壓縮包內(nèi)含有CAD圖紙和說明書,均可直接下載獲得文件，所見所得，電腦查看更方便。Q 197216396 或 11970985
金屬板成型時易變原因的驗證
卡爾·馬杰斯卡
美國安娜堡大阪街701號密歇根大學(xué)商學(xué)院
帕德里·哈梅特
摘要：生產(chǎn)商用傳統(tǒng)的流程控制圖程序來檢測金屬板沖壓成型過程時常會這樣處理：失控信號意味著沖壓成型工序發(fā)生了改變，然而在可控或失控的條件下，金屬板沖壓成型控制進(jìn)程在流程變量輸入設(shè)置里并沒有必要的校正。結(jié)果信號常常被忽略，生產(chǎn)商常常不明白那些變化已經(jīng)對成品產(chǎn)生了什么樣的影響。
我們用一個預(yù)定實驗來定量分析金屬板沖壓成型變量對進(jìn)程改變的影響。我們把沖壓成型變量分為三部分：局部間、批量間和批次內(nèi)三個變量，局部間變量指的是短期的既定的平穩(wěn)變量或趨勢批次變量，批次間的變化代表的個別批次的變化之間的沖壓模具設(shè)置。批次內(nèi)變量代表的是在一個既定的批次運(yùn)行中任何運(yùn)轉(zhuǎn)進(jìn)程。借助于二位嵌套變量模型分析，制造商可能會估測這三個變量。將變量分為三種并假以分析之后，制造商會在變量削減計劃中驗證對策是否合理。并且，通過驗證短期變量制造商可以預(yù)測潛在流程的可行性和平穩(wěn)進(jìn)程的固有變量。我們通過運(yùn)用汽車車身側(cè)面面板案例分析來著重闡述一下該研究法。
關(guān)鍵詞：變量分析, 特定實驗, 運(yùn)動批次法 ,金屬板沖壓成型 ,變量削減
1 引言
大部分客車均是由100到150個沖壓成型金屬板構(gòu)成，從小的已成型的安裝支架到大的復(fù)雜的金屬板（比如防護(hù)板、車蓋和車身面板），用了敘述成型面板的質(zhì)量特點(diǎn)指的是性能的集合（諸如剪邊和用了集中多金屬板板的寬底）。用來測量金屬板材質(zhì)的典型方法是測定它沿著制定平面設(shè)計規(guī)范的背離度。
金屬板沖壓過程的特殊特點(diǎn)下定量分析金屬板材質(zhì)構(gòu)造變化的分析方法論。
對于每一個機(jī)動車身面板來說，金屬板沖壓成型過程需要兩種獨(dú)特類型的裝備：沖壓機(jī)和打印模，打印模指的是用來制作特殊形狀產(chǎn)品的常規(guī)生產(chǎn)設(shè)備；沖壓機(jī)指的是靈活的生產(chǎn)設(shè)備。通過簡單改變例如在車前部的前后或在車中心的里外。（羅恩和胡）這個分析研究法提供了在打印模，沖壓機(jī)就能生產(chǎn)出多種不同的機(jī)動車身面板，為此一個特殊的沖壓機(jī)能生產(chǎn)出一批獨(dú)立的面板，使打印模的安裝在控制流程方面更加關(guān)鍵。
為了監(jiān)測車身面板的質(zhì)量，大部分制造商采用統(tǒng)計分析模型，例如SPC(統(tǒng)計過程控制)。沿用SPC，生產(chǎn)流程包括兩款變量：一般起因和特殊起因。普通起因變量指的是當(dāng)所有的輸入變量保持平衡時產(chǎn)出過程中固有的變量。特殊起因變量指的是產(chǎn)品變量的增加超過了普通起因變量。生產(chǎn)商通過控制圖上的失控信號檢測特殊起因變量。生產(chǎn)者必須能調(diào)整流程來校正失控條件和消除相關(guān)特殊起因變量。
在改變打印模后很多北美制造商的沖壓設(shè)備在控制平均變化的打印模設(shè)定時缺乏細(xì)節(jié)方面的關(guān)注。當(dāng)開始生產(chǎn)批量面板的時候，生產(chǎn)商會評估面板樣本來創(chuàng)建SPC分組。如果這個子分組測算失控，沖壓流程沒有簡單的調(diào)整機(jī)制來改變性能維度。在調(diào)整流程方面的無能已經(jīng)讓在沖壓工序方面運(yùn)用SPC的北美汽車制造商倍感沮喪。為此制造商必須持續(xù)的調(diào)整他們的下游流程來彌補(bǔ)在沖壓鋼板形狀的改變。不過日本的沖壓設(shè)備就能通過優(yōu)質(zhì)結(jié)構(gòu)的沖壓模改變流程來避免失控情況。通過消除那些設(shè)置的失控條件，日本的制造商有能力清除傳統(tǒng)的控制流程圖。
2 沖壓鋼板質(zhì)量的測量和提高
制造商用控制圖來分析產(chǎn)出過程中的穩(wěn)定性。X棒表和R表是汽車行業(yè)運(yùn)作協(xié)會廣泛使用的用來繪制長期的擁有偶發(fā)特征（例如鋼板與正常測量的偏差）的產(chǎn)品圖紙的方法。X棒表跟蹤樣本均值來探測流程中的改變。R表作為流程變量測試儀來跟蹤樣品。隨著時間的推移，當(dāng)大量的統(tǒng)計技術(shù)能設(shè)定一個平穩(wěn)的流程時，一些人士卻已經(jīng)解決了非穩(wěn)定流程問題。武道兒和托馬斯提出的追蹤生產(chǎn)流程的X棒的普通起因變量有兩個來源：它們也體現(xiàn)了一個模型，這個模型有第三個變量：測量錯誤。武道兒和托馬斯慎用他們的技術(shù)“直到所做的努力清除了每一個普通起因變量來源才······”。蘇羅和范德芬運(yùn)用運(yùn)行變量對該流程進(jìn)行了研究，通過假定二次損失函數(shù)和0-1損失函數(shù)，他們提出了分析法來為生產(chǎn)流程設(shè)定。金屬板特性質(zhì)量評定包括測量工序能力測定，主要指在規(guī)格上限(USL)和規(guī)格下限(LSL)以內(nèi)生產(chǎn)產(chǎn)品，即是設(shè)計標(biāo)準(zhǔn)。布雷佛歌提出了Cp和Pp兩個潛在流程的測量。按照設(shè)計規(guī)范各部分的比例值是獨(dú)立的，有如下關(guān)系
Cp = Pp=(USL-LSL)/ 6σx (1)
兩個指數(shù)的不同在于相關(guān)流程穩(wěn)定性的假定和評價標(biāo)準(zhǔn)差方法的運(yùn)用。Cp假定了一個可控工序流程；而Pp則是長期的能力指數(shù)，它不要求標(biāo)準(zhǔn)穩(wěn)定性的假定。在Cp里面，生產(chǎn)商可以評估生產(chǎn)流程的標(biāo)準(zhǔn)差和樣本的標(biāo)準(zhǔn)，并拿它們作比較S。S=σx== ˉR /D2.。對于PP ，生產(chǎn)商需要從整體工序中拿出樣本，把工序的標(biāo)準(zhǔn)差與樣本標(biāo)準(zhǔn)差作對比得出σx = S.
3 金屬板沖壓過程的特點(diǎn)
在沖壓線通過單個或多個沖壓，金屬板需要多膜操作。沖壓模和沖壓機(jī)有多個能影響沖壓鋼板質(zhì)量的輸入變量（例如噸位、閉合高度、沖壓平行、平衡壓力、沖壓模氮壓、沖壓速度等），尤其是在沖壓模設(shè)置過程中。
在組合版生產(chǎn)過程中，運(yùn)用相同的沖壓設(shè)定，一個特定的沖壓膜一旦設(shè)定就會減少整體過程的變量。不幸的是，制造商并不能很好的發(fā)現(xiàn)和領(lǐng)悟金屬幾何板結(jié)構(gòu)里大量沖壓設(shè)置跟輸入過程要素之間的關(guān)系。例如在整個金屬板成型過程中很多輸入變量都是一個單一的值。然而個別面板在不同方面有多元化特性，這些特性必須通過相同系列的輸入變量設(shè)置來控制。當(dāng)SPC顯示某些特性失控時，把生產(chǎn)工序恢復(fù)到目標(biāo)值就不可能了，尤其是當(dāng)別的特性沒有發(fā)生改變時。另外，在金屬板特性里過程輸入變量是沒有因果關(guān)系的。例如，增加噸位在金屬板特性里引起的改變沒有加工過程中的明顯，不過調(diào)整切割工具的方位對生產(chǎn)工序有客觀的影響。
哈梅特，瓦爾和巴倫闡述了簡單的輸入變量調(diào)整的缺失是如何激發(fā)機(jī)身制造商運(yùn)用函數(shù)概念的，這些輸入變量是用來調(diào)整生產(chǎn)過程的。函數(shù)構(gòu)造（嗎杰斯克和哈梅特，2000）包括：評定在下游集裝工序里變量的影響后才決定完善沖壓模。
大量的潛在重要變量已經(jīng)使調(diào)整輸入設(shè)置的缺失更加復(fù)雜。大量的案例分析闡述了金屬板沖壓跟過程輸入變量之間的復(fù)雜關(guān)系。謝克爾克（1986）將大量生產(chǎn)的薄金屬板成型描述為是一種“藝術(shù)······”，用兩個特定實驗來分析了沖壓過程中成品的質(zhì)量跟輸入過程的關(guān)系。謝克爾克發(fā)現(xiàn)了五個過程變量的重要性：空白的大小、空白的位置、潤滑、壓邊力、金屬板厚度。
周和曹驗證了沖壓門內(nèi)工序，還驗證了金屬板成型中的兩個變量：運(yùn)轉(zhuǎn)內(nèi)變量和運(yùn)轉(zhuǎn)間變量。他們研究了在運(yùn)行內(nèi)三個過程變量的影響。運(yùn)用既定實驗，他們驗證了三個變量的影響程度，提出了能更好控制和削減運(yùn)行內(nèi)變量54%的方法。
王和漢克也研究了門內(nèi)沖壓工序，他們驗證了金屬板沖壓過程中的十五個變量的影響，他們得出如下結(jié)論：影響金屬板無裂縫成型的三個變量是金屬表面本身的粗糙度、沖壓設(shè)備的外噸位、潤滑度。
貝利（1996）討論了金屬板的構(gòu)成和金屬板沖壓質(zhì)量的關(guān)系。他指出日本的制造商一般用統(tǒng)計控制的方式來運(yùn)轉(zhuǎn)他們的沖壓過程，而美國的制造商則非如此。貝利指出制造商從相同的源頭購買金屬，而美國的制造商強(qiáng)調(diào)從非金屬相關(guān)的變量上來提高質(zhì)量。
總之，大量的潛在重要輸入變量并沒有被很好的理解和控制。例如，輸入變量的因果關(guān)系常常是未知的。該調(diào)研以在輸入變量中發(fā)現(xiàn)的典型變量為基礎(chǔ)，提出了定量分析產(chǎn)品產(chǎn)出變量的方式，而非探索沖壓參數(shù)和鋼板幾何結(jié)構(gòu)之間的關(guān)系。它提供了一個用來決定變量削減是否必須的一個分析攻擊。
4 模型發(fā)展
通過減少一些沖壓模和植入一些別的沖壓模，制造商用相同的沖壓機(jī)生產(chǎn)出了許多不同的鋼板。沖壓過程中放置一些沖壓模就是通常所說的沖壓模設(shè)置。沖壓模設(shè)置包括設(shè)置沖壓模過程變量，例如閉合高度和壓邊力。因此沖壓模設(shè)置強(qiáng)調(diào)了沖壓過程的再配置。伴隨著沖壓模設(shè)置而生產(chǎn)的部件的數(shù)量就叫一批
圖1 沖壓工藝數(shù)據(jù)（注：水平線代表一批手段）
圖1 展示了一個來自批量生產(chǎn)過程中的數(shù)據(jù)，每一批量都有自己的方法，從長期看，批量方法能隨機(jī)的改變一些整體生產(chǎn)工序。整體生產(chǎn)流程和設(shè)定的正常值或目標(biāo)值之間的差異代表了生產(chǎn)過程中的平均偏差。我們把關(guān)于當(dāng)時工序的變量定義為固有變量。
4.1 總體過程（TP）
TP代表著被顧客感受到的長期產(chǎn)出，這個變量代表著質(zhì)量特征變量的所有來源。對于金屬板成型，歷史數(shù)據(jù)展示的是TP會按正常的分配而不是一個工作的假定。TP的期望值代表了長期生存過程中產(chǎn)品質(zhì)量的平均值，E[TP] = μTP = μx .TP變量Var[TP] =σTP·σTP=σx·σx。代表了傳遞到下游工序和消費(fèi)者的變量。當(dāng)為了實現(xiàn)工程規(guī)格而評定沖壓能力時我們就會用到TP變量。
4.2 批量過程（B）
大量的沖壓工序變量會影響到單一的批量工序，沖壓工和沖壓模設(shè)置人員常常無法每次都進(jìn)行同樣的沖壓工序設(shè)置?？刂戚斎胱兞康囊恍├щy（金屬材料或潤滑度）都可能影響到批量工序，因此我們的模型過程代表了隨機(jī)變量，每一個批量Bi代表了第i批量的平均數(shù)。假定相等的批量規(guī)模，B的期望值跟長期工序平均數(shù)是相等的，即E[B] = E[TP].變量B代表著跟批對批流程轉(zhuǎn)換相關(guān)的金屬板變量，即Var[B] = σBB·σBB
4．3 批量內(nèi)方法（PP）
盡管Bi代表了第i批金屬板沖壓工序的平均值，這個模型允許批內(nèi)工序的非穩(wěn)定性。即是它允許非速成的動態(tài)批量方法，批內(nèi)工序改變被認(rèn)為是輸入改變和流程參數(shù)改變（例如在購進(jìn)的材料中金屬材質(zhì)的差異）或因為氮?dú)夤扌孤抖鴮?dǎo)致沖壓模壓力改變造成的。我們讓W(xué)B代表即時平均數(shù)或金屬板批量沖壓工序平均數(shù)，作為從整體批量平均數(shù)的偏差Bi，即E[WB] = 0。在一個批量中WB變量包括所有的批量工序改變Bi。因此，批量內(nèi)變量Var[WB] = Var[Bi ] =σWB·σWB。代表著批量內(nèi)工序變量。
4.4 PP
PP代表著給固有變量賦予一個特定的值，我們假定沖壓工序在一定條件下正常分配，即時給現(xiàn)有的批量工序一個特定的值，該生產(chǎn)工序生產(chǎn)出正常分配的產(chǎn)出。PP變量旨在干擾變量捕獲干擾變量，干擾變量常被看做是正常生產(chǎn)運(yùn)作的一部分。PP變量的期望值是E[PP] = 0。Var[PP] = σPP·σPP。PP變量代表的是TP變量的潛變量或TP變量的程度，而這些都是通過消除批量內(nèi)工序變量和批量對批量工序變量可以實現(xiàn)的。
4.5 變量模型的源泉
該模型假定變量是附加的即TP = B +WB+PP。我們進(jìn)一步假定各要素是獨(dú)立的，由方差派生模型σTP·σTP= σBB·σBB+ σWB·σWB+ σPP·σPP 。PP變量在該模型中代表的是短期過程變量。如果制造商想要控制沖壓過程，PP方差將等于TP方差，等式CPP = （USL ? LSL）/6σPP （2）
與Pp相結(jié)合評定沖壓 過程的能力，Cpp代表的是潛在的能力，制造商將會通過控制過程標(biāo)準(zhǔn)值來獲取Cp的水平。
5 評估模型參數(shù)
我們提出用既定實驗或DOE來評估變量成分。然而關(guān)于該模型的性質(zhì)，抽樣方案不可能是完全隨機(jī)的。抽樣方案應(yīng)該更加貼近控制圖標(biāo)合理抽樣，即是從總流程中獲取連續(xù)的部分。該模型并不要求查看樣品是連續(xù)件的，他們應(yīng)當(dāng)從相對短的間隔獲取。例如每隔一個或每隔兩個選一個。當(dāng)進(jìn)行該實驗時，我們應(yīng)當(dāng)讓工序按照它本來的方式運(yùn)行，制造商不應(yīng)當(dāng)嘗試影響金屬板變量的任何工序，
估計模型參數(shù)，我們提出從吧b批量或沖壓模設(shè)置里進(jìn)行觀察。從多批量里抽樣將會允許估計批量對批量方差，在批量內(nèi)或在沖壓模設(shè)置里，制造商應(yīng)當(dāng)不同時多次采樣，來評估批量內(nèi)方差標(biāo)準(zhǔn)值。最后，每次過程采樣時制造商應(yīng)當(dāng)采樣n尺寸的，N=bsn。運(yùn)用對應(yīng)的變量X，這種方法將會產(chǎn)生形式數(shù)據(jù)：
Xijk, i = 1, . . . , b (batch),
j = 1, . . . , s (sample within batch), and
k = 1, . . . , n (observation in sample).
適應(yīng)本文概述的模型需要三個樣本指標(biāo)的選擇：批量數(shù)，每批量的數(shù)目，單個樣本的尺寸。樣本尺寸計劃優(yōu)先于做實驗可以幫助制造商用最低的成本獲取信息。制造商可以用統(tǒng)計法來決定樣本尺寸計劃的三個要素。在隨機(jī)影響的模型里，這就要求特殊化制造商喜歡探測變量成分和他們可能探測該狀況的可能性。
另外，當(dāng)開展既定實驗時，我們應(yīng)該按照正常的生產(chǎn)流程進(jìn)行。我們需要批量平均方值、批量內(nèi)平均方值、平均平方差來估量實驗中的方差數(shù)據(jù)。這可以通過統(tǒng)計軟件包來實現(xiàn)，統(tǒng)計軟件包有三個變量：對應(yīng)的Xi jk,值、批量（i）和批量內(nèi)樣本數(shù)量(j).我們提出了嵌入式二因素隨機(jī)影響變量分析模型。該模型不包括互動的流程，但是在批量因素下，我們必須嵌入樣本因素。該軟件將向我們提供標(biāo)準(zhǔn)方的評估
第二我們應(yīng)該用標(biāo)準(zhǔn)房誤差來估算PP變量。
σPP·σPP = MSE (3)
批量內(nèi)方差，如果是已知的，用
σWB·σWB= （MSWB ? MSE）/n. (4)
如果批梁內(nèi)方差是已知的，估量BB方差如下
σBB·σBB= （MSB ? MSWB）/sn. (5)
如果批次內(nèi)方差是未知的，估計BB變量如下
σBB·σBB= (MSB ? MSE)/sn. (6)
未知要素會從該模型中清除，該模型適合估測方差要素
6 案例分析
我們運(yùn)用從機(jī)動車身沖壓成型設(shè)備中獲取的數(shù)據(jù)展現(xiàn)該技術(shù)。正像圖表2那樣，那些數(shù)據(jù)代表了從車身側(cè)面金屬板測量的數(shù)據(jù)，該特殊鋼板有十六個特征，不同的運(yùn)作和輸入變量常會影響到個體性能的質(zhì)量。盡管那些特征并不是完全獨(dú)立的，沖壓生產(chǎn)商將那些特性看作是相互獨(dú)立的。在一些案例里，生產(chǎn)商消除相關(guān)特性，因為生產(chǎn)驗證要優(yōu)先于固定生產(chǎn)。
為了研究車身面板沖壓形成過程，我們設(shè)定了如下的抽樣方案，為獲取批量間轉(zhuǎn)換的平均值，我們抽樣b=6，兩個月生產(chǎn)的非連續(xù)批量，制造商常常感受到批量內(nèi)標(biāo)準(zhǔn)值可能已經(jīng)改變，鋼卷的改變導(dǎo)致了原材料的改變，最終導(dǎo)致了那種結(jié)果。因為單獨(dú)運(yùn)行的時間是4小時，我們有有限的時間來檢測批量內(nèi)轉(zhuǎn)變。因此我們選擇每批量S=2樣本，這兩個樣本分別是該批量的第一個和最后一個，使跟蹤樣本間均值變化的可能性最大化。樣本規(guī)模計劃的最后一個要素是決定替代品數(shù)量的，在SPC批量的開始生產(chǎn)商已經(jīng)既定了n=3的樣本規(guī)模。因為成本原因，在批量最后，我們選擇把那些樣本增加到額外的n=3，而不是產(chǎn)生額外的整體研究數(shù)據(jù)。
表1由N=36的車身側(cè)面金屬板滋生的在圖形2地點(diǎn)3的測量滋生包括了精確到厘米的立體數(shù)據(jù)。制造商在機(jī)身側(cè)面面板測量金屬板偏離正常設(shè)計的程度，例如第一批量第一組的第一個面板偏離0.62毫米。我們利用原始數(shù)據(jù)組建控制圖表來評定沖壓過程的穩(wěn)定性。我們也讓在第五部分講述ANOVA模型跟該數(shù)據(jù)一致來評價變量成分。
為了評價長期的車身側(cè)面特性的流程穩(wěn)定性，我們構(gòu)造了控制表，如表3，為了準(zhǔn)備圖表3，我們僅僅用了三個連續(xù)樣本的第一個進(jìn)行觀察。兩個圖表都能展現(xiàn)統(tǒng)計學(xué)控制，指出流程有一個穩(wěn)定的平均值和方差。在變量元素模型里，移動范圍圖標(biāo)代表了全體工序的變量。因此個別圖標(biāo)代表的是長期流程的穩(wěn)定性，而不是批量間的一個平均值。
為了評價批量間車身面板特性，我們把該數(shù)據(jù)放到X棒和R表里面，正如圖表4所展示的那樣，首先看一下R表，方差有統(tǒng)計的方式控制。
在該沖壓過程里，PP變量保持平衡。接下來我們看一下X棒表我們看到標(biāo)準(zhǔn)值脫軌，在該控制表里的特殊起因變量暗示了潛在提升的空間。
定量分析變量來源，我們提出嵌入式二因素ANOVA模型。使ANOVA模型和那些數(shù)據(jù)相符，就可以估量批量和批量內(nèi)的平均平方，運(yùn)用等式（3）和（6）我們估算出變量因素，如表2所示，指出車身側(cè)面面板批量內(nèi)是無變化的，暗示批量內(nèi)沖壓模保持平衡。對于批量因素來說，沖壓模的設(shè)定里平均值的改變只占TP變量的79%，這表明了降低變量和讓下游受益的機(jī)會
最后我們用那些數(shù)據(jù)來評定工序能力。用傳統(tǒng)的工序能力指標(biāo)和那些數(shù)據(jù)，看起來違反了平衡工序假定。然而，在批量設(shè)置里有關(guān)的固有變量，我們認(rèn)為制造商可以在長期預(yù)測出某種程度的平均轉(zhuǎn)換。
從表1我們可以看出工序均值μ? x = ˉX = 0.055，樣本標(biāo)準(zhǔn)差σx = S = 0.3540. 再用等式（1）計算出Cp=0.942，該值顯示了工序產(chǎn)出分配的寬度已經(jīng)大于設(shè)計規(guī)格的寬度。換句話說，不管工序中心在哪里，都會生產(chǎn)出不合格品。在汽車行業(yè)，Cp < 1.67的工序被認(rèn)為是不行的，需要提升質(zhì)量。
為了評價沖壓工序的潛能，我們用等式（5）算出Cpp=1.55,該指數(shù)顯示通過控制工序平均值制造商就能把Cp由0.942增加到1.92，也就是說工序可以了。因為這一特性，制造商必須提高安裝操作控制來降低批量間的平均轉(zhuǎn)換。
7 整體金屬板測定
對于大的復(fù)雜金屬板（例如車身側(cè)面）來說，汽車制造商測量出一系列特性，那些測量特性盡管不是完全獨(dú)立的，被用來在沖壓線檢測不同的運(yùn)轉(zhuǎn)工序，例如制造商可能在某一特定方面選一個特性來檢測沖壓外鑲膜或交換寬邊上的特性來反映寬邊膜運(yùn)轉(zhuǎn)情況。對于大的復(fù)雜的平板來說，如果過程輸入變量沒有相應(yīng)的影響，制造商可能會選擇被相同沖壓模影響的多種特性。例如，有一個沖壓是不平行的，在成型過程中一個角的噸位可能跟別的不同，導(dǎo)致了潛在的非正規(guī)的平均轉(zhuǎn)變，不同的金屬板的特性受到相同的沖壓模的影響。
分析整個鋼板，我們使變量成分跟機(jī)身側(cè)面面板十六個測量方位的任何一個相協(xié)調(diào)，如圖表（2）間表3.運(yùn)用變量分析模型提供了整體車身側(cè)面金屬板測定，我們運(yùn)用任何一個方面的測量隊的平均方差，車身側(cè)面有一個平均的TP方差是0.074mm.。用標(biāo)準(zhǔn)差來評價鋼板，我們計算出平均總方差的平方根是0.272mm，從表3我們知道不平衡的平均占據(jù)了總方差的70%。通過進(jìn)一步對特性點(diǎn)的驗證，所有大的平均轉(zhuǎn)換問題都會發(fā)生在機(jī)身側(cè)面金屬板的擋風(fēng)玻璃開口那里。
通過運(yùn)用變量源模型，我們有能力定量分析不同方差的成分，并計算出安裝過程中的改進(jìn)。
當(dāng)多變量工序能力指標(biāo)可以評價金屬板沖壓過程時，汽車制造商通過獨(dú)立評估每一個測試點(diǎn)的能力已經(jīng)成功了他們的評定工序。表4包括了等式（1）的Pp,它是通過計算標(biāo)準(zhǔn)差和方根來計算出來的，表4也包括了等式（2）里面的Cpp，它是由部分對部分的方差的平方根算出短期標(biāo)準(zhǔn)差的方法算出來的。十六個測定點(diǎn)里的十五個Cpp大于1.77.也就是說通過平衡長期的平均數(shù)，生產(chǎn)商可以通過（8/9特性不可接受下）Cpp>1.67的限制
結(jié)論
對于用靈活生產(chǎn)設(shè)備的制造商來說，安裝點(diǎn)對工序變量至關(guān)重要，該調(diào)研提出了把變量分為三種：短期平均變量、批量間變量和批量內(nèi)變量。這種將變量分為三類的技術(shù)給汽車制造商提供了一個清晰的整體生產(chǎn)變量來源畫面。定量分析變量來源和相應(yīng)的值給那些要減少變量的汽車制造商一個指導(dǎo)。幫助分解了車身金屬板變量的位置。
參考文獻(xiàn)
[1].機(jī)動車行業(yè)協(xié)會，統(tǒng)計工序控制，第一版，AIAG,繅絲菲爾德
[2].機(jī)動車行業(yè)協(xié)會，通過的工序生產(chǎn)部分，第二版，AIAG，繅絲菲爾德
[3].貝利，B 沖壓之內(nèi)，成本在哪里，新鋼鐵
[4].哈梅特PC,瓦爾SM和巴倫JS 在產(chǎn)品發(fā)展中利用靈活標(biāo)準(zhǔn)提升生產(chǎn)效率
[5].馬杰斯克，卡爾D 哈梅特卡特萊特，函數(shù)構(gòu)造法對忍耐性發(fā)展的影響