、环、法、测这几个角度分析：
人员：操作工、维护人员是否经过培训？是否了解SOP的规程？
机器/设备：生产设备、检验设备是否能正常使用？检验设备是否在校准有效期内？
材料：关键原材料、辅料是否有足够的量？是否使用了正确的材料？
环境：对生产环境有要求的产品是否在规定的环境中生产？
法规/标准：是否在法规/标准范围内生产。
测试：原辅料检测、半成品检测、成品检测是否按照规定的要求进行？
3、失效分析
失效分析需要通过回答两个问题将失效影响、失效模式和失效原因联系起来，即：
为什么失效模式会发生？
失效模式出现时，会发生什么？
失效分析同样可以用结构树、结构图的方式列明，这样既方便大家做分析，同时还能留下相应的记录。下面举了个简单的例子：
第五步：风险分析
上一个步骤我们分析了失效模式，并且找到失效影响和失效起因。接下来我们就要进行风险分析，风险分析的目的是通过对严重度、频度和探测度评级进行风险评估，并对需要采取的措施进行优先排序。
严重度评级S
首先我们来看如何进行严重度评级，严重度是失效影响的严重程度。FMEA手册根据失效影响的大小，将严重度分成10级。
在DFMEA分析中，失效都是来自零部件或系统的失效，影响的是最终的产品。所以在进行严重度评级时，是看对产品的影响。
在PFMEA分析中，失效分析的对象是过程，过程的失效可能会影响到下一个工序，下一层级的产品加工，最终影响到产品的功能。
频度评级O
频度是失效起因发生的频率。频度的大小，跟是否存在预防控制和探测控制有关。采取的控制措施越多，那相应的发生失效的频度就会越低。
预防控制提供信息或指导，是设计的输入。DFMEA可能包括：法规和标准的要求、使用材料的标准、文件的要求、以往的经验等等。PFMEA可能包括：SOP、设备维护、人员培训等等。
探测控制描述的是已建立的验证和确认的程序。DFMEA可能包括：功能性测试、环境测试、耐久性测试、实验设计等等。PFMEA可能包括：随机检验，功能检验、目测等等。
频度的评级，按照手册也同样分成10级。
探测度评级D
探测度是失效起因和/或失效模式的可探测的程度，在于是否有有效和可靠的测试或检验方法探测到失效模式或失效起因。在进行探测度评级时，最主要是要看探测的方式是否成熟和探测的机会。比如：测试或检验的方法都是通过了验证的，那肯定比还没有建立检测方法要更具探测能力。有的失效用目测就能观察得到，肯定比需要仪器检测的探测度要高。
探测度的评级也被分成10级。
措施优先级AP
措施优先级就是在采取降低风险之前，由于资源、时间、技术和其他客观因素的限制，决定采取措施的优先顺序。
判断优先级主要是通过S*O*D得到的数值大小，但是新版手册对此有了新的规定，首先考虑的是严重度，其次是频度，最后才是探测度，这与之前只比较数值的大小不同，避免出现相同数值的乘积而影响到优先级排序。
第六步：优化
首先我们分别从优化的目的和优化的实施来了解的FMEA分析的优化。
1、优化的目的
优化的目的是在风险分析的基础上，确定降低风险的措施并且评估这些措施的有效性。
降低风险就是要降低风险的严重度、降低风险发生的频度或者是提高风险可探测度。
2、优化的实施
在实施阶段，需要做以下五个方面的工作：
确定降低风险的必要措施
分配职责和期限
实施措施
有效性评估
持续改进
（1）确定降低风险的必要措施
我们前面说到，降低风险要从三个方面入手：严重度、频度和探测度。根据采取措施优先级的原理，优化的顺序也是先要消除或减轻严重度，其次降低频度，最后是提高探测度。
减轻严重度：是相对比较困难的，因为严重度通常都是定性的，很难从根本上降低事件的性质。但是也不是完全做不到，比如电击的伤害最大可能是致死，我们可以将电源的交流电改成蓄电池的直流电，在不影响器械安全和有效的情况下，严重度就大大降低了。
降低频度：我们对设计和过程采取措施大部分是为了降低失效产生的频度，比如易磨损的设备部件采用了更耐磨的材质，增加了部件的使用次数，从而减少因部件磨损导致设备失效的频度。
提高探测度：通过完善检测能力，建立成熟的检测方法来提高探测度。比如，设备在运行时，加入相应指示器，可以提高探测度。
因为会涉及资源配备、人员配合等方面因素，制定的措施需要经过评审后再确定。
（2）分配职责和期限
将降低风险的工作分配给团队不同成员，并且规定完成的期限。
（3）实施措施
措施实施是需要跟踪执行的，措施的状态有以下五种：
尚未确定 没有确定的措施；
尚未决策（可选） 措施已经确定，但还没有决定，正在创建决策文件；
尚未执行（可选） 已对措施做出决定，但尚未执行；
已完成 已完成的状态是指措施已经被执行，并且措施的有效性已经被证明和记录，并已经进行了最终的评估。这类似于FMEA的关闭；
不执行 决定不执行某项措施。
措施实施的状态应该记录，以便跟踪管理。
（4）有效性评估
当措施完成时，要重新评估频度和探测度，看实施的措施是否降低频度或者提升探测度。如果效果没有达到目标（该目标是要企业自己设定），那就要尝试采取新的措施，直到风险降低到可接受的水平。
（5）持续改进
我们都知道风险管理是贯穿于产品的生命周期，所以对于风险的分析是要持续进行的，那就需要我们持续改进，降低可能产生的风险。
第七步：结果文件化
“结果文件化”步骤的目的是，针对FMEA活动的结果进行总结和交流。
“将结果文件化”的主要目标是：
对结果和分析结论进行沟通；
建立文件内容；
记录采取的措施，包括对实施措施的效果进行确认、采取措施后进行风险评估；
在组织内部，以及与客户和或供应商之间针对降低风险的措施进行沟通；
记录风险分析和风险降低到的可接受水平。
SunFMEA七步法介绍
第一步：策划和准备
SunFMEA在第一步规划和准备中，对项目的目的、时间安排、团队组建及任务进行管理。确定分析范围和分析对象，管理FMEA的表头信息，利用以往的经验确认基准FMEA，以此作为结构分析的基础。
第二步：结构分析
SunFMEA结构分析功能，利用结构树可快速构建产品结构或确定过程项、过程步骤及工作要素。使分析范围可视化，作为功能分析步骤的基础。
第三步：功能分析
在结构分析基础上，分析出结构元素的功能、要求、产品特性、工序特性，并填写管理各元素的具体属性（如分类、规格等）；通过功能矩阵建立各级功能、要求、产品特性、过程特性的关联，功能网可直观展示出各级功能的关联关系。
第四步：失效分析
在功能分析基础上，可快速建立失效和失效链，识别出功能的潜在失效影响、 失效模式和失效原因。
第五步：风险分析
针对每个失效链中的失效影响进行严重度评级、 失效原因进行频度和探测度评级。并对失效原因分配预防控制、对失效原因和失效模式分配探测控制。根据行动优先级表，确定高风险的失效模式。
第六步：优化
软件有措施管理的功能，对高风险的失效，确定降低风险的措施后，为措施实施分配职责和期限，并对措施进行跟踪和执行。实施措施并将其形成文件，包括对所实施措施的有效性的确认以及采取措施后的风险评估，以便再次优化。
第七步：结果文件化
形成多种报告形式，并可导出成Excel文档，可以使你快速通过审查和审核。
收起阅读 »
SunFMEA今日一分钟 | 什么是基础FMEA、什么是家族FMEA
一分钟带你了解FMEA知识，今天和大家讨论的话题是基础FMEA和家族FMEA。
基础FMEA，也被称为一般、基准、模板、核心、母版或最佳实践FMEA等，包含组织前开发过程中积累的知识，传承了更多的经验与教训，可为创建新得FMEA提供基础，通俗的来讲基础FMEA就是前人种树，后人乘凉。
家族FMEA是基础FMEA的具体化，我们可以将同一个系列的产品做成一个FMEA，因为它们拥有同样的过程及操作，可以使用一个系列FMEA来承载知识，以确保在产品生命周期内知识的积累，并不断的吸取经验教训，确保不会重复发生之前的质量问题。所以我们认为对于将要新开发的新产品或新过程，直接使用家族FMEA或基础FMEA，将大大减少失效分析时间，提升效率。但这里我们需要注意，FMEA团队应关注心新的产品或过程与家族FMEA的差异，我们应将精力集中在异常点上。
收起阅读 »
基础FMEA，也被称为一般、基准、模板、核心、母版或最佳实践FMEA等，包含组织前开发过程中积累的知识，传承了更多的经验与教训，可为创建新得FMEA提供基础，通俗的来讲基础FMEA就是前人种树，后人乘凉。
家族FMEA是基础FMEA的具体化，我们可以将同一个系列的产品做成一个FMEA，因为它们拥有同样的过程及操作，可以使用一个系列FMEA来承载知识，以确保在产品生命周期内知识的积累，并不断的吸取经验教训，确保不会重复发生之前的质量问题。所以我们认为对于将要新开发的新产品或新过程，直接使用家族FMEA或基础FMEA，将大大减少失效分析时间，提升效率。但这里我们需要注意，FMEA团队应关注心新的产品或过程与家族FMEA的差异，我们应将精力集中在异常点上。
收起阅读 »
SunFMEA今日分享| 什么是FMEA软件
大家好，今天和大家交流一下，什么是FME。
有过FMEA经验的朋友都知道，FMEA就是通过对可能发生的（或/和已经发生的）失效模式进行分析与判断其可能造成（和/或已经产生的）后果而产生的风险程度的一种量化的定性分析计算方法，并根据风险的大小采取有针对性的改进，从而了解产品（和/或制造过程）设计能力，达成一种事先预防并实施改进措施改进的方法工具。
在这个定义里面我们首先要知道失效模式，所谓的失效模式就是产生的一些不合格的现象，比如产品的尺寸不合格，不合格这个就是失效模式。那么尺寸不合格对我们的制造过程中会造成什么影响呢，如果已经组装完成，可能会造成返工，更严重的会导致报废。返工与报废就是失效后果。我们根据失效后果的影响 ，对于影响大的优先采取措施，这里的措施我们可以理解为通常的预防措施， 其实有了预防措施，在实际生产中，出现这种不良影响会降低。对于FMEA的理解你知道了吗。
收起阅读 »
有过FMEA经验的朋友都知道，FMEA就是通过对可能发生的（或/和已经发生的）失效模式进行分析与判断其可能造成（和/或已经产生的）后果而产生的风险程度的一种量化的定性分析计算方法，并根据风险的大小采取有针对性的改进，从而了解产品（和/或制造过程）设计能力，达成一种事先预防并实施改进措施改进的方法工具。
在这个定义里面我们首先要知道失效模式，所谓的失效模式就是产生的一些不合格的现象，比如产品的尺寸不合格，不合格这个就是失效模式。那么尺寸不合格对我们的制造过程中会造成什么影响呢，如果已经组装完成，可能会造成返工，更严重的会导致报废。返工与报废就是失效后果。我们根据失效后果的影响 ，对于影响大的优先采取措施，这里的措施我们可以理解为通常的预防措施， 其实有了预防措施，在实际生产中，出现这种不良影响会降低。对于FMEA的理解你知道了吗。
收起阅读 »
充满不确定的当下，数字化供应链会是答案吗
在政策与市场双轮驱动下，新能源汽车快速发展，动力电池形势大好。
国务院办公厅印发《新能源汽车产业发展规划（2021-2035年）》，规划指出：到2035年，纯电动汽车将成为新销售车辆主流，公共领域用车全面实现电动化。
▲
《新能源汽车产业发展规划（2021-2035）》
厂商们也相继宣布产能扩张目标。中创新航产能规划将超500GWh，比亚迪和蜂巢能源规划于2025年实现600GWh，宁德时代6月完成450亿元定增，大手笔投入380亿元用于扩大产能。
动力电池扩产进入快车道，但远水解不了近渴，风口救不了风险。
上游原材料价格应声上涨，下游车企将补贴退坡压力向上转移；高端电池产能不足，低端电池产能过剩；营收攀上历史新高，毛利却集体下滑。
面对“夹心饼干”式现状与诸多不确定因素，如何提升自己中断风险、抵御风险的能力，走出供应链供给困境，成为决定动力电池厂商未来成败的关键因素。
1
不确定因素增加供应链折翼风险
汽车产业具有顺经济周期特点，保持必要的过剩能力一直是其经营策略之一。
动力电池厂商接二连三地布局产能扩张，是为了保证企业获得先占优势，稳定已有市场份额，并在后续的产量和价格竞争中获胜。
但在疫情常态化和逆全球化语境下，这一笔置换已不再划算。
动力电池需要完成配料、电芯制作、PACK组装等生产流程后才能流至整车产业链；整车产业链再将动力电池与电动汽车组装完成，最终输送向市场。
一旦这个链条中的任一环节受阻，链条上的所有单位都将承担难以估量的损失。[图片]今年4月份，蔚来汽车发布官方信息，称因为疫情原因，其位于吉林、上海、江苏等地的供应链合作伙伴自三月份起就已陆续停产，蔚来整车生产因此全部中断。
在此之前，宁德时代也同样遭遇疫情攻击，原料车、出货车被突如其来的疫情拦截在生产基地之外，企业面临停工瘫痪风险。好在这只是一次短暂的管控升级，再加上早有应对准备，宁德时代才得以化险为夷。
疫情暴露供应链脆弱问题，但疫情不是根本原因。
2
建立数字化供应链韧性体系
整体来看，当前的动力电池及新能源车供应链仍未实现一体化构建，上下游企业信息沟通存在滞后和堵塞，各方难以快速反应，提前预判风险更是难上加难。
对动力电池厂商来说，当务之急是尽快完善供应链一体化构建，优化产业结构，提升产业透明度，提高资源利用率，降低整体运作成本。
传统供应链模式在研发、供应、需求和销售之间存在严重壁垒，信息板块分裂、信息数据堵塞，协同协作效果欠佳。
在竞争愈益白热化、环境愈益多变的当下，这一模式所带来的负面影响不仅在于市场敏感度低下，还会直接削弱企业核心竞争力——不但无法在风险来临时及时响应，在其后的恢复重建中也难以迅速找到有效路径、恢复稳定状态。
▲
传统供应链模式
要想保证供应链可持续健康发展，就必须要改变传统制造业发展观念。
借助互联网数字化工具，建立供应链管理平台，采集产品生产过程中的原材料数据信息，通过数据接口实现信息共享，破除数据孤岛，打通供应链协同关系，实现数字供应链韧性建设。
▲
数字供应链风险管理框架
协同合作，并不是简单的1+1连接。
如果过于强调可控而无视供应链实际运行状况，会增加保障实施的成本，侵蚀企业利润；同样地，要是过于强调供应链灵活而无视风险管理，也将增加供应链脆弱性和中断可能性。
那么，要如何平衡这二者之间的关系？
3
基于全供应链的全面质量管理体系
要想构建高效协同协作的韧性供应链，就需要对供应链做出全面性、综合性的评估。
通过对D（交付）、Q（质量）、R（社会责任）、T（技术）、C（成本）的内容边界与核心范畴进行全面考虑和综合建设，才能最终实现综合价值创造、社会责任评估、可持续发展能力的构建和升华。
而这其中，对Q的定义和共识是重中之重。
从单一纵向的供应链到多元融合、敏捷交互的数字化供应链，我们必须明确：随着新一代信息技术在传统产业管理中的应用探索与落地迭代，Quality Engineering需要被重新定位为一个有流程、有体系、有闭环、有迭代的质量工程活动。
要让这一共识科学地应用落地，就要建立起完善的供应链全链质量管控体系，可视化动态管理是其必由之路。
通过搭建供应链管理平台，实现端到端的数据可视化和企业内外部工作流程可视化，增强大数据驱动能力，利用先进分析实施需求预测，针对性调整、制定权变计划，应对各种可能的风险，从而确保供应链高质量稳定运行。
▲
海岸线全面供应链管理一体化数字化方案
在供应商评级可视化、供应链质量可视化
供应链交付与成本可视化
BI引擎支持数据报表动态配置
四大维度实现全面智能的数据分析可视化
当供应商、客户、产品、生产、物流信息、产品设计等各种各样的信息集合至一个层级分明的系统平台之上，信息传递速度自然更快，信息透明追溯同样有了保障。
供应商能随时根据需求准备生产，有效缩短供应链运营时间。企业内部各职能部门也能建立对应的物料风险等级管控系统，基于订单-工单流转的可视化、数字化智慧供应链，基于供应商准入-供应链质量-供应商评级的全面数据集成体系能帮助企业高效决策。
这些沉淀下来的数据，又会流回研发策划端、质量改进端。从源头改进问题，真正意义上融入全生命周期管理，从而促进供应链的数字化韧性之路高效实现。[图片]数字化让供应链上下游有了更多动态连接，也为未知风险预留出动态调整空间；而具有动态调整能力的企业主，能成为产业链、价值链中的数字化建设引领者。
动态调整能力和数字化能力是当下这个时代中理应具备的重要能力。
这是不确定中的最确定。 收起阅读 »
国务院办公厅印发《新能源汽车产业发展规划（2021-2035年）》，规划指出：到2035年，纯电动汽车将成为新销售车辆主流，公共领域用车全面实现电动化。
▲
《新能源汽车产业发展规划（2021-2035）》
厂商们也相继宣布产能扩张目标。中创新航产能规划将超500GWh，比亚迪和蜂巢能源规划于2025年实现600GWh，宁德时代6月完成450亿元定增，大手笔投入380亿元用于扩大产能。
动力电池扩产进入快车道，但远水解不了近渴，风口救不了风险。
上游原材料价格应声上涨，下游车企将补贴退坡压力向上转移；高端电池产能不足，低端电池产能过剩；营收攀上历史新高，毛利却集体下滑。
面对“夹心饼干”式现状与诸多不确定因素，如何提升自己中断风险、抵御风险的能力，走出供应链供给困境，成为决定动力电池厂商未来成败的关键因素。
1
不确定因素增加供应链折翼风险
汽车产业具有顺经济周期特点，保持必要的过剩能力一直是其经营策略之一。
动力电池厂商接二连三地布局产能扩张，是为了保证企业获得先占优势，稳定已有市场份额，并在后续的产量和价格竞争中获胜。
但在疫情常态化和逆全球化语境下，这一笔置换已不再划算。
动力电池需要完成配料、电芯制作、PACK组装等生产流程后才能流至整车产业链；整车产业链再将动力电池与电动汽车组装完成，最终输送向市场。
一旦这个链条中的任一环节受阻，链条上的所有单位都将承担难以估量的损失。[图片]今年4月份，蔚来汽车发布官方信息，称因为疫情原因，其位于吉林、上海、江苏等地的供应链合作伙伴自三月份起就已陆续停产，蔚来整车生产因此全部中断。
在此之前，宁德时代也同样遭遇疫情攻击，原料车、出货车被突如其来的疫情拦截在生产基地之外，企业面临停工瘫痪风险。好在这只是一次短暂的管控升级，再加上早有应对准备，宁德时代才得以化险为夷。
疫情暴露供应链脆弱问题，但疫情不是根本原因。
2
建立数字化供应链韧性体系
整体来看，当前的动力电池及新能源车供应链仍未实现一体化构建，上下游企业信息沟通存在滞后和堵塞，各方难以快速反应，提前预判风险更是难上加难。
对动力电池厂商来说，当务之急是尽快完善供应链一体化构建，优化产业结构，提升产业透明度，提高资源利用率，降低整体运作成本。
传统供应链模式在研发、供应、需求和销售之间存在严重壁垒，信息板块分裂、信息数据堵塞，协同协作效果欠佳。
在竞争愈益白热化、环境愈益多变的当下，这一模式所带来的负面影响不仅在于市场敏感度低下，还会直接削弱企业核心竞争力——不但无法在风险来临时及时响应，在其后的恢复重建中也难以迅速找到有效路径、恢复稳定状态。
▲
传统供应链模式
要想保证供应链可持续健康发展，就必须要改变传统制造业发展观念。
借助互联网数字化工具，建立供应链管理平台，采集产品生产过程中的原材料数据信息，通过数据接口实现信息共享，破除数据孤岛，打通供应链协同关系，实现数字供应链韧性建设。
▲
数字供应链风险管理框架
协同合作，并不是简单的1+1连接。
如果过于强调可控而无视供应链实际运行状况，会增加保障实施的成本，侵蚀企业利润；同样地，要是过于强调供应链灵活而无视风险管理，也将增加供应链脆弱性和中断可能性。
那么，要如何平衡这二者之间的关系？
3
基于全供应链的全面质量管理体系
要想构建高效协同协作的韧性供应链，就需要对供应链做出全面性、综合性的评估。
通过对D（交付）、Q（质量）、R（社会责任）、T（技术）、C（成本）的内容边界与核心范畴进行全面考虑和综合建设，才能最终实现综合价值创造、社会责任评估、可持续发展能力的构建和升华。
而这其中，对Q的定义和共识是重中之重。
从单一纵向的供应链到多元融合、敏捷交互的数字化供应链，我们必须明确：随着新一代信息技术在传统产业管理中的应用探索与落地迭代，Quality Engineering需要被重新定位为一个有流程、有体系、有闭环、有迭代的质量工程活动。
要让这一共识科学地应用落地，就要建立起完善的供应链全链质量管控体系，可视化动态管理是其必由之路。
通过搭建供应链管理平台，实现端到端的数据可视化和企业内外部工作流程可视化，增强大数据驱动能力，利用先进分析实施需求预测，针对性调整、制定权变计划，应对各种可能的风险，从而确保供应链高质量稳定运行。
▲
海岸线全面供应链管理一体化数字化方案
在供应商评级可视化、供应链质量可视化
供应链交付与成本可视化
BI引擎支持数据报表动态配置
四大维度实现全面智能的数据分析可视化
当供应商、客户、产品、生产、物流信息、产品设计等各种各样的信息集合至一个层级分明的系统平台之上，信息传递速度自然更快，信息透明追溯同样有了保障。
供应商能随时根据需求准备生产，有效缩短供应链运营时间。企业内部各职能部门也能建立对应的物料风险等级管控系统，基于订单-工单流转的可视化、数字化智慧供应链，基于供应商准入-供应链质量-供应商评级的全面数据集成体系能帮助企业高效决策。
这些沉淀下来的数据，又会流回研发策划端、质量改进端。从源头改进问题，真正意义上融入全生命周期管理，从而促进供应链的数字化韧性之路高效实现。[图片]数字化让供应链上下游有了更多动态连接，也为未知风险预留出动态调整空间；而具有动态调整能力的企业主，能成为产业链、价值链中的数字化建设引领者。
动态调整能力和数字化能力是当下这个时代中理应具备的重要能力。
这是不确定中的最确定。 收起阅读 »
补齐全面质量管理数字化，再谈动力电池破局
在《十年蝶变与“超车”启示录，中国动力电池会诞生下一个宁德时代吗》一文中我们说到，新能源汽车不惧疫情冲击，在传统汽车行业整体衰颓的情况下走上了一条强势增长之路。
动力电池与之唇齿相依，从整体规模走势来看可谓迎来春天。但花开两朵，各表一枝，潜藏在繁盛之后的危机已蠢蠢欲动。
从自燃事件到召回风波，车企和电池厂商们不断用崩坏的口碑和高额经济损失为质量问题买单。
动力电池何以频频出现质量安全问题？是现行标准滞后，还是检测环节缺漏？
都是，也都不是。
质量拦路虎：难以落地的纸面标准
2015年3月，工信部发布《汽车动力蓄电池行业规范条件》，从产品要求和质量保证能力等七个方面对汽车动力电池行业给出规范意见。但这一《规范》只是一个行业指导性文件，不具备强制效力。
2021年，工信部发布包括《电动汽车用动力蓄电池安全要求》在内的三项强制性国家标准。这是我国动力电池领域第一份强制性国家标准。
2022年，工信部启动动力电池安全相关标准修订工作，进一步提升热失控报警和安全防护水平。这是对前次三项标准的深化升级。
从以上时间脉络和发布力度的走向来看，动力电池行业实际上并不缺少对标准的制定与推行。
问题的关键不在质量标准存在与否，而在质量标准的体系化与落地化。
要实现这一目的，就不能不谈全面质量管理的数字化。
全面的底层逻辑：深度闭环
全要素考虑（人机料法环测），全场景覆盖（研发、制造、供应链、售后等），全成员参与（组织中的全员），是全面质量管理的主要特征。
越来越多的企业投入到全面质量管理之中，但掌握了全要素、全过程、全人员的常识，并不意味着就能把全面质量管理做好。[图片]动力电池是一个系统工程。在设计过程中要考虑使用要求，进行精细设计和充分的实验验证；在制造过程中，要在确保产品性能一致性的同时兼顾成本控制；还要从全产业链和全生命周期来考虑性能、质量和成本的综合平衡。
在实际经营管理中，研发质量、生产质量、供应链质量、客户质量分布在不同组织架构中，彼此之间存在部门墙。组织规模越大，业务打通的阻点就越多，组织关系难以逾越，利益关系更难以挑战。
厂商要想突破成本和质量阻点，利用全面质量管理达成转型自救，就必须要去思考怎么实现深度闭环。
▲
借助PDCA管理方法，基于策划-控制-监测-改进闭环
我们搭建出企业全面质量管理平台
如此，方能用数据驱动交付，提升生产效率，降低制造不良，赋能新产品跨组织协同，缩短研发周期，提高响应市场能力。
聚焦研发质量指标，让质量经验流转
以研发质量闭环为例，我们为实际研发管理提供了一套行之有效的解决方案。
1）要预防、控制、管理质量，确定问题是首要目标
·问题出在哪里？供应商？还是关联零部件？——问题反溯中的发起问题可以帮助质量管理人员找到问题所在；
·通过问题严重度、发生度、探测度、复发率等要素及权重对问题进行分级判断；
·利用人机料法环测寻找直接原因、根本原因、间接原因；
·通过短期&长期对比实施措施验证，围绕研发设计、生产制造、过程检验等多个环节，实现预防&预警问题。
2）建立能够动态刷新的再发经验库至关重要
入库：反溯过程中产生的致命问题、严重问题将流入问题库，相对应的处理流程也将同步更新至FMEA基础库中，关联基础库中同类产品经验，协助设计工程师在设计之初就识别出潜在风险。
出库：当发生率在三个月内降为0或相关原材料不再投入使用时，这些已得到解决的问题会及时出库，免除冗余提醒，保证整个质量管理体系的精细化和高效率运行。
数字化工具，让人找事变成事找人
过去十年，动力电池朝着高端化、智能化、低碳化方向飞速发展，成本大幅下降，能量密度和车辆续驶里程显著提升，结构创新引领全球，传统工业软件的管理功用已不再适配结构和技术如此复杂精密的动力电池。
另一方面，生产要素无时无刻不在产生数据，身处低端产业链向中高端产业链转型的大背景下，数据能否顺利流通，业务流能否清晰建立，线上线下管理理念能否保持畅通，管理流程能够持续优化迭代，同样是考验所在。[图片]
要想解决这些问题，就要让数据发挥最大效能，集成全领域、全过程、全方位的信息。全面质量管理理念要想科学地应用落地，就必须要借助优秀的数字化工具。
一套优秀的数字化工具能实现对数据的高效利用，从实际业务场景出发，完成从“人看数据人找事”到“数据追人事找人”的转变，真正实现数据驱动业务、反哺业务，从而打造可持续的市场竞争力。[图片]
如今，动力电池正迈入新发展阶段，当全面质量管理在企业内部真正实现有机内循环，交付产品零缺陷不再只是理论可能。
把目光投掷至不远的将来，我们仿佛看到一幅波澜壮阔的画卷正徐徐展开——中国的动力电池厂商们用自身的质量底气铺开一条制胜之路，大踏步走向更大的市场、更广阔的未来。 收起阅读 »
动力电池与之唇齿相依，从整体规模走势来看可谓迎来春天。但花开两朵，各表一枝，潜藏在繁盛之后的危机已蠢蠢欲动。
从自燃事件到召回风波，车企和电池厂商们不断用崩坏的口碑和高额经济损失为质量问题买单。
动力电池何以频频出现质量安全问题？是现行标准滞后，还是检测环节缺漏？
都是，也都不是。
质量拦路虎：难以落地的纸面标准
2015年3月，工信部发布《汽车动力蓄电池行业规范条件》，从产品要求和质量保证能力等七个方面对汽车动力电池行业给出规范意见。但这一《规范》只是一个行业指导性文件，不具备强制效力。
2021年，工信部发布包括《电动汽车用动力蓄电池安全要求》在内的三项强制性国家标准。这是我国动力电池领域第一份强制性国家标准。
2022年，工信部启动动力电池安全相关标准修订工作，进一步提升热失控报警和安全防护水平。这是对前次三项标准的深化升级。
从以上时间脉络和发布力度的走向来看，动力电池行业实际上并不缺少对标准的制定与推行。
问题的关键不在质量标准存在与否，而在质量标准的体系化与落地化。
要实现这一目的，就不能不谈全面质量管理的数字化。
全面的底层逻辑：深度闭环
全要素考虑（人机料法环测），全场景覆盖（研发、制造、供应链、售后等），全成员参与（组织中的全员），是全面质量管理的主要特征。
越来越多的企业投入到全面质量管理之中，但掌握了全要素、全过程、全人员的常识，并不意味着就能把全面质量管理做好。[图片]动力电池是一个系统工程。在设计过程中要考虑使用要求，进行精细设计和充分的实验验证；在制造过程中，要在确保产品性能一致性的同时兼顾成本控制；还要从全产业链和全生命周期来考虑性能、质量和成本的综合平衡。
在实际经营管理中，研发质量、生产质量、供应链质量、客户质量分布在不同组织架构中，彼此之间存在部门墙。组织规模越大，业务打通的阻点就越多，组织关系难以逾越，利益关系更难以挑战。
厂商要想突破成本和质量阻点，利用全面质量管理达成转型自救，就必须要去思考怎么实现深度闭环。
▲
借助PDCA管理方法，基于策划-控制-监测-改进闭环
我们搭建出企业全面质量管理平台
如此，方能用数据驱动交付，提升生产效率，降低制造不良，赋能新产品跨组织协同，缩短研发周期，提高响应市场能力。
聚焦研发质量指标，让质量经验流转
以研发质量闭环为例，我们为实际研发管理提供了一套行之有效的解决方案。
1）要预防、控制、管理质量，确定问题是首要目标
·问题出在哪里？供应商？还是关联零部件？——问题反溯中的发起问题可以帮助质量管理人员找到问题所在；
·通过问题严重度、发生度、探测度、复发率等要素及权重对问题进行分级判断；
·利用人机料法环测寻找直接原因、根本原因、间接原因；
·通过短期&长期对比实施措施验证，围绕研发设计、生产制造、过程检验等多个环节，实现预防&预警问题。
2）建立能够动态刷新的再发经验库至关重要
入库：反溯过程中产生的致命问题、严重问题将流入问题库，相对应的处理流程也将同步更新至FMEA基础库中，关联基础库中同类产品经验，协助设计工程师在设计之初就识别出潜在风险。
出库：当发生率在三个月内降为0或相关原材料不再投入使用时，这些已得到解决的问题会及时出库，免除冗余提醒，保证整个质量管理体系的精细化和高效率运行。
数字化工具，让人找事变成事找人
过去十年，动力电池朝着高端化、智能化、低碳化方向飞速发展，成本大幅下降，能量密度和车辆续驶里程显著提升，结构创新引领全球，传统工业软件的管理功用已不再适配结构和技术如此复杂精密的动力电池。
另一方面，生产要素无时无刻不在产生数据，身处低端产业链向中高端产业链转型的大背景下，数据能否顺利流通，业务流能否清晰建立，线上线下管理理念能否保持畅通，管理流程能够持续优化迭代，同样是考验所在。[图片]
要想解决这些问题，就要让数据发挥最大效能，集成全领域、全过程、全方位的信息。全面质量管理理念要想科学地应用落地，就必须要借助优秀的数字化工具。
一套优秀的数字化工具能实现对数据的高效利用，从实际业务场景出发，完成从“人看数据人找事”到“数据追人事找人”的转变，真正实现数据驱动业务、反哺业务，从而打造可持续的市场竞争力。[图片]
如今，动力电池正迈入新发展阶段，当全面质量管理在企业内部真正实现有机内循环，交付产品零缺陷不再只是理论可能。
把目光投掷至不远的将来，我们仿佛看到一幅波澜壮阔的画卷正徐徐展开——中国的动力电池厂商们用自身的质量底气铺开一条制胜之路，大踏步走向更大的市场、更广阔的未来。 收起阅读 »
SunFMEA今日分享 | 企业为什么要用FMEA
大家好，我是SunFMEA质量人，每天1分钟带大家了解FMEA知识~我们都知道产品的开发是需要周期的，从概念设计-产品设计-过程设计-试生产-量产,需要众多环节。在没使用FMEA软件的时候，问题会随着开发过程的进展而增多，到量产的时候爆发的问题会达到一个峰值。如果我们在产品立项就开始使用FMEA，那么问题就会在开发时候暴露出来，这样对比就回发现，FMEA就是将经验转化为生产力，简单来说很多问题可以通过FMEA的有效应用在开发过程中识别出来，在量产前提前采取有效的预防和措施，这样就可以避免在量产以后再去解决更多的问题。
风险处理费用的10倍法则想必大家都知道，越早识别风险，企业所付出的成本也就越低。FMEA正是风险识别，减少晚期变更的重要方法之一，你了解了吗。
收起阅读 »
风险处理费用的10倍法则想必大家都知道，越早识别风险，企业所付出的成本也就越低。FMEA正是风险识别，减少晚期变更的重要方法之一，你了解了吗。
收起阅读 »
质量是设计出来的，不是测试出来的
FMEA不单纯是一种故障后果防范的工具，更是一种设计理念。也就是说：在你设计电路或者设计软件的时候，就需要考虑某个部件如果损坏了，可能对系统的影响，并且在设计的时候就能够预见，并制定对策。
可靠性不是靠测试出来问题，解决问题实现的。而是设计出来的，也就是我们经常说的“质量是设计出来的”。在设计的概念阶段、就介入可靠性的设计，而在计划阶段和开发阶段的起始，就需要完成FMEA的分析报告。
SunFMEA是一款基于AIAG-VDA FMEA标准的失效模式和影响分析软件，软件满足新版七步法分析流程，兼具DFMEA和PFMEA，以结构树的方式直观、完整、快速地指导用户完成FMEA分析的整个流程，能够为企业提供系统化、标准化的FMEA解决方案，助力企业提质降本增效。
软件主要应用于轨道交通、汽车、工程机械、航空航天、兵器、电子、船舶、能源和医疗等各个工业领域，能够提供基于工业互联网平台的质量协同设计解决方案。通过构建质量协同设计分析团队，在产品/过程等的策划设计阶段，以树状图方式进行结构或过程分析，找出潜在的失效模式，分析其可能的后果，评估其风险，从而预先采取措施减少失效，实现产品质量可靠性的根本提升。
收起阅读 »
可靠性不是靠测试出来问题，解决问题实现的。而是设计出来的，也就是我们经常说的“质量是设计出来的”。在设计的概念阶段、就介入可靠性的设计，而在计划阶段和开发阶段的起始，就需要完成FMEA的分析报告。
SunFMEA是一款基于AIAG-VDA FMEA标准的失效模式和影响分析软件，软件满足新版七步法分析流程，兼具DFMEA和PFMEA，以结构树的方式直观、完整、快速地指导用户完成FMEA分析的整个流程，能够为企业提供系统化、标准化的FMEA解决方案，助力企业提质降本增效。
软件主要应用于轨道交通、汽车、工程机械、航空航天、兵器、电子、船舶、能源和医疗等各个工业领域，能够提供基于工业互联网平台的质量协同设计解决方案。通过构建质量协同设计分析团队，在产品/过程等的策划设计阶段，以树状图方式进行结构或过程分析，找出潜在的失效模式，分析其可能的后果，评估其风险，从而预先采取措施减少失效，实现产品质量可靠性的根本提升。
收起阅读 »
Minitab 教育中心：一个提供分析培训和教育的平台
Minitab 教育中心是什么？
Minitab 教育中心是一个基于网络的灵活且易于使用的平台，提供分析培训和教育。Minitab 教育中心拥有 Minitab 的专有在线统计培训 Quality Trainer®，并提供个性化学习路径以及免费的教育资源，如视频和电子书。
分析走进生活
Minitab 教育中心提供教育和实际练习，通过模拟您每天所面临的挑战，确保将您学到的知识直接应用于自己的工作中。
Minitab 教育中心允许用户通过详细的报告和控制台跟踪他们的时间和进度。管理员可以深入了解其整个计划的性能和利用率。用户能选择特定的学习路径，这是一系列针对其特定主题或者感兴趣的领域而设计的相关课程。结业证书由学习路径颁发，并提供灵活的评估能力，包含对测验的即时反馈。
基于网络的灵活解决方案
Minitab 教育中心是一个基于网络的灵活且易于使用的平台，支持多个浏览器，操作系统和浏览器设置。借助支持的移动操作系统，用户可以随时随地学习。 收起阅读 »
Minitab 教育中心是一个基于网络的灵活且易于使用的平台，提供分析培训和教育。Minitab 教育中心拥有 Minitab 的专有在线统计培训 Quality Trainer®，并提供个性化学习路径以及免费的教育资源，如视频和电子书。
分析走进生活
Minitab 教育中心提供教育和实际练习，通过模拟您每天所面临的挑战，确保将您学到的知识直接应用于自己的工作中。
Minitab 教育中心允许用户通过详细的报告和控制台跟踪他们的时间和进度。管理员可以深入了解其整个计划的性能和利用率。用户能选择特定的学习路径，这是一系列针对其特定主题或者感兴趣的领域而设计的相关课程。结业证书由学习路径颁发，并提供灵活的评估能力，包含对测验的即时反馈。
基于网络的灵活解决方案
Minitab 教育中心是一个基于网络的灵活且易于使用的平台，支持多个浏览器，操作系统和浏览器设置。借助支持的移动操作系统，用户可以随时随地学习。 收起阅读 »
干货分享丨一招教你轻松搞定FMEA结构分析
专栏简介
上一期《干货分享 |做好策划与准备，让FMEA有备无患》文章中，我们提到了FMEA的策划与准备，只有事前做足准备，才能确保做FMEA的时候万无一失。
那么，接下来，我们就要带大家一起了解FMEA七步法中的结构分析。
01
结构分析的目的
结构分析是我们整个FMEA分析过程的基础阶段，也是最为重要的一环。它的目的是将制造系统识别和分解为过程项、过程步骤和过程工作要素，以便进行技术风险分析。
其中过程结构分析的目标是：
02
结构分析的流程
我们可以通过过程流程图或结构树的形式帮助我们进行结构分析，为FMEA提供基础。这一步的分析如果有遗漏，或者没有做好，会影响到我们接下来的工作，所以一定要认真开展。
通过结构树的方式，我们可以将总的产品或过程，过程步骤或者工序，还有过程要素进行排列、归类、划分。
最高层级是【产品/过程项】，它代表的是过程步骤的合集，是成功完成所有过程步骤后的最终结果。一般，我们将【制程】作为【产品/过程项】，例如冲压、组装、喷涂等。
过程步骤则是我们分析的焦点，它是指某一制程下的制造工站或工位。
过程工作要素是结构树的最低层次，是可能影响过程步骤的潜在原因，也就是4M——人员、设备、材料、环境。
4M可能会包含多个类别，每个类别都需要单独列出并且分析。
只要是对我们的过程可能造成失效的，统统都需要列出来。
通常情况下，4M已经包含了我们过程步骤中的主要潜在要因。当然根据不同的生产过程，也可能有其他的影响要素，例如方法、测量等，但一般我们建议合并至4M中。因为方法其实是由人员/设备来执行的，可以一起罗列；测量一般会有明确的测量工具，也是属于设备的一种。当然这是大多数情况，具体因公司而异，如有必要，也可以拆开罗列。
03
结构分析的案例
我们举一个简单的例子——机壳加工。
根据过程项机壳加工，我们可以列出它的下一步过程步骤：折弯、钻孔、打磨、抛光等等，这些是完成机壳加工所需要的步骤。
如果再以钻孔为例，展开其过程工作要素，这时候我们可以拍摄工站的照片来辅助分析，找到可能影响过程步骤的潜在原因。假设参考下图，我们按照人员、设备、材料、环境这4个方面来看。
人员，需要一位操作员，执行钻孔的动作，他的工作对钻孔的成功是有影响的，所以我们在过程工作要素中，我们首先要写上操作员；
设备，需要钻头，同时需要一个夹具将机壳固定，否则可能会在钻孔过程中产生偏移；
物料，需要机壳的原材料，我们假设为铝片，可能会有一些材质上的具体要求；
环境，一般来说钻孔可能对环境要求不多，环境的变化影响不大，所以可以不列，如果有需要的话，也可以加上。
这样，我们结构分析基本就完成了。
最后，我们要知道结构分析中所定义的信息将被用于下一步的功能分析，这一过程是环环相扣的。所以，假如在结构分析中，出现了没有被考虑到的操作，那么在接下来的功能分析中也会缺少。
因此结构分析是整个FMEA分析的基础，要针对FMEA的分析范围和目标来进行定义，并且我们一定要充分考虑各项可能的影响因素。只有前期打牢了基础，后期的FMEA工作才能有序进行。
收起阅读 »
本专栏将通过FMEA系列文章，从理论出发结合丰富案例分析，深入浅出地带大家系统的学习FMEA相关知识，掌握潜在失效分析方法并能高效落实进行风险管控和预防，解决产品设计和过程设计可能出现的问题。
上一期《干货分享 |做好策划与准备，让FMEA有备无患》文章中，我们提到了FMEA的策划与准备，只有事前做足准备，才能确保做FMEA的时候万无一失。
那么，接下来，我们就要带大家一起了解FMEA七步法中的结构分析。
01
结构分析的目的
结构分析是我们整个FMEA分析过程的基础阶段，也是最为重要的一环。它的目的是将制造系统识别和分解为过程项、过程步骤和过程工作要素，以便进行技术风险分析。
其中过程结构分析的目标是：
- 分析范围的可视化
- 结构树/过程流程图
- 识别过程步骤和子步骤
- 顾客或供应商工程团队之间的协作（接口职责）
- 功能分析步骤的基础
02
结构分析的流程
我们可以通过过程流程图或结构树的形式帮助我们进行结构分析，为FMEA提供基础。这一步的分析如果有遗漏，或者没有做好，会影响到我们接下来的工作，所以一定要认真开展。
通过结构树的方式，我们可以将总的产品或过程，过程步骤或者工序，还有过程要素进行排列、归类、划分。
最高层级是【产品/过程项】，它代表的是过程步骤的合集，是成功完成所有过程步骤后的最终结果。一般，我们将【制程】作为【产品/过程项】，例如冲压、组装、喷涂等。
过程步骤则是我们分析的焦点，它是指某一制程下的制造工站或工位。
过程工作要素是结构树的最低层次，是可能影响过程步骤的潜在原因，也就是4M——人员、设备、材料、环境。
4M可能会包含多个类别，每个类别都需要单独列出并且分析。
人员是指生产中直接作用于产品相关的人员，如工艺人员，操作人员，检验人员等
设备是指工装、夹具、模具、刀具等类别的总称，要尽可能的分析直接作用于产品的哪些装置，这些都是影响到产品特性变差的原因。
材料是指直接或间接的材料，特别是在组装环节，涉及的所有物料信息都尽可能列出来。
环境是指温度、湿度、气压、霾度等，这一部分的影响，主要体现在对环境有一定要求的物料上，尤其是在产品存放过程中，对环境的要求会更多一些。需要强调一点的是，这里环境影响，指的是外部环境对于过程所产生的影响，而不是指机器设备的工作环境。
只要是对我们的过程可能造成失效的，统统都需要列出来。
通常情况下，4M已经包含了我们过程步骤中的主要潜在要因。当然根据不同的生产过程，也可能有其他的影响要素，例如方法、测量等，但一般我们建议合并至4M中。因为方法其实是由人员/设备来执行的，可以一起罗列；测量一般会有明确的测量工具，也是属于设备的一种。当然这是大多数情况，具体因公司而异，如有必要，也可以拆开罗列。
03
结构分析的案例
我们举一个简单的例子——机壳加工。
根据过程项机壳加工，我们可以列出它的下一步过程步骤：折弯、钻孔、打磨、抛光等等，这些是完成机壳加工所需要的步骤。
如果再以钻孔为例，展开其过程工作要素，这时候我们可以拍摄工站的照片来辅助分析，找到可能影响过程步骤的潜在原因。假设参考下图，我们按照人员、设备、材料、环境这4个方面来看。
人员，需要一位操作员，执行钻孔的动作，他的工作对钻孔的成功是有影响的，所以我们在过程工作要素中，我们首先要写上操作员；
设备，需要钻头，同时需要一个夹具将机壳固定，否则可能会在钻孔过程中产生偏移；
物料，需要机壳的原材料，我们假设为铝片，可能会有一些材质上的具体要求；
环境，一般来说钻孔可能对环境要求不多，环境的变化影响不大，所以可以不列，如果有需要的话，也可以加上。
这样，我们结构分析基本就完成了。
最后，我们要知道结构分析中所定义的信息将被用于下一步的功能分析，这一过程是环环相扣的。所以，假如在结构分析中，出现了没有被考虑到的操作，那么在接下来的功能分析中也会缺少。
因此结构分析是整个FMEA分析的基础，要针对FMEA的分析范围和目标来进行定义，并且我们一定要充分考虑各项可能的影响因素。只有前期打牢了基础，后期的FMEA工作才能有序进行。
收起阅读 »
Daily work 26/10/2022
国庆后一直比较忙，论文要预答辩了，才完成四分之一；期间四个整天的培训，得花时间学习，也明显感觉到记忆力变差了，年纪大了的原因。
今天完成了最后的2023年部门预算，提交给了BU Head审批，之前大概有和他聊过，基本上也没什么问题。明年有太多的事情想做了， QE技能的提升，各个层面人员quality mindset的提升，持续改善文化的建立，完成2个六西格玛项目，整个事业部体系的完善，大量raw data的分析和reporting，quality one page的试行等等，确实很多想做。
晚上回忆了自己在公司两个多月以来做成哪些事，哪些还没做成，为什么没有做成，睡觉前刚好在看《麦肯锡法则》，里面讲到了“一次只做一件事”，大致讲的是：你不可能事必躬亲，如果有一次你把所有的事情都设法做了，就会让周围的人对你产生不切实际的期望，假如没能满足这些期望，将很难重新获得信任。
如果我投入120%的精力，确实能将很多想做的事情都做完，因为目前人力资源有限，open的一个QE职位还在招聘中，所以很多事情自己等不下去，都做了，反思回来确实我不可能时时刻刻都保持120%的精力。 收起阅读 »
今天完成了最后的2023年部门预算，提交给了BU Head审批，之前大概有和他聊过，基本上也没什么问题。明年有太多的事情想做了， QE技能的提升，各个层面人员quality mindset的提升，持续改善文化的建立，完成2个六西格玛项目，整个事业部体系的完善，大量raw data的分析和reporting，quality one page的试行等等，确实很多想做。
晚上回忆了自己在公司两个多月以来做成哪些事，哪些还没做成，为什么没有做成，睡觉前刚好在看《麦肯锡法则》，里面讲到了“一次只做一件事”，大致讲的是：你不可能事必躬亲，如果有一次你把所有的事情都设法做了，就会让周围的人对你产生不切实际的期望，假如没能满足这些期望，将很难重新获得信任。
如果我投入120%的精力，确实能将很多想做的事情都做完，因为目前人力资源有限，open的一个QE职位还在招聘中，所以很多事情自己等不下去，都做了，反思回来确实我不可能时时刻刻都保持120%的精力。 收起阅读 »
Minitab预测分析模块
● 预测分析和机器学习
我们经常听到机器学习和预测分析，但它们的具体含义是什么，两者之间如何相互关联的？
● 机器学习是什么？机器学习是一种方法，其中多个算法在没有明确指示或预定规则的情况下，基于模式和推断执行特定任务，以做出预测并根据需要重新校正。
● 预测分析是什么？预测分析是数据分析的一个类别，目标是基于历史数据和分析技术对未来结果做出预测。预测分析使用各种统计方法（包含数据挖掘、机器学习和预测建模）来了解未来发生的事情。
● Minitab 的预测分析解决方案
● 我们业内一流的专利机器学习算法拥有为您的数据提供更深入见解的能力
● 预测分析模块可以帮助回答以下问题：
● CART®（分类和回归树）——决策树
● 这种基于树的算法是现代数据挖掘最常用的工具之一，它探索如何将数据拆分为更小段、随后以重复方式选择效果最佳的拆分直到找到最优集合为止。
● Random Forests®——随机森林
● 该算法基于 CART 树的集合，使用重复、随机化、抽样和集成学习，同时将独立树集合在一起，来确定森林的总体预测值。
● TreeNet®——梯度提升
● 我们最灵活、获得最多奖项、最强大的机器学习工具，具有迭代结构，可在构建集成的过程中更正合并错误，从而实现出色且一致的预测准确度，也因此而闻名于世。
● 自动化机器学习
● 使用此自动化工具轻松确认您使用了最佳预测模型来解答您的问题。非常适合需要建议的预测分析新手以及寻求其他意见的专家。
● 如果Y是二值响应，Minitab会创建4个模型并自动选择最优的一个做预测分析
● 如果Y是连续响应，Minitab也会创建4个模型并自动选择最优的一个做预测分析
● 小结
● 有了 Minitab 的全新预测分析模块后，用户将能够以更好、更快、更简单及更准确的方法解决更棘手的问题、挖掘出更深入的见解并实现对复杂交互的可视化。使用 Minitab 的革命性预测分析技术，轻松、熟练地预测业务、比较备选方案及预估业务。
● Minitab 的预测分析模块由多个专利方法构成，分类和回归树 (CART®)、原始 Random Forests®（由诸多决策树构成的分类算法）以及 Minitab 自己的梯度推进方法 TreeNet® 等等都包含其中。Minitab 的预测分析模块凸显了我们协助各组织加速其转型的承诺。我们打造易用、易懂的高级机器学习方法，为的就是让全球各地的公司能够发挥这些方法的能力来解决复杂问题，以质量、速度和简洁程度均远超以往的方式预测结果。如果您对预测分析感兴趣请与我们联系，也可以持续关注后续内容的分享。 收起阅读 »
我们经常听到机器学习和预测分析，但它们的具体含义是什么，两者之间如何相互关联的？
● 机器学习是什么？机器学习是一种方法，其中多个算法在没有明确指示或预定规则的情况下，基于模式和推断执行特定任务，以做出预测并根据需要重新校正。
● 预测分析是什么？预测分析是数据分析的一个类别，目标是基于历史数据和分析技术对未来结果做出预测。预测分析使用各种统计方法（包含数据挖掘、机器学习和预测建模）来了解未来发生的事情。
● Minitab 的预测分析解决方案
● 我们业内一流的专利机器学习算法拥有为您的数据提供更深入见解的能力
● 预测分析模块可以帮助回答以下问题：
● CART®（分类和回归树）——决策树
● 这种基于树的算法是现代数据挖掘最常用的工具之一，它探索如何将数据拆分为更小段、随后以重复方式选择效果最佳的拆分直到找到最优集合为止。
● Random Forests®——随机森林
● 该算法基于 CART 树的集合，使用重复、随机化、抽样和集成学习，同时将独立树集合在一起，来确定森林的总体预测值。
● TreeNet®——梯度提升
● 我们最灵活、获得最多奖项、最强大的机器学习工具，具有迭代结构，可在构建集成的过程中更正合并错误，从而实现出色且一致的预测准确度，也因此而闻名于世。
● 自动化机器学习
● 使用此自动化工具轻松确认您使用了最佳预测模型来解答您的问题。非常适合需要建议的预测分析新手以及寻求其他意见的专家。
● 如果Y是二值响应，Minitab会创建4个模型并自动选择最优的一个做预测分析
● 如果Y是连续响应，Minitab也会创建4个模型并自动选择最优的一个做预测分析
● 小结
● 有了 Minitab 的全新预测分析模块后，用户将能够以更好、更快、更简单及更准确的方法解决更棘手的问题、挖掘出更深入的见解并实现对复杂交互的可视化。使用 Minitab 的革命性预测分析技术，轻松、熟练地预测业务、比较备选方案及预估业务。
● Minitab 的预测分析模块由多个专利方法构成，分类和回归树 (CART®)、原始 Random Forests®（由诸多决策树构成的分类算法）以及 Minitab 自己的梯度推进方法 TreeNet® 等等都包含其中。Minitab 的预测分析模块凸显了我们协助各组织加速其转型的承诺。我们打造易用、易懂的高级机器学习方法，为的就是让全球各地的公司能够发挥这些方法的能力来解决复杂问题，以质量、速度和简洁程度均远超以往的方式预测结果。如果您对预测分析感兴趣请与我们联系，也可以持续关注后续内容的分享。 收起阅读 »
稳健性设计的逻辑
稳健性设计是正交设计之后的里程碑式的创新，但不能等同于田口方法。
上世纪初农业已有稳健性设计的实践，希望大麦新品种在肥力不同的土地、气候条件不同的地区，仍能有稳产的稳健性。
中国和欧美学者对稳健性设计逻辑的理解与田口方法对稳健性设计逻辑的理解，有共识也有分歧。
国内典型的文献是《正交法与应用数学》（作者张里千），美方文献《试验设计与分布及参数优化》（作者吴建福）。田口方法典型文献是《稳健参数设计》（作者韩之俊）
过去，当产品质量可靠性、稳定性差时，设计产品的工程师认为产品经实验室检验没问题，所以会归罪于批量生产线的质控不严和用户使用不当。
比如在批量生产时，成品各零部件质量特性的变异（噪声）必然使批量成品质量波动变大，
如用公差小的零部件成本高，性价比差。
而零部件组合产生的负面交互效应（噪声），如不做正交试验，可能不知道这种负面交互作用的存在，也不知道正面交互作用的增益。
农村电压忽高忽低的波动（外噪声）会降低电器功能，这种噪声用户无法控制。
而田口先生发现，如在试验中加入模拟噪声的因子，可利用质量特性与参数组合之间的非线性效应，能降低内部干扰因子的影响，利用可控因子抑制噪声因子的交互作用，能减少噪声因子对响应的干扰。只需调整水平组合（即参数设计），基本不增加费用，就能抑制内外噪声对响应的干扰。或者说，对噪声不敏感。而且能确定最合理的公差范围（容差设计，也可理解为价值工程），即是稳健性设计。
田口方法的试验设计和其它DOE方法不同，甚至于相悖。
传统实验室试验时需要排除噪声干扰。而稳健性设计相反，试验时加入模拟干扰响应的内外噪声因子，达到实验室设计的产品质量特性值和受内外噪声干扰下实际使用环境有一致性。
田口方法正交设计用分内表和外表的直积表，把可控因子正交表称内表，噪声因子正交表称外表。
要求可控因子内表的每一个组合，都要和噪声因子外表的每一个组合一起进行试验。用信噪比度量稳健性，评估出均值趋近目标值，方差又小的最佳的组合。
有学者认为直积表本质是“裂区法”或“分割试验法”，但稳健性设计的内在逻辑，常被误解。
部分析因设计的问题。
多因子案例用部分析因设计是经济的方法。
谢宁方法否定部分析因设计，只认可全因子析因设计。但在可控因子远多于4因子案例时，仅挑选出少量显著性因子组成的全因子析因设计可能遗漏掉不少有价值的信息。比如某案例“A和B都是不显著性因子，但AxB交互作用是显著性因子。”（韩文p55）
谢宁方法忽略了不显著性因子潜在的正面效应，而且统计意义上不显著不等于实际意义上无用。
传统DOE常用二分之一或四分之一的全因子析因设计，然后对活跃因子补充试验，凑成活跃因子群的全因子析因设计数据集合。全因子析因设计对建数模是必需的，其缺点是假设最优水平组合在上述活跃因子群框架内。建立的数模是精简的，但试验水平范围不足够，样本量太小，其数模可能仅仅拟合样本，并非反映总体全貌。
田口方法内表常用部分析因设计，但静态稳健性设计以寻找最优水平组合为目的，所以交互作用混淆不是大问题，其软肋是常用L18大正交表为内表的直积法功效低，内表用部分析因设计会漏掉更优可控因子组合。
怎样解决部分析因设计信息不完备弱点呢？国内学者建议尽可能用小正交表和饱和正交表。首次试验后，在好的水平基础上再調整出新的水平，进入下一轮新的水平组合试验。
如同“盲人爬山”，探一步，爬一步，经多轮正交试验，但仍能在混杂的信息中找到最优组合的方向。这是“笨”办公，但新的水平组合，会带来新的信息，能逐步逼近最优水平组合。
新的试验水平框架可能带来质变：当水平变动后，可能原不活跃因子和不显著性交互作用会“变性”。
（三）方差分析工具。
传统正交试验，为了筛去不显著性因子，在部分析因设计前提下用方差分析工具。
张里千认为：“部分实施会造成混杂，不足以施行方差分析。”（张文p19）
BOX认为“很多电脑程序都利用方差分析表来分析2k设计和它的部分设计，但是分析这种特殊的设计时，使用ANOVA会非常令人费解，并且没有什么意义。”（《试验应用统计》p115）
而且理论上实施方差分析，残差需以下假设为前提：正态分布、均值为零、数据相互独立、方差相等。（韩文p23）而在实际应用时，很少会验证上述假设。
在实际案例中“噪声分布并不一定要服从正态分布”、“相同的变异性假设在稳健参数设计中不存在。”（韩文p4）
国内的实践证明：“经过逐批少数正交试验便能绕过处理试验误差的统计方法过程，进入到良好的位级组合区域。”（张文p4）
简言之：既然部分析因设计无法精确量化主效应和交互效应，不用方差分析等精确工具，而用极差法、因子趋势图等近似工具分析，用多轮正交试验逐步找到最佳水平组合。
（四）对直积表的争议。
田口方法的直积表被批判试验次数多，以及内表常用部分析因设计和非正规正交表，造成交互效应混杂被诟病。
直积表的复杂目的是，用试验寻找随机变量噪声因子集合对响应的干扰最小的可控因子组合。这是稳健性设计的核心精髓，可是很少人能理解其科学意义。
实际上在多因子案例，传统方法有的还用6次重复试验，总次数也不少。
对直积表试验次数太多的缺点，有学者提出用一个“复合噪声因子”取代多噪声外表（韩文p72），这样经济上合算，实际不合理。
“如果研究人员知道噪声因子和控制因子是怎样联合地影响变差的，就没必要实施参数设计试验。”（吴文p410）
又有学者提出用“组合表”替代直积表，即噪声因子和可控因子同在一个全因子析因设计的正交表内。
这“近似”符合直积表，说近似符合，这方法把噪声因子视为常量，而实际是随机变量。多噪声外表常用全因子析因设计，为了能显示“噪声X噪声”交互作用，多噪声之间交互作用比单噪声因子对响应的影响更复杂。而“组合表”只能显示单噪声因子和可控因子之间交互作用。
比如电压和频率波动的噪声因子交互作用比单电压波动对电器功能干扰更大，尤其噪声X噪声对响应的干扰，往往只能在试验中显示。
如多因子多噪声因子案例，因子总数过大，“组合表”只能用部分析因设计时，无法得到全因子析因设计的全面数据，这也是直积法内表常用部分析因设计的缺陷之一。
所以直积法能最精确显示噪声因子群对响应的影响，但有可简化和完善的余地。
如可计算案例，直积法的复杂不成问题。
比如电工类有公式，可用计算方法替代试验。多水平、多因子案例，如用全因子析因设计的直积表，因子和水平数再多也不成问题。
国内学者用对参数约束性计算，又能大大减少计算量，有的案例，一轮约束性试验达到三轮非约束性试验的效果。最后用重复试验验证。
（五）对关注点差异。
传统DOE目的是回归建模，在实验设计时尽可能分清因子主效应和交互效应，减少混杂。
而田口方法用逆传统设计：
“任一个含Q（噪声因子）的二因子交互作用是强纯净的”（吴文p132），
传统正交试验， “通常优先考虑的是主效应的估计，而不是两因子交互效应。”（吴文p238）
“将分辨度以及最小低阶混杂准则，应用于参数设计试验是不合适的。”（吴文p407）
吴建福对稳健性设计逻辑的理解：
稳健性设计认为能抑制噪声的“可控X噪声”的交互效应，和主效应同等重要，而且比“可控X可控”交互效应更重要。
能抑制噪声的“可控X可控X噪声 ”的高阶交互效应和“可控X可控”交互效 应同等重要，这颠覆了高阶交互效应可忽略的惯例。（吴文有实例p407）
（六）可控因子之间交互作用定性问题。
传统DOE认为田口方法最大问题是交互作用混杂，其实最大理论问题是对可控因子之间交互作用的解释。
正交设计解决了显示交互作用问题，想不到田口方法认为可控因子之间的交互作用对稳健性设计是“有害的”。而且又武断认为可控因子和噪声因子交互作用“有利的”。（韩文p4）
在没用稳健性设计之前可控因子和噪声因子交互作用也客观存在的，多数对响应有害的，因此才需要调节可控因子水平组合，抑制噪声因子对响应的干扰，所以不能说可控因子和噪声因子之间交互作用都是有利的。
而稳健性设计找出能抑制噪声因子的非线性响应可控因子，和找到各可控因子水平巧妙组合（其中有可控因子之间交互作用）抑制了噪声因子，这时可控因子和噪声因子交互作用才是有利的。
“A有两个水平A1、A2，当另外一个因子B处于B1水平吋，A1水平的结果和A2水平的结果相比有一个量值；当B处于B2水平时，A1水平的结果和A2水平的结果相比量值有了变化。因此，交互作用就是因子影响结果的不一致或不再现。”（韩文p3）
“交互作用会导致结论不一致或不再现，所以必须尽量避免可控因子之间的交互作用…”（韩文p9）
上述交互作用“有害的”原理实际上生产过程中对可控因子水平控制的难度问题。
对于难以控制的水平，稳健性设计可把可控因子视为噪声因子处理，比如难控制的温度问题。
众所周知，正交设计能显示正面交互作用和负面交互作用：
利用正面交互作用获得1+1大于2的额外增益，对负面交互作用，可改变设计组合减弱之。
吴文中案例，“可控X可控X噪声”交互作用，是可控因子之间交互作用起到抑制噪声作用。
韩文p29中案例：钢硬度由时间和温度交互作用占33%，请问能消除交互作用吗？
青铜的硬度是銅和锡的交互效应占主导，怎样解释？
（七）处理交互作用混杂问题。
“交互作用是客观存在的，怎样避免或消除呢？回答是交互作用的存在取决于应用什么样的测量系统进行分析。”、“用信噪比，特别是动态特性的信噪比…”（韩文p5）
田口方法认为用特殊正交表、输出特性连续性计量、信噪比度量，“一般情况下，可控因子之间的交互作用会消除殊尽。”（韩文p17）
“用特殊正交表L12（211）， L18（2x37）任意两列的交互作用平均分配在各个列上。”（韩文P6）
L12是飽和设计，交互作用“平均分配在各列上”的说法是自圆其说。实际上各列交互作用混杂、重叠，平均分配说法是难令人信服。
多因子案例用部分析因设计是经济的方法，虽然主效应和交互作用混杂，但其综合的效应，正面或负面效应以及高阶交互效应都反映在响应上，而且是真实数据，仅有试验误差。
笔者猜测，田口方法对可控因子之间交互作用有害的种种解释，为了回应内表用部分析因设计造成交互作用混杂的质疑，但反而令人困惑不解。
历史上工业应用正交设计远晚于农业，由于工业参数远多于农业，用全因子析因设计经济上有困难，而田口先生勇于在工业上用部分析因设计是大功臣。
国内实践证明，如不建数模，交互效应混杂不影响用多轮正交试验逐步找到最优水平组合。
“数学要经得起思维逻辑严密性推敲或者在其他科学领域应用的有效性来检验，而统计学则更多地要得到实际的直接检验。”（《试验应用统计》译者序）
（八）试验设计方法的科学性是源头。
“分贝值表示的SN比，不仅计算方便，而且可使经对数变换的η（信噪比）更接近于正态分布…同时因素效应大多具有可加性，忽略了交互作用的影响。”（《稳健性设计》曾凤章p63）
上述文献讲清楚了田口方法认为用对数变换后的信噪比能“忽略”交互作用的原理。
实际上传统建模方法常用数据变换，把非线性性转换成简单的线性模式。
对均值平方和方差对数转换后成线性化的信噪比，这仅是数学形式变化，客观存在 的交互作用还是存在的。如有负面交互作用，也只能調节水平组合来改善，无法用试验后的数据变换来忽略交互作用的本质。
例如学校为改变学习成绩分数至上状态，改用优、良、中、差评估，仍无法摆脱分数评价体制。
田口方法认为稳健性设计就是用信噪比的正交实验设计。对此议提出异议之前，先澄清一个大前提，噪声因子加入正交试验是稳健性设计关键性的源头，但不是信噪比的功劳。
“试验设计能够用来产生良性数据，甚至可以认为，好的试验设计对科学进步是必不可少的。然而，至今我们更多地注意着数据分析。试验设计具有第一重要性，其原因是，数据的信息内容在进行试验时才确定，任何敏感的分析都不能揭示没有体现在数据中的信息。”（《非线性回归分析及其应用》p134）
比如谢宁方法常用“逐个替换”单因子试验，很难显示交互作用。多因子同时变动的正交设计能显示交互作用。
稳健性设计核心是模拟内外噪声因子参于正交试验，以及怎样调整优化水平组合。用信噪比选优，仅属数据分析的一种方法，而且又有缺陷。
在用信噪比选优方法中，对望大、小型案例选优无难度，争议也少，难度在望目型。
田口方法推荐的2步法：先找出信噪比最大的离散因子。但信噪比大，可能均值相对于方差大，但单均值大对望目型无意义。
望目型信噪比：期望平方/方差。
比如均值（期望）平方10，方差1，但目标值是8。所以必须找到把均值趋向目标值，又不影响方差的独立的位置因子。无这位置因子配套，信噪比大无意义，即望目型信噪比缺少一个目标值参数介入。
而且2步法不是都能实现，运气好的正相关案例：调节后响应方差趋小时，均值趋向目标值。反之，有的案例无位置因子时，方差趋小时，均值远离目标值。这时需方差和“离目差”（均值与目标值差）之间的社会质量经济损失大小，找到一个平衡点，田口创立的质量经济损失公式，能解决这难题：如响应是正态分布，分布对目标值的偏差均方=响应分布方差+均值与目标值差的平方。
田口认为质量特性值偏离目标值就发生质量经济损失，以这定义创立的质量经济损失公式（偏差均方），虽不完美，但因包含响应分布的均值、方差和目标值3个参数，就是优于望目型信噪比的原因。
国内学者把田口方法内表称为选优表，方法是对望目型案例内表组合数据直接用偏差均方选优。
某文献25组试验中只有5组偏差均方靠谱，仅甪这5組和噪声组合一一试验，大大减少了试验次数。而如用田口的直积表，有20组在无噪声因子介入响应时，响应已超合格限，再介入噪声因子做试验是做无用功。
北大学者在实践中证明：“凡偏差均方好（小）时，信噪比也必然好（大），反之不一定成立。”（《正交法和三次设计》P129）在望大望小型案例，偏差均方也适用。
国内有学者认为信噪比适用于动态稳健性设计，用β灵敏度取代均值。静态稳健性设计望目型适用偏差均方。
收起阅读 »
2022年黑带学习小结
先说下考试成绩，2022年10月10日成绩可以查询，绿带77，黑带88，结果来说分数一般，对我来说还算满意，和我的付出基本一致.下面简单说下考试经历，后面需要考试的人员有个初步的了解，希望能够对大家又帮助.
我是22年6月份报名，报名时考试时间已经确定为2022年9月4，时间上面来讲还是比较紧张，3个月不到。报名后我就赶紧买了红皮书（很多网站都可以买到，我是某东上面买的），厚厚的一本，拿到手后就赶紧看了起来，由于白天上班，能够看的时间在晚上下班或者周六日，初步做了一下计划（实际上也没有按照执行），前四章文字类的比较多，这部分看得很枯燥，看看就想睡觉，我只读了一遍，主要靠刷题。通过后面的考试我还是建议大家多读几遍，这部分是最容易拿分的章节，主要靠记忆. 从第5章开始，理论的知识开始多了起来，更多的靠理解课本，我对这些内容也是粗略的学习了一遍，书整体看一遍基本到8月25号，后面10天左右时间，我就是刷题，不会的就找高手问，再来反复看书的知识点，基本上每晚都学习到11点，真是拿出了高考的状态，绿带我没有做过题目，绿带中的内容基本都包含在黑带中，所以大家考黑带可以顺带把绿带给考了，考试是同一天.
针对此次考试，我总结经验如下（不是每个人都适合，借鉴就好）：
1.前四章，多看书多刷题，这部分主要靠记忆，理解的知识点不多，相对拿分容易
2.第5-8章，理解的知识点比较多，尤其是DOE我感觉是很难的，建议大家下载一个minitab软件，练习一下书上的题目，这样可以很好的加深记忆，5-8章是考试的重要拿分点，一定要理解课本。
3.学习时，大家可以找个也考黑带的朋友（网上多的事），大家学习中互相交流，我就是在这方面受益匪浅
4.重要的事情说三遍：刷真题 刷真题 刷真题，考试时我发现很多题目就是真题变化了一下，还是让我拿到了不少分数
5.要不要报辅导班？因人而异，我认为报辅导班可以对理解课本起到作用，但前提还是要自己用心去学，不代表报个班就能够过去
6.考试时，单选题和填空题，一定是我们的主要拿分点，这是必须要把握住的；5-8章多选题我认为还是比较难的，不过大家也不要害怕，前四章和第九章记忆部分抓住，理解题即使错也能够过去.
7.书是根本，提前看，多看几遍（我只看了一遍，所以分数不高）
8.学习的目的不是考试，考试只是提高自己的同时顺带完成的事情，提升自己是关键
以上是我这边的简短小结，有什么问题欢迎交流.
收起阅读 »
我是22年6月份报名，报名时考试时间已经确定为2022年9月4，时间上面来讲还是比较紧张，3个月不到。报名后我就赶紧买了红皮书（很多网站都可以买到，我是某东上面买的），厚厚的一本，拿到手后就赶紧看了起来，由于白天上班，能够看的时间在晚上下班或者周六日，初步做了一下计划（实际上也没有按照执行），前四章文字类的比较多，这部分看得很枯燥，看看就想睡觉，我只读了一遍，主要靠刷题。通过后面的考试我还是建议大家多读几遍，这部分是最容易拿分的章节，主要靠记忆. 从第5章开始，理论的知识开始多了起来，更多的靠理解课本，我对这些内容也是粗略的学习了一遍，书整体看一遍基本到8月25号，后面10天左右时间，我就是刷题，不会的就找高手问，再来反复看书的知识点，基本上每晚都学习到11点，真是拿出了高考的状态，绿带我没有做过题目，绿带中的内容基本都包含在黑带中，所以大家考黑带可以顺带把绿带给考了，考试是同一天.
针对此次考试，我总结经验如下（不是每个人都适合，借鉴就好）：
1.前四章，多看书多刷题，这部分主要靠记忆，理解的知识点不多，相对拿分容易
2.第5-8章，理解的知识点比较多，尤其是DOE我感觉是很难的，建议大家下载一个minitab软件，练习一下书上的题目，这样可以很好的加深记忆，5-8章是考试的重要拿分点，一定要理解课本。
3.学习时，大家可以找个也考黑带的朋友（网上多的事），大家学习中互相交流，我就是在这方面受益匪浅
4.重要的事情说三遍：刷真题 刷真题 刷真题，考试时我发现很多题目就是真题变化了一下，还是让我拿到了不少分数
5.要不要报辅导班？因人而异，我认为报辅导班可以对理解课本起到作用，但前提还是要自己用心去学，不代表报个班就能够过去
6.考试时，单选题和填空题，一定是我们的主要拿分点，这是必须要把握住的；5-8章多选题我认为还是比较难的，不过大家也不要害怕，前四章和第九章记忆部分抓住，理解题即使错也能够过去.
7.书是根本，提前看，多看几遍（我只看了一遍，所以分数不高）
8.学习的目的不是考试，考试只是提高自己的同时顺带完成的事情，提升自己是关键
以上是我这边的简短小结，有什么问题欢迎交流.
收起阅读 »
石油和天然气行业中预测性SPC的威力
本文最初出现在The Minitab Blog
石油和天然气行业涉及持续产出的资本密集型过程。原油等原材料被大规模转化为石油产品，这使得过程控制变得至关重要。原材料的化学和物理性质往往具有很大的可变性，这可能会对过程输出产生显著的影响。工程师倾向于利用科学原理和经验来确定可能产生预期结果的工艺设置；然而，这种做法可能会不成功。统计过程控制图(SPC)对于指示变得不稳定的过程非常有用。使用SPC来提醒工艺转变的不利之处在于，可疑产品会同时产生。
制造商将检验原材料的大部分责任转移给了供应商。在收到材料之前，通常是在材料使用前几天或几周，将认证发送给客户是很常见的。如果供应商信息可用于在流程执行前预测流程转变，以考虑缓解措施，情况会怎样？本文解释了如何使用流程模型的操作部署来创建用于此目的的预统计流程图。还有许多其他行业的流程涉及资本密集型设备、连续流程和包含显著变化的原材料。食品、营养补充品和化学品的制造是可以从利用预测性SPC中获益的一些示例行业。
随着Minitab的最新发展，建模技术变得非常强大和易于使用。许多组织使用过程模型进行开发和改进。根据供应商测量和流程输入(由技术人员控制)创建流程模型，以确定与关键输出的关系。工程师找到正确的输入数量和模型类型，以便对输出做出合理的预测。该模型部署在模型操作并连接到新的数据流来进行预测。根据模型预测创建SPC图表，并监控其稳定性。如果识别出不利的趋势，则审查该模型以找到可以被操纵以减轻该趋势的过程变量。所有这些工作都在流程执行之前完成，这对于最小化质量风险非常有效。
该示例涉及16个连续变量，其中一个是由原材料发货前发送的供应商认证提供的度量。有离散变量，包括用于处理的单位和两个主要设置。利用逐步变量选择，从478行历史处理数据中创建了具有良好拟合性(r-square ~ 67%)的线性多元回归模型。
响应优化图说明了最重要的预测变量的杠杆作用。供应商认证措施和初始压力具有陡峭的线性关系，因为值的微小变化会在关键响应中产生显著差异。冷却温度指示较小的响应，并且单位的变化看起来对关键响应有分组影响。
回归模型在预测历史数据的关键响应结果方面做得很好。工程师只需点击一下鼠标，就可以轻松地将模型从Minitab统计软件发布到ModelOps。
收集新数据，以便对关键输出进行预测。该数据包括来自供应商认证的测量值、设置的静态输入值，以及具有已知变化的过程变量的分布生成数据。加工温度是分布生成变量的一个例子。工程师知道过程点的实际温度会随着控制设置而变化。变量的参数是从设备制造商的过程测量点或技术规格创建的。从选定的分布计算变量，以获得实际的处理场景。这与蒙特卡洛模拟中使用的技术基本相同。
Minitab Connect轻松地每小时检索一次数据，并发送给模型运营部以获得预测。利用一个单独的移动范围控制图来监测趋势。确保使用历史参数计算统计控制限值非常重要；使用模拟数据来计算限值是不合适的。下图所示的预测SPC图说明了在最后3次观察之前的预期稳定过程。所有三个最终观察值都低于历史控制下限，如果不稳定的趋势持续下去，可能会产生质量问题。
工程团队审查过程模型，并确定初始压力很容易从90增加到120。模型优化器表明，控制设置的变化可能会减轻由于供应商认证措施的变化而导致的结果下降。在源数据表中完成对初始压力设置的建议更改，并重新启动Connect中的数据提取和制图。最终的图表确实提供了初始压力的变化减轻了供应商措施变化的负面影响的信息。
SPC的概念包括对导致不稳定的变化趋势的及时反应。不稳定的过程包含质量风险，可能导致不合格或降级的材料。在流程执行前根据数据创建流程控制图的能力非常有价值，因为现在有可能在产生任何实际结果之前减轻不利趋势。在石油和天然气行业，由于所生产产品的数量和潜在收入，收益可能高达数百万美元。Minitab解决方案使创建和监控预测性SPC的过程成为质量管理的重要组成部分。
本文最初出现在Minitab博客上。 收起阅读 »
石油和天然气行业涉及持续产出的资本密集型过程。原油等原材料被大规模转化为石油产品，这使得过程控制变得至关重要。原材料的化学和物理性质往往具有很大的可变性，这可能会对过程输出产生显著的影响。工程师倾向于利用科学原理和经验来确定可能产生预期结果的工艺设置；然而，这种做法可能会不成功。统计过程控制图(SPC)对于指示变得不稳定的过程非常有用。使用SPC来提醒工艺转变的不利之处在于，可疑产品会同时产生。
制造商将检验原材料的大部分责任转移给了供应商。在收到材料之前，通常是在材料使用前几天或几周，将认证发送给客户是很常见的。如果供应商信息可用于在流程执行前预测流程转变，以考虑缓解措施，情况会怎样？本文解释了如何使用流程模型的操作部署来创建用于此目的的预统计流程图。还有许多其他行业的流程涉及资本密集型设备、连续流程和包含显著变化的原材料。食品、营养补充品和化学品的制造是可以从利用预测性SPC中获益的一些示例行业。
随着Minitab的最新发展，建模技术变得非常强大和易于使用。许多组织使用过程模型进行开发和改进。根据供应商测量和流程输入(由技术人员控制)创建流程模型，以确定与关键输出的关系。工程师找到正确的输入数量和模型类型，以便对输出做出合理的预测。该模型部署在模型操作并连接到新的数据流来进行预测。根据模型预测创建SPC图表，并监控其稳定性。如果识别出不利的趋势，则审查该模型以找到可以被操纵以减轻该趋势的过程变量。所有这些工作都在流程执行之前完成，这对于最小化质量风险非常有效。
该示例涉及16个连续变量，其中一个是由原材料发货前发送的供应商认证提供的度量。有离散变量，包括用于处理的单位和两个主要设置。利用逐步变量选择，从478行历史处理数据中创建了具有良好拟合性(r-square ~ 67%)的线性多元回归模型。
响应优化图说明了最重要的预测变量的杠杆作用。供应商认证措施和初始压力具有陡峭的线性关系，因为值的微小变化会在关键响应中产生显著差异。冷却温度指示较小的响应，并且单位的变化看起来对关键响应有分组影响。
回归模型在预测历史数据的关键响应结果方面做得很好。工程师只需点击一下鼠标，就可以轻松地将模型从Minitab统计软件发布到ModelOps。
收集新数据，以便对关键输出进行预测。该数据包括来自供应商认证的测量值、设置的静态输入值，以及具有已知变化的过程变量的分布生成数据。加工温度是分布生成变量的一个例子。工程师知道过程点的实际温度会随着控制设置而变化。变量的参数是从设备制造商的过程测量点或技术规格创建的。从选定的分布计算变量，以获得实际的处理场景。这与蒙特卡洛模拟中使用的技术基本相同。
Minitab Connect轻松地每小时检索一次数据，并发送给模型运营部以获得预测。利用一个单独的移动范围控制图来监测趋势。确保使用历史参数计算统计控制限值非常重要；使用模拟数据来计算限值是不合适的。下图所示的预测SPC图说明了在最后3次观察之前的预期稳定过程。所有三个最终观察值都低于历史控制下限，如果不稳定的趋势持续下去，可能会产生质量问题。
工程团队审查过程模型，并确定初始压力很容易从90增加到120。模型优化器表明，控制设置的变化可能会减轻由于供应商认证措施的变化而导致的结果下降。在源数据表中完成对初始压力设置的建议更改，并重新启动Connect中的数据提取和制图。最终的图表确实提供了初始压力的变化减轻了供应商措施变化的负面影响的信息。
SPC的概念包括对导致不稳定的变化趋势的及时反应。不稳定的过程包含质量风险，可能导致不合格或降级的材料。在流程执行前根据数据创建流程控制图的能力非常有价值，因为现在有可能在产生任何实际结果之前减轻不利趋势。在石油和天然气行业，由于所生产产品的数量和潜在收入，收益可能高达数百万美元。Minitab解决方案使创建和监控预测性SPC的过程成为质量管理的重要组成部分。
本文最初出现在Minitab博客上。 收起阅读 »
10月17日的闲聊
大概是2018年：
刚接触体系的时候，每次客户审核、三方审核都是一脸懵。不理解老师说的是什么意思，不知道他想要的是什么效果 。 每次都有一个疑问：我这样做符不符合体系要求？ 老师说的要求是不是体系里的要求，写在哪儿？ 那时候总感觉符合体系要求的动作才是正确的动作，促使我们公司的一群人对体系标准特别感兴趣。
然后我们请了很多老师，有全职三方的咨询公司。有时任客户端培训系统的大佬、有客户端的SQE大佬。花了近两年时间，每个周末都安排了培训（ VDA6.3、PFMEA、IATF16949、GDT、一顿造。 培训+考试、再培训再考试 ） 10多个人参与了培训，最终有2-3个人较完整的坚持了下来，并有所收获。其余人都对体系有了基本的认知。（ 真的特别感谢当时的领导，在人员知识、技能培训上顶着压力给我们制造了那么多机会 。）
后面我们了解了标准、熟悉了条款、知道了审核老师的套路和逻辑、可以提前准备客户审核想看的资料，规划路线。每次审核都能顺利通过。 紧接着灵魂拷问来了： 通过客户的审核，真正的靠体系完善的比例是多少？（ 价格+服务占多少 ？） 学习了体系每年能变现多少？ 流程让工作更复杂，降低了工作效率？ 在这一波灵魂拷问的前提下，团队散了 （走的走、转岗的转岗） 刚刚燃起来的星星之火熄了，剩下零星的火种，心中有火红的内核，头上冒着青烟 。
接着，我们的体系建设回到了最初。没人维护指导文件，没人在乎记录表单，知道公司有程序文件这个东西的人少了 。 是不是不该在继续推行体系了，因为那没有用。 还是我们打开的方式不对。 剩下的火种需要思考 。
最不想提及的是整个过程中与老板的沟通（ 我觉得这个做的最烂 ） 更多的情况下，他有他很多的想法，我有我的视角， 沟通的时候，他气势磅礴，顿感自己胸无点墨 。 好不容易在想法层面上达成一致，老板又觉得我只会说理论，没有办法变现。 我真是服了我自己的沟通能力 。 ( 在企业没有领导支持，真心是的不好玩）
2022年， 小小的火种在制造部门辅助建立流程 。
现在我的关注点更多的在人身上 。比如： 一个学生进了车间 ，他的学徒工资 2000元，学习周期3个月。 那么我会告诉他，3个月后，他需要达到什么样的技术水平，综合师傅的评价，才能通过我们的考核。正式学徒的工资是多少 。 正式学徒后，他需要达到什么样的技术水平及能力，到达师傅级的工资 。 我常说，你能拿多少钱不是我说了算 ，我们标准就在那里，你达到了，过来找我，通过考核，你就能拿多少工资 。
有些学徒已经成长为了师傅，我会告诉他：你可以有三种选择 ， 第一种是就在本组继续工作，好处是，你可以在自己熟悉的领域工作，坏处是，你涨薪的幅度会比较慢 。 第二种，如果你可以申请当组长，好处是组长的薪资、福利、机会会更多。但是你需要承担更多的责任，学习更多的内容 。 第三种，如果你不想往管理上发展，我可以协调你到平行岗位学习 。 能够让你一直保持新鲜感，日后成为多功能技术人员。种种如是 。
当我们的兄弟成长为组长后，经过2-3年的磨练，工作开始变得得心应手。 组内人员稳定，技能娴熟、设备状态良好，每日工作进展顺利。他就可以开始申请调岗或晋升。 通常想晋升为部长或经理，我预先设置了几个前置条件 。 第一个：你需要有一个接班人（ 同事认可的接班人，不然就算让你调岗了，你也会被迫回来 ） 。 第二个： 在此之前，你需要有2-3个以上岗位的轮岗经验，目的是让你能够多方位的进行思考 ， 也就是我们常说的增加你的管理成熟度 。 30-35岁，以我目前的见解，我觉得这个年龄区间的人，能达到这个阶段算是不错。 （ 我更多见识的是民企，200人左右的那种。希望这两年努努力，去大公司见识见识。 ）
不过说到这里，我真切的感觉到平台的重要性，平台又多取决于学历。好好学习才是硬道理 。
当了部门管理者，事实上已经可以算是一个中层的管理着了（ 小企业）工作的内容更多的是管理， 管理部门人才的梯队（ 学徒-师傅-组长-主管）的建设。 设备的维护、稼动率 。流程是否顺畅 （ 比如一个小组，他们组的人员做事是否有效率，风气怎么样，人员结构怎么样，设备维护的怎么样，现场5S整理的怎么样） 来验证，这个组的组长是否有领导的能力。 他缺乏哪方面的技能，如何去培养他。（ 他适合用什么样的方式沟通、交流）
一个部门，能不能高效、底成本的完成公司制定的战略（ 任务 ），部门人才的梯队建设、部门间的协调又可以用来验证，这个部门的负责人能不能胜任这个岗位。
有一次，需要对一个组长进行任命：
一位是，我平时的酒友，认识很多年了，对公司的业务类型很熟悉， 沟通也不错，主要是很熟，做事稳定，创新少 。
一位是刚入职不够，有很多自己的想法，对公司的业务类型不太熟悉，沟通上稍微有点急躁 ，工作经验丰富。
我选了前者，结果后者走了。 说实话现在都感觉有点后悔，因为前者虽然技术成熟，沟通顺畅，但是对人、对管理没有感觉。 不会出大乱子，但是理论上并不会做成好的成绩。 （ 这一点已经得到的印证） 管理的感觉就像这样 ，一个错误的决定，很可能就会损伤一个组的士气 。 如果看不到这些微妙的变化，管理的部门就不会做出好的成绩 。
流程起什么作用呢？
我们选人需要流程、标准。很庆幸那时候的体系培训，让流程来帮助我们管理，让管理的简单化、固定化 。 有创新了更新流程，没有创新维护流程，为的就是保证过程的一致性，减少异常发生。 预防混乱 。 管理者还有一个任务就是想方设法让人的工作更轻松，（ 能电子扫描的，尽量不手写等等 ） 让兄弟有盼头，回报会延迟，但是肯定会来 。 管理是啥： 管人+理事 。不同阶段的人，有不同的管理成熟度要求 。 员工只需要管理好个人。 组长需要管理组员、作业标准、设备等 。
到了部长后的路怎么走呢？
30岁-40岁，似乎还有十年“风光”的光景，但是我同样看到了深深的时间陷阱。 如果我们被“风光”欺骗， 停止学习，那么40岁的时候，就是注定被淘汰的时候 。这个陷阱埋的是真心好。
前辈们，你们30岁的时候是怎么做的 ？ 收起阅读 »
刚接触体系的时候，每次客户审核、三方审核都是一脸懵。不理解老师说的是什么意思，不知道他想要的是什么效果 。 每次都有一个疑问：我这样做符不符合体系要求？ 老师说的要求是不是体系里的要求，写在哪儿？ 那时候总感觉符合体系要求的动作才是正确的动作，促使我们公司的一群人对体系标准特别感兴趣。
然后我们请了很多老师，有全职三方的咨询公司。有时任客户端培训系统的大佬、有客户端的SQE大佬。花了近两年时间，每个周末都安排了培训（ VDA6.3、PFMEA、IATF16949、GDT、一顿造。 培训+考试、再培训再考试 ） 10多个人参与了培训，最终有2-3个人较完整的坚持了下来，并有所收获。其余人都对体系有了基本的认知。（ 真的特别感谢当时的领导，在人员知识、技能培训上顶着压力给我们制造了那么多机会 。）
后面我们了解了标准、熟悉了条款、知道了审核老师的套路和逻辑、可以提前准备客户审核想看的资料，规划路线。每次审核都能顺利通过。 紧接着灵魂拷问来了： 通过客户的审核，真正的靠体系完善的比例是多少？（ 价格+服务占多少 ？） 学习了体系每年能变现多少？ 流程让工作更复杂，降低了工作效率？ 在这一波灵魂拷问的前提下，团队散了 （走的走、转岗的转岗） 刚刚燃起来的星星之火熄了，剩下零星的火种，心中有火红的内核，头上冒着青烟 。
接着，我们的体系建设回到了最初。没人维护指导文件，没人在乎记录表单，知道公司有程序文件这个东西的人少了 。 是不是不该在继续推行体系了，因为那没有用。 还是我们打开的方式不对。 剩下的火种需要思考 。
最不想提及的是整个过程中与老板的沟通（ 我觉得这个做的最烂 ） 更多的情况下，他有他很多的想法，我有我的视角， 沟通的时候，他气势磅礴，顿感自己胸无点墨 。 好不容易在想法层面上达成一致，老板又觉得我只会说理论，没有办法变现。 我真是服了我自己的沟通能力 。 ( 在企业没有领导支持，真心是的不好玩）
2022年， 小小的火种在制造部门辅助建立流程 。
现在我的关注点更多的在人身上 。比如： 一个学生进了车间 ，他的学徒工资 2000元，学习周期3个月。 那么我会告诉他，3个月后，他需要达到什么样的技术水平，综合师傅的评价，才能通过我们的考核。正式学徒的工资是多少 。 正式学徒后，他需要达到什么样的技术水平及能力，到达师傅级的工资 。 我常说，你能拿多少钱不是我说了算 ，我们标准就在那里，你达到了，过来找我，通过考核，你就能拿多少工资 。
有些学徒已经成长为了师傅，我会告诉他：你可以有三种选择 ， 第一种是就在本组继续工作，好处是，你可以在自己熟悉的领域工作，坏处是，你涨薪的幅度会比较慢 。 第二种，如果你可以申请当组长，好处是组长的薪资、福利、机会会更多。但是你需要承担更多的责任，学习更多的内容 。 第三种，如果你不想往管理上发展，我可以协调你到平行岗位学习 。 能够让你一直保持新鲜感，日后成为多功能技术人员。种种如是 。
当我们的兄弟成长为组长后，经过2-3年的磨练，工作开始变得得心应手。 组内人员稳定，技能娴熟、设备状态良好，每日工作进展顺利。他就可以开始申请调岗或晋升。 通常想晋升为部长或经理，我预先设置了几个前置条件 。 第一个：你需要有一个接班人（ 同事认可的接班人，不然就算让你调岗了，你也会被迫回来 ） 。 第二个： 在此之前，你需要有2-3个以上岗位的轮岗经验，目的是让你能够多方位的进行思考 ， 也就是我们常说的增加你的管理成熟度 。 30-35岁，以我目前的见解，我觉得这个年龄区间的人，能达到这个阶段算是不错。 （ 我更多见识的是民企，200人左右的那种。希望这两年努努力，去大公司见识见识。 ）
不过说到这里，我真切的感觉到平台的重要性，平台又多取决于学历。好好学习才是硬道理 。
当了部门管理者，事实上已经可以算是一个中层的管理着了（ 小企业）工作的内容更多的是管理， 管理部门人才的梯队（ 学徒-师傅-组长-主管）的建设。 设备的维护、稼动率 。流程是否顺畅 （ 比如一个小组，他们组的人员做事是否有效率，风气怎么样，人员结构怎么样，设备维护的怎么样，现场5S整理的怎么样） 来验证，这个组的组长是否有领导的能力。 他缺乏哪方面的技能，如何去培养他。（ 他适合用什么样的方式沟通、交流）
一个部门，能不能高效、底成本的完成公司制定的战略（ 任务 ），部门人才的梯队建设、部门间的协调又可以用来验证，这个部门的负责人能不能胜任这个岗位。
有一次，需要对一个组长进行任命：
一位是，我平时的酒友，认识很多年了，对公司的业务类型很熟悉， 沟通也不错，主要是很熟，做事稳定，创新少 。
一位是刚入职不够，有很多自己的想法，对公司的业务类型不太熟悉，沟通上稍微有点急躁 ，工作经验丰富。
我选了前者，结果后者走了。 说实话现在都感觉有点后悔，因为前者虽然技术成熟，沟通顺畅，但是对人、对管理没有感觉。 不会出大乱子，但是理论上并不会做成好的成绩。 （ 这一点已经得到的印证） 管理的感觉就像这样 ，一个错误的决定，很可能就会损伤一个组的士气 。 如果看不到这些微妙的变化，管理的部门就不会做出好的成绩 。
流程起什么作用呢？
我们选人需要流程、标准。很庆幸那时候的体系培训，让流程来帮助我们管理，让管理的简单化、固定化 。 有创新了更新流程，没有创新维护流程，为的就是保证过程的一致性，减少异常发生。 预防混乱 。 管理者还有一个任务就是想方设法让人的工作更轻松，（ 能电子扫描的，尽量不手写等等 ） 让兄弟有盼头，回报会延迟，但是肯定会来 。 管理是啥： 管人+理事 。不同阶段的人，有不同的管理成熟度要求 。 员工只需要管理好个人。 组长需要管理组员、作业标准、设备等 。
到了部长后的路怎么走呢？
30岁-40岁，似乎还有十年“风光”的光景，但是我同样看到了深深的时间陷阱。 如果我们被“风光”欺骗， 停止学习，那么40岁的时候，就是注定被淘汰的时候 。这个陷阱埋的是真心好。
前辈们，你们30岁的时候是怎么做的 ？ 收起阅读 »
十年蝶变与“超车”启示录，中国动力电池会诞生下一个宁德时代吗
出乎很多人意料的是，曾经不被看好的新能源汽车在几年时间里交出了一张优秀答卷。
虽受疫情寒冬冲击，但从产销数据和消费者认知来看，新能源汽车行业依然保持着高速而稳定的增长。
2021年，全球售出新能源汽车近681万辆，中国新能源汽车销量突破350万辆，占据全球份额50%有余；
2022年，中国新能源汽车产销在上半年便已分别达到327.9万辆和319.4万辆，同比均增长1.2倍，市场占有率已达21.6%。
▲
2021、2022年新能源汽车销量对比图
（数据来源：乘用车市场信息联合会）
传统燃油车企或主动或被动转型，互联网大厂们纷纷躬身入局。风再起时，新能源汽车正从转型升级的先锋力量发展成为汽车产业的主导性力量。
中国的新能源汽车，稳站C位。
而与此比肩、同样呈现一片繁荣之势的，是被视作新能源汽车心脏的动力电池。
01
动力电池
十年蝶变，机会丛生
和新能源汽车一样，动力电池也走过一段颇具波澜的发展之路。
故事要从一场十年前的官司说起。
2012年4月9日，北京第一中级人民法院驳回加拿大魁北克水电公司上诉，维持“专利无效”的一审判决。
磷酸铁锂电池的制造技术专利一锤定音，国内电池厂商们省下1000万美元专利入门费，和每吨2500美元的天价授权费。
某种程度上，这成为一个至关重要的起点，为中国动力电池的发展增添上浓墨重彩的一笔。
自此，中国的动力电池开始大踏步前进。
十年前，动力电池市场由日韩主导；十年后，曾经主做电池集成的中国动力电池，形成了涵盖材料研发、电池生产、回收利用、设备支撑的全球最全、规模最大的动力电池产业体系。
据市场研究机构SNE Research数据，2022年上半年，全球排名前十的动力电池厂商，有六家来自中国，合计市场份额56%，其中宁德时代的市场份额从此前的28%提升至34%。
中国动力电池行业之所以能在短时间内取得迅猛发展，离不开国家战略层面的强有力支持。中国汽车动力电池产业创新联盟副秘书长认为：“国家明确了新能源汽车的战略定位后，动力电池行业得到了各方重视。”
可从近年来相继出台的动力电池相关政策窥见一二：“十一五”规划开始提倡混动力汽车研发；“十二五”时期明确要加快新能源汽车发展进程任务；“十三五”规划中提及要大力发展新能源汽车等战略性新兴企业；“十四五”规划聚焦细分赛道，动力电池成为关键技术突破环节。
与此同时，无数资本也争相入局。今年以来，蜂巢能源、欣旺达、中创新航等电池独角兽在资本加持下化身行业焦点，动力电池成为VC/PE眼中炙手可热的新星。
国家重点关注、宏观政策护航、资本市场助推，我国动力电池行业正在完成从“中国制造”到“中国智造”的重大飞跃。
面对巨大增量空间，国内电池厂商摩拳擦掌、虎视眈眈，誓要在这场看不见硝烟的竞争中，重新掌握行业洗牌的主动权。
然而，一切真如我们所看见的那样吗？
02
放不下的达摩克里斯之剑
一边是动力电池的产销两旺，一边是新能源汽车的事故频发。
# 消费信任危机
今年7月底，台湾知名艺人兼赛车手林志颖在驾驶特斯拉时不慎撞上路边护栏，在林志颖及其儿子被好心人施救后的5秒内，车辆便燃烧起来，数分钟内烧得只剩骨架。
新能源汽车再一次站上风口浪尖，有关“新能源汽车到底安全与否”的质疑与探询再度回归主流舆论场，苦心孤诣塑造的消费者认知面临崩塌，不少人甚至闻“电”色变。
这自然不是新能源汽车的第一次事故，短期看来也不会是最后一次。
应急管理部门公布的数据显示，仅在2022年第1季度，就有640起电动汽车自燃事故，对比去年同期上升32%，平均1天烧掉7辆车。
一而再再而三发生的自燃事件，让悬置在空中的安全问题成为对行业的某种公开处刑，对迟迟没有得到妥帖解决方案的消费者来说，信任的绳索随时可以割舍。
身为新能源汽车心脏的动力电池，不可避免地感到唇亡齿寒。事实上，我们很难将其看作无妄之灾，据相关调研报告分析，绝大部分事故的确与动力电池有关。
# 产品质量危机
整体来看，导致新能源汽车起火的主要成因可以概括为电池产生过热现象、电池发生老化、电池遭受碰撞、电池高负荷运行。
早在几年前，中国科学院院士、汽车动力系统专家欧阳明高就指出：这些事故的主体原因是产品质量问题。
所谓产品质量问题，就是指产品在设计、制造、验证、使用过程中没有严格遵守相关技术标准和规范，主要包括电池产品测试验证不足、车辆使用过程中可靠性变化和充电安全管理技术有问题三类。
动力电池厂商和整个新能源汽车行业要想实现可持续发展，就必须解决动力电池质量问题。
当前，行业内已在实行较为完善的标准，并持续推进着涉及低温电性能、寿命、热管理系统性能等在内的有益补充标准，不断拓宽着现有动力电池安全性评估维度和手段，力图从根源消减质量安全隐患。
而对动力电池厂商们而言，怎么让纸面标准落地，或将成为极具紧迫性的一大棘手考验。
# 资源紧缺危机
另一方面，阶段性的供需结构错配在大幅度提高动力电池的生产制造成本，盈利问题也是摆在厂商们面前的一座大山。
新能源汽车销量稳定增长，下游企业采购备货意愿持续增强，带动上游原材料需求同步高增长。尽管我国锂资源种类丰富，储量排名世界第四。但相比国外优质资源，国内的锂资源存在成分复杂、提取难度相对较大且产量有限的问题。
在经过4月份短暂的价格回调之后，碳酸锂价格再次上涨。上海钢联9月数据显示，碳酸锂价格上涨至1500元/吨，均价报出51.5万元/吨。一年时间内，碳酸锂价格暴涨十倍。
数据来源：上海钢联
“动力电池的成本已经占到电动车成本近40%-60%，那我们现在不是在给宁德时代打工吗？”今年7月底的世界动力电池大会上，广汽集团董事长语出惊人。对此，宁德时代做出回应：“上游原材料炒作带来了产业链短期的困扰......我们也在盈利的边缘挣扎。”
宁德时代所言非虚。从披露的财务数据看，2022年Q1，宁德时代营收达到486.78亿元，大涨153.97%；但净利润只有14.93亿元，同比下降23.62%。
扩产堵不上缺口，增收但不增利。纵然是行业内毋庸置疑的“大哥”，宁德时代也躲不掉同一种难题。
如何应对原材料短缺以及由此引发的一系列连锁问题，成为整个动力电池行业所要解决的主要问题。
进退维谷的动力电池厂商们，该何去何从？
03
突围路标：质量与产能
动力电池本身是一个技术更迭相当迅速的行业，经历过铅酸电池、镍氢电池、锂电池等几轮技术迭代，宁德时代更是靠着“三元锂电池”一跃成为全球顶尖的电池巨头。
要想和占据动力电池行业半壁江山的龙头企业争夺市场，实现自身的可持续发展，腰部动力电池厂商万不可轻率扩产。
产品层面的质量管理和创新研发必不可少，产能层面的供应链协同与资源调配效率不可或缺。
在所有既定又不可控的因素中，提升质量、优化产能或许是最能把握又最能见效的途径之一。如此或能更快走出产业泥淖，在竞争激烈的市场中脱颖而出，甚而弯道超车，成为下一个“宁德时代”。
在后续的推文中，我们将围绕【质量提升】和【产能提升】进行进一步分析，并提供具体可参考的解决方案。
欢迎您持续关注。
【你如何看待动力电池的危与机？
厂商应该如何有效应对？】
欢迎来评论区留言参与讨论
期待认识犀利有见地又风趣幽默的你~
【你如何看待动力电池的危与机？厂商该如何有效应对】
欢迎来评论区留言参与讨论
同时说明你的岗位和所在行业
优质评论将有惊喜掉落哦
期待认识犀利有见地的你~ 收起阅读 »
虽受疫情寒冬冲击，但从产销数据和消费者认知来看，新能源汽车行业依然保持着高速而稳定的增长。
2021年，全球售出新能源汽车近681万辆，中国新能源汽车销量突破350万辆，占据全球份额50%有余；
2022年，中国新能源汽车产销在上半年便已分别达到327.9万辆和319.4万辆，同比均增长1.2倍，市场占有率已达21.6%。
▲
2021、2022年新能源汽车销量对比图
（数据来源：乘用车市场信息联合会）
传统燃油车企或主动或被动转型，互联网大厂们纷纷躬身入局。风再起时，新能源汽车正从转型升级的先锋力量发展成为汽车产业的主导性力量。
中国的新能源汽车，稳站C位。
而与此比肩、同样呈现一片繁荣之势的，是被视作新能源汽车心脏的动力电池。
01
动力电池
十年蝶变，机会丛生
和新能源汽车一样，动力电池也走过一段颇具波澜的发展之路。
故事要从一场十年前的官司说起。
2012年4月9日，北京第一中级人民法院驳回加拿大魁北克水电公司上诉，维持“专利无效”的一审判决。
磷酸铁锂电池的制造技术专利一锤定音，国内电池厂商们省下1000万美元专利入门费，和每吨2500美元的天价授权费。
某种程度上，这成为一个至关重要的起点，为中国动力电池的发展增添上浓墨重彩的一笔。
自此，中国的动力电池开始大踏步前进。
十年前，动力电池市场由日韩主导；十年后，曾经主做电池集成的中国动力电池，形成了涵盖材料研发、电池生产、回收利用、设备支撑的全球最全、规模最大的动力电池产业体系。
据市场研究机构SNE Research数据，2022年上半年，全球排名前十的动力电池厂商，有六家来自中国，合计市场份额56%，其中宁德时代的市场份额从此前的28%提升至34%。
中国动力电池行业之所以能在短时间内取得迅猛发展，离不开国家战略层面的强有力支持。中国汽车动力电池产业创新联盟副秘书长认为：“国家明确了新能源汽车的战略定位后，动力电池行业得到了各方重视。”
可从近年来相继出台的动力电池相关政策窥见一二：“十一五”规划开始提倡混动力汽车研发；“十二五”时期明确要加快新能源汽车发展进程任务；“十三五”规划中提及要大力发展新能源汽车等战略性新兴企业；“十四五”规划聚焦细分赛道，动力电池成为关键技术突破环节。
与此同时，无数资本也争相入局。今年以来，蜂巢能源、欣旺达、中创新航等电池独角兽在资本加持下化身行业焦点，动力电池成为VC/PE眼中炙手可热的新星。
国家重点关注、宏观政策护航、资本市场助推，我国动力电池行业正在完成从“中国制造”到“中国智造”的重大飞跃。
面对巨大增量空间，国内电池厂商摩拳擦掌、虎视眈眈，誓要在这场看不见硝烟的竞争中，重新掌握行业洗牌的主动权。
然而，一切真如我们所看见的那样吗？
02
放不下的达摩克里斯之剑
一边是动力电池的产销两旺，一边是新能源汽车的事故频发。
# 消费信任危机
今年7月底，台湾知名艺人兼赛车手林志颖在驾驶特斯拉时不慎撞上路边护栏，在林志颖及其儿子被好心人施救后的5秒内，车辆便燃烧起来，数分钟内烧得只剩骨架。
新能源汽车再一次站上风口浪尖，有关“新能源汽车到底安全与否”的质疑与探询再度回归主流舆论场，苦心孤诣塑造的消费者认知面临崩塌，不少人甚至闻“电”色变。
这自然不是新能源汽车的第一次事故，短期看来也不会是最后一次。
应急管理部门公布的数据显示，仅在2022年第1季度，就有640起电动汽车自燃事故，对比去年同期上升32%，平均1天烧掉7辆车。
一而再再而三发生的自燃事件，让悬置在空中的安全问题成为对行业的某种公开处刑，对迟迟没有得到妥帖解决方案的消费者来说，信任的绳索随时可以割舍。
身为新能源汽车心脏的动力电池，不可避免地感到唇亡齿寒。事实上，我们很难将其看作无妄之灾，据相关调研报告分析，绝大部分事故的确与动力电池有关。
# 产品质量危机
整体来看，导致新能源汽车起火的主要成因可以概括为电池产生过热现象、电池发生老化、电池遭受碰撞、电池高负荷运行。
早在几年前，中国科学院院士、汽车动力系统专家欧阳明高就指出：这些事故的主体原因是产品质量问题。
所谓产品质量问题，就是指产品在设计、制造、验证、使用过程中没有严格遵守相关技术标准和规范，主要包括电池产品测试验证不足、车辆使用过程中可靠性变化和充电安全管理技术有问题三类。
动力电池厂商和整个新能源汽车行业要想实现可持续发展，就必须解决动力电池质量问题。
当前，行业内已在实行较为完善的标准，并持续推进着涉及低温电性能、寿命、热管理系统性能等在内的有益补充标准，不断拓宽着现有动力电池安全性评估维度和手段，力图从根源消减质量安全隐患。
而对动力电池厂商们而言，怎么让纸面标准落地，或将成为极具紧迫性的一大棘手考验。
# 资源紧缺危机
另一方面，阶段性的供需结构错配在大幅度提高动力电池的生产制造成本，盈利问题也是摆在厂商们面前的一座大山。
新能源汽车销量稳定增长，下游企业采购备货意愿持续增强，带动上游原材料需求同步高增长。尽管我国锂资源种类丰富，储量排名世界第四。但相比国外优质资源，国内的锂资源存在成分复杂、提取难度相对较大且产量有限的问题。
在经过4月份短暂的价格回调之后，碳酸锂价格再次上涨。上海钢联9月数据显示，碳酸锂价格上涨至1500元/吨，均价报出51.5万元/吨。一年时间内，碳酸锂价格暴涨十倍。
数据来源：上海钢联
“动力电池的成本已经占到电动车成本近40%-60%，那我们现在不是在给宁德时代打工吗？”今年7月底的世界动力电池大会上，广汽集团董事长语出惊人。对此，宁德时代做出回应：“上游原材料炒作带来了产业链短期的困扰......我们也在盈利的边缘挣扎。”
宁德时代所言非虚。从披露的财务数据看，2022年Q1，宁德时代营收达到486.78亿元，大涨153.97%；但净利润只有14.93亿元，同比下降23.62%。
扩产堵不上缺口，增收但不增利。纵然是行业内毋庸置疑的“大哥”，宁德时代也躲不掉同一种难题。
如何应对原材料短缺以及由此引发的一系列连锁问题，成为整个动力电池行业所要解决的主要问题。
进退维谷的动力电池厂商们，该何去何从？
03
突围路标：质量与产能
动力电池本身是一个技术更迭相当迅速的行业，经历过铅酸电池、镍氢电池、锂电池等几轮技术迭代，宁德时代更是靠着“三元锂电池”一跃成为全球顶尖的电池巨头。
要想和占据动力电池行业半壁江山的龙头企业争夺市场，实现自身的可持续发展，腰部动力电池厂商万不可轻率扩产。
产品层面的质量管理和创新研发必不可少，产能层面的供应链协同与资源调配效率不可或缺。
在所有既定又不可控的因素中，提升质量、优化产能或许是最能把握又最能见效的途径之一。如此或能更快走出产业泥淖，在竞争激烈的市场中脱颖而出，甚而弯道超车，成为下一个“宁德时代”。
在后续的推文中，我们将围绕【质量提升】和【产能提升】进行进一步分析，并提供具体可参考的解决方案。
欢迎您持续关注。
【你如何看待动力电池的危与机？
厂商应该如何有效应对？】
欢迎来评论区留言参与讨论
期待认识犀利有见地又风趣幽默的你~
【你如何看待动力电池的危与机？厂商该如何有效应对】
欢迎来评论区留言参与讨论
同时说明你的岗位和所在行业
优质评论将有惊喜掉落哦
期待认识犀利有见地的你~ 收起阅读 »
万人锤的质量
我对质量工作定位感想，欢迎大家评点~
当在一个公司讨论质量的时候，生产可以说他按质量生产，工程可以把工艺要求谈的头头是道，研发更是说在设计之初就考虑了质量，采购也可以说供应商的质量是如何的优秀，甚至仓库都可以上来说上几句，但是当出质量问题时，高谈阔论的人都不见了，老板只会拿质量部门的人兴师问罪，为什么呢？
他们谈论的质量只是拿不良品和合格品比较，再得出结论质量的好坏，是事后的评判。而质量部门该做的重点是去预防，防患于未然。但就是因为力用在了未发生的事上，没在别人眼皮下努力，事情的成果往往就变得理所当然，领导认为今天的成绩是大家的努力成果。诚然是大家的努力成果没错，但质量部门预先的努力呢，却没被看到。出现质量问题的时候又是被所有人指指点点，一定说是质量部门没把事情做好，领导首先处罚的一定又是质量人员。
一个组织若有这样的情况绝不是健康的状态，若领导也有这样的思想一定是不懂的流程。
首先领导一定要熟知公司的业务流程，问题出在哪个环节要有明智的判断；其次，领导想要的流程不要放在他的脑袋里，不要认为组织会按照他想要的流程去运作。而是要去观察和验证实际的和理想中流程是否一样，思考差距在哪里，需要不断去调整。虽然各个组织的流程都会有些差异，但各个组织的流程一定是目前最适合组织运作的方式，哪怕还有那么一些不尽人意，但只有所有人都按照既定的流程办事才能使组织的运作上下一心，总体协调一致。
出现质量问题，一定是哪个环节疏漏了，需要分析补救，把漏洞补上，流程完善。质量负责主导处理没错，但责任不在质量部门身上，质量是整个组织的事，质量部门只是牵头人。
回到质量部门职责上，质量只是组织辅助的但又是重要的部门，检验只是最基础的部分工作。关键责任是如何使各个部门将质量融入到组织的业务过程和日常工作中，并普及科学的质量思维和方法工具，遇到质量问题起到导师作用，共同解决问题，使其工作更加高效和增值。 收起阅读 »
当在一个公司讨论质量的时候，生产可以说他按质量生产，工程可以把工艺要求谈的头头是道，研发更是说在设计之初就考虑了质量，采购也可以说供应商的质量是如何的优秀，甚至仓库都可以上来说上几句，但是当出质量问题时，高谈阔论的人都不见了，老板只会拿质量部门的人兴师问罪，为什么呢？
他们谈论的质量只是拿不良品和合格品比较，再得出结论质量的好坏，是事后的评判。而质量部门该做的重点是去预防，防患于未然。但就是因为力用在了未发生的事上，没在别人眼皮下努力，事情的成果往往就变得理所当然，领导认为今天的成绩是大家的努力成果。诚然是大家的努力成果没错，但质量部门预先的努力呢，却没被看到。出现质量问题的时候又是被所有人指指点点，一定说是质量部门没把事情做好，领导首先处罚的一定又是质量人员。
一个组织若有这样的情况绝不是健康的状态，若领导也有这样的思想一定是不懂的流程。
首先领导一定要熟知公司的业务流程，问题出在哪个环节要有明智的判断；其次，领导想要的流程不要放在他的脑袋里，不要认为组织会按照他想要的流程去运作。而是要去观察和验证实际的和理想中流程是否一样，思考差距在哪里，需要不断去调整。虽然各个组织的流程都会有些差异，但各个组织的流程一定是目前最适合组织运作的方式，哪怕还有那么一些不尽人意，但只有所有人都按照既定的流程办事才能使组织的运作上下一心，总体协调一致。
出现质量问题，一定是哪个环节疏漏了，需要分析补救，把漏洞补上，流程完善。质量负责主导处理没错，但责任不在质量部门身上，质量是整个组织的事，质量部门只是牵头人。
回到质量部门职责上，质量只是组织辅助的但又是重要的部门，检验只是最基础的部分工作。关键责任是如何使各个部门将质量融入到组织的业务过程和日常工作中，并普及科学的质量思维和方法工具，遇到质量问题起到导师作用，共同解决问题，使其工作更加高效和增值。 收起阅读 »
RSS Feed