运用DMAIC工具降低车身供应商错漏焊问题指数的研究

朱政、覃祥盼、蓝俊

（上汽通用五菱汽车股份有限公司，柳州 545007）

0 引言

错漏焊问题占车身供应链质量问题的40%左右，而采用日常质量七钻分析工具仅能解决单个问题，供应商质量管理则需要从更高维度去分析产生问题的产生流程。DMAIC 是六西格玛管理中流程改善的重要工具。六西格玛管理不仅是理念，同时也是一套业绩突破的方法。它将理念变为行动，将目标变为现实。DMAIC 是指定义（Define）、测量（Measure）、分析（Analyze）、改进（Improve）和控制（Control）5 个阶段构成的过程改进方法，一般用于对现有流程的改进，包括制造过程、服务过程以及工作过程等。

1 界定项目范围，明确关键特性

1.1 确认顾客的关键需求，识别需要改进的关键特性

图1显示了车身供应商来料质量问题分布，由其可知车身零部件问题频发，其中错漏焊问题占比最高，急需有效的解决方案。

图1 车身供应商现场质量问题分布图

车身件焊接对象分为焊点焊接及标准件焊接。错漏焊问题按照类型主要分为错漏焊焊点、错漏焊标准件和错漏焊附件，因此错漏焊问题指数包括错漏焊焊点问题指数、错漏焊标准件问题指数和错漏焊附件问题指数。

将车身供应商每月错漏焊次数与产量的比值，称作错漏焊问题指数，用以代表错漏焊的质量问题（CTQ），将错漏焊问题指数定义为Y，即有：

CTQ=Y=y1+y2+y3

式中 y1——错漏焊焊点问题指数

y2——错漏焊标准件问题指数

y3——错漏焊附件问题指数

1.2 归纳通用判定指标，明确项目改进目标

针对本司2021年1—6月车身供应商错漏焊问题指数进行测量，可知车身供应商错漏焊问题指数平均达到22 次/10 万台（图2）。因此本司提出项目改进目标：将错漏焊问题指数降低至20% 以下。

图2 改进前月度车身错漏焊问题指数分布图

2 利用质量工具，明确Y 值测量

测量阶段的工作重点是在界定阶段工作的基础上，进一步明确Y 的测量，并通过收集引起问题潜在因子X 和Y 的测量数据，定量地描述Y。

2.1 通过因果矩阵图锁定关键因子

通过梳理焊接过程输入输出关系，使用因果矩阵图识别输入因子与输出因子的权重关系，筛选出14 个潜在因子X1～X14（图3）。通过对这14 个潜在因子的评价打分，确定各个因子的影响。其中X2、X5、X8 和X13 这4 个因子涉及SOS 文件正确性，调查过供应商SOS 工艺文件，完全符合要求，因此排除该4 个因子的影响。剩下10 个因子需要进一步分析。

图3 输入输出因果矩阵图

3 使用非参数假设检验工具，分析筛选潜在因子

对于属性数据分析，传统的连续型变量统计方法不再适用。而使用列联表工具不仅可用于属性数据分析，还可以用来分析两种方式（两个因子）分组数据是否独立。

曼-惠特尼-威尔科克森检验（Man-Whitney-Wilcoxon，简称为MWW）属于非参数检验的一种，主要用在2 个总体不为正态分布情况下，研究2 个总体间是否存在差异的非参数检验方法。

3.1 使用列联表工具筛选非关键因

对8 家供应商2021年1—6月错漏焊问题数与各因子建立以列联表（图4）。

图4 建立列联表

（1）按照错漏焊与因子X3 是否有螺母输送机两种状态，进行分组统计得到列联表1。

（2）按照因子X4 和X6 新老人员的两种状态，与y1（错漏焊焊点问题指数）、y2（错漏焊标准件问题指数）和y3（错漏焊附件问题指数）进行分组统计，得到列联表2、列联表3和列联表4。

（3）按照因子X8 和X14 组焊夹具与焊植钉焊接工装有无防错装置，与y2（错漏焊标准件问题指数）和y3（错漏焊附件问题指数）进行分组统计，得到列联表5和列联表6。

假设各个因子对错漏焊的影响无显著差异，将6 个列联表代入Minitab 软件进行假设检验分析，获得以下结论。

（1）P1 值=0 ＜0.050，拒绝原假设，故因子X3 有无螺母输送机不是关键因子。

（2）P2 值=0.952 ＞0.050，接受原假设，故因子X4 和X6人员变化是错漏焊点的关键因子。P3 值=0.039 ＜0.050，拒绝原假设，故因子X4 和X6 人员变化是错漏标准件的非关键因子。P4 值=0 ＜0.050，拒绝原假设，故因子X4 和X6 人员变化是错漏焊附件的非键因子。

（3）P5 值=0.259 ＞0.050，接受原假设。故因子X8 和X14 组焊夹具与焊植钉焊接工装有无防错装置是错漏标准件的关键因子。

（4）P6 值=0.615 ＞0.050，接受原假设。故因子X8 和X14 组焊夹具与焊植钉焊接工装有无防错装置是错漏附件的关键因子。

从列联表5和列联6 可知，有无防错情况都有漏焊，因此需要进一步分析原因。对夹具有无防错装置进行关联图分析（图5），锁定防错前期无策划和防错损坏是影响夹具无防错的2 个主因。对于防错前期无策划进行快赢改善；对于防错损坏则需要继续测量分析。

图5 关联图分析

调查4 家供应商防错结构，按直接探头防错和间接探头防错测两组，对探头维修率统计获得列联表7（图6）。将列联表7代入Minitab 软件进行双比值分析，获得P7=0 ＜0.050，拒绝原假设，直接探头防错与间接探头防错的探头损坏率有显著区别。因此推动供应商将直接探头防错改为间接探头防错。

图6 探头维修率统计列联表

3.2 使用MWW 检验分析筛选非关键因

为了验证错漏焊与各管理层对探测装置检查频次的影响，将结合2021年1—6月错漏焊问题指数，按不同管理层审核频次进行分组统计。

技术区域审核分为A 组和B 组。其中A 组：每天按计划审核，一周内完成防错循环审核；B 组：不参与审核。然后然后进行数据分类统计各个审核频次下错漏焊的排名，获得MWW 检验表一（图7）。

图7 MWW 检验表汇总

质量区域审核频次分为A 组和B 组。其中A 组：每天按计划审核，一周内完成防错循环审核；B 组：不参与审核。然后进行数据分类统计各个审核频次下错漏焊的排名，获得MWW 检验表二。

1.2 样品培养 根据采样点的先后顺序对样品进行编号，准备20 cm×15 cm大小的不完全封闭塑料盒，用75%的酒精喷洒消毒，在盒底垫吸水纸，用无菌水浸湿，并放置2～3根塑料吸管，将样品放在吸管上，避免腐木与湿纸发生黏连，盖上盖子，在盒盖上标明采集地点、日期、采集人等相关信息。室温培养1～2周后开始检测样品，检测期间根据样品干湿度，可适量加无菌水，保持样本湿润。

班长审核频次分为A 组和B 组。其中A 组：每天按计划审核一周内完成防错循环审核；B 组：每周一次统一审核防错状态。然后进行数据分类统计各个审核频次下错漏焊的排名，获得MWW 检验表三。

假设2 种审核频次对错漏焊影响相同，将3 个MWW 检验表代入Minitab 软件运行分析获得以下结果。

P1 值为0.7656 ＞0.050，接受原假设，因此X9 不是关键因子。

P2 值为0.037 ＜0.050，拒绝原假设，因此X10 是关键因子。

P4 值为0.030 ＜0.050，拒绝原假设，因此X11 是关键因子。

3.3 分析阶段总结

通过使用列联表、MWW 检验以及双比值等分析工具，排除8 个非关键因子，最终锁定2 个关键因子和4 个快赢因子（图8）。

图8 关键因子和快赢因子

4 针对已识别的快赢因子及关键因子进行分析及改进

4.1 针对快赢因子的分析和改进

针对快赢因子X4 和X6 人员变化，可以通过督促供应商建立人员岗位柔性跟踪表验证培训效果，来降低焊点错漏焊率。针对快赢因子X8 和X14 组焊夹具与焊植钉焊接工装有无防错装置，从新项目开发阶段及量产阶段2 个维度进行分析。

经过分析，新项目开发阶段组焊装夹夹具与焊钉焊接工装无防错的原因有3 点。

（2）项目开发中，各家供应商对防错覆盖率测算标准不一致。

（3）产品质量先期策划（APQP）阶段，阀门审核未包含探测防错的审核要求。

针对上述原因制定以下措施。

（1）编制专业科室质量SOR 要求。

（2）编制车身标准防错验证清单模板。

（3）APQP 开发阶段，阀门审核增加探测防错的审核要求。

通过这些措施落实，新项目防错覆盖率得到很大改善。

在之前的分析中，已识别到间接探头防错优于直接探头防错，因此我们推动直接探头防错改为间接探头防错，改进后错漏焊问题指数有效降低。

4.2 针对关键因子的分析和改进

对于关键因子X10 和X11 过程审核质量区域和过程审核班长检查参与程度，各家供应商的要求不一致。这就需要督促车身供应商满足最低审核要求。针对该问题，我司分两步推进进供应商审核标准化。

第一步，短期SQE 牵头每周拉动供应进行过程审核，确保防错装置有效性。

第二步，建立车身专用系统，持续跟进防错日常维护。

5 固化改进措施，夯实改进成果

通过建立项目开发流交付资料标准化，规范防错清单模版，固化各个项目标准交付资料，建立量产审核交付资料，从而建立系统的规范审核要求，车身供应商错漏焊问题指数从22 台/10 万台降低到17 台/10 万台，错漏焊问题指数降低至20%以下的目标达成（图9）。

图9 改进后月度车身错漏焊问题指数分布图

6 结束语

六西格玛DMAIC 是一个有着几十年应用并被证明的先进管理方法，可以帮助我们以正确的方式把正确的事情做好。它是一种应用工具和方法，是方法论和研究，是理论体系和思维方式，更是一种哲学和价值观。本文通过六西格玛DMAIC 工具梳理了车身供应链错漏焊管理的流程，筛选识别关键因子，通过有效的控制，实现了车身供应链错漏焊问题指数的降低。