本人有幸于今天11月份通过了VDA 6.3认证审核员考试，本着总结输出，以及分享互惠的原则，特将本次考试流程汇总如下，欢迎大家交流。
 
一、报考时间：
这个要参考查询VDA QMC的培训计划，可以在VDA QMC网站查询，一般情况下每个月都会有培训和考试。
在网站上的培训--ITMT公开课概览和在线报名系统查询和报名，根据个人时间以及地点选择
 

 
二、培训机构：
我所了解的是，目前VDA QMC已经收回了授权给其他机构的考试资质，目前仅有VDA　QMC有认证考试的资质。
其他机构也有有培训，但应该只是培训证书。
 
三、考试费用：
培训费用：8500
考试时间：3000
 
四、报考条件：
认证审核员的报考条件如下图所示，截图自VDA QMC的培训手册。


 
另外手册里也有内部审核员（一方），供应商审核员（二方）的报考条件，大家可以去ITMT下载。
 
总结来说，报名考试前，需要提交如下资料供QMC提前审核，通过后，才可以参加考试。
1. “5 年的制造行业全职工作经验，至少2 年的质量管理经验*”
    这个提供一份简历即可。
2. ”基于DIN EN ISO 19011 的审核员资格培训( 至少3 天)“
   这个，可以提供ISO9001或者IATF16949的内审员证书。
3. “汽车核心工具的知识证明”
     这个主要是五大工具的培训证明，总时间加一起不得少于2天，可以是培训机构的证书，也可以是公司内出具的。
4. “汽车行业核心工具在线测试”
    这个是VDA QMC为了验证你是否真的有五大工具的基础，而进行的一次提前测试，而且只有一次机会。
　如果顺利通过，那么恭喜你，可以报名去考试了。
　如果没有通过，那么你必须参加他们的另外一门课程，叫做ID 417 汽车核心工具 – 针对过程及体系审核员的培
训，价格应该是4000。
　题型都是选择，共计３０道题，答对７０％，即２１分以上才可以。
　有兴趣想深入了解的伙伴，可以联系我了解细节。
 
五、培训流程：
共计五天，前４天是培训标准和条款，在第四天下午，就进行一次随堂测验了，通过后有个培训通过证书。
参加认证审核员的考生，会额外再有一份试卷，共计４０道题，６０分钟，要求７０％的正确率。
然后第五天，考试分为笔试和面试：
笔试的话，给你一份卷子，２５分钟吧，让你：
１.画某个过程的乌龟图
２.结合案例识别问题
３.针对识别的问题，判断条款
４.给你识别到的问题条款，打分。
 
面试的话，就是拿着你这份试卷，去老师那里陈述你的答案，老师会问一些试卷的问题，也会问五大工具的问题。
 
六、其他：
１.对未来准备参加考试人员的提醒，目前我们考的是VDA6.3:2016 版本，上一个版本应该是２０１０年的，所以有消息称VDA６.３预计在２０２２年底或者２３年初进行升级换版，这意味着什么，意味着如果真的升版了，那证书得重新考取认证，例如今天２１年考取的证书，有效期说是到２４年，但２２年升版的话，你的证书也无效了。
 
２.VDA　６.３以后的趋势，随时新能源汽车的逐步发展，传统能源车以及这个行业的标准和体系也在不断的受到冲击，例如新能源汽车，相比燃油车，有更多的软件和程序控制，而这些内容，在目前的VDA6.3中不是很多，或者说是有所欠缺的，所以这也是VDA6.3要升版的一个因素。即考虑更多的软件审核要求，或者新能源汽车的审核要求。
 
３.审核员是一个专业性强的工作，考证只是一个过程，更多的还是平时的学习积累，逐步丰富自己的知识储备库。拓展自己的能力和视野，跟上行业发展的趋势。
 
以上，就是这个总体的过程了，从报名，考试资格确认，开课安排，缴费等，都会有个QMC的培训助理和你联系，这一点还是蛮好的。
 
祝福后续的考生顺利通过！！！ 收起阅读 »

原发表于优思学院知乎号

​
测量系统分析（MSA）是六西格玛和汽车工业行动小组 (AIAG) 的一个重要工具，一般来说，当我们利用一个量具去测量某一事物时，优思学院认为我们首先关注的是量具的分辩率，接着是量具的准确性（就是偏倚和线性度），最后就是测量的变异度（测量的精准度）。

偏倚和线性度

偏倚（Bias）：观察到的测量平均值（在可重复性条件下进行试验）与参考值之间的差异；历史上称为准确性。偏差在测量系统的工作范围内的单个点上进行评估和表示。

线性度（Linearity）：在测量系统的预期工作范围内偏置误差的差异。换句话说，线性表示操作范围内多个独立偏差误差的相关性。

偏倚是您的测量值与实际值的比较，而线性度是评估测量值在测量系统的工作范围内的准确度。

如果对量具的偏差和线性度有怀疑，你可以预先分析一下：

*选择几个零件（要分布到较极端的操作范围）

*每个零件都要进行测量（使用你要研究的量具每个零件至少测量10次，要随机进行）

Minitab中的关于偏倚和线性的研究

同学提问：

六西格玛中的MSA，量具的线性偏倚，用minitab分析后得到下图。求详解。请问这张图意味着什么？

（zhuanlan.zhihu.com/p/438423133） 

这是使用Minitab去研究偏倚和线性的方法，软件会导出以上这种结果。

首先，量具在各个参考值都存在偏差(Bias)，而且非常明显，在量具偏倚的结果里显示所有参考尺寸的P值都小于0.05。例如，对于5.13的样件，平均偏差为0.157583。

线性（Linearity）方面，正如散点图中的正斜线所标识的那样。不同参考值的偏差都不一致，表明测量系统也有线性问题（P = 0.00）。

测量的精准度

当量具的准确度被确认后，我们便会进一步关注测量的变异度。

测量系统分析（MSA）是六西格玛绿带/黑带培训的其中一部分，测量的变异度在今天越来越受重视，因为以往我们一直都忽略这个很关键的东西，经常假定自己的量测没有任何问题，或者影响很轻微。
 
假设，供应商送货给你们的工厂，供应商有他们的QA测量检查，你们的工厂也有IQC，为什么老是出现质量问题而要退货呢，其中一个被忽略的情况是，大家的测量系统不同，测量的变异不同，测量系统分析（MSA）可以提供分析的工具，解决类似的问题。
  收起阅读 »

5原则报告（日系汽车厂质量改善报告）

在制造过程的设计中，总是要在制造工序间设置单独的检测步骤，这些检测步骤也是一个流程图的组成部分，例如，一个零件在焊接完毕后，对其部质量进行进行超声波检测；也可能是对其上游多个操作过程的综合探测，例如在智能音响中的所有声学零件组装成一个声学模组后，要进行声学项目的检测（还不是产品最终检测），我们把这样的检测过程叫做专检过程。

下图是一套产品过程流程图片断的示例，红色部分为检测过程。



我们知道，PFMEA是以产品过程流程图作为分析基础的，那么其中的检测过程需要做PFMEA分析吗？怎样分析它们的失效模式和失效起因呢？我们只研究它们的探测度或只做MSA可以吗？

这是在业界争议比较多的问题，本文就尝试展开讨论一下，供大家参考。    
                                                 
首先，为了避免再产生不必要的争议，我们先参考一下在2020年在汽车行业发布的新版AIAG-VDA FMEA手册（以下简称“FMEA手册”），其中在该书的3.1.2条“ PFMEA项目识别和边界”中有这么一段话：

工厂内会影响产品质量且可考虑进行PFMEA分析的过程包括：接收过程、零件和材料储存、产品和材料交付、制造、装配、包装、标签、成品运输、储存、维护过程、检测过程以及返工和返修过程等。

可见，在新版的FMEA手册中，检测过程是需要做PFMEA的，然而FMEA手册中却没有给出具体的方法和案例。

我们再看FMEA手册中3.5.3条关于“当前探测控制（DC）”的描述：

定义-当前探测控制是指在产品离开过程或发运给顾客前，通过自动或手动方法探测是否存在失效起因或失效模式。
 
如下图所示：



可见，对位于操作过程下游的检测过程来说，它既是产品制造过程流程图中需要做PFMEA的一个步骤，同时也可以看作是对前一个或多个操作过程的失效模式的探测。 

二者并不矛盾，也并不重复，它们的作用和目的是不同的！作者建议我们先要对操作过程的当前探测措施和探测度进行分析、评价以及优化，在确定不再需要进一步优化之后，再单独对该检测过程进行PFMEA的分析，以便输出对检测过程的控制措施，从而减少测量误差和误判率！

我们先了解一下操作过程的探测措施。

它分为对失效起因的探测和对失效模式的探测，但是在实际的生产线和生产过程的设计时，人们往往不喜欢寻求防止失效起因的出现的预防措施，或者发现失效起因的探测措施，而是习惯于寻求对失效模式的探测，也就是我们常吐槽的“事后检验”、“死后验尸”，这似乎已经成为了一种天经地义的事情！这其实是一种非常落后的质量控制理念！通过下图，从同一个焊接过程中，我们可以全面了解这几种控制理念和方法：



从上图中可以看出，对于焊接、热处理、铸造、电镀、注塑等特殊过程，相当多的特性，如机械性能，是不能通过对产品的检测而得知的，这就必须识别出失效起因，对失效起因采取预防或者探测措施。即使是可以进行事后检测的产品，一旦发现不合格，也是一种浪费，因此，评价一个探测措施，我们需要分为这样几种情况：
 
对失效起因的探测，好于对失效模式的探测；在工位内失效模式的探测，好于下游工位的探测；仪器探测，好于人工目测；机器探测，好于人工探测；防错探测，好于一般机器/仪器探测。在FMEA手册的探测度D的打分指导中就是遵循此理念，读者可自行查阅。

因此，在对当前探测措施进行优化时，我们就要按上述“档位”做出改变，也就是升级为比当前更加先进的探测方法，这也是衡量一个过程设计是否先进的重要依据之一。一旦一个探测方法被确定下来，这个检测过程就形成了，我们就要对它加以管理，包括研究它的失效模式、失效起因，以及输出对它的控制计划。

那么怎样分析检测过程的PFMEA呢？它与MSA分析有什么关系呢？

我们还是使用FMEA手册中的失效链：



下面我们来探讨一下如何进行检测过程的PFMEA分析。

首先，我们要明确一个检测过程的功能是什么，很显然，执行检测，就是为了要把产品（注：在此处也包括零件、半成品，以下同）中的不合格的挑选出来，同时把合格的流到后面的工序当中去，因此，一个检测过程的失效模式应当是：把不合格的产品当作了合格的产品（接收不合格）、把合格的产品当作了不合格的产品（拒收合格），还可能在检测时把产品损坏了，例如特性的改变、损伤等。

它的失效影响和严重度S怎样分析呢？

如果是把不合格产品判断为合格产品，这相当于被检特性所对应的加工过程的失效模式和失效影响，例如，一个机加工过程，尺寸过大是这个加工过程的一个失效模式，可能会造成后续不能装配，如果它的专检工序失效，这个尺寸过大的零件就会被放行，同样也会造成后续不能进行装配。

如果是把合格产品判断为不合格产品，就会产生误报警，造成不必要的生产线停线事故。一家管理成熟的工厂都会有快速反应规则，包括生产线暂停运行，例如，如果是所检特性是一个关键特性，只要发现一次或几次问题，则会造成产线的暂停，这时S为7-8这个程度（请读者自行查阅一下FMEA手册的S打分指导）；如果是一个次要特性，则只有达到一定数量或比例后才使生产线暂停，所以要看所检特性的重要度。

如果是因为检测而造成产品的损坏，这要根据受到影响的特性的重要度来确定S的值，例如检测过程损伤的是产品的表面质量，S仅仅是3-4。

如何分析检测过程的失效起因？

检测过程的影响因素，不同于加工过程的4M1E（人、机、料、法、环），而是SWIPE： S-标准、方法，W-工件，I-仪器/量具，P-测量者或者测量程序，E-测量环境。



总结以上分析，我们可以得到检测过程PFMEA失效分析的通用结构形式：


如何进行检测过程PFMEA的风险分析与控制措施的优化？

这是基于检测过程的当前预防措施和探测措施进行的分析和评价，同样也有着各自的Occurrence 和Detection。
预防措施是针对失效的起因采取的，对于检测过程，就是上述展开的SWIPE因素。

关于测量的方法（S）和发生频度（O）。当前的预防措施一般是原自于其他产品同类检测过程使用过的、已经证明是可靠的检测方法，一般是做成检测指导书的形式。分析和评价的目的是确认现有检测方法（检测指导书）是否会导致产生较高的测量误差或损伤。具体可以从这几个方面考虑：

• 是否分析过设计要求？
• 是否考虑过产品加工过程的特点（易出问题的地方）？
• 测量原理或过程是否与产品的运行过程和客户的使用工况相匹配？
• 测量方法是否存在产生较大测量误差或产生产品损伤的可能？
• 是否做过不同方法的MSA的分析和结果（测量误差）的对比？等等。

在设计一个检测过程时，如果这些方面没有充分研究过，则就有可能产生较大的测量误差，这也是确保一种检测方法可靠的预防控制措施。

检测过程失效起因发生频度O的打分，我们完全可以参考FMEA手册中的“过程的潜在频度O”的打分指导，例如，如果检测过程完全是一键控制式的自动化测量，且被测产品的定位也是自动化定位，那么关于方法这个因素的O就1分；如果完全是手工测量，例如使用卡尺或者目测，则要看检测方法指导书上有没有确定性、明确的、图文并茂的规定。

下面是作者在之前企业工作时遇到的一个典型案例。一个板金零件需要测量它的角度α，如下图所示，由于板金件在折弯机上折弯时，下面的工装支架产生了松动，使得两端的角度α1和α2不一致，如果不在检测指导书中规定一个明确的测量位置，则就会存在很大的重复性误差（即同一检验员使用同一把量具，也会产生不一致的结果）。





对于被测量的工件（W），其实这也与测量方法有关系。只要其特性不会随着时间的推移而发生变化，就不会影响测量的结果，而有些则是会随着时间而发生变化的，例如，零件的平面度，如果存在内应力，它会在加工完毕后随着应力的释放而发生变化；塑料件的尺寸会随着储存环境温度的变化而变化；电容的漏电量，不同时间是有变化的；压力（水压、气压）试验时压力随时间衰退，等等，这些特性的变化，就会大大影响测量结果，会产生较大的误判。

对于这样的被测量对象，我们必须采取相应的预防控制措施，即在测量方法中规定好测量的时间限制、补偿的系数等，否则，就会影响测量的结果。对于一般的特性稳定的产品工件，这个因素，是不打O值的。

测量的仪器/量具（I）和测量人员/程序（P）及它们的O值。 量具与测量者是两个重要的测量误差来源，对于量具来说，它的细分因素包括量具、试验台（平整度、是否有减震措施等）、测量设备和量检具出厂时的精度和稳定性（随使用环境因素变化）、夹具（夹紧力、夹持位置等）；对于测量人员来说，是否在上岗前进行过专业的培训和资质的认证，以及是否经常轮换（会产生较大的再现性误差）等。

以上这些因素，在设计一个测量过程时，要事先充分考虑，并进行一一的策划与确认，采取相应的预防控制措施，例如，在三座标测量室中，应有温度控制措施，对于测量/试验台，应增加减振措施，对于量具的出厂精度，应依据要测量的零件设计精度要求（例如分辨率为公差范围的1/10以上），并对这些细分因素进行MSA的分析或者进行方差分析来对比研究，选择测量误差最小的方式。

关于这两个因素的O值打分，我们可以根据检测过程的MSA分析中量具和测量者的误差分量，再结合FMEA手册中的O值打分指导来进行打分。下面是如何将MSA的分析结果转化为O值的评价理论依据和示例：

下图是一个基准值为XT，偏倚为B，精度为σm的测量系统的一系列测量值所构成的分布（假设为正态），当我们研究量具的影响时，可以通过研究量具能力和GRR来获得单纯的量具偏倚（B）和重复性误差（σe），同理，当我们研究测量者之间或者量具之间的误差时，我们则使用再现性误差（σo）。





我们可以通过查寻或者通过统计软件计算正态累积概率函数来获得误判的类型和概率。

例如，一个测量系统，它测量一个零件的长度。经过测量系统分析得知，其偏倚B = 0.05，R&R的标准差也是0.05。如果测量一个基准值为0.4的零件长度，它的规格为0.6 – 1.0，那么有多大的概率产生误判？



对该结果的解释：虽然这个零件的基准值（0.4）在规格范围以外，是不合格的，但是，由于存在测量误差，理论上存在0.135%的误判风险（不合格判为合格）。在FMEA手册的过程潜在频度O（备选）打分指导中，这属于O值5-6的程度。

关于控制措施的优化，先看主要误差的类型，如果是偏倚而且恒定的，则可以采用补偿，否则，就需要矫正或者更换新量具；如果是精度误差较大，先看这个量具的出厂说明或制造标准中的理论测量精度，如果这个理论精度也达不到产品的测量要求（例如分辨率为公差范围的1/10以上），那么就应更换精度更高的量具类型，如果是因为磨损老化导致，则进行修理、矫正，或者更换。

对于测量环境（W）。测量环境对测量结果的影响，要看测量的产品和特性的类型，例如机械加工件，可能会对环境温度有较高的要求，如果是一个声学产品，则需要对环境噪声有极高的要求，需要在专门的、远离车间环境的听音室中进行检测。这些影响因素，在设计一个测量过程时要考虑、策划，并采取必要的预防措施。

检测过程的探测（D）

检测过程本身对应的是操作过程的失效模式探测，而检测过程自己的探测措施所要针对的则是对检测误差的发现机会和能力。我们怎样才能及时、有效地探测到一个检测过程（测量系统）产生的误差呢？这包括：对测量者的考核（频次、内容、标准）、对量具的校准（频次及机构）、测量系统分析MSA（指标、标准、频次、方法）等等，例如，这些类型的活动一次也没有做，则D应当为10分。

对检测过程的探测措施的优化包括提升校准/MSA的频次、增加样品的数量、改进抽样方案，以及执行这些活动计划是通过人工提醒，还是自动化提醒的方式等等。

综上所述，研究一个检测过程，实际上包括了MSA工作，且把MSA分析的结果应用于改进和优化检测过程。在业界的MSA培训和学习时，存在一种不好的习惯，就是只注重分析那几个测量系统的统计指标（偏倚、线性、稳定性、重复性、再现性），而忽视了对测量系统的构成（影响）因素的识别，忽视了把MSA统计指标应用于系统因素的进一步分析和改善上，其实这才是MSA的真正目的。

那么，有人会产生一个疑问：我们对检测过程进行MSA分析不就行了吗？为什么还要进行PFMEA呢？

对检测过程进行PFMEA分析，与单纯的MSA还是不一样的，检测过程PFMEA是面向整条产线上的所有检测过程，通过分析它们的S、O、D来确定是否需要优化（AP），怎样优化，优化完成后，再制定针对检测过程各影响因素的控制计划，用来管控这个检测过程不出现过大的测量误差，这才是对检测过程进行PFMEA分析的最终目的，这也是通常容易被忽视了的！这个控制计划就包括：是否做MSA分析，做哪些MSA指标，以及做MSA的频次，因此检测过程的PFMEA要比MSA高一个层次。下表是检测过程控制计划一个示例。



检测过程的PFMEA与MSA的关系，见下图所示。

收起阅读 »

各位大侠好，这是我目前推行的供应商方的SPC管理初步案例
请大家指正，我这样推行的思路对不对。
欢迎大家留言讨论。

图1是其中1个改善案例，
图2是推行的系统化管理一角。


 

数据收集之前，先做MSA，
第六步，正态分布验证不合格，如图情况，考虑 测量设备分辨率不足。
欢迎指正。















  收起阅读 »

原发表于优思学院知乎号
 
 
如果你有看过优思学院关于SPC的六西格玛绿带课程视频，应该会知道在控制界限以内的变异原因，和超出控制界限以外的变异原因两者的区别。这是休哈特（Walter A. Shewhart）博士在 1924年发明第一张质量控制图时，给予的区分，他把两者分别命名为机遇原因(Chance Cause)和非机遇原因(Assignable Cause)。当时的学者为崇敬Shewhart博士把统计学应用在工业上所作的贡献，故亦有称为Shewhart图。

直到1970年，美国的质量管理大师 W. Edwards Deming博士首次应邀访台，在他所发表的学术演讲中，他提出了两个崭新的名词，就是在控制界限以内变异的原因，称为共同原因(Common Cause)，超出控制界限以外的变异原因，称为特殊原因(Special Cause)。优思学院看到许多美英等国的质量管理书籍上，也逐渐采用这个名词。尤其近几年来，Deming博士时有新著问世，声望陡增，已成为质量管理界中之牛耳。

我们当时都以为Deming博士把共同原因来代替机遇原因，特殊原因来代替非机遇原因，无非是取其浅显达意，容易明白而已。而且一直以为这两个名词是相等的(即：共同原因 = 机遇原因，特殊原因 = 非机遇原因)，没有再去作进一步的研究。

近十年来，美国新出版的质量管理书籍很多，也曾讨论过这些名词的问题，才知道这两个名词并不完全相等，因为Shewhart和Deming两人的出发点，并不一样。兹就读书所得，说明于次。

Shewhart博士的观念是着眼于制程中的变异，凡是在控制下的变异(Controlled Variation)，可以认为是稳定(Stable)而经常存在的，所以称之为机遇原因，亦有人称之为无法避免之原因(Unavoidable Cause)者。这种变异是制程中固有的(Inherent)的变异，如果要把它减少(或减小)，制程亦必随之而变动。
至于制程中不能控制的变异(Uncontrolled Variation)，是随时在变动，既不稳定，亦非经常存在，并不是制程中的一部分。这种不稳定的性质，使制程不能按照预定的目标操作，致产生过多的变异(Excess Variation)。这种变异原因称为非机遇原因，应该可以把这种变异原因找出来，并加以消除掉，使制程回复正常。故这种原因亦有称之为可避免之原因(Avoidable Cause)者。

上述两种方法，都可以用来改进制程，但基本上是不同的。前者是去修改(改善) (Modify)一个经常而稳定的制程，而后者是去创造(Create)一个经常而稳定的制程。到底要采用那一种方法？就要看制程中的变异而定。因此，改进制程的首要步骤，是先要决定制程中有无不能控制的变异原因存在。而Shewhart的质量控制图是根据机率原理和统计学而来的，正是判断制程中有无不能控制的变异原因的有效利器。

至于Deming博士，他的着眼点是放在：谁该对这种变异负责？于是创造了共同原因和特殊原因这两个名词。
共同原因的变异是存在于制造系统(System)或控制良好的系统中。优思学院认为因为这种变异是属于系统内的，所以应该由控制这一系统的人员来负责，那即是：经理人员─特别是高阶层的经理人员。共同原因的变异仅祇能由经理阶层人员采取行动，才能把它移除掉。

特殊原因的变异在本质上是局部的。Deming博士曾说过，他喜欢用〝特殊〞这个形容词来指特定的一群作业员，或特定的某一位作业员，或特定的机器，或特定的局部环境等所造成的特殊原因。他并说，名词并不重要，重要的是观念。一般都能从发生问题的那一特定阶层人员，就可自行找出原因，采取行动，并把困扰的问题消除掉。
这些非机遇原因可以由作业员或那一部分的领班来采取行动。 而共同原因却不然，它可以是机遇原因，也可以是非机遇原因。无论在那一种情况，都是系统上发生的错误(Faults)，仅祇能由经理阶层人员采取行动，才能改正过来。 Deming博士是着重在谁该对这种不同型式的变异负责，现在优思学院可以用一句话来说明他的观念：减少任何一个质量特性(如厚度，或绩效等)的变异，不管这个质量特性是否在控制状态之下，甚至只有少数几个或没有不良品产生，都认为是良好的管理。 〝零缺点〞并不能算够好。
 
工业界必须做到比符合规格还要来得好。经理人员要去研究制程，并且应该去找寻变异的来源，进而把它消除掉，以经常改进产品。质量控制图正是用来找出这些来源的有效利器。当制程中的变异减小后，则零件将更为相似，产品亦将愈佳。这些都是Deming博士在1950年带给日本人的金玉良言，日本人懂得这些话，经过了石川一郎(按：即石川馨氏之尊翁)及小柳贤一等继续不断地努力，才奠定了实施SQC成功的基础。
 
现在，将再介绍另一个观念(Concept)，那就是：工程上(Engineering)对变异的观念，和Shewhart博士(包括Deming博士)对变异的观念，两者完全不同。工程上对变异的观念，其目的是要求产品能符合规格，不管产品中的变异有多大，只要在规格范围以内，就尽可能地让它去变化(Vary)。如果结果是在规格范围以内，就认为是〝够好〞了。而Shewhart博士观念的目的，是要制程经常稳定一致(Consistency)，结果自然是产品尽可能地稳定一致了。因为它们的目的不同，结果也就随之而不同。优思学院认为我们没有必要把这两种观念加以协调。经理人员必须采用其中之一，作为生产制程的指导原则：仅只要求符合规格，还是继续不断地改进制程。

经理人员在工业革命时期就开始采用第一种观念了。大约经过了200年以后，这个目的仍没有达到。因为我们仅仅把目标放在符合规格上，结果却缺乏进步。这就没有理由使人相信将来会有什么进步的缘故。

另一方面，根据日本的经验，应用了Shewhart博士的观念之后，证明了持续不断地改进制程，使得日本的工业产品提高了它们的质量，也提高了它们的生产力。结果，不再局限于以符合规格为满足，而是在持续不断地改进途程中前进。

优思学院认为要产品完全符合规格，唯有持续不断地改进制程，而且仅只有当经理人员用言词和行动来支持这个目标时，才会获得质量和生产力的增加。


  收起阅读 »

第一阶段 计划和确定项目阶段

这一阶段是了解顾客的需要和期望，决定要开发的产品/项目 并确定产品/项目开发计划的阶段。

 

第二阶段 产品的设计和开发阶段

这一阶段要完成全部产品图样和设计文件，并通过样件试制和试验，验证产品图样和设计文件的正确性、产品的适用性和可靠性、产品满足顾客要求的程度。
这一阶段还要完成初始可行性分析，以评定制造过程中可能发生的潜在问题。
在进行产品设计时，不仅要考虑产品功能、性能方面的要求，还要考虑成本、进度、质量、可靠性、生产节拍等多方面的要求。在设计的适当阶段要进行设计评审。

 

第三阶段 过程的设计和开发阶段

过程的设计和开发，就是我们平常所说的工艺准备。这一阶段的工作是开发一个有效的制造系统，包括编制工艺文件、试生产控制计划等。
IATF 16949 对过程设计和开发的输出有明确的规定：制造过程设计输出应以能够对照设计输入进行验证和确认的方式提出。

 

第四阶段 产品和过程的确认阶段

产品和过程的确认阶段，是通过小批量试生产对制造过程进行确认的工作阶段。
小批量试制的任务是验证工艺（过程流程图、控制计划、过程指导书等）和工装。
小批量试制要在正式生产线上进行，要使用设计所要求的各种工装，要采用生产组织和劳动组织。
小批量试制的数量，依顾客的要求和企业的情况而定，少则几十台，多则上千台。小批试制前要做好充分准备，小批试制后要做好总结和检查工作。

 

第五阶段 反馈、评定和纠正措施阶段

反馈、评定和纠正措施阶段，是根据生产过程、产品使用、交付服务中得到的信息，改进产品质量策划中的不足，提高顾客满意程度的阶段。
 


  收起阅读 »

近年来，越来越多的企业进行了信息化建设。企业信息化失败，或者至少说是没有完全达到当初的预期，案例比比皆是。
那么，到底如何避免失败？

答：最有效的手段之一就是--试用、试用、还是试用！

为什么要试用？
买双鞋子，你都会穿上试一下，走几步看鞋子是否合脚，穿着是否舒服，是不是硌脚。
企业是如此多种多样，如此千差万别，而且企业为了竞争和生存，还一直处于不断变化之中，不试用一下，怎能知道这个软件是不是适合自己，是不是能够解决企业面临的问题？

很多企业管理者说，那我可以参观一下成功案例。通常是很难看到同行案例（只有为数不多的企业会同意同行参观），即使很幸运看到了同行案例，并且很成功，也无法证明适合别的公司的软件，就一定会适合自己的公司。还是同样的道理，只有自己的脚最知道鞋合适不合适。

在选择工业软件时，“试用”这一火眼金睛术可以帮助企业发现以下潜在问题：

1. 避免被高大上的PPT蒙蔽双眼。
老王卖瓜，自卖自夸。乙方有些吹牛成分可以理解。但有很多软件提供商喜欢语不惊人死不休，还喜欢新造一些词汇来唬人，比如什么人工智能、大数据，什么ERP+MES全方位解决方案，什么万物互联，好像是一个全能的上帝，总之一句话没有他不能做的。对于这样的表演，一些人已经不屑一顾了，但绝大多人还是会被唬住。



 
这还没完，有些企业把PS本领也搬到了PPT产品介绍上，产品的界面P的非常酷炫；更有甚者，自己的产品没有这个功能，盗取同行的产品界面，放到自己的产品上去，宣称是自己开发的产品。
欺骗客户这事，可别以为只有中国软件企业这样做，美国和德国（美国和德国的工业软件比其它国家多）的软件公司也有这样干的，戳穿这样的把戏很简单，让乙方销售人员用他们的公司的实际软件系统现场展示PPT中出现的界面并走几个流程即可。

2. 现场演示也不一定完全可靠。
软件服务商在客户面前演示，所见即所得，这样该没有问题了吧？魔术也是在你面前表演，但魔术是真实的吗？在短短的展示时间内，客户很难掌握软件系统的全部，也不可能充分理解该系统。再说，乙方会100%毫无保留地展示产品吗？数据的前后逻辑关系是怎么得来的？计算结果对吗？
 



这里给大家介绍一个小技巧，如果乙方在介绍产品时，不停地在不同系统之间来回切换，你可就要小心了，该乙方的产品很可能不完善，是定制项目型的软件，没有办法在一个系统展示全部功能，所以要在不同系统之间跳来跳去。为什么对项目型产品要小心，道理也是很简单，失败概率大，详细论述可参见《质量管理系统(QMS)-6.自己开发，外包还是购买产品？》。

还有，展示期间甲方不太可能关注到全部细节，但有些细节又十分关键。例如，我们曾经发现多家软件企业（包括市场上一些常见的公司），其质量检验的取样规则违反了国标GB/T 2828.1—2012，系统上线后才发现，这时甲方该怎么办？如果甲方是知名企业且使用了这样低劣的软件，不仅没有对质量做到很好的管控，而且还会对企业商誉造成很大的潜在风险。

3. 验证操作界面是否易于一线员工理解。
如果不易于一线员工理解，实施会遇到很大的阻碍。还有，相对来说，一线员工的离职率比较高，如何让新员工快速掌握，不影响生产，也是一个不容忽视的问题。后期再培训的问题，在项目初期也要有所关注。

4. 乙方介绍的功能适合我们的企业吗？
语言沟通时不免有些歧义，实际测试一下系统便知，避免出现卖家秀和买家秀的问题。

 




除以上原因，试用还有其它益处吗？

5. 检验乙方软件的成熟度。
乙方在演示的时候，可以躲避一些软件的缺陷，甚至是Bug。 只要甲方在试用时比较细心，这些问题很难被隐藏住。

6. 考察乙方的实施能力。
专业实施能力是软件成功与否的另一个关键要素。甲方在试用时，必然会有一些问题，通过提出问题，就可以看出乙方是否是专业的质量人员，有没有专业服务能力。我们就曾经看到过，有些实施人员完全不懂质量，甲方人员还要花费时间告诉乙方软件公司什么是标准方差，什么是Cpk等专业术语。在这种情况下，还能期望实施过程中乙方给企业的流程带来优化吗？

很多企业购买质量管理软件的初衷包括希望通过实施软件把质量管控流程中不规范的地方一并梳理，如果乙方质量管理不专业，又如何梳理？

7. 让使用部门参与选择。
而不是完全由上级或者IT部门强行塞给使用部门一个系统，以便减少后期使用部门的抱怨和扯皮的事情。
给孩子买鞋子，最好带上孩子。

8. 员工有参与感。
可以根据甲方的实际情况，让多个层级员工参加试用。

9. 避免暗箱操作。
阳光是最好的消毒剂，让大家畅所欲言，把选择放在桌面上。这样选择出的系统，不会让大家失望。

10. 在签合同前，各方达成比较一致的意见。
通常测试是多人测试，给出的反馈更加全面，如果有意见不统一的地方，可以及早提出，避免后期的各种意想不到。

11. 尽量减少开口合同。
一些定制二开有时是不可避免的，但要在签合同时要做到心中有数，要在预算范围之内，如何才能实现呢？在IT部门的帮助下，让实际使用部门给出反馈，是比较接地气的办法。实际使用部门最清楚他们需要什么，什么是雪中送炭，什么是锦上添花，甚至什么是画蛇添足。
（这里的使用部门不能仅仅狭义地理解为质量部门，采购部门可能需要参考供应商质量表现，研发部门可能需要产品问题历史记录，销售和财务可能需要产品直通率来核算产品真实成本，高管可能需要产品质量整改进度表等等，不一而足。）


那么，甲方该如何进行试用？
试用的方法有多种，推荐一个即高效又可检验出乙方专业水平的方法。

第一步：甲方根据自身的需求，可以把相关的脱敏资料（可以公开的数据或者模拟数据）如，来料检验报告、过程检验报告、出货检验报告、客户投诉、评审报告、纠正预防（8D）、不合格品管理流程、以及质量月报等资料发给乙方。

第二步：由乙方搭建一个临时的测试系统，里面的物料号、工序、检验方式都模拟甲方真实运营的情况。

第三步：如果乙方是一个较为完备成熟的系统，可以很快搭建出来一个模拟系统，而不会用其它借口，什么审批之类的来拖延时间。

第四步：甲方按照实际生产和业务处理流程，录入一些实际的检验、不合格品、客诉等数据，不仅可以检验一下乙方的系统是否能够实现企业所需要的数据录入方式、报表分析效果，以及流程是否能够满足要求。还能够快速评估系统对当前需求的匹配程度、以及未来可能存在变化的灵活配置能力，并且可以通过这个模拟系统来进一步考察乙方对甲方的业务理解水平，以及技术支持能力。

第五步：通过测试系统，对于不能满足需求的地方，让乙方给出开发周期以及大致的报价，对项目的整体预算要做到心中有数。

第六步：对乙方的系统，人员专业水平，支持能力，价格等做出综合服务评价，选出合适的系统。

不同于购买一些传统的商品或服务，比如培训或者一个零件，这些都是某种程度上的短暂、小范围合作。购买工业软件就完全不同了，会涉及到多个部门，并且会对企业带来长期影响。不仅仅是系统上线那一时刻的服务很重要，更要考虑到乙方是否能够长期持续地提供基于系统的专业技术服务。选择错了，可能不但帮不到企业，反而成为负担。
收起阅读 »

我有全套资料，有需要的可以私聊

FMEA最早在美国武装部队军事程序文件MIL-P-1629（1949年）中出现，文件其后在1980年修订为MIL-STD-1629A。到了20世纪60年代初，美国国家航空和航天局（NASA）也开始使用FMEA，早期的FMEA也称作FMECA。由此可见FMEA的使用在于极重要的流程上，因为它是一套分析风险的工具，风险的成本代价越大，分析的重要性便更大。这也是今天华为研发这么看重FMEA分析的原因。

失效模式与影响分析（英文：Failure mode and effects analysis，FMEA），FMEA是用来预测潜在的失效模式的发生和它所带来的影响，从而管理过程的风险，简而言之，是一种风险评估的工具。优思学院｜六西格玛培训整个工具的重要一环是为各个过程和特性，计算出风险指数(RPN)，以评估风险优先级数的一种衡量指标，有助于识别与您的设计或过程相关的关键故障模式的潜在问题，从而预先采取必要的控制或预防措施，以提高产品的质量和可靠性。

  收起阅读 »

注：本文初次发表于公众号“质量管理与工具实战交流平台”上。
 不久前，流传着一篇题为《质量管理软件（工具）中，SPC真的有用吗？》的微信公众号文章（读者可在微信中的“搜索”查看一下），该文章把SPC批了一个“体无完肤”。其中的观点当然是错误的，业界也相应地出现了一些纠正和澄清的文章。

与直接的纠正做法不同的是，我从另一个角度对这个问题进行了思考：为什么有人会对SPC存在着误解和质疑呢？

事实上人们在学习和使用SPC时存在着大量的误区，尤其是关于SPC的理论基础、准备工作、使用前提、使用前对所控制的过程的初始研究等，这些方面在讲解和学习时被忽视了，只注重了步骤，尤其是把AIAG发布的《SPC参考手册》当作了一种标准条款来解读和使用，这就很难使SPC得到正确的理解和应用，带来的效果就可想而知了，这就会让人误认为SPC是一种没有实用价值的、过时的理论了！

我最近更新了我的SPC课程，着重强调和强化了这些容易被忽视的方面，在本文中限于篇幅，我只是列举其中的一部分控制图中的常见问题。下列方面比较普遍：

第一，缺乏必要的数理统计知识
SPC是基于数理统计理论建立起来的，这就对数理统计基础比较欠缺的人来说，想在有限的时间里理解它的基本原理确实是一个比较严峻的挑战。这些相关的理论至少包括：随机变量、分布、正态、中心极限定理、抽样分布、甚至假设检验等理论讲清楚！只有理解了这些数理统计概念，才能掌握SPC的底层逻辑，才能应对变化万千的制造过程和工作场景，否则，只学习基本的步骤和生硬的规定，接下来所学的SPC就会百无一用了！所以，在讲解和学习SPC的基本知识时，这一块是决不能回避的。 





上图中的注释不是具体的失控判断准则，后面还有对每条准则的详细讲解。

第二，SPC的准备工作不充分
1、资源是制约SPC推广应用的重要原因。当前随着制造业自动化、智能化的日益普及，已经越来越多地实现了在线100%或连续检测，一天可能会产生海量的数据，如果还是采用那种几十年前的那种原始的方式，由人工进行数据的采集、上传、分析和报警，效率是很低的，也是不够精确的，好马应当配以好鞍，需要借助于自动SPC系统，必要时与企业的ERP系统相融合，这样才能做到自动、实时、快速地对失控做出反应，减少报警停线带来的损失。

2、与海量数据的情形相反，还有另一种极端的情形，就是感觉没有适合于SPC管控的特性，特别是在一些组装生产线上，或者在一些破坏性测量的工位上。这就需要用一些“前端工序的特性”、“过程特性”使用控制图，或者测量成本较低且与之相关的特性来替代。









3、工作流程上的保障。请问SPC只是质量工程师们的事吗？我们需要一个工作流程上的保证，这样才能够保障SPC能够持续地进行下去。SPC是跨部门的工作，尤其是生产、设备、工艺部门、质量部门共同的职责，需要基于工厂的实际，进行合理的分工与协作。



4、有的人不知道应当在什么时候导入SPC，或者生产过程中尚有一堆问题等待解决时就导入SPC，结果是不能建立起控制限，因为总是存在失控！因此，当过程中还有显而易见的问题未得到解决，还在产生着大量的不合格时，使用控制图是没有任何意义的！

5、我们经常得到下面这样的图形：



很显然，这是测量系统的分辨率不够的缘故，这要结合制造过程本身的变差，如果变差足够小，这就要求测量系统的分辨率更小，至少要做到1/10的过程变差：1/10×6σ。下图是使用不同分辨率的量具测量同一组样件的结果对比：



因此，做好控制图，如果过程是高精度自动化的，测量系统/量具本身就是一个挑战。

第三，缺乏对所控过程的了解
1、不了解数据的分布状态。对于常规控制图来说，在建立控制限时（控制图的分析阶段）是有着一定的前提的（随机、独立、正态），其中要保证图上的点所对应的数据呈现正态分布或者近似正态分布，否则，所建立起来的控制限就会产生假报警或漏报警，就是我们常讲的第一类和第二类错误！

那么这个“近似正态”到底是可以近似到什么程度呢？这是一个容易令人困惑的问题。

有人或有的SPC书籍中认为，先把控制图做出来，如果真的数据不正态，就会通过失控来表现出来（报警），到时候你不就知道了吗？这种说法在正式的在线控制时是正确的，毕竟SPC实质上就是一个大号的假设检验嘛，但是，在建立控制限的分析阶段，是存在着一定的“灰色地带”的，会存在一种“既不是正态，同时又不失控报警”，只是“潜伏”的情形！或者在建立控制限时出现了失控的点，于是去寻找过程中的问题，如果找不到，那么到底是专业知识不够呢，还是本来过程就没问题而是因数据不完全满足正态的条件所生产的假报警呢？难以分辨吧！所以在这样的条件下建立起来的控制限是不够严谨的，仅仅说“近似正态”其实是没有实操价值的！在控制图的分析阶段，我们需要确定的是一个准确的基准-控制限。



因此，我们至少要确保样本的均值之间要呈现正态分布，这就是所说的“原始数据可以近似的程度”衡量依据！

要确保样本均值之间为正态分布，就应当使用正确的样本量，所谓的“小样本、短周期”的抽样方式，只是在原始数据正态的前提下是合理的，如果原始数据不正态，我们应当在确认制造过程当中没有特殊原因的前提下，适当加大样本量，以使得均值之间为正态分布（依据中心极限定理），或者通过其他的手段，如非正态向正态的转化、寻求个体分布的参数、非参数等，而不是生搬硬套、千篇一律地使用同一种控制图（如均值-极差图）。看来这也是SPC“曲高和寡”的原因之一吧，因为它确实需要使用者具有较高的数理统计功底的。

2、不了解所控制过程的特定失控模式。我经常听到过这样的反馈：导入SPC后失控报警了总是找不到原因，太影响生产了，后来我们就干脆又把SPC撤掉了。这是多么遗憾的一件事啊！

这是什么原因呢？其中的原因有：建立控制限时所用样本不能代表和包含实际过程的变差，使均值图的控制限过窄，盲目使用那常用的8个判异准则、缺乏事前对过程失效模式的分析（与PFMEA的对接）等。对于一个特定的加工过程，我们用控制图来控制的特性应当会从PFMEA中找到相应的失效模式及失效起因，即使没有做PFMEA，我们也应当事先来分析和识别出一些发生频度较高的失效起因，评估这些起因如果存在，会在控制图上引起哪种类型的失控模式，从而确定我们要采用哪几个判异准则（超控制限这个是必须使用的）。这样把工作做到前头，一旦将来出现失控报警，就会沿寻着事先的分析路径，快速把失控搞定，使过程恢复受控状态。

例如，气动夹紧工装，可能会出现气体管路漏气或螺丝松动的问题，如果使用控制图对夹紧力进行监控，那么可能会出现下列失控模式：
 


因为一旦气体发生泄漏或螺丝产生松动，其程度就会快速地恶化，反应在夹紧力上就是逐渐下降的趋势。在对夹紧力使用控制图控制之前，就应当先将这些可能的因素和由此引起的失控模式识别出来和确定下来。
再如，当加工的基准面的定位不正确时，就会出现下面这样的失控模式：



那么你的过程存在基准面变动的因素吗？

3、对抽样的时机制定太死板。对于一个过程，人员/班次、原材批次的更迭，还有设备的重启、重设等都是产生显著变差（特殊原因）的机会，如果只是机械地等时间间隔来抽样，就会错过这些变差机会，所以还需要基于所控过程的要素(4M1E)水平更的迭来有针对性地抽样，以便及时捕捉变差和可能的特殊原因。

第四、出现失控后不明确如何反应
大家都在注重如何制作控制图，如何判断失控，却没有一个明确的规则来说明出现失控后如何反应。在AIAG的SPC参考手册中也没有明确的规定。

对于不同的失控模式，我们需要做出不同的反应，这包括下列选项：分析原因、停止生产、隔离产品。在我的课程中进行了讲述。例如，对于下列失控模式，我们应当停止生产、隔离产品：



再就是，产品被隔离后再怎么做呢？在上述情况中，应当是进行PPK（注意这时不应当是CPK了）的研究，看是否已经低于了PPK目标值了，如果是，就应当按照与客户的约定进行处置（发货前全检或者追加抽检等）。
而对于下列情况，只需要分析原因：



还有一个需要澄清的问题，就是“失控ARL”（平均运行长度）。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，这样的平均抽样次数为失控ARL。在AIAG的SPC参考手册中，只是提到了“受控ARL”，即两次假失控报警之间的平均运行长度（抽样次数）。







在控制图的实际运用过程中，失控ARL是相当重要的，如果没有这个概念，当失控时，就不能隔离出所有的可能受到影响的产品。

第五、控制图长期不更新
虽然在分析阶段建立的控制限是在线使用阶段的控制基准，一般不能进行更改，但是在下列情况下，应当适时更新：
过程进行持续改善后，或者增加了过程的防错后，应当重新计算控制限，否则就会失去应有的灵敏度。在所控特性的目标值发生变更时，也应当重新设置控制限，因为目标值变了，相应的加工基准也要做出改变，过程的均值也会发生改变，若还是保持现有的控制限，就会出出均值偏移的“失控”。

限于篇幅，就写到这里吧，其实我的更新版的SPC课程中还有更多的与众不同的亮点的。
 


收起阅读 »

特斯拉模式

偶感，质量管理的两个笑话。有看懂的么？
1、脱离实际客户和产品谈质量；
2、脱离实际问题及情景谈方法论及解决方案；
 
请大家不要一味地抱怨，说这两个笑话的本意也不是抱怨质量&质量管理。
质量本身的存在就是取决于产品的固有特性及客户需求，现在很多人直观OK不OK？而不管是否满足客户需求！
同样质量管理，见过很多不管公司经营目标，直管是否符合规格，条款。将质量管理凌驾于产品，公司经营之上。
这样的话就失去的质量以及质量管理的内在意义。所以很多抱怨！~~~~
 
问题同样如此。 收起阅读 »

是交叉还是嵌套 （引用百度文库资料整理）
 
例子一：考虑车工车间在生产标准螺钉时的直径波动过大问题。
 
随机选取3 名工人，各自分别加工出4 颗螺钉，然后在每颗螺钉的根部随机选取两个相互垂直的方向，分别测量其直径，共得到24 颗数据。将"工人"这个因子记为因子A ，将 "螺钉" 这个因子记为因子 B ，那么， A 与 B 两个因子间是什么样的关系呢?
 
由于每个工人生产的4 颗螺钉，是分别附属于相应的工人的。 即使我们将这些螺钉都编号为 1 ， 2 ， 3 ， 4 ，但是很明显，工人A 和工人B 之下的编号皆为1 的两颗螺钉并不是同一件东西。这时，称因子B "螺钉"是被因子A"工人"所嵌套着的 (Factor B is nested with factor A) 。很明显，此种情况下的两个因子所处的地位是不能被颠倒过来的。
 
然而，在实际情况中，两个因子间还可能存在另一种关系。例如，3 名工人轮流使用共同的4 台编了号的车床，每个工人都使用了车床 1， 2 ， 3 ， 4 ，这时，工人A 和工人B 之下的编号都为 1 的两台车床是同一件东西。 而且可以反过来说，每台车床都被3 名工人使用过。这时，称因子B "车床"是与因子A "工人"相交叉 (Factor B is crossed with factor A) 。很明显，如果这时  候说因子A"工人"与因子B "车床"相交叉也是同样的，它们的位置是可以颠倒过来的。这里要注意，单从树状图上是不能区分两个因子的关系是交叉还是嵌套的，只能从实际意义判断之。
 
例子二：选取3 名工人，让他们使用编好号的 4 台车床，按随机顺序各自分别加工出 3 根立轴。
 
若将与因子A (工人) 及搭配的因子B ( 车床) 的每台车床编好号，则可以发现，因子A (工人)与因子B (车床) 间的关系是交叉关系。 注意，它们两因子间可以颠倒顺序，即可以反过来说，因子B (车床) 的每个值也都与因 子A (工人) 的每个值搭配过。
 
如果车床不是固定的编号的车床，而是每个工人各自有自己固有的4 台车床，这时因子A (工人)与因子 B(车床) 间的关系就不再是交叉关系，而是嵌套关系了。  
 
例子三： 现在讨论三因子问题。由于不能将立轴（半成品尺寸/材质等等）之间的变异看成随机误差，因而要求将立轴之间的变异也看成因子，即形成三因子问题。这里3 名工人 (因子A) ，分别使用己选好并编了号的4 台车床(因子B)，各自分别加工出3 根立轴 (因子C)，然后对每根" 立轴测两次直径(误差)。由于因子B 的4 台车床是固定的，所以工人(因子A) 与车床 (因子B) 之间是交叉关系，而立轴 (因子C) 则是被A 与B 所嵌套的，即三因子是先交叉后嵌套的关系。
 
如果，将例子10-3 的安排稍加调整： 3 名工人 (因子A) ，分别使用自己固定的4 台车床(因子B)，各自分别加工出3 根立轴 (因子C)。，这时因子间的关系就会发生变化。这时B被A 所嵌套， C 被A，B 所嵌套，这种关系也被称为全嵌套关系 (fully nested) 。 
 
实际问题中可能有多种结构，但仔细分析它们的数据就可以发现，因子间的关系无非 是嵌套或交叉这两种基本类型。有时在实际问题中可能遇到的是因子个数较多，关系较复杂，这时需要仔细分析处理。












  收起阅读 »

今天和大家聊聊新版FMEA手册中的MSR，不是MSA.

为什么要建立IATF16949质量管理体系呢？。体系君（微信公众号：体系君）认为无非下面几种情况：

1.拓展汽车业务
这种公司基本上都有一定的ISO9001体系基础，只是因为想拿到汽车业务订单，需要在原有体系基础上新增IATF16949的要求。

2.建立分厂或业务收购
这两种情况可以分为一类，都可以把总公司体系复制过来。然后基于本公司的业务和组织架构，做适当的修改。

3.合资公司
合资公司，特别是股比50对50的，就比较麻烦了。因为要兼顾双方原有的体系流程，还要在错综复杂的组织架构中定义清楚职责。

4.全新公司
就算真的新建一家全新的公司，体系进场基本也是有一定规模了。这个时候，可能没有正式发布的流程，但是大家已经形成了一些工作的习惯，这些习惯可能是个人原有公司的做法。这种情况和第一类有点相似。

体系君就利用IATF16949最重要的过程方法给大家分享一下从0到1的IATF16949质量管理体系搭建过程。
 
一、体系策划




二、体系建立
 


 
三、体系运行


 
四、体系评价


 
五、体系认证


 
六、体系改进


  收起阅读 »

目录：
 
1.何为顾客特定要求？
 
2.为何需要顾客特定要求？
 
3.何处收集顾客特定要求？
 
4.何时&如何处理顾客特定要求？
 
5.全球汽车公司顾客特定要求汇总。
 
一、何为顾客特定要求？
 
我们经常听说的CSR,顾客要求，客户特殊要求，还有顾客特定要求，有啥区别呢？

其实顾客特定要求和客户特殊要求只是IATF16949条款英文原文customer specific requirements 的不同翻译版本，因为后者被大家使用较多，所以越叫越顺口。严谨来说，我们还是使用更贴近原文翻译的顾客特定要求。

那顾客要求和顾客特定要求又有什么区别呢？

先上IATF条款解释：

顾客要求：顾客规定的一切要求（如：技术、商业、产品及制造过程相关要求；一般条款与条件；顾客特定要求等等）。

顾客特定要求(CSR)：对本汽车QMS标准特定条款的解释或与该条款有关的补充要求。

顾客特定要求一般包括：

1）IATF官网上九大OEM对IATF条款的补充要求：



 
2）顾客其他质量管理要求，例如大众的Formel Q，通用的BIQS， 福特的Q1等
3）供应商手册类的，例如特斯拉的“Tesla Supplier Qualification Assessment”，蔚来的“蔚来质量卓越合作伙伴手册”
 
 
 
二、为何需要顾客特定要求？
 
 
为什么我们需要顾客特定要求呢？简单来说因为IATF16949条款规定了系列要求。

详细罗列如下（非条款深度爱好者可以略去~）
 
前言

本汽车质量管理体系标准（本文中简称为“汽车QMS标准”或“IATF 16949”），连同适用的汽车顾客特定要求，IS0 9001：2015要求以及IS0 9000：2015 一起定义了对汽车生产件及相关服务件组织的基本质量管理体系要求。正因为如此，汽车QMS标准不能被视为一部独立的质量管理体系标准，而是必须当作ISO9001：2015的补充进行理解，并与IS0 9001：2015结合使用。IS0 9001：2015是一部单独出版的ISO标准。

IATF 16949：2016（第一版）是一份创新文件，着重考虑了顾客导向性，综合了许多以前的顾客特定要求。

附录B供 实施IATF 16949要求时参考使用，除非顾客特定要求另有规定。

 
4.3.2 顾客特定要求

应对顾客特定要求进行评价，并将其包含在组织的质量管理体系范围内。

7.2.3 内部审核员能力

组织应有形成文件的过程，用于验证内部审核员的能力，要考虑到顾客特定要求。关于审核员能力的更多参考，参见IS0 19011。组织应保持一份合格内部审核员名单。

质量管理体系审核员、制造过程审核员和产品审核员应全部能够证实最少具备以下能力：

b)    了解适用的顾客特定要求；

内部审核员能力的维持与改进应通过以下方法进行证实：

b)    保持基于内部更改（如：过程技术、产品技术）和外部更改（如：IS0 9001、IATF 16949、核心工具及顾客特定要求）对相关要求的认知。

7.5.1.1 质量管理体系文件

d)     一个显示组织质量管理体系内哪些地方满足了顾客特定要求的文件（即：矩阵）。

8.5.1.5 全面生产维护

组织应制定、实施并保持一个形成文件的全面生产维护系统。

e)     适用的顾客特定要求；

9.2.2.3  制造过程审核

组织应采用顾客特定要求的过程审核方法，每三个日历年审核一次全部制造过程，以确定其有效性和效率。如果顾客未指定，组织应确定要采用的审核方法。

9.2.2.4  产品审核

组织应采用顾客特定要求的方法，在生产及交付的适当阶段对产品进行审核，以验证对所规定要求的符合性。如果顾客未指定，组织应确定要采用的审核方法。


IATF条款全文总共出现了11次顾客特定要求（术语解释除外）。
 
三、何处收集顾客特定要求？
 
上面介绍了这么多的顾客特定要求，如何获取这些要求呢？

1）IATF 官网

2）客户门户网站收集相关的要求

3）新项目启动时，项目经理/销售经理需从客户RFQ中列出相关的顾客特定要求。

4）可以咨询体系君~（公众号体系君），体系君收集了各大OEM的CSR，也会在后续的文章中分别讲解。
 
四、何时&如何处理顾客特定要求？
 
可以通过如下的方式收集CSR.
 


 
可以通过如下的方式收集CSR.
 


 
五、全球主要汽车整车厂OEM CSR汇总
 
*德系篇*
 
大众:CSR’s of VW , QPN-I_RGA_成熟度保障，FormelQ-8质量能力

奔驰:CSR of DAG , “Mercedes-Benz Special Terms 2016” MBST系列

宝马: BMW CSR ,  BMW Group Standard GS90018
 
*美系篇*
 
GM: GM CSR for IATF16949, QSB+, BIQS, SGM SQ Statement of Requirement 

FCA: FCA CSR for IATF 16949
 
*日系篇*
 
丰田：Supplier Quality Assurance Manual (SQAM)

本田：Honda  Supplier Quality Manual

日产：ANPQP

马自达：供应商质量要求

三菱：供应商质量保证手册
 
*相似篇*
 
福特：Ford IATF16949 CSR，Q1 MSA 

路虎：JLRQ Manual

沃尔沃: MSA

之所以把他们放在一起，因为路虎和沃尔沃曾经都和福特有关联，他们的CSR也有部分相似。


*法系篇*
 
PSA: Groupe PSA CSR of IATF 16949, QIP, QSB+,NSA, PCPA

Renault: Renault Group  CSR of IATF 16949
 
*韩系篇*
 
现代/起亚用的都是五星等级制度
 
*新能源篇*
 
特斯拉：Tesla Supplier Handbook 

蔚来：蔚来质量卓越合作伙伴手册

小鹏：供应商质量手册

威马：供应商管理手册
 
篇幅所限，以上OEM详细CSR后续再做分享，其实还应该包括国内自主品牌CSR和Tier 1的CSR。
 
如需要各个客户详细CSR资料，可关注微信公众号“体系君”获取~
 
  收起阅读 »

质量工具的 FMEA 在2019年进行更新，取消了S*O*D=RPN的RPN值，改用组合方式的AP值，改用AP后FMEA表再使用的Excel完成时因为是组合方式（如下图），常规公式不易计算（我能想到的就是借助辅助表，把SOD文本先结合起来然后使用查找函数查找字符串的方式进行计算）
我的方法是使用一个自定义公式的进行计算AP值，使用的时候直接使用=AP（S，O，D）（SOD为这个自定义函数的三个参数）的方式获得对应的AP值，使用的效果如下图，代码分享如下，对代码进行了稍微的注释，方便不熟悉的朋友们理解
（结尾有这个自定义函数的添加过程，只分享该方法，模板源文件抱歉无法上传，请朋友们谅解）搞质量又没学习过VBA的朋友应该用得上，但是这个方法有缺点因为要使用VBA，所以模板表需要保存为带宏的.xlsm 文件，做为使用人员如果不清楚把它保存为普通文件，公式会被丢失掉导致错误；
VBA大神来看的话是很简单的，欢迎各大神分享其它更方便的解决方案
 ’-----------------------------------------------------------------------------------
Function AP(S, O, D) As String 
’声明一个自定义函数，函数的参数为S、O、D 三个参数，输出结果为文本型
 
S = Application.WorksheetFunction.Substitute(S, " ", "")
O = Application.WorksheetFunction.Substitute(O, " ", "")
D = Application.WorksheetFunction.Substitute(D, " ", "")
S = Application.WorksheetFunction.Substitute(S, Chr(10), "")
O = Application.WorksheetFunction.Substitute(O, Chr(10), "")
D = Application.WorksheetFunction.Substitute(D, Chr(10), "")  ' 注释：将S O D的空格和换行符两个常见非法字符删除，避免出错

If Not S Like "[1-9]" And S <> 10 Then
    AP = "S值错误"
ElseIf Not O Like "[1-9]" And O <> 10 Then
    AP = "O值错误"
ElseIf Not D Like "[1-9]" And D <> 10 Then
    AP = "D值错误"   ' 注释：判断S O D是否为数字1-10，如果不是函数输出为值错误
Else

    S = S * 1
    O = O * 1
    D = D * 1  ' 注释：S O D 转化为数值处理，防止文本型数据导致出错
    
    Select Case S
        Case Is >= 9
            Select Case O
                Case Is >= 6: AP = "H"
                Case Is >= 4
                    Select Case D
                        Case Is >= 2: AP = "H"
                        Case Is = 1: AP = "M"
                    End Select
                Case Is >= 2
                    Select Case D
                        Case Is >= 7: AP = "H"
                        Case Is >= 5: AP = "M"
                        Case Is <= 4: AP = "L"
                    End Select
                Case Is = 1: AP = "L"
            End Select
        Case Is >= 7
            Select Case O
                Case Is >= 8: AP = "H"
                Case Is >= 6
                    Select Case D
                        Case Is >= 2: AP = "H"
                        Case Is = 1: AP = "M"
                    End Select
                Case Is >= 4
                    Select Case D
                        Case Is >= 7: AP = "H"
                        Case Is <= 6: AP = "M"
                    End Select
                Case Is >= 2
                    Select Case D
                        Case Is >= 5: AP = "M"
                        Case Is <= 4: AP = "L"
                    End Select
                Case Is = 1: AP = "L"
            End Select
        Case Is >= 4
            Select Case O
                Case Is >= 8
                    Select Case D
                        Case Is >= 5: AP = "H"
                        Case Is <= 4: AP = "M"
                    End Select
                Case Is >= 6
                    Select Case D
                        Case Is >= 2: AP = "M"
                        Case Is = 1: AP = "L"
                    End Select
                Case Is >= 4
                    Select Case D
                        Case Is >= 7: AP = "M"
                        Case Is <= 6: AP = "L"
                    End Select
                Case Is >= 2: AP = "L"
                Case Is = 1: AP = "L"
            End Select
        Case Is >= 2
            Select Case O
                Case Is >= 8
                    Select Case D
                        Case Is >= 5: AP = "M"
                        Case Is <= 4: AP = "L"
                    End Select
                Case Is <= 7: AP = "L"
            End Select
        Case Is = 1: AP = "L"
    End Select
    ' 注释：按第五版标准 AP 表对SOD进行对照得到AP值，输出为函数结果
End If
End Function
‘-----------------------------------------------------------------------------------
以上是代码，添加操作过程如图示（简单图示，方法有很多），完成后就可以正常使用=AP（S,O,D）的自定义函数了
注意最后EXCEL文件请保存为.xlsm格式或.xls格式，普通的xlsx文件不能被存放代码；
如还有写入代码不了的朋友可联系15059730902微信 收起阅读 »

一、丰田从TPS到TNGA

先说说TPS，全称是 Toyota Production System ，翻译过来是“丰田生产方式”。

TPS发展到目前，可以分为四个阶段。分别是早期的TPS , 初期的 TPS , TOTAL-TPS 和 TNGA.

1、1950年 早期的TPS
这个阶段TPS的基本是 2个支柱，1）JIT ( Just in time )  2) 自动化。通过改善提高 品质和上次效率。

2、1980年 初期的TPS
这个阶段强调以自上而下的方式，实现以降低工时为主的改善。

3、2007年 TOTAL – TPS
TOTAL – TPS 将改善活动由特定的现场推广到公司所有部门，包括产品设计部门。
具体开展包括8个部分：
1）现场的活性化
2）现场的可视化
3）作业改善
4）物流改善
5）品质改善
6）新产品投产业务
7）改善的推进方法
8）制造工序的评价

4、目前的 TNGA
TNGA ，全称是 Toyota New Global Architecture ，翻译过来是 “丰田新的全球体系结构”。
它代表丰田接下来生产结构的优化调整，包含：
1）更精益化的生产模式
2）不同车型间更加通用化的生产平台
3）更强的商品力，包括设计、动力、油耗等方面
旨在继续降低生产成本的同时，提供更好的驾控体验，生产更优质的汽车。

二、通用全球制造系统GMS
 



 
目标：制造系统将通过关注安全、人员、质量、响应和成本这五大方面来支持通用汽车的最终目标 -- 客户热忱。
原则：五个支持制造目标的原则是：人员参与、标准化、制造质量、缩短制造周期和持续改进。这五大原则将促使员工为达到目标而付诸行动。
要素：是每个原则的中心内容，是达到原则的必要条件。
核心要求：是成功完成要素所必须的。新项目的规划必须将核心要求考虑在内。
实施的工具/方法：包括一切有利于核心要求实施的活动、系统及技术。
下面详细来介绍一些五大原则。
1）People Involvement   人员参与
定义：该程序确保我们的员工能充满热情地参与各项事务，并为我们的成功作出自己的贡献。
目的：员工是我们公司最宝贵的资源。我们的员工和公司文化就像是健康的树根和树干，支持工厂的方法和工具的实施。没有人员的参与，工具和方法就不会奏效。
人员参与的7个要素
1  公司愿景、价值观、文化理念及使命
2健康、安全及环境优先
3合格的员工
4  团队理念
5  人员参与
6    开放式沟通流程
7  车间现场管理
Standardization  标准化
定义：标准化是根据核心要求、术语、原则、方法和过程把我们的
工作文件化、并遵照执行的一个动态过程
目的：标准化工作的目的是达到稳定状态，以作为发展和改进的基准
标准化的4个要素：
1  工作场地布置
2单件工时管理
3标准化操作
4目视化管理
Built-In-Quality  制造质量
定义：将质量融入于制造过程中的方法，通过这种方法可以预防缺陷的产生、检测到缺陷的存在并采取对策防止缺陷的再次发生。
目的：确保缺陷不会传递到客户手中。
制造质量的5个要素
1.  产品质量标准
2. 制造工艺认证
3. 过程控制及验证
4. 质量反馈/前馈
5.质量系统管理
Short Lead Time  缩短制造周期
定义：缩短从最终客户下订单到交货、收款的时间。在缩短制造周期的概念中有四种类型：(1) 完整的制造周期（从收到定单到收到货款） (2) 产品开发周期（从概念设计到生产开始） (3) 工艺制造周期（从原材料到最后装配）(4) 从生产基地到客户
目的：在保证高质量的同时，通过更快地传递产品来获得客户热忱。最终，公司将受益于降低的成本和提升的客户忠诚。
缩短制造周期的9个要素
1  简洁的流程
2   小批量包装
3  固定周期订货系统/订购零部件
4  受控的外部运输
5   有计划的发运/接收
6  临时物料储存
7  拉动系统
8  均衡已定购车辆的生产计划
9   供应链管理
Continuous Improvement  持续改进
定义：基于标准化，通过一系列小的改进来达到改进的过程。
目的：一直向前，面对更大挑战性的目标，通过减少浪费在安全、员工参与、质量、响应和成本方面取得进步。
持续改进的7个要素：
1问题解决
2业务计划实施
3暗灯原理
4 设施、设备、工具和平面布置的精益设计
5制造和设计的早期结合（DFM/DFA）
6 全员生产性维修
7  持续改进流程
 
 
三、菲亚特世界级制造WCM
 
WCM , 全称是World Class Manufacturing 世界级制造。
 
WCM历史
 


 
WCM框架
 


 
WCM 标准：
I技术方面：
1.安全 2.成本部署 3.关注改善 4.自主活动 5.专业维修 
6.质量控制 7.物流/客户服务 8.早期产品/设备管理 9.人员开发 10.环境
II 管理方面
1.管理层承诺 2.目标清晰 3.WCM路线图 4.将胜任人员分配至示范区域 5.组织承诺 
6.组织的改善能力 7.时间&预算 8.推广层次 9.细节层次 10.操作人员激励

WCM 认证
对于20个标准的每一个，评估结果都分为5个等级
每一个级别，都有相应的分数：
等级1 = 1分
等级2 = 2分
等级 3 = 3分
等级 4 = 4分
等级 5 = 5分
工厂的整体评估有一个指标叫做方法实施指标
得到85或以上分数未世界级水平。

更多精益生产和体系流程相关信息，请微信搜索公众号“体系君”。
 
  收起阅读 »

在VDA 6.3过程审核标准的P2.1当中，最后有一句“供方被纳入项目管理当中. Suppliers are involved in project management."
看起来很好理解的一句话，很正确。供应商是应该被involve（牵涉，涉及，包含，纳入......）到组织的项目里。

但仔细琢磨，发现还是有可以探讨的地方哟。

P 2.1提问主要考核: 是不是为项目管理建立了组织机构。

简而言之，要求有流程，有跨部门的组织机构，人员有职责权限定义，有要求的资质，组织机构满足顾客要求。

那么供方怎么纳入项目管理的组织结构里？

在我的组织结构图里加上供应商的销售人员或者供应商的总经理？

我这个项目有5个关键供应商，我要加5个供应商的负责人名字在组织结构图里?如果有10个关键供应商呢？20个呢......

所以，加供应商在组织结构图里就不太合适了。

“Suppliers are involved in project management."这句描述是一句general而很正确的描述，

“它说得很对，可我还是不知道做什么。”
在项目管理的组织架构中，并不是太适合把供应商的负责人放进去（想想我们复杂的总成项目，不要总想着三道工序就完成的零件和塑料粒子或者钢材供应商），但必须把自己组织内负责监督供应商项目成本，质量和进度的采购人员以及质量人员放进项目管理的组织架构。他们是组织和供应商的接口，并代表着组织的利益。

BUT

我有一个积极配合工作的供应商，新项目开发的时候随叫随到，就像自己组织的人。我们的项目会随时可以来人参加..... 所以，我要把这个负责人加到我们的项目组织结构图里.....

凡事皆有例外，6.3的条款是指南，不建议你加供应商，可你就是觉得这事儿非常有意义和价值，你要加就加吧......╮(╯▽╰)╭


  收起阅读 »

VDA6.3标准当中P6.2.1与评价有关的最低要求有这样一句话，
对于影响到产品特性/质量的过程参数必须加以完整地描述。过程参数和检验特性必须明确公差。
 
有理解为：

在控制计划中，对于影响到产品特性/质量的过程参数必须加以完整地描述。过程参数和检验特性必须明确公差。

正确的理解是：

对于影响到产品特性/质量的过程参数必须加以完整地描述。过程参数和检验特性必须明确公差。

这是要求的结果，并非必须在控制计划中完整描述。

比如，也可以在控制计划中引用延伸到的文件which记录了完整描述的过程参数。

同时，过程参数和检验特性必须明确公差。 收起阅读 »

所有VDA 工作组的最新进展，可以从VDA网站获取免费PDF版本，最近更新为5月25日。
 
其中较为关注的是VDA 6.7红皮书已经发布，VDA QMC中国正在翻译当中，预计7月底之前中文版会完成并印刷出版。

 

你知道吗，测量系统分析方法其实不仅仅只是我们常见的AIAG的《MSA 参考手册》中的那些方法，还有VDA 5。
我们都知道，在I区，坏零件永远判为坏零件，在III区，好零件永远判为好零件。当测量值落在规格限附近时，即II区时候，可能对零件做出错误的决策，如合格的判为不合格，不合格的判为合格。

MSA给了一个概念性的方向：改进生产过程来减少过程变差，尽量不要让零件落在区域II，或者改进测量系统，以减少II区的面积，来减少做出错误决策的风险。如何决定II区，MSA手册并没有给出明确的指导。

但在VDA5中，给出了科学的方法。如果供应商的测量值在规范内，而你的测量值在规范外，是判定合格还是不合格呢。和MSA手册里类似，落在区域3，证明合格，落在区域4，证明不合格，落在区域5，属于不确定区，无法判断合格还是不合格。关键的是，VDA5中给出了方法来确定不确定区-参照ISO14253-1来做确定不确定区域（即5区）。

VDA5符合国际标准GUM和VIM的要求，术语和定义与国际标准保持一致。VDA5评估不确定度的方法分为A类不确定度和B类不确定度，结合现有在企业运用的MSA分析中的方法一，方法二或方法三的结果，将量具的分辨率，偏倚，测量标准件的重复性，测量工件的重复性，操作者间的再现性，均转化为不确定度的分量。

提出了处理线性，温度，被测件本身的不均一导致的不确定度

对于测量系统的验收，测量过程能力的证明，将测量结果应用于于产品符合性判断中，VDA5提出了非常有益的应用上的指导。

VDA5是一种简化的GUM的方法，将MSA的结果和GUM结合起来，程序简单，便于实践。它的一般程序如下图:
 
见附件 收起阅读 »