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 »

 
     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。
 
 


 

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 »

     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 »

        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 »

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 »

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 »

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 »

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 »

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 »

专栏简介

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 »

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 »

● 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 »

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 »

       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 »

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 »

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 »

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 »

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 »

挑战的一部分(和乐趣！作为一名机械工程师，不断寻求改进的机会。无论是你的产品还是过程，机械工程师都有责任找出问题并进行实验来改进它们。是时候花点时间让自己成为更好的工程师了吗？学习和利用这些分析工具不仅能帮助你做得更好，还能为你提供更多的工具来应对新的和令人兴奋的挑战。

1. 使用可视化识别产品中的问题。在可能的情况下，收集常用的数据并绘制成图表直方图、帕累托图、热图甚至相关图. Minitab的新图形生成器使您能够轻松地可视化您的数据，并看到您从未考虑过的可视化效果。

2. 使用过程分析工具识别问题。无论您是否已经识别出问题，过程分析工具都可以帮助您回顾过程，以识别失败的地方或改进的机会。故障模式和影响分析，也称为FMEAs，帮助您评估风险和流程图或流程图可以帮助你快速锁定需要关注的区域。

3. 使用控制图评估过程稳定性。机械工程师应该监控他们的过程，以确保质量和一致性。有许多统计工具，如控制图和能力分析这有助于机械工程师监控过程中的变化，并确定过程是否会生产出符合要求规格的产品。Minitab支持的实时SPC提供即时警报和分析，以确保流程稳定、高效和有能力。

4. 使用产品开发工具和方法设计和开发原型。在使用CAD系统之前，你应该使用许多产品开发工具。将产品推向市场需要对客户的需求和需求有充分的了解，以及严格的方法。学习如何使用决策矩阵工具就像质量矩阵或Pugh矩阵或向这家医疗设备制造商学习，他们利用客户总结和Kano模型的声音，以迅雷不及掩耳之势将新产品推向市场。如果您有兴趣了解产品开发方法(以及更多！)，请查看我们的结构化问题解决方法周期表.

5. 利用实验设计。实验设计(DOE)是一种系统的、严谨的解决问题的方法，它确保产生有效的、可辩护的和可支持的结论。它可以有效地解决一般问题，以及改善或优化产品设计和制造过程。机械工程师可以使用DOE来:确定适当的设计尺寸和公差，实现稳健设计，描述物理系统行为或确定理想的制造设置。 收起阅读 »

【专栏简介】

我们将通过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｜FMEA何时做？谁来做？》文章中，我们提到FMEA是一种预防工具，想要做好FMEA，就要建立FMEA团队。

那么当我们已经建立好团队，打算开始做FMEA的时候，应该从哪里着手呢？

根据最新的FMEA标准——AIAG & VDA FMEA手册，FMEA的实施流程共有七步。

今天我们就从第一步策划与准备开始说起。


01

5T法需做足


如果我们将FMEA分析看成一个项目，那么这个项目的时间、节点、工作范围，针对哪几个工段，或者是整条工段，都要在策划阶段确定。

而要确认这些，可以尝试使用5T法。



 

inTent目的-我们为什么要做FMEA？

当团队成员了解了FMEA的目的和意图时，他们会更好地为完成项目具体目标和总体目标作出贡献。

Time时间-什么时候完成？

我们要强调一下FMEA是一种事前行为，为了体现出它的最大价值，我们就需要尽早的，在产品或过程实施之前开展FMEA工作。因为产品或过程中存在许多潜在失效，我们需要提前分析解决，才能确保量产环节的过程稳健。

Team团队-需要哪些团队成员？

FMEA团队需要由跨职能团队成员组成，成员必须具备必要的专业知识，只有大家积极参与讨论，共同努力，才有可能做好这项工作。

Task任务-需要做哪些工作？

FMEA的工作基本上需要按照七步法的流程来，七步法提供了FMEA整体的任务框架以及交付成果。此外，FMEA可以由内审员、顾客审核员或第三方注册机构进行审核，以确保每项任务都能按照其要求完成。

Tools工具-如何进行分析？

目前市面上有许多成熟好用的FMEA软件，可以帮助我们更快更好地完成FMEA工作。还有包括基础FMEA家族FMEA的建立，企业知识库的创建等等。当然也可以通过传统方式Excel填表格的形式在做FMEA，只是考虑FMEA的有效性、效率上，并不推荐这种方式。

5T法的使用可以帮助我们更好地提前确定好FMEA这个工程的对象及要求，使我们能及时取得最佳效果、避免FMEA返工。


02

FMEA相关文件需协同


在准备阶段同时也需要搜集一些和FMEA工作相关的文件。



例如产品示意图、图纸、3D模型、技术规范、法律要求、设计FMEA、PFD过程流程图、物料清单（BOM）、类似过程的操作指导书、类似产品的过往FMEA文件等等。

这些文件可以帮助我们确定FMEA的要求，同时，由于之前做过类似产品的FMEA分析，如果涉及到相同或相似的流程，可以拿来参考或直接使用。

除此之外还有一些类似过程的绩效信息，可以帮助我们确定发生度的评价。例如首次质量（FTQ）、返工、报废、顾客投诉、8D报告、过程审核等等，以上这些都是我们的前期准备工作。

这部分关联到的文件会非常多，如果可以通过FMEA软件来进行分析，这些文件就能更好地被管理起来，并且具有更高的协同性，只要是团队成员就能在线查看，甚至在线编辑。




03

FMEA的边界需确认


最后还有一点需要注意的就是我们要确定FMEA的边界。

总的来说我们要搞清楚做FMEA的时候哪些需要做，哪些不需要做。假如是供应商提供的零部件，那这一部分的FMEA分析应该是供应商来提供，SQE应当提出相应要求。


FMEA分析的范围可以从工厂的来料验收开始，主要根据客户的要求，如果没有要求也可以不做。但是我们必须对生产过程进行分析，并且从生产过程的第一道工序就要开始。


事前做足准备，才能确保万无一失，以上就是FMEA七步法中的第一步——策划与准备。


下一期，我们将继续一起来聊一聊新版FMEA七步法中的结构分析。 收起阅读 »

     转眼已入不惑。
     但，惑还有，而且不少。要学的知识太多，每天感觉时间不够用，但又很难进入心流状态。孩子的，老人的，自己的；房子的，车子的，生活的，各种“问题”&“意外”，纷至沓来，经常措手不及。不禁怀疑，毕业的14年，是不是都荒废了，为什么有那么多不懂得东西....
     焊接
    供应商质量管理
    体系认证
    商务英语
    精益生产
    6西格玛黑带考试
都是我爱，而需不停充实的。在此先留个脚印，希望40岁的自己，焦虑危机的同时，能一步一个脚印，走下去。 收起阅读 »

当他们最喜欢的糖曲奇配方制作的曲奇在烘焙后无法保持节日形状时，一个有质量意识的面包师该怎么办呢？当然是运行实验设计(DOE)啦！

从部分因子实验开始

莫德·沃德是Minitab的一名狂热的面包师和平面设计师，他使用实验设计(DOE)工具Minitab统计软件去弄清她糖饼干造型的失礼之处。

在Minitab出色的技术支持团队的帮助下，Maud设计了一个实验，让她能够筛选许多因素，确定哪些是最重要的，然后调整她的过程，以获得她想要的结果——在这种情况下，制作烘烤后保持形状的饼干。

她决定经营一家部分因子实验，一类因子设计，可让您快速、经济地确定过程中最重要的因素。

莫德的实验要求她进行八次运行(或批次饼干)来评估六个因素，每个因素都在两个水平上进行测试:

· 烤箱温度:325华氏度或375华氏度

· 鸡蛋数量:1或2

· 通用面粉:9盎司。或者13.5盎司。

· 小苏打:0.5或1茶匙

· 酒石霜:0.5或1茶匙

· 揉搓和切割后冷却面团:是或否

为了确保面团厚度一致，莫德用木条来防止她的擀面杖将面团压得比1/4英寸(6.35毫米)更薄。然后，她随机地将饼干放置在烤板上，以尽量减少烘烤过程中的不当影响或无意偏差，并在烘烤中途将烤板旋转180度。

因为实验中使用了两种烤箱温度，所以烘烤时间因试验而异。每次试验的实际烹饪时间记录在试验说明表上。

每次试验包括烘烤两托盘饼干。当它们从烤箱中出来时，莫德测量了两个托盘中每种形状的两个样品，以查看整体高度、选定的宽度尺寸或厚度是否有变化。这些尺寸记录在预先打印的表格上，表格上标明了试验编号、试验数据、宽度和高度。莫德计算了她的饼干形状的平均值和标准偏差，然后使用Minitab统计软件来分析数据。

获得美味的DOE结果

在Minitab中进行的高度和宽度测量的分析显示，面粉是饼干扩散的驱动因素。莫德说:“在每一个例子中，面粉量越多，从原始尺寸开始的扩散就越少。”“对饼干厚度的影响主要受面粉和面糊中鸡蛋数量的影响。用两个鸡蛋比只用一个鸡蛋产生的上升更多。”

莫德随后使用Minitab创建了主要效果图，检查一个或多个因素的水平平均值之间的差异。





​最后，响应优化器帮助确定导致最小扩散和最大高度的因子设置。



由于Minitab和技术支持团队的帮助，Maud现在相信她设计和分析的实验将在这个假期和未来的更多假期中带来更好的饼干。对我来说，听起来像完美的，美味的结果！ 收起阅读 »

旧八大质量管理原则：1以顾客为关注焦点2领导作用3全员参与4过程方法5持续改进6基于事实的决策7与供方互利的关系8管理的系统方法
新七大质量管理原则：1以顾客为关注焦点2领导作用3全员参与4过程方法5改进6循证决策7关系管理 收起阅读 »

       服务了很多年的制造型企业，总是要面对各种各类的审核，有客户的审核、认证的审核、政府安全的审核、质量管理体系的审核等等，想想开一家制造型的公司真的是不容易，前几天刚刚完成了公司年度的质量管理体系审核，颇有感触，今天就来说说。
      工厂审核按流程大致可以分为以下几个内容，审核的通知、审核的准备、审核的过程、审核结束后整改、审核后的企业内部总结或检讨。接下来就是逐一吐槽的时候，首先讲一下审核的通知，通常认证的审核或质量管理体系的审核都会提前通知，至少也是有一个星期以上，偶尔也会碰到个别的到了公司大门口才通知的，提前通知对于工厂来说是件好事情，毕竟有了足够的时间做准备，重大一点的审核就要进行迎审会议说明了，哪个部门该干些什么事情，提前准备好，主导部门就要去跟进。我是主导了很多年，中小型企业在这方面做得比较被动，大家对这些审核都不是特别的重视，公司高层也只是口头上的重视，先过得了一关再说；很多时候我在找大家要东西、要配合的时候，都是特别的无奈，甚至有个别的老江湖还会告诉你：只要这个（做了个中国人都是熟悉的给钱的手势）到位，其他的都不是问题。虽然说我们不排除中国的人情关系中会有这个手势上的东西，但是基本的资料要有呀，我在做审核准备资料确认的过程中，经常发现牛头不对马嘴的东西，开始是愤怒，不能理解，慢慢的也就习以为常了，然后我就变成了老江湖，变成了自己曾经讨厌的那个人。
      总体来说在审核通知下来后的准备工作中，最想吐以下三点。其一是配合部门不重视，高层领导都很无奈；第二点就是不清楚该干啥的部门负责人，又不愿意接受和聆听，通常会碰到比较多的说法是“这个东西在我们公司是实现不了的”，最后即使是审核的应付过了，但是王二麻子仍旧是王二麻子，不会因为每次的洗礼而变成了王一麻子，套用领导经常讲的一句话“从去年到今年，时光在流逝，我们除了老了一岁以外，其他的没有任何改变”，毕竟是领导呀，讲话就是能厉害，能够点到事情的本质。还有第三点，就是领导作用，领导在这个资料准备的过程中，会经常问一句：准备好了没有？我认为这是一个没有答案的问题，因为什么样的准备才算好，是没有标准答案的，就跟中餐和西餐一样，西餐告诉你一斤肉，放30克的盐，那叫标准，如果你吃的时候觉得淡了或者咸了，那是你个人口味的问题；但是中餐会告诉你，大概一斤的肉，放适量的盐，最终淡了或者咸了，以吃的人的真实反馈为主，所以是“适量的盐”而不是“30克的盐”，刚开始我会回答说具体做了哪些事情，然后领导会指点一番，不满意的走开了；后来我就会说：我把我能想得到的，都准备了，多么虚无缥缈一个的回答，体现出了中国人谦卑的素养，因为没有标准答案的事情确实不好回答，到现在我也还是不明白，到底领导想要听到的答案是什么。这就是审核通知和准备的苦逼过程。
      时光荏苒，岁月穿梭，该来的始终是要来的，那些所谓的老师或是大客户终于在我们盼星星盼月亮的某一天出现了，在一番客套和指引之后开始了审核的工作，大致的流程是这样子的，公司简介（这个内容通常是审核主导部门来做，有一次放了个新人来简介，说得不是特别好，被销售的同事投诉了，领导又找谈话了一番，后来就是我自己做了）--资料的确认--现场审核--末次会议，然后审核方就会输出一些问题点，给我们改进，有的是向他们自己的公司交差，有的确实是抱着工作任务来的，通常后者都是年轻人。当然在这个过程中，陪同审核的人员确实也是有学到东西的，开阔了眼界，知道别的公司是怎么做的，利于个人成长。不过想要把客户/审核老师身上的东西在自己公司内部实现，通常不容易，我试过几次，都不成功，大多数人是不愿接受新事物的，谁会闲得没有事情做瞎折腾呀。审核的过程时间是漫长的，墙上的时钟仿佛也在看着笑话，我走慢点，看你们怎么出糗。其实真正的大客户是真的抱着辅导供应商的态度来的，称得上老师二字，比如戴尔的王工等，真的像我的数学老师一样指导着我们，受益匪浅。反倒有些本土客户，趾高气昂的，一副员外的样子，大公司来小公司监工的，恨不得让我叫他一声爷，如果叫了他能让我通过，倒也还好，主要是你让他成为了爷，他也不一定看得上你，最让人苦笑不得的也有两点。一是公司的领导在审核的末次总结的时候，会和客户站在统一战线，数落你的问题，偶然间飘来一句：之前我就和你说过这个问题了。最后审核结束后，会美其名曰“我们这样子做是尊重客户”，我很想说：您老人家尊重客户，也不能是站在我的痛苦之上进行呀，把我贬得多低呀。第二点是，很多地方是做得真不好，太尴尬了，一个记录拿出来空缺一大块，标准是A，实际做的是B，数据都超出标准了还判定合格……看得我真想飙脏话，好不容易在客户面前建立了点自信，居然会范这种错误，我AB你的CD呀，你不是打我的脸吗？闭着眼睛写的数据吗？…………，后来慢慢的也就淡定了许多，也学着领导站在客户的角度指点了一番（人果然是会变的，就好像以前我不认同我父亲的做法，后来我变成了他）。秒针滴答滴答在流逝，终于到了12点，终于到了17点，终于送走了大师们，提包躬身指引，送到楼下，对着渐行渐远的汽车微笑招手，让我不禁想起偶像剧里面离别的场景（你在那边好好的，记得给我写信），接下来就是整改的过程，因为大师们虽然走了，但是江湖上还是会有他们的传说的。
      整改的过程也是挺无奈的，通常大一点的审核输出的问题点，都不是一个部门所能完成的，需要跨部门合作和沟通，共同解决，这种情况下阻力就比较大，有的同志是应付性的提交，根本满足不了客户的需求，有的同志根本就不提供整改报告，或是很久很慢，用他们的说法就是，那是你们审核对接部门的事情。客户在催（通常是七个工作日要回复），销售的同事在催，领导告诉你：我不想听到这些理由，我要看到的是结果。最后为了满足客户的时间需求，我们很多时候都是自己回复，把其他部门的事情也做了。有利有弊，最大的弊端就是其他部门不介入客户审核回复的事情，不了解客户真正的需求，不利于本部门的成长；有利的地方就是，回复的人员对公司各部门的体系运行状况会懂得越来多，对于个人成长帮助很大。最可恨的是，有一些同志自以为自己很聪明，还去散播一些消息，他们对接审核的人有这个的（有是那个中国人熟悉的手势），让他们自己去弄；为什么大家都只看见贼吃肉，没看见贼挨揍呢。整改报告提报了之后，有一些是为回复而回复的，成龙说过，你撒一个谎，就要用无数个谎来圆它，这个谎说的对了还好，说错了，其他部门就会扯着嗓子喊：那是他们回复的，或者还有些马后炮会告诉你说：当时这个应该不要这样子回复，更可恶的是有些人抱怨说，不应该把客户带到那个地方去，这样子客户就发现不了这些问题了。我要告诉同志们，客户要去哪里看，正常来讲我们是不能正面干涉的，我曾经配到过一个台资工厂的客户，就是喜欢去那些角落的地方检查，有一个认证审核的老师让人印象，是专门来找问题的，每个角落都钻着看，那皮笑肉不笑的样子，现在想想都恶心，那次审核加上自己的经验不足，可被领导骂惨了。
      接下来就审核后的总结和检讨了，是以会议的形式进行的，特别尴尬的会议。其实公司想做这个事情，我是非常能够理解的，期望总结经验以便应付后面的其他审核，期望在这个过程中培养新人，现有的工作能够有更多的人来承接，不过，这也只能是一个期望。我经常用香港电影的现状来比喻企业的人才梯队，香港的电影是青黄不接，我们现在能够在荧幕上看到的香港电影都是老牌演员在卖力演出，最年轻的也像谢霆锋这样的40多岁的人了。企业内部也一样，新人不愿意学习，公司不愿在新人身上投入更多的福利资源，导致大家的工作的热情度都不高，因为老人们的现有待遇就是未来新人的缩影，青黄不接，铁打的营盘流水的兵，换了多少新人了，那些老不死的都还在。总结和检讨的会议是枯燥而尴尬的，一个人在前面的吧的吧的讲，三五个部门领导怂着脑袋在下面“认真”的听，最后布置了一些任务，领导在会议结束之前，再来一番高瞻远瞩的总结“积极拥抱变化、今天不努力工作，明天就努力找工作、努力工作，是为了未来生活得更美好……”等等之类的，结束了会议。半年一年后，张三仍然，李四依旧，只是原来别人称呼他们小张、小李，现在都叫成了老张、老李了。
      其实也不全是负能量的事情，也有值得颂扬的事情，简述几个。真正的大客户是会抱着辅导供应商成长的目的来进行审核的，企业内部人员确实在这个过程中成长许多，感谢那些不厌其烦的辅导小白们的客户，就像老师一样，可以配得上“为人师表”的锦旗。印象比较深的是一家国内知名企业的客户来审核，几个年轻人，工作的热情度特别高，下车间进行审核确认时，没有任何客户的架子，蹲在地上查看作业指导书，午饭的时候，公司领导特别提出外出就餐，其中一个小女生却说：不用了，我们公司有规定，不能和供应商到外面去吃饭，我们已经点了外卖，等下会在你们公司的会议室用餐，我们会收拾干净的。那一刻，我仿佛看到了祖国的未来。再有国内家电巨头客户审核，有个工程师特别厉害，提出的问题一针见血，而且还能给你提出契合实际的解决方案，真TMD牛掰。企业内部也是有一些特别愿意配合改进的同志，我敬佩这样的人，每当我碰到这样的人和事情的时候，总是特别的感动，那样的人是我学习的榜样，同时也让我对企业多了一份信心和不舍，多一些这样的人，我们一定会走得更高，更远。
      吐槽归吐槽，话又说回来，经营一家企业，真是不容易的。向企业家的精神致敬，向企业家的口袋看齐。 收起阅读 »

我本身不是做体系的，但是大概知道各类体系的要求和侧重点，以往的经验也是应审。体系各个方面还是专业做体系的人比我强，我这么认为。
今天我邀请了公司另外一个事业部的体系专员来给我们事业部的各个Function的头，工程师做了一次体系培训，原因是自己刚进公司不久，公司受控管理体系文件的平台不熟悉；其次考虑到这方面应该由专业的人做专业的事，所以组织了这次培训，还特意交代了准备了一些水果供大家享用。
从培训的结果来看， 个人认为效果不大，在体系受控文件管理的平台使用，也许大家有所了解，但是真正体系方面的知识稍微还是欠缺了一些。就从ISO9000系列来说，他的精髓和核心是什么，我觉得没有讲出来。 个人灼见就是文件化和流程管理。怎么样做好文件化，经常大家都会提到1级文件，2级文件，3级文件，4级文件， 至少这方面需要给大家一个概念和框架。目前事业部也是独立没几年，各类体系建立的还不会很完善，也没有单独的招聘一个体系管理人员来专门做这件事情，我负责这个事业部的quality， 一个任务也就是要将QMS做起来。对于这件事情难还是不难并不可怕，我本身认为不难，至少我有框架和思路，可怕的是其他人都是小白。 收起阅读 »

最近很多事情有些打乱了自己的工作节奏，去新公司才一个多月，就已经开始处理很多事情，异常的，客户投诉的，改善的等等。目前手下的QE也不怎么给力，都是在fix问题，缺少分析的过程，也缺少一些问题处理的套路。收到一个客户投诉，一个组合装的产品由A/B/C三个子产品组合而成，A/B/C三个子产品单独生产。投诉是组合的这个母产品少了一个子产品B, 总部德国给不出是哪个具体订单，没法查到具体是哪一个SO,要求我们SZ分析改善。
想来想去我只能用流程分析了，下午和几个部门的头一起做了分析，在分析当前流程的时候发现这类组合装的产品都是由生产自由发挥，没有定义过流程，生产组合的时候由一个员工完成，看来不出问题才是有问题。组合前，子产品发放给员工的数量不是按母产品订单序需求发放的，会多给，用不完的再退回，一个员工组合完成后就直接装箱入库，从预防和发现问题两个角度上讲都是失控的，所以很快改善方案也出来了，1.优化流程； 2.数量发放按母产品订单需求， 好处是组合完成后若有多余或少了某个子产品都会有问题； 3。组合完成后加一个称重步骤再装箱。 很快也完成了这个8D发给了德国总部。 收起阅读 »

品质意识与逻辑性/科学性的验证。