智能制造中的零缺陷战略是什么？
零缺陷战略并非新概念，大多数公司多年来一直在努力制定这样的战略。 然而，在智能制造中构建零缺陷战略的方法是需要不断演进的。 技术在变化，期望也在变化，因此有了更多可能性，甚至从自动化和质量的角度来看，对我们的要求也发生了变化。 因此，我们需要关注在制定零缺陷战略时面临的挑战，并思考如何应对这些挑战。
我们面临哪些挑战？
以大众熟悉的汽车行业为例。 汽车配备的传感器、自动驾驶系统、安全系统和功能越发繁多。 因此，汽车行业面临着更大的压力，需要构建更多由芯片驱动的子组件。
然而，从潜在故障的角度来看，汽车行业正在经历一个难题。 这是指工厂制造的一个组件流经供应链并在现场发生故障。 最终，确定故障原因成了一个挑战。 由于 22% 的保修期内故障与电子元件有关，查出故障原因变得尤其困难。 此外，这些故障都发生在汽车的保修期内。
该行业面临着一项艰巨的任务，那就是追踪工厂所制造零部件的“基因”。 85% 的汽车零部件是在 150mm 和 200mm 的生产设施中进行制造的，这些生产设施不具备对零部件进行追踪的能力。 这种情况会持续数年。
挑战非常严峻。 准确收集、核对和追踪海量数据是一项非常繁重的工作。 这项任务如此庞大和重要，为此业界专门制定了 IATF 标准（IATF 16949 标准）来评估满足制造实践要求的能力，以最大限度地降低风险。 挑战来自于传统的设施在设计时没有考虑到如此精细的追踪。 尽管我们渴望解决数据差异的问题，但如何高效地解决这一问题并持续满足质量标准的要求，是一项艰巨的任务（图 1）。
图 1：强调精确性对于简化质量标准的重要性。
识别故障原因
除了遵循标准之外，重要的是要问问自己：“我们当前是如何做的？” 回答这些问题的第一步是剖析故障的原因。 我们可从宏观层面加以考虑，将故障原因分为三类：
- 系统性：工厂对某些产品进行了参数测试，仍然有可能发出有问题的产品。 出于某些原因，未能发现问题。 这是潜在故障最常见的原因。
- 测试覆盖率：三分之一的潜在故障是这个原因导致的。 工厂设计新产品或具有新特征的产品时，如果需要进行新参数测试但未进行，就会发生这种情况。 这是因为他们不知道需要进行这种测试，或没有这种测试
- 随机性：在这种情况下，无法对故障来源进行分类，因此被视为随机故障。 这些是一些更令人不安的问题，因为它们表明自动化能力存在更为系统性的缺陷。
通过对潜在故障的原因进行剖析，可以了解工厂可能存在的自动化缺陷类型（图 2）。
图 2：潜在故障原因剖析
在本系列博客《坚定迈向零缺陷制造，使您的工厂更智能》的下一章节中，我们将讨论如何识别缺失的自动化 CIM 组件类型。 敬请期待。
