过程质量数据统计与分析自查报告

过程质量数据统计与分析自查报告本次自查针对公司近三个月SMT贴片、整机组装两个核心生产过程的质量数据统计与分析全流程开展，覆盖从原始数据采集、分类汇总、原因分析到改进验证全环节，自查过程中累计调取MES系统生产数据12.6万条、IPQC巡检原始记录432份、不良品返修台账176本、OBA出货检验报告326份，通过分层梳理、交叉验证的方式，排查统计分析环节存在的漏洞，结合实际生产不良的波动情况验证现有数据体系的有效性，现将自查具体情况说明如下。本次自查首先从现有过程质量数据统计体系的基础工作开展梳理，原有统计体系按生产批次统计过程不良，最终输出月度过程不良率汇总报表，自查中发现，现有统计体系存在不同程度的不规范问题，我们将排查出的问题按类型分类统计，结果如下：问题类型排查出的问题频次占总问题比例影响等级（1-5，5最高）原始数据填报漏项4728.1%4不良分类标准不统一3923.4%4人为数据录入错误3118.6%3缺少维度分层统计2816.8%5历史数据归档丢失2213.1%2从统计结果可以看出，占比最高的两类问题是原始数据漏填和不良分类标准不统一，而影响等级最高的是缺少维度分层统计，这也是原有统计体系最核心的漏洞。原有统计体系仅按批次统计总不良率，没有按班次、工位、操作工、原材料批次等维度拆分数据，导致很多隐性质量波动一直被平均数据掩盖，从未被识别。比如本次自查中将近三个月的不良按班次拆分后发现，白班SMT过程平均不良率为187ppm，夜班不良率达到212ppm，比白班高出13.4%，合并统计的总不良率为199ppm，刚好符合我们预设的≤200ppm的管控目标，导致夜班操作人手不足、培训不到位带来的质量风险一直没有被发现。再比如按原材料批次拆分数据后，我们发现3月上旬某批次锡膏生产的PCBA，锡珠不良率达到86ppm，而其他批次锡膏的锡珠不良率平均仅为29ppm，原有统计体系没有按原材料批次分类，一直将锡珠不良归结为回流焊温度设置问题，前后调整了三次温度参数都没有明显效果，本次通过分层统计才快速定位到该批次锡膏金属氧化物含量超标，属于供应商来料隐性偏差，我们及时启动了供应商质量整改，退换了剩余库存，避免了至少12万元的批量损失。完成基础统计体系梳理后，我们重新对近三个月的过程质量数据做了分类汇总，得到了更为准确的不良分布结果。SMT过程近三个月累计生产326批次PCBA，总投产数量1286500件，检出过程不良256件，累计不良率199ppm，各不良类型的月度分布统计如下：不良类型1月不良数1月不良率（ppm）2月不良数2月不良率（ppm）3月不良数3月不良率（ppm）累计占总不良比例锡珠311022793299133.9%虚焊19631862216622.7%偏位12401138134114.1%错件826931175313.3%其他不良1136931113416.0%从上述统计数据可以看出，累计占比最高的前两类不良是锡珠和虚焊，合计占总不良的56.6%，是SMT过程最主要的质量改进点，但值得警惕的是错件不良的不良率连续三个月上升，从1月的26ppm上升到3月的53ppm，涨幅达到103%，远远超过其他不良的波动幅度。进一步拆解数据后发现，错件不良全部发生在产品换型后的前100件产品中，3月公司受多品种小批量订单影响，产品换型次数从1月的28次增加到3月的57次，翻了整整一倍，但原有统计体系中没有将换型次数和换型不良单独统计，质量部一直没有意识到换型频率提升会带来错件风险的同步上升，也没有针对性调整换型验证流程，导致错件不良持续走高。再看整机组装过程的统计结果，整机组装近三个月累计投产986500台成品，过程不良累计287台，不良率291ppm，主要不良类型为螺丝漏锁（占27.5%）、外观划伤（占24.1%）、功能测试不良（占21.6%）、插装错件（占16.8%）。按操作工工龄维度拆分后发现，82%的螺丝漏锁不良发生在新入职3个月以内的操作工工位，原有统计一直将问题归结为螺丝机供料异常，累计停机维修6次都没有解决问题，本次数据拆分后才明确核心原因是新员工对锁工位的防呆提示关注度不够、操作不熟练，漏锁后也没有被IPQC及时检出。针对这个问题我们快速调整了新员工操作工位的检验频率，从原来的每2小时抽检一次调整为每半小时抽检一次，同时要求新员工完成每台产品锁螺丝后自行扫码确认，两周后螺丝漏锁不良就从原来的78ppm下降到21ppm，下降幅度达到73%，效果远好于之前多次对螺丝机的维修调整。梳理完统计数据后，我们进一步对数据分析环节存在的问题做了深挖，发现除了基础统计的漏洞，数据分析本身也存在较多不到位的地方。第一个核心问题是分析方法单一，缺乏对过程能力的系统性评估，原有分析仅停留在计算总不良率、和目标值对比的层面，超过目标才整改，没有对关键工位做过程能力指数计算，也没有用SPC控制图监控过程波动。本次自查我们对SMT的五个关键工位：锡膏印刷、高速贴片、泛用贴片、回流焊接、AOI检测分别计算了Cp和Cpk，结果发现锡膏印刷工位的Cp仅为1.02，Cpk仅为0.87，远低于公司要求的Cp≥1.33、Cpk≥1.33的合格标准，说明锡膏印刷过程的波动非常大，过程能力严重不足，虽然当前不良率还在管控范围内，但随时有出现批量不良的风险，这个核心风险是原有分析体系从未发现的。第二个问题是数据分析没有和质量损失关联，原有分析仅按不良占比排序确定改进优先级，没有考虑不同不良带来的损失差异，比如错件不良发生在SMT过程，返修仅需要重新贴片，单件损失约12元，但如果错件流出到最终成品，出货后被客户发现，返工加上索赔的单件损失超过2000元，还会影响客户满意度，原有分析一直把占比最高的锡珠作为第一改进点，实际上错件不良的潜在损失是锡珠的三倍以上，改进优先级应该更高。第三个问题是改进效果没有形成数据验证闭环，很多时候发现问题、做了改进就直接关闭问题，没有收集足够的改进后数据做验证，也没有做统计显著性检验判断改进是否真的有效。比如去年11月我们针对锡珠不良做了回流焊温度曲线优化，改进后仅跟踪了一周的数据，看到不良率从42ppm降到35ppm就关闭了问题，本次自查查看全年数据发现，改进后一个月锡珠不良又回到了40ppm，说明那次改进根本没有解决根本问题，只是偶然的过程波动，我们提前关闭了整改，导致问题一直遗留到现在。深挖问题产生的根源，我们总结出四个核心层面的原因：一是认知层面，大部分管理人员包括部分质量工程师，都认为过程质量数据统计只是为了填报表应付审核，没有意识到数据是过程质量改进的核心依据，因此对数据的准确性、颗粒度都不重视，一线填报数据时也多是应付了事，能少填就少填、能凑数就凑数。二是系统层面，公司的MES系统是三年前上线的，当时配置数据采集点时，为了降低系统负载，仅开放了批次层级的数据采集，没有开放工位和操作员工级的数据采集，想要拆分维度就得人工整理，工作量是原来的三倍以上，因此大家都不愿意做，导致很多维度的数据长期缺失。三是能力层面，一线IPQC大多是中专学历，没有接受过系统的质量统计培训，只会做简单的记录，不知道为什么要分层统计，也不清楚不同维度的数据有什么作用；质量工程师大多是检验出身，只会做基本的不良率统计，对SPC、过程能力分析、假设检验这些专业统计方法不熟悉，不会用数据工具挖掘问题，只能靠经验判断。四是机制层面，原有绩效考核体系仅考核最终出货不良率和客户投诉率，对过程数据统计的准确性、完整性和分析深度没有考核要求，因此大家都不重视过程数据工作，觉得做好做坏不影响工资，没必要额外花时间精力。针对自查出来的所有问题，我们制定了可落地的改进计划，明确了责任人和验证标准，具体如下：改进项目具体内容责任人完成时间验证标准基础数据采集体系优化新增工位、班次、操作工、原材料批次四个维度的数据采集点，梳理统一不良分类标准质量数据专员202X年4月15日数据采集覆盖率100%，不良分类一致性100%MES系统功能升级开放工位层级数据自动统计功能，新增多维度筛选导出功能IT工程师202X年4月25日支持一键导出任意维度的过程质量统计报表统计能力培训每月开展2次统计方法培训，覆盖所有IPQC和质量工程师，培训后闭卷考核质量经理长期执行考核通过率100%，不合格停岗补考关键工位过程能力提升针对锡膏印刷工位调整钢板开口参数、优化刮刀压力，重新验证过程能力SMT工艺工程师202X年4月30日Cp≥1.33，Cpk≥1.33换型防错流程优化增加换型后双首件检验环节，换型不良单独统计归档SMT班长已完成错件不良率下降50%以上数据闭环整改机制建立所有整改项目必须提供改进前后三个月数据，做显著性检验验证效果质量工程师长期执行整改关闭验证率100%目前已经完成的改进项目已经显现出明显效果，换型防错流程优化实施一个月后，SMT错件不良从原来的53ppm下降到22ppm，下降幅度达到58.5%，符合验证标准；锡膏印刷工位调整参数后，我们重新计算了过程能力，Cp提升到1.48，Cpk提升到1.42，已经达到合格标准，锡珠不良也从原来的91ppm下降到42ppm，下降幅度超过50%。我们初步估算，所有改进项目落地后，公司过程质量损失占生产总成本的比例将从原来的3.2%下降到1.7%，按公司年生产总产值1.8亿元计算，一年可以减少质量损失270万元，直接提升了公司的盈利能力。后续我们将建立长效管理机制，持续优化过程质量数据统计与分析体系：一是建立月度过程质量数据分析会制度，每个月第一个周一由质量部组织生产、工艺、采购部门开展分析，对上个月的过程质量数据做分层拆解，识别波动、定位问题、落实整改，所有问题形成整改清单跟踪到关闭；二是将过程数据统计质量纳入绩效考核，对IPQC的数据填报准确率、完整性设定考核指标，每发现一个漏填、错填问题扣罚对应绩效，对连续三个月准确率100%的给予额外奖励，对质量工程师要求每个季度至少识别一个核心隐性