MachineMetrics博客

开始用机器数据驱动决策。

准备好授权你的车间了吗?

了解更多
类别:

    制造业中的质量控制:使用数据来改进您的质量程序

    质量控制在制造业中做什么?

    质量控制是一个使用最佳实践、严格遵守标准和规范以交付无缺陷产品的过程。通过严格的质量控制(QC)措施,企业可以更好地管理成本,减少浪费,并保护自己免受品牌损害和责任,这些往往伴随着缺陷产品。

    管理质量控制程序的关键是保证严格遵守标准化流程.任何对流程的偏差都可能导致产品不符合规格,也可能导致其他形式的浪费。

    收集零件质量数据有助于审核生产过程,并确保标准化工作和作业指导书与开发质量部件一致,同时减少浪费。

    MachineMetrics可以从设备和操作人员那里收集数据,以确保准确测量循环时间、零件数量,并通过在机器、操作人员和车间层面进行钻孔的能力来排除原因。

    质量经理可以审查数据,以了解流程中存在的瓶颈和浪费,同时保持所需的质量。

    质量控制与质量保证

    许多人把质量控制与质量保证(QA)或者将它们互换使用,但它们是两个不同的概念。质量控制是一个健全的质量管理体系的检验方面。它关注在机器或组装级别发生的事情,并寻求捕获、记录和分类缺陷。

    质量控制系统可能包括使用数字卡尺、自动检测系统和其他SPC工具。

    QC也是反应性的,意思是在生产后对标准或规格进行验证。在连接的工厂生态系统中,这种验证过程可能是数字化的;这将使它更接近于生产点,并使缺陷能够更早地被检测到。

    一个更完整的程序,质量保证是一个致力于在缺陷发生之前预防缺陷的过程。它使用直方图、控制图和帕累托图等工具来揭示分析趋势;这使得质量管理者能够实施过程变更以进行改进。

    质量保证体系可能包括正式的质量最佳实践,如全面质量管理(TQM)。它们也可能是精益或六西格玛部署的一部分,将QA纳入整体改进系统。

    quality-in-oee-formula

    质量对经营绩效有重大影响,在某些高公差行业,如航空航天和医疗设备制造,这种影响成倍增加。

    质量控制在制造业中的重要性

    质量控制程序显著影响成本和准时交货。如果没有适当的质量控制,工厂将产生更高的废料水平,并因额外的处理和返工而增加劳动力成本。这一疏忽也影响了供应链的性能和准确性,因为计划人员必须订购更多的材料,以弥补废料损失。

    QC也是客户满意度的最后一道防线。有了准确的质量控制,顾客退货率会更低,品牌感知会更高。这有助于确保高回头客率。

    稳健的QC验证公司的流程并确保生产系统正常工作。检测到缺陷可能表明生产链中的一个破碎的过程。使用形式化的过程改进方法(如精益)来改变过程将有助于提高性能和减少缺陷。

    质量控制方法和技术

    有几种方法可用于制造质量控制:

    准时(JIT)

    JIT是一种更广泛的理念的一部分,它可以在需要的时候将材料和部件交付到生产中。QC必须是等式中不可分割的一部分,以确保所有零件在使用前到达而不中断生产。这一壮举是通过制定严格的供应商和供应商质量控制标准来实现的,以保证到达的材料符合所需的质量标准。

    工作站质量

    在像数控加工这样的行业中,工作站操作需要高水平的技能,公司可能会让工人在将零件下游移动到下一个工作站之前检查零件。

    cnc-machine-control-on-shop-floor-2-1

    统计质量控制

    在统计质量控制中,在生产过程中的一个预定或随机点采集一批产品的样品。这是许多工艺制造商使用的一种工艺。统计QC依赖于可靠的生产质量和过去的产品历史,以确保抽样将识别出何时何地出现QC问题。产品必须足够一致,以便抽样和统计分析能够确保没有缺陷。

    检查

    检验是最被认可和最传统的QC方法,仍然在许多行业中使用。它依靠对成品的检验来保证质量。它也可能使用一些上游检验或沿途抽样,但最终检验是决定因素。检验驱动的QC在很大程度上依赖于良好的生产实践和文档。

    全面质量管理(TQM)

    全面质量管理(TQM)是一种哲学驱动的、经过验证的提高质量的方法。它寻求将质量纳入公司文化,培训所有员工识别问题,并授权他们在必要时进行干预。今天的全面质量管理程序是软件驱动的,当与MachineMetrics等数据管理平台相关联时,在控制和确保质量方面变得更加有效。

    了解更多关于的价值质量管理系统的机器数据

    如何改进制造过程中的质量控制?

    改善制造质量控制的一些最好的方法包括:

    审计流程

    在手动或数字化进行任何改进之前,流程必须实现自动化。制造商经常使用来自不同oem和不同代的机器。审核每个过程以及它如何应用于特定的机器将有助于实现质量生产的最佳过程。

    该审核还将包括基准测试,以确保准确了解车间性能,从周期时间到报废率。这将使质量管理人员更好地理解机器周围的过程。

    support.machinemetrics.comhcarticle_attachments360042939914Reports_Quality_Report-without_Rejects_by_Machine_table

    帕累托图是一个有用的工具,以了解最常见的原因,拒绝的部分。

    收集数据

    最佳QC实践的数据收集意味着收集和使用来自供应商、计划人员、库存、生产设备和最终运输的数据。在手工数据收集中,这是一个耗时且容易出错的过程,它限制了QC工作的完成程度,否则成本就会望而却步。随着自动数据收集,数据是实时可用的。

    作为制造商建立他们的连接工厂技术堆栈,数据收集和共享功能将有助于解决遗留解决方案和手动数据收集提出的问题。

    使用机器数据平台

    不管质量控制的方法和它应用的行业,改进所需的数据量对于人工分析来说是压倒性的。像MachineMetrics这样的机器数据平台为制造商提供实时生产数据,可以利用来自高级分析的可操作的见解。

    在MachineMetrics平台中,操作人员和管理人员可以立即获得数据格式,从而了解当前性能并快速做出决策。由于该平台与ERP、MES和QMS等其他软件集成,因此可以扩展到整个企业。

    要了解更多关于MachineMetrics机器数据平台如何通过使缺陷检测更接近生产点来改善您的QC的信息,与我们的团队预定一个演示

    想要看到平台的实际运行吗?
    开始用机器数据驱动决策。

    准备好授权你的车间了吗?

    了解更多

    评论

    请留言评论

    订阅我们的邮件列表