处于统计受控的过程也可能产生大量的不良品吗?很多人会说不会,因为我们经常都看到教科书上的控制图(如下图优思学院的六西格玛教程),控制限(UCL/LCL)都在规格限(USL/LSL)之内,那么按道理来说,合格品率应该有99.7%以上,又哪来大量不良品呢?
事实上,大家都忽略了一个重要的前提,就是控制限和规格限两者之间,根本没有必然关系,换言之,控制限其实不一定会在规格限之内。以下,我们一起来拆解一下这个误区。
控制限 vs 规格限:差别在哪里?
首先,规格限(Specification Limits)是客户需求、设计要求或行业标准规定的,那是产品合格的允许范围。而控制限(Control Limits)呢,则是基于统计过程控制(SPC)得出的,它反映的是过程本身的自然波动,通常设定在均值加减三倍标准差(±3σ)之间。
所以,控制限并不是设定给客户的要求,而是对过程波动的监测工具。它关注的是:这个过程现在稳不稳定?波动有没有超出预期?
为啥统计受控也会有不良品?
那为什么即便过程统计受控,也还是会有大量不良品呢?其实很简单,控制限之内的波动并不保证你的产品全部在规格限之内。如果你的过程均值偏离了目标值,即使这个过程稳定,产品也有可能大面积不达标。
举个例子,如果过程均值和客户要求有偏差,虽然过程稳定,统计受控,但大多数产品可能依然不符合客户的规格限。这就是控制限和规格限之间的差别——它们不是一回事!
教科书上的控制图为什么控制限在规格限之内?
在教科书中的很多案例里,控制限(UCL/LCL)常常在规格限(USL/LSL)之内,这是因为这些例子通常展示的是一个理想的过程,也就是说过程的波动很小,足以让其控制限完全落在规格限的范围之内。这种情况下,意味着过程变异被良好地控制住了,并且产品符合客户的要求。但是,在实际生产中,情况往往要复杂得多,过程的波动可能导致控制限超出规格限的情况,这就需要对过程进行改进,以减少波动,这是要依靠质量人员和工程团队的努力才会达致的。
企业如何作出改善?
要想真正提升过程能力和产品质量,企业可以借助质量管理和六西格玛的方法来进行持续改善,並且要借助多一个指标,那就是过程能力Cp和Cpk了。通常可以分为以下三个步骤:
1. 让过程稳定受控
首先确保过程的波动处于受控状态,即消除特殊原因的变异,让过程稳定下来,就是把右图所显示的状态变成左图的状态。
2. 让过程分布置中
接着,通过调整过程,使得过程的均值符合目标值,这样可以尽量减少偏差,确保产品更容易符合规格要求。
3. 让过程变异减少
最后,进一步减少过程中的变异,这样可以提高产品的一致性,确保更多的产品都落在规格限内。
这也是六西格玛项目所运用的基本方法和原则,通过 DMAIC(定义、测量、分析、改进、控制)循环,不断优化过程,提升产品质量,提升过程能力Cp Cpk的数值。
小心别掉进这个常见误区
很多人常常混淆控制限和规格限,觉得控制上下限一定在规格上下限以内。这可是个大坑,爬出来得花点时间,由于在实际工作中,也要量产中的产品会出现控制限超出的规格限的情况不会常见,于是大家会习以为常。搞清楚控制限关注的是过程的自然波动,而规格限则是客户的期待,你才能更好地理解过程控制和质量管理之间的微妙关系。
所以,下次看到控制图的时候,记得想想:这个过程虽然看起来很受控,但它能满足客户的要求吗?别让数字骗了你,真正的质量可不止在图上看着好看!