• 联系我们
  • 订阅

坚定地迈向零缺陷制造,让您的工厂更智能

本系列博客讨论了制造商在任何规模工厂的自动化过程中实现零缺陷制造所面临的战略、优先事项和挑战。

智能制造中的零缺陷战略是什么?

零缺陷战略并非新概念,大多数公司多年来一直在努力制定这样的战略。 然而,在智能制造中构建零缺陷战略的方法是需要不断演进的。 技术在变化,期望也在变化,因此有了更多可能性,甚至从自动化和质量的角度来看,对我们的要求也发生了变化。 因此,我们需要关注在制定零缺陷战略时面临的挑战,并思考如何应对这些挑战。

我们面临哪些挑战?

以大众熟悉的汽车行业为例。 汽车配备的传感器、自动驾驶系统、安全系统和功能越发繁多。 因此,汽车行业面临着更大的压力,需要构建更多由芯片驱动的子组件。
然而,从潜在故障的角度来看,汽车行业正在经历一个难题。 这是指工厂制造的一个组件流经供应链并在现场发生故障。 最终,确定故障原因成了一个挑战。 由于 22% 的保修期内故障与电子元件有关,查出故障原因变得尤其困难。 此外,这些故障都发生在汽车的保修期内。 该行业面临着一项艰巨的任务,那就是追踪工厂所制造零部件的“基因”。 85% 的汽车零部件是在 150mm 和 200mm 的生产设施中进行制造的,这些生产设施不具备对零部件进行追踪的能力。 这种情况会持续数年。

挑战非常严峻。 准确收集、核对和追踪海量数据是一项非常繁重的工作。 这项任务如此庞大和重要,为此业界专门制定了 IATF 标准(IATF 16949 标准)来评估满足制造实践要求的能力,以最大限度地降低风险。 挑战来自于传统的设施在设计时没有考虑到如此精细的追踪。 尽管我们渴望解决数据差异的问题,但如何高效地解决这一问题并持续满足质量标准的要求,是一项艰巨的任务(图 1)。

Figure 1 shows the baker’s dilemma in how to streamline quality standards.
图 1:强调精确性对于简化质量标准的重要性。
图 1:强调精确性对于简化质量标准的重要性。

识别故障原因

除了遵循标准之外,重要的是要问问自己:“我们当前是如何做的?” 回答这些问题的第一步是剖析故障的原因。 我们可从宏观层面加以考虑,将故障原因分为三类:

  • 系统性:工厂对某些产品进行了参数测试,仍然有可能发出有问题的产品。 出于某些原因,未能发现问题。 这是潜在故障最常见的原因。
  • 测试覆盖率:三分之一的潜在故障是这个原因导致的。 工厂设计新产品或具有新特征的产品时,如果需要进行新参数测试但未进行,就会发生这种情况。 这是因为他们不知道需要进行这种测试,或没有这种测试
  • 随机性:在这种情况下,无法对故障来源进行分类,因此被视为随机故障。 这些是一些更令人不安的问题,因为它们表明自动化能力存在更为系统性的缺陷。

通过对潜在故障的原因进行剖析,可以了解工厂可能存在的自动化缺陷类型(图 2)

图 2:潜在故障原因剖析

在本系列博客《坚定迈向零缺陷制造,使您的工厂更智能》的下一章节中,我们将讨论如何识别缺失的自动化 CIM 组件类型。 敬请期待。

关于作者

Picture of Selim Nahas
Selim Nahas
Connect with us on LinkedIn to begin your journey towards creating a world class factory today.