染雾浅谈DMAIC模型在汽车内饰搪塑中的应用论文 篇一
引言：
DMAIC（Define、Measure、Analyze、Improve、Control）是一种常用的问题解决方法和项目管理工具，被广泛应用于各个行业。本文将探讨DMAIC模型在汽车内饰搪塑中的应用，并分析其效果和优势。
一、定义（Define）
在汽车内饰搪塑过程中，定义阶段的关键是确定项目的目标和范围。例如，可以定义目标为提高内饰搪塑质量，减少缺陷率。在这一阶段，需要明确项目的背景、目标和需求，为后续的数据收集和问题分析打下基础。
二、测量（Measure）
测量阶段是收集和分析与内饰搪塑相关的数据，以了解当前的业绩和存在的问题。通过测量数据，可以确定内饰搪塑的缺陷率、产品质量指标等关键指标，为后续的问题分析和改进提供依据。
三、分析（Analyze）
在分析阶段，需要对收集到的数据进行分析，找出内饰搪塑中存在的问题和潜在的原因。通过统计学方法和质量工具，可以确定导致缺陷的主要因素，并建立因果关系图，以便更好地理解和解决问题。
四、改进（Improve）
改进阶段是根据问题分析的结果，制定改进方案并实施。例如，可以通过改进生产工艺、优化设备配置、加强员工培训等方式，提高内饰搪塑的质量和效率。在这一阶段，需要制定具体的行动计划，并监控改进的效果。
五、控制（Control）
控制阶段是对改进效果进行监控和控制，以确保改进的持续性和稳定性。在内饰搪塑过程中，可以建立一套完善的质量控制体系，包括定期检查、测试和评估，以及对关键参数和指标的监控和控制。
结论：
通过应用DMAIC模型，可以有效地解决汽车内饰搪塑中的问题，提高产品质量和生产效率。该模型能够帮助企业明确问题、收集数据、分析原因、制定改进方案并监控效果，从而实现持续的质量改进。然而，需要注意的是，模型的成功应用需要充分的数据支持和团队合作，以及高层管理的支持和关注。
浅谈DMAIC模型在汽车内饰搪塑中的应用论文 篇二
引言：
DMAIC（Define、Measure、Analyze、Improve、Control）是一种常用的问题解决方法和项目管理工具，被广泛应用于各个行业。本文将继续探讨DMAIC模型在汽车内饰搪塑中的应用，并进一步讨论其挑战和应对策略。
一、挑战
在汽车内饰搪塑过程中，存在着一些挑战，如下：
1. 数据收集困难：由于搪塑生产线的复杂性和高速运行，数据的收集和分析变得困难。因此，如何获取准确、及时的数据成为一个挑战。
2. 多因素交互：在内饰搪塑过程中，存在着多个因素的相互影响和复杂关系。因此，如何准确确定导致缺陷的主要因素，以及如何建立因果关系图，也是一个挑战。
3. 改进控制难度：在改进阶段，如何确保改进的持续性和稳定性，以及如何建立有效的控制措施，也是一个挑战。
二、应对策略
针对上述挑战，有以下应对策略：
1. 数据收集技术的应用：可以借助现代技术，如物联网、传感器和数据分析软件等，实现自动化的数据收集和分析，提高数据的准确性和及时性。
2. 统计学方法和质量工具的应用：可以借助统计学方法和质量工具，如设计试验、统计分析、因果关系图等，对数据进行分析，准确确定缺陷的主要因素，并建立因果关系图。
3. 建立质量控制体系：可以建立完善的质量控制体系，包括定期检查、测试和评估，以及对关键参数和指标的监控和控制，确保改进的持续性和稳定性。
结论：
通过应用DMAIC模型，并采取相应的应对策略，可以克服汽车内饰搪塑中的挑战，实现持续的质量改进。然而，需要注意的是，模型的应用需要有一支高效的团队和充分的数据支持，以及高层管理的支持和关注。只有这样，才能真正发挥DMAIC模型的优势，提高内饰搪塑的质量和效率。
浅谈DMAIC模型在汽车内饰搪塑中的应用论文 篇三
浅谈DMAIC模型在汽车内饰搪塑中的应用论文
汽车内饰系统是乘客与车辆最密切接触的系统，它能够根据车辆设计语言营造出具有差异化的用户驾乘体验。其次，内饰系统还兼具被动安全系统的功能，任何一处质量缺陷都会对乘员造成不可预计的伤害和风险。例如仪表板副驾安全气囊在爆破打开时，会突破金属气囊框，骨架，泡层、表皮等零部件，层层穿越，任一部件的性能都会直接影响爆破后残留物飞溅及打开效果，所以内饰系统不仅是外观零部件，更是有严格质量标准和管控的安全性部件。
本文讨论的搪塑表皮是一种目前被广泛应用于软质仪表板的塑性表皮，由高分子基材PVC(Polyvinylchloride聚氯乙烯)粉末通过阴模加热旋转成型，形成致密的粘结层并被赋予型腔造型，厚度范围根据不同的产品类型控制在0.50-1.50mm区间内。厚度控制是搪塑表皮的关键产品特性，约束爆破效果，需对其进行严格的把控。
六西格玛是用来表示数据的离散程度，它能够通过减少缺陷和差异变差，控制产品过程稳定水平，提高客户满意度，增加利润的系统化方法。DMAIC的方法论及模型应用形成了整个6西格玛项目的主线和脉络，它强调每个阶段内需要判别及输入的功能和展开，通过统计学等方法应用整合项目资源，对核心问题进行剖析和寻找对应的解决方法。本文结合TG车型表皮项目展开六西格玛设计。
1D(Define)定义
定义阶段首先需要确定项目需要解决的问题，对相关问题进行陈述。其次倾听客户之声(VOC)，从客户的角度去听取对流程的要求。Kano分析能够帮助团队理解如何去获得客户的满意度，结合TG表皮项目放入Kano模型内，对各梯度的满意度进行划分讨论，在富有吸引力，必须达到的因素(要求)，一元因素，无关紧要的因素，相反因素等综合权衡，确认表皮厚度及质量为后道客户及最终客户最关心的特性属性，作为关键问题进行讨论和陈述。需解决的关键问题为表皮厚度均匀一致性(Y变量)。
在确定了关键问题以后，采用SIPOC高级流程图分析解读项目范围，了解关键问题所处在的一个流程过程，包括供应商流程输入的提供者，流程资源的导入，整合输入资源并产出输出的一系列活动，以简单、直观的形式提供一个工序的结构。另外需要明确项目相关初步计划，列出项目任务，组件团队，将任务、完成时间、负责人和各项任务之间的关系转换成
2M(Measure)测量
在测量阶段，工作的目的是确定项目的问题所在(改善的焦点)，首先需要了解我们的数据是否可靠。GageR&R是保证测量系统可靠性和真实性的.测量方法，可以通过具体的数据和评价指标进行判定和可接受度。评定标准分别是<10%，非常好，10%～30%:视测量费用、返修费等具体情况判定是否可接受，>30%不能接受。
TG搪塑表皮项目研究对象为Y(表皮厚度)。安排3名操作人员，每人进行测量3次，每次随机测试10件样件，采用Minitab统计软件进行测量。研究变异的重复性以及再现性在10%以内，公差的重复性和再现性在30%以内，NDC为17，初步判断该测量系统可接受。
通过流程能力分析帮助团队确认改善目标该如何制定。从流程出发，采用普通原因波动讨论变差，对整个加工过程的输入和输出进行完整的辨识，参考Zst短期能力数据确立改善目标，以短期能力3.0为划分界限，小于3.0时，改善目标为把现状缺陷降低90%，大于3.0时，降低50%。在测量系统分析内，Y(表皮厚度)最厚和最薄的厚度极差在0.54mm，目标设定依据大于3.0短期能力计算，目标设定为0.27mm。
3A(Analyze)分析
分析阶段对测量阶段输出的具体分体进行集中讨论和分析，其分析目的和步骤主要分为挖掘潜在的根本原因，排序和筛选潜在的根本原因以及验证和量化根本原因这三大类。
在挖掘根本原因时，主要应用到因果矩阵图(鱼骨图)，失效模式及后果分析(FMEA)。因果矩阵是以产品流程为基础，划分过程步骤，将各流程导入项进行逐一打分评价，可采用头脑风暴，专家意见等方法，确认各流程输出对Y能力的水平和影响程度，在43个不同全因子内识别并找到了12个因子。但通过因果矩阵得出的因子还是较多的，按照DOE进行组合分析，将是一个非常复杂和庞大的工程。需要通过FMEA进一步筛选矩阵因子，确认最关键的影响因素。根据RPN排序筛选得出5个关键因子，分别是X1粉盒初始料量，X2补料料量，X3喷嘴排布，X4旋转速度和X5加热时间。
因果矩阵和FMEA都是定性分析，因子还需要进行定量分析，依靠统计学工具“假设检验”可以回答在X和Y之间是否存在明显的差异，目标是需给出证据证明数据不是来自同一个总体从而拒绝Ho和接受Ha，其中Ho(Hypothesisorigin)称为原假设，需要寻找证据去推翻这种预先假设。Ha(Hypothesisalternative)称为备择假设，是希望得到的状态，寻找证据是为了证明这种假设。在统计学中，可以算出通过抽查样本发现因X变化的两组Y之间的差异概率，称为P值，如果P值很小，基于小概率事件原理，可以说“没有差异”这个条件是不成立的，P值的临界值叫做显著性水平α，一般α取0.05。使用Minitab对5个因子分别进行假设检验，α唯一一组大于0.05的为X2补料料量，予以删减。最终确定4个X变量进行重点改善。
4I(Improve)改进
改进阶段中主要步骤为:挖掘潜在的解决方法，评估和选择解决方法和试运行解决方案。首先通过打分对X3喷嘴排布进行优先优化，喷嘴的作用主要是对模具进行点位加热，模具上方布置多组喷嘴，各组之间的开闭是柔性独立的，希望确定最佳的配置参数达到最优的流程结果。借助实验设计DOE确认因子是如何影响流程的输出，以及应该如何设置流程的关键输入因子，并通过实验确定数学模型，验证其有效性及调试窗口。
假设存在N个因子X对结果Y形成影响，为了判定X影响范围，最简单的方法就是对N个X分别做研究，固定其中一个X来观察另外X对结果的变化，这种方法称为OFAT(One-Factor-at-A-Time)，但是弊端是将X进行了独立，错过了最佳设置的机会，所以DOE允许考虑因子相互之间的影响(交互作用)，在估计因子和噪音对流程输出的影响上效率更高，而这种随因子变化，输出也随之发生变化的情况叫做因子效应，若因子变化时，输出的平均值发生变化又称为因子的主效应(MainEffect)，当出现一个因子在其他因子不同水平上的效应不一样时，且相互依赖，把这种作用称为交互作用(Interaction)。
在帕累托及主效应图分析上可以得出24#喷嘴对厚度极差影响很大，其他喷嘴无影响。所以24#喷嘴对于厚度有加热交互作用，该喷嘴需要关闭。极差由项目初的0.54mm优化至0.34mm(目标0.27mm)。继续对X1粉盒初始料量、X4旋转速度、X5加热时间进行DOE设计。得到数学模型:
其中A代表X1初始料量;B代表X5加热时间;C代表X4旋转速度。
得到数学模型后进行实际验证反推确认有效性，测试结果表明数据模型和实际情况基本吻合，模型可用。根据立方图模型的测算，X4旋转速度选取为14RPM，X1粉盒初始料量为20CM，X5加热时间为160S。优化的极差值在0.18-0.25mm，满足并且超越目标的0.27mm，过程稳定性也达到了CPK1.75，符合稳定性控制原理。
5C(Control)控制
控制阶段需要检查项目首要指标已经达到目标，同时需要检查项目的次要指标是否保持稳定。通过SPC统计过程控制的数据反馈，项目过程质量得到稳定且处于较优的指标。并且类似的分享经验也进行沉淀和分享，对目前同步开展的几个项目，如新TA，新PST等起到了推广和优化作用，项目收益得到体现。
通过六西格玛项目的实施，使得团队学会如何去更加系统化的分析问题，利用各种科学的工具，对问题抽丝剥茧一层层的进行拆分，验证，改善，实施，推广。通过应用各种六西格玛工具，MSA、FMEA、假设检验、DOE等等，团队成员的质量管理能力提到专项的提升，不但能够宏观的把控整个项目质量的布局和规划，也能够对微观的特定问题进行剖析和解决。
