【质量工具运用】-提升到货抽检合格率-质量工具运用-QPDCA质量论坛

发表于 2013-2-23 19:33:02 | 显示全部楼层 |阅读模式

马上注册，结交更多好友，享用更多功能，让你轻松玩转质量管理社区。

您需要登录才可以下载或查看，没有账号？立即注册

×

前言
此项目为六西格玛项目，主要目的是为了提升供应商的产品质量，保证供应商的质量能够受控。同时借此机会向我的导师李骅李老师表示感谢！感谢他对我的耐心指导，让我能够在六西格玛道路上越走越远。希望我的项目经验能帮助更多的人。
定义阶段
D1：项目背景
由于公司的战略需要，要求供应商的到货抽检合格率须提升到97%，从而减少客户投诉率，增强品牌竞争力，所以公司决定派出驻厂QA对最大的供应商“***有限公司”（以下简称A公司）先进行改善，后期再进行横向推广。
D2：问题陈述
根据**配套质量部提供的数据：2011年1月-12月A公司到货抽检总数38323件，抽检不合格数2767件，到货抽检合格率92.78%（计算公式：抽检合格率=1-不良数/抽检总数）。
期望目标：到货抽检合格率从原来的92.78%提升到97.5%

D3：战略关联
部门经营目标：要求供应商的到货抽检合格率须提升到97%；项目实行目标：保证A公司的到货合格率97.5%
本项目成功实施可以达到部门经营目标。
D4：识别客户和CTQ
内部客户：A公司业务部；VOC：客户投诉率高，产品退货多，质量很不稳定  外部客户：我司；VOC：到货产品抽检不达标。
项目CTQ:合格率衡量方式：1-不良数/抽检总数  项目指标：抽检合格率%
D5：初步目标设定
基线：抽检合格率92.78%；目标：抽检合格率；卓越的目标：抽检合格率98.5%
D6:确定项目的范围
利用SIPOC流程图确定项目涉及的部门有：A公司的采购部、生产部、品质部、物控部、我司的物流部、质量部、配套仓库
D7:团队建立
  核心成员：A公司的总经理担任倡导者，总经理助理担任流程拥有者，生产部经理担任流程赞助者，我以黑带身份指导团队利用六西格玛进行改善。
  其他成员：生产线班组长，生产一线优秀员工，检验员，财务部代表，物控部代表，顾客代表
D8:项目收益预计
  有形收益预计48.4272万/年（具体计算方式不便透露）无形收益：降低客户投诉，提升企业口碑，减少返工时间，提升生产效益，降低成本。
D9：制定项目进度计划
  利用甘特图制定各阶段时间截点以及具体实施内容（根据项目制定，这里不再具体列出）
D10：项目任务书
  召开项目启动大会，签署项目任务书，明确各成员的担任角色以及职责。
测量阶段
M1：细节流程图（关键）

细节流程图

收集数据绘制细节流程图，对细节流程图进行分析推断整个项目方向。思路如下：
1.关注项目数据的产生和收集点（即我司的配套质量部）：数据是否能真实反应现状？--进行MSA：①测量系统不合格，对测量系统进行改善，然后重新收集数据，看有无明显变化，合格率变高说明产品本身没问题是我司本身测量系统问题，合格率还是很低说明前面流程中出现了问题；②测量系统合格，说明数据能真实反应现状也就是说质量问题是前面流程中造成的。
2.关注供应商最终检验环节：进行MSA：①测量系统不合格，对测量系统进行改善，；②测量系统合格，跟踪一段时间，观察到货质量有无变化：合格率变高说明质量问题主要集中在供应商的生产流程中，合格率还是很低说明质量问题主要集中在物流运输过程中。
有了以上的思路才能有条不紊的开展下一步工作。同时也能有效说服团队继续前进。
M2：测量系统分析（MSA-我司）
判定数据类型：计数型数据（yes/no）；分析方法：利用认同一致性验证检验员对有无缺陷的判定准确性以及对缺陷类别判定准确性；数据收集过程：利用50个随机取样的产品，由3人完全独立的进行3次判定，并由专家团给定标准值。

MSA-我司

利用MINITAB分析认同一致性百分比＞85%，说明测量系统可以信赖。
说明质量问题是在前面流程中产生的。
M2：测量系统分析（MSA-A公司）
判定数据类型：计数型数据（yes/no）；分析方法：利用认同一致性验证检验员对有无缺陷的判定准确性以及对缺陷类别判定准确性；数据收集过程：利用50个随机取样的产品，由8人完全独立的进行2次判定，并由专家团给定标准值。

MSA-A公司

利用MINITAB分析认同一致性百分比＜85%，说明A公司测量系统不稳定须进一步分析改善。改善方法以及改善后重新分析结果见下图

MSA改善

改善后MSA-A公司

将改善前后的数据进行对比：
3月26-31号（进行MSA之前）：抽检总数619件，不良数29件，合格率为95.32%
4月25-30号（进行MSA之后）：抽检总数1153件，不良数27件，合格率为97.66%
合格率有所提升说明质量问题主要集中在供应商的生产流程中。
M3：数据收集计划
分析供应商生产流程中那个环节出现问题，这时原有的历史数据已经不能用来进一步分析了，所以需要重新收集数据进行分析。数据收集计划如下：
1.以产品货号，缺陷种类, 班次等信息作为数据收集的基础进行数据收集

2由现场检查人员收集每种型号每个时间的不良状况每天填写不良统计表

3.收集记录大概一个月的数据
M4：数据整理分析
图片6.png

利用柏拉图对数据进行分层寻找问题的焦点：从图形中找到符合2/8原则的因素划伤和印迹进行下一步分析（以上两个因素只选取划伤进行讲解）

分析阶段
A1：分析划伤造成的可能原因
图片9.png

召开头脑风暴利用因果图进行挖掘，需要注意的是：在进行头脑风暴是不要打断和否定成员提出的原因，否则成员会失去积极性，还有就是进行轮流回答让每个人都能有回答的机会和思考的机会。
A2:划伤原因筛选
图片10.png

将因果图的内容整理到PFMEA表格里，由专家团进行评分筛选出几个关键因子。通过PFMEA筛选后得到以下几个关键因子X1：清洁毛刷磨损过多，X2:木箱的枪钉露出太多，X3：清洁水源杂物多（需要注意的是在进行PFMEA评分的时候应纵向打分，避免由于横向打分导致分值偏差）
A3：因子验证
因子验证的方式有很多种，在选择验证方法时需要注意的是“y”和“x”的数据类型，计量还是计数。如这个项目中y=划伤（计数型），x1=清洁毛刷磨损过多（计量型），x2=木箱的枪钉露出太多（计量型），x3=清洁水源杂物多（计数型）验证方法：使用逻辑回归分析，研究因子与划伤之间的关系，分析自变量对划伤影响是否显著。
数据收集计划：1.为保证数据的连续性，选择量款连续收集7天；2.①毛刷磨损程度分为5个等级（1-5cm）；②木箱的枪钉外露长度分为6个等级（0.5-3cm）；③水中杂物分为两个等级（有杂物/无杂物）在每个等级上收集数据进行分析。
利用MINITAB进行分析结果：
图片11.png

从拟合效果可以看出，有2种拟合检验方法的P值（H0：拟合无显著差异；H1：拟合有显著差异）远远大于0.05，故认为拟合是满意的。
图片12.png

从逻辑回归表中看，在“检验所有斜率是否为零”的一行中，得知G统计量的值为：G=398.202，自由度DF=3，P值=0.000。说明整个模型效果是显著的。可以判定x1和x2为重要因子x3非重要因子
A4：因子最佳设置
图片13.png

从因子相关性度量表中可以证明上述模型预测出错可能性相对较小。
图片14.png

通过比较实际划伤率和预测划伤率可以得出下面结论（见附图“划伤率比较表”）：
对于毛刷辊更换问题。考虑毛刷的成本以及划伤率，最终决定当毛刷的刷毛只剩1.5cm（磨损3.5cm，划伤预测概率35.68%）时更换毛刷辊。（根据财务部计算：将毛刷的刷毛只剩1.5cm进行更换原毛刷成本提升10%，划伤率预测概率下降11.93%，更换毛刷的成本只有划伤成本的1.26%）
对于木箱的枪钉外露长度问题，小组结合预测概率决定每个木箱不能有外露的枪钉。（最好是收集4、5天的数据验证下出现的概率是否接近预测）
改进阶段
I1：挖掘及筛选潜在的解决方案
图片15.png