全球汽车零部件制造商使用 PMA 加速根本原因分析
案例研究
全球汽车零部件制造商使用 - PMA 加速根本原因分析
使用 PMA（PathWave 制造分析）实时加速功能测试失败的 RCA（根本原因分析）过程
简介
随着疫情和芯片短缺情况的同时爆发，上市时间对于满足市场需求至关重要。这加快了对各种 IOT 设备和分析工具的需求和采用，这些设备和分析工具有助于对制造状况进行监控并保持高 FPY（首次通过率）。尽管如此，仍有很多改进的机会，尤其是在功能测试过程中。导致功能测试失败的根本原因可能既困难又复杂。
作为一个真实的用例，我们以一家拥有数十年持续改进生产线经验并继续努力为客户提供最佳质量的全球汽车零部件制造商为例。功能测试的良率低于 90% 对他们来说是不可接受的，在这种情况下需要立即进行 RCA。在本案例研究中，我们将详细说明PMA 如何对导致低良率的生产车间设备治具问题进行近乎实时的 RCA。
- 组织：全球汽车零部件制造商
- 挑战：
- FPY（首次通过率）低
- RCA 时间长
- 解决方案：PathWave 制造分析(PMA)
- 结果：
- RCA 过程从 6 个月减少到 5 分钟
- 提高了 FPY
- 治具运行状况的日常监控
挑战
这家全球汽车零部件制造商在每台测试仪上方设置了实时监控显示屏，以监控其性能。此外，他们拥有自己的内部分析工具来进行数据分析。低于 90% FPY 的生产良率立即引起了他们的注意，即生产线某处存在设备问题。他们忙于收集来自每个功能测试仪系统的所有数据集，以试图找出导致低生产良率的原因。他们总共花了大约 6 个月的时间试图找出问题的根源，结果证明这是功能测试系统使用的产品的治具之一。他们的大部分时间都花在了手动数据收集和转换上。在排除问题的过程中，生产经理需要关闭生产线来解决问题。经过大量工作、监控和看似合理的纠正措施后，他们决定每月对功能测试仪生产线上的所有治具进行维护，以纠正 FPY 损失。
解决方案
在最初引入 PMA 的功能后，该公司对与治具比较、主要测试排名和主要警报统计相关的功能非常感兴趣。为了证明使用 PMA 的好处，决定使用离线分析进行演示。这是将可能有问题的时期的数据加载到PMA 中进行分析，在这种情况下，使用了花费 6 个月的努力来查找根本原因的数据集。在 PMA 平台完成对历史数据的自动分析后，是德科技现场工程师花了大约 5 分钟的时间找到了有问题的
治具及其问题背后的原因。这个过程证明，PMA 将调查从 6 个月缩短到 5 分钟，这节省了不少时间。下面我们介绍在使用 PMA 时用于确定问题治具的步骤，以及由于执行的分析而提出的建议。
1. 预测性警报模型 – 在问题发生之前检测问题
只需查看警报及其相应的测量数据，调查人员只要点击几下即可消除产品失败的可能性。这使用户可以专注于解决他们的设备或产品问题，而不是花费大量时间收集数据、分析和调试这些问题。
2. 治具比较 – 确定有问题的治具
为了确定治具之间的变化，可使用治具比较功能。用户可以一目了然地查看所有测试设备和治具组合，这有助于确定有问题的治具。通过使用“按治具比较”功能，可以立即看出测量值不稳定的治具，这导致了 FPY 的大部分问题。在确定 FPY 下降的根本原因是由于治具造成的之后，技术人员或工程师将需要将此问题报告给生产团队。拍摄快照或下载图表图像非常简单，也可以添加到 PMA 中的报告生成工具中。
请下载此文档以了解更多信息。