课程背景
“品质是生产出来的还是检验出来的？”，实操中，这个问题常常被用于品质管控中，实际上生产和检验能够影响的整体品质成本的占比其实很小，实操中，更大比重的品质成本其实在研发、工艺规划阶段已经决定了。在量产中有很多的品质改进是卓有成效的，但同时反应出，在从新货品开发到量产改进完成的时间段里存在着巨大的品质浪费，甚至很多货品从量产到项目结束都是高不良率或者带病生产。
故而，现在越来越多公司将品质管控的重心放在货品开发的前端，这就要求公司的研发、品工等等开发、技艺等等专精人员能够研习和运用品质工学。品质工学主要包括品质规划、品质评价、品质改进。
品质规划涉及到货品质量特性的规划，例如在货品开发阶段，就确定好货品应该具备的功能、性能等等质量指标，像规划一款智能手机时，就要预先规划好其屏幕分辨率、运行速度等等质量特性。
品质评价包括利用统计办法来评核货品质量，例如抽样检验，借助抽取一定数量的样本，采用统计拆解来推断整批货品的质量情况；还有质量抓手的运用，如排列图能够找出影响质量的主要因素。
品质改进是当发现质量问题后，运用实验规划办法来寻找最佳的改进方案。例如在化工生产中，借助改变反应温度、压力、催化剂用量等等因素的实验规划，找到拉升货品纯度的最佳方案。
研习品质工学，能够支援精确地定义质量准则，确保货品性能达成预期水平，利用各种统计办法和抓手对质量资料开展拆解，比如将控图能够监控生产进程是否稳定，从而及时发现质量波动并采取措施纠正，防止产生大量次品。能够对生产流程精进，品质工学能够借助实验规划找出最佳的生产参数组合，减少因反复试验带来的资源浪费，拉升生产效率。研习品质工学有助于公司生产出高质量的货品，从而拉升买方满意度和忠诚度。在全球化市场竞争中，优质的货品能支援公司树立良好的品牌样貌，与其他竞争对手拉开差距。
课程收益
● 构筑用品质工学为公司在新货品开发阶段规划高品质货品、消存品质浪费的意识；
● 系统构筑品质工学识架构以及抓手的运用本领；
● 协助突破品质工学在研习和运用中的瓶颈，练就研发、品质人员的破解难题本领；
● 促成运用品质抓手的抓手系统性降低品质隐患、成本的架构化建设；
● 促成公司品质工学英才本领建设
课程大纲
引言
1.
碰头：
“品质是生产出来的还是检验出来的？”或者是...
2.
质量
Kano模型：基本、一元，魅力、反向、无差别
3. 质量经济平衡点：品质水平和投入成本相关，怎样的品质表现对于公司最有利？
第一部分：
系统规划
首讲：
QFD质量功能展开（Quality Function Deployment)
一，
质量机能展开（
QFD）的定义
：
质量展开
(Quality Deployment ,QD)和狭义质量机能展开之总称。
1.1.
质量展开
QD
：将顾客的诉求转换成代用质量特性，进而确定货品的规划质量（准则），再将这些规划质量系统地（关联地）展开到各个功能部件的质量、零件的质量或者服务项目的质量上，以及制造工序各要素或者服务进程各要素的相互关系
1.2.
狭义质量机能展开
：将形成质量保证的职能或者业务，按照目的、手段系统地开展详细展开
二、
QFD的原理
2.1.QFD是将顾客或者市场的诉求转化为货品的规划要求、零件特性、工艺要求、生产要求的多层次的演绎拆解办法。
2.2.QFD是一种顾客驱动的货品开发办法，按照顾客的诉求和偏好来规划货品。
2.3.质量功能展开(QFD)体现了以市场为方向，以顾客诉求为货品研发唯一依据的指导思想。
三，
QFD典型模式—ASI四阶段模式
3.1 货品规划阶段:顾客诉求转换成货品规划要求
货品规划阶段的
QFD指导了货品的总体方案规划，输出了要害规划要求或者要害质量特性。
3.2.零件配置阶段:货品规划要求转换成零件特性
零部件展开阶段，以上阶段输出的规划要求作为顾客诉求，拆解为满足这些诉求应具备的零部件特性，如技艺参数、要害尺寸、材料等等，并筛选要害的零部件特性。
3.3.工艺规划阶段:零件特性转换成工艺要求
工艺规划质量屋是从规划到生产阶段的转移，其顾客诉求是上一级质量屋输出的要害零部件特性，推导相应的工艺参数，形成工艺方案，构筑工艺流程图。
3.4.生产将控阶段:工艺要求转换成生产要求
生产规划阶段，顾客诉求是要害的工艺参数，工程措施则是一线人员的操作要求，操作程序、检验、计量保证、装置的维护等等。
四个阶段的质量屋必须按照并行工程的原理在货品方案论证阶段同步完成，
四，
QFD基本形式-质量屋
4.1质量屋（HOQ,House of Quality）主要由六部分组成：
1）顾客要求以及其权重，即质量屋的“什么（What）”。
2）技艺要求（最终货品特性），即质量屋的“怎样（How）”。
3）关系矩阵 ，即顾客诉求以及技艺诉求之间的相关程度关系矩阵 。
4）技艺诉求相关关系矩阵，质量屋的屋顶。
5）竞争拆解，站在顾客的角度，对本公司的货品和市场上其它竞争者的货品在满足顾客诉求方面开展评核。
6）技艺评核，对技艺诉求开展竞争性评核，确定技艺诉求的要害度和标的值等等。
货品规划阶段的
QFD指导了货品的总体方案规划，输出了要害规划要求或者要害质量特性。
五、
质量屋
构造
5.1左墙：顾客要求以及要害度评核
5.2上限：技艺特性
5.3房间：关系矩阵
5.4屋顶：相关矩阵
5.5右墙：市场评价
5.6地下室：技艺本领评价
六、
质量屋
各构造拆解
6.1.顾客诉求以及权重 （左墙）
要度
Ki （i=1，2、，、，m）可取下列5个等级
数值越大，说明要害度越高；反之，说明要害度低。
6.2.技艺特性（诉求）（上限）
满足以下三个条件：针对性、可测量性，宏观性
6.3.关系矩阵Rij（关系度）（房间）
◎:强 9，具体来看，○:中3，△:弱1
6.4.相关矩阵（屋顶）
○：正相关 ◎：强正相关 ╳：负相关 #：强负相关
6.5.竞争拆解（右墙）
1~5五个数字表示，运行层面，1表示最差，5表示最好
根据改进程度、意义等等计算出顾客诉求的权重（绝对值和百分比）
6.6市场竞争本领（右墙）：五个等级
7.
加权后工程措施的要害度
hj
8.
技艺竞争本领
Tj
9.
市场竞争本领
Mi:M值越大越好
10.技艺竞争本领指数Tj : T值越大越好
11.综合竞争本领指数C = MT
七、
QFD施行步骤
7.1定标的顾客。
7.2调查顾客要求，确定各项要求的意义。
7.3根据顾客的要求，确定最终货品应具备的特性。
7.4拆解货品的每一特性和满足顾客各项要求之间的关联程度，找出那些和顾客要求有密切关系的特性。
7.5评核货品的市场竞争力。
7.6确定各货品特性的改进方向。
7.7选定需要确保的货品特性，并确定其标的值。
实例拆解
:
QFD
实例分享
第
二
部分：
六大抓手助力新货品开发到量产的高质量过渡
首讲
汽车业界六大核心抓手的简介和关联性
1.六
大核心抓手关联性
1.1APQP 货品质量先期策划，货品、进程、系统的策划和执行
1.2FMEA 潜在失交效模式和后果拆解，货品、进程、系统的纠正预防
1.3PPAP 货品量产批准程序，买方对供应商信用偏差的要求
1.4SPC 统计进程将控，对进程偏差的将控
1.5MSA 测量系统拆解，对测量系统偏差的将控
1.6CP 将流程图和PFMEA识别的隐患预防措施开展准则化，确保后续量产的品质稳定性。
2.APQP（货品质量先期策划）
意义：借助在货品量产之前开展货品质量先期策划，对货品规划和制造进程开展管控，确保货品达成顾客满意。
2.1五个阶段：策划、货品规划开发、进程规划开发、货品和进程的确认、量产；
2.2 四个阶段的CP（样品，试产、安全生产、量产）
2.3 APQP的输出：PPAP
3.PPAP（生产件批准程序）
意义：
验证生产进程的将控本领和货品的一致性，确保货品质量符合准则。
3.1 提交的19个项目
3.2 提交五个等级以及选项
4.FMEA（潜在失效模式和效应拆解）
意义：在规划阶段和进程规划阶段对潜在失效模式开展拆解，预防质量问题。
4.1 FMEA的运用：S、D、P
4.2 隐患评价：S/O/D，RPN、AP
5.MSA（测量系统拆解）
意义：评核测量系统的性能，执行层面，确保测量结果的可靠性。
5.1 MSA的分类：计量，计数、破坏
5.2 计量型测量系统评价：GRR%，PT、NDC，重复性和再现性的概念，原因、对策
5.3 计数型测量系统评价：一致性，百比分、KAPPA
6.SPC（统计制程管制）
意义：借助统计拆解，识别和纠正生产进程中的变异，稳定货品质量和生产效率。
6.1 SPC运用情境：新货品、量货品
6.2 变异造成的原因：特殊原因，一般原因
6.3 常有术语:西格玛，方差、极差、平均值、中位数、众数常态拆解
6.4 西格玛水平和良率
6.5 管制用的运用：拆解用、将控用
6.6 常用管制图：计量型（四种），计数型（四种）
7.CP（将控规划）
意义：将流程图和
PFMEA识
别的隐患预防措施开展准则化，确保后续量产的品质稳定性。
7.1 将控规划办法论
7.2 将控规划的要求和指南
第
三
部分：
参数规划
-DOE实验规划
一、
传统实验办法和
DOE实验规划的差别和意义
1. 传统试验办法：
将应影响输出的众多输入变量（因子）在同一时间只允许有一个变量变化，实操中，其他相对固定。试验周期长，浪费时间，可能导致试验成本大幅拉升，并拖延货品上市时间。试验办法粗糙，由于无法考察因子间的交互影响，往细里说，得到的结论可能和实际不符－导致质次价高。
2. 试验规划：
试验次数少，成本低，时间快。能考察因子间的交互影响。明晰给出哪个因子是要害的，哪个是非要害的。让我们更弄懂自己的工艺和怎样开展精进将控。较高的置信度。
二
、试验规划
DOE引见
1. 领会DOE的定义和目的
：在一定的预算条件
(费用, 时间, …)下,为了得出最大资讯,
规划实验办法和拆解办法
.
2.DOE常用术语：输入变量，输出变量、因子、水平、正交表、主效应，交互效应、信噪比、自由度、混杂
3.常用的试验规划办法
3.1单因子试验规划
3.2全因子试验规划
3.3分部试验规划
3.4中心复合试验规划
3.5田口试验规划
三
、
单因子实验
3.1.实验进程中只允许单一因素变动，其余因素必须保持固定的实验办法，就一线经验说，
3.2.
单因素实验法可能之问题
:
将会漏失复合因素的讯息
,
当因素数很多时将较不真实
无法保证在实际的制造条件中，在实际应用里，可获得实验结果的再现性。
3.3.
单因子回归拆解
3.4.常用的试验规划办法
四、
全
因子
、
部分因子
实验
4.1实验规划三个基本原理：重复性、随机化，区组化
4.2全因子实验的领会：正交实验法，挑选因子，确定层次，用较少的次数找到相对最优的条件，即最优或者较优的实验方案
4.3
主效应和交互作用的计算办法以及拆解
4.4 利用全因子实验资料输出最佳工艺条件
软件上手：
利用
Minitab
演算
全因子
实验
并开展拆解
实例分享：全阶程和部分因子
DOE实验运用实例
五
、
中心复合实验
5.1中心复合实验的领会
5.2水准实验规划时，只考虑输入变量的2个水准，执行层面， 随时存在忽略曲线成效的隐患。
追加
“中心点(Center points)”，落地时，2x2 模型的5个中心点而执行实验，故而不增加实验次数也能检定曲线成效。决定要对实验误差以及曲率成效开展推定。
软件上手：
利用
Minitab
演算
全因子
实验
并开展拆解
实例分享：中心复合实验运用实例
六
、
Robust 稳健规划实验
6.1. 田口正交实验规划法简介：利用正交表来挑选实验条件和安排实验的实验办法
6.2. 信噪比S/N(Signal to Noise Ratio) ：信噪比和稳健(Robustness)的概念紧密相关, 稳健的概念追求货品或者流程的表现在受到因素的波动时候的稳定性
望目值
– 某个标的值
望大值
– 比如合格率
望小值
– 比如维修时间
软件上手：
利用
Minitab
演算
全因子
实验
并开展拆解
实例分享：
Robust稳健实验运用实例
第
四
部分：
公差规划
一：公差拆解的意义
1.1.货品制造不可能达成图纸中的理想值，执行层面，一定会有误差，实际零件的直线总会是曲线，表面也会坑凹不平，故而需要定义误差允许值。
1.2.货品规划人员要确保货品在规定公差内能满足功能要求。可是，货品必须具备可制造性。故而，总会有考虑功能要求的从紧公差和考虑制造性要求的从松公差的平衡。
1.3.过紧公差使货品制造困难，执行层面，从而增加成本。
1.4.在标注尺寸的时候就要标公差，不过，在货品庄重开模/做工夹具前，换个角度看，公差拆解是货品确认的要害一步。
二：公差拆解的目的
2.1合理设定零件的公差以减少零件的制造成本。
2.2
判断零件的可装配性，实操中，判断零件是否在装配进程中发生干涉。
2.3 判断零件装配后货品要害尺寸是否满足外观、质量以及功能等等要求。
2.4 精进货品的规划，这是公差拆解十分要害的一个目的。当借助公差拆解发现货品规划不满足要求时，一般有两种办法来破解难题。其一是借助精密的零件公差来达成要求，但这会增加零件的制造成本；其二是借助精进货品的规划（例如，增加装配定位特征）来满足货品规划要求，这是最好的办法，也是公差拆解的意义所在。
2.5 公差拆解除了用于货品规划中，还可用于货品装配完成后，当货品的装配尺寸不符合要求时，就一线经验说，能够借助公差拆解来拆解制造和装配进程中出现的问题，寻找问题的根本原因。
三：公差的种类，未注公差的准则
3.1公差种类分为：尺寸公差，形状公差、位置公差，公差等级
3.2未注公差的线性尺寸和角度尺寸/形位和位置公差的准则
四：公差拆解的办法
4.1两种公差拆解的办法： 极值法、 概率法
4.2概率法有多种，主要有三种： 都方根法（RSS法）、 经典概率法、 蒙特卡洛法
五：公差拆解
-极值法:有三种办法做极值法公差拆解
5.1图形法
5.2最大值/最小值拆解
5.3制表法
5.4 极值法是更保守的办法，在实际应用里，理论上能够做到零隐患，就一线经验说，在下面的情况下我们应该采用极
值法：
5.4.1尺寸链中尺寸少于3个
5.4.2超出公差失效后果十分严重，零容忍。
5.4.3特征尺寸不是正态分布，就一线经验说，执行层面，或者不是相互独立
六：公差拆解
-概率法-RSS法
6.1 RSS法基于统计原理。假定特征的实际值是正态分布，执行层面，名义值为分布的平均
值，执行层面，公差范围为
+/-3倍准则差。即CP/CPK为1.0。
6.2 RSS法RSS法在实际的平均值/准则差还不知道的规划阶段格外有用。。
6.3RSS法采用两个假定：1.每个特征变化符合正态分布，2.特征变化相互独立
6.4RSS法需要注意的问题：
6.4.1.要拆解的特征尺寸符合正态分布
6.4.2.要拆解的特征尺寸相互独立
6.4.3.假定特征尺寸的平均值=规格的名义值
七：公差拆解
-经典概率办法
7.1 基于心得每个特征尺寸的数值以及分布已知
7.2
基于心得，执行层面，执行层面，中心偏移已知。对于采用了
6 sigma品质管控的公司，在实际应用里，典型的中心偏移假定为1.5 sigma
7.3
在采用了
6 sigma品质/生产进程采用SPC的货品推荐采用该办法
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|王志高老师
适合谁听
高层（关注）、研发人员/货品工程人员/品质工程人员/装置工程人员等等技艺部门的要害英才、以及公司希望培训的技艺类潜力新人。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。