彩电|数字工厂SPC之成败大屏|海信|小米科技

文章图片

字数统计：2890字预计阅读时间：约6分钟

SPC（Statistical Process Control ，统计过程控制简称SPC）虽然运用已有二十多年了，但在实施运用过程中仍有很多困惑。本文整理常见的困惑点与大家分享。
引文
中国是制造业大国，大部分工厂主要重点是将原料经由加工制造过程（或流程）转变为最终可销售的产品或服务。 ”产品”是经过被定义的规格下（定义规格者包含客户、制造商本身、供应商…等），在经过”受控制”的人、机、料、法、环加工流程后，产出”符合规格”的产品。这句话看似简单，但其中存在着非常多的变异。简单来说，规格只有一个，但是制造可能要做出1个，或10个、或100个、或1000个甚至更多的一模一样的产品（依照产品需求特性而定），做出来的产品越接近规格目标值（Target），客户就会觉得产品质量越好。
但是，制造也不是神，无法做出每个产品所有规格都一模一样准确落在规格目标值上，所以在规格目标值外，增加了正负公差、单边公差…等规格，只要产品做在双边规格、单边规格以内，都算满足客户规格要求。目前越来越多少量多品种产品的商业模式出现，规格一直在变，制造产线要快速反应产品的规格变动要求，并达到客户要求，这时若无法做到数字化即时质量监控，每个工序工序点快速反应质量变异，就会造成做出来后才发现良率过低需要返工，或是流到客户端后的客诉增加。
要做到数字化即时质量过程监控，建议先将原本最终良率监控，更往前走到每个工序工序点即时on line SPC统计过程监控。
大家一定很奇怪， SPC不是早就行之有年了吗？审核每次被问一定会做的事情，且客户每月每季要的过程能力Cpk都有提供，但是对于实际良率提升没有感觉很有用阿？这中间存在的困惑，让我们一一往下探讨吧。
01One
困惑一
Cpk超过1.33 ，但是最终良率并没有达到4倍标准差（意指没有达到预估的不良率63.34ppm or良率99.99%）？或是最终良率很好99% ，但是各工序点SPC所计算出来的Cpk并没有这么佳？
反思：
1.请问各工序点的过程规格（USL/Target/LSL）是否合理？
“过程规格”与”产品规格”有时会一致，有时会更往下展开到材料特性规格，或是材料经过加工后的半成品特性规格。最常出现的问题就是”过程规格的定义无法厘清” 。
过程规格谁该定义？
过程工程师会说:”当然是RD研发工程师要定义，我们怎么会知道产品要求的规格是多少？”
RD研发工程师会说:”我们是做产品的规格，客户产品规格清楚，但是再展一阶过程规格时，全新产品时，就只能做个实验后，抓最佳解来定义。若是过程没甚么太大变动，就沿用原本过程规格吧。 ”
这时该如何去规范合理的过程规格呢？其实这应该连结到DFM（Design for Manufacture）的概念，新产品设计初期， RD研发单位在设计过程规格时，就应该找过程单位（工程/生技..）先了解投产工厂的关键过程工序点的过程能力，再检讨出初始的过程规格，经过小批量验证后，重新调整成合理量产品的过程规格，若有特殊材料或新材料导入，也需重新确认投产工厂的过程能力是否有所偏移，并重新调整相关系统参数。
所以， RD研发部门应该与过程部门依据SPC持续观察到的过程能力共同来制定过程规格方为上策。过程能力随着人、机、料、法、环在变动，过程规格不可能永远不变动，所以，每季或每半年的过程规格检讨，或是检讨的规则是必须制定且持续进行的。
2.各工序过程能力Cpk是否有跟最终良率进行相关性分析？
常听到工厂主管说我们公司的最终良率都是95%以上，但是却忽略了是第一次良率？还是经过返工后的最终良率？
SPC管控的Cpk过程能力是当工序良率，但过程中又增加了很多返工流程、报废流程后，最后当然跟最终良率无法关连，若是将各工序点的当前良率与返工率、报废率都统计分析，与最终良率相去不远（还是会有些许落差，但是已可预估最终良率）。且SPC能利用趋势规则提早预防超出规格的不良品发生，让当工序良率第一次就能提升到99%以上，减少各工序更多的返工与报废。这才是SPC真正的发挥之处。