摘要：很多机械行业的中级工程师，都觉得质量数据统计就是质检部填报表的活，和自己设计工艺没关系。本文结合十几年在汽配加工领域的实战经验，聊一聊质量数据统计里常见的坑，以及怎么落地做好统计，帮你快速找到生产过程里的隐形问题。
去年去长三角一家做汽车底盘件的工厂，技术部主管拉着我抱怨，说他们每月都做质量统计，合格率一直维持在95%以上，老板还是骂，说报废成本比同行高两个点，不知道问题出在哪。
翻了他们的统计报表我就懂了。整页整页都是Excel单元格，只填了当月合格多少、不合格多少、合格率多少，没有任何过程数据的分布和趋势。这不叫统计，这叫凑数。
为什么很多工厂的质量数据统计白做了
说实话，国内大多数中小加工厂的质量数据统计，都是为了应付IATF16949审核，不是为了改进质量。工程师嫌麻烦，能少统计就少统计，能汇总就绝不拆分，最后拿到一堆没用的数字，出了问题全靠拍脑袋找原因。
最常见的错误，就是只统计终检的合格结果，不统计过程的实际偏差。就说刚才那个摆臂加工的例子，他们的球头销孔尺寸公差是φ32±0.02mm，终检只记过还是不过，没人记录每个孔的实际尺寸是多少，对应加工的是几号机床、第几把刀。
等到拆了数据分析才发现，三号机床连续加工一个星期之后，孔的尺寸已经整体往负偏差偏了0.012mm，就差0.008mm就超差，工人还在不停加工，整整堆了三百多件，最后虽然都合格，但装配的时候间隙超差，全部退回返工，损失十几万。
还有一个坑，就是把所有来源的数据混在一起统计。不同批次的原材料硬度不同，不同班次的车间温度不同，不同机床的主轴间隙不同，混在一起之后，偏差会互相抵消，你看到的结果永远是“过程稳定”，但实际单个分组早就出问题了。
真的，很多钱就是这么白白浪费掉的。
机械加工质量数据统计的核心落地规则
按照GB/T 19022-2003测量管理体系的要求，质量数据统计的核心目的，是识别过程变异，而不是给出合格结论。说穿了，就是把看不见的变异，变成看得见的规律。
第一步，选对统计变量，不是什么都要统计。加工工序里，你只需要统计影响最终装配性能的关键特性，还有和这个特性相关的过程变量。比如加工齿轮的齿跳，你要统计每一件的实际齿跳值，还要对应统计滚刀的刃磨次数、机床的进给速度、毛坯的内孔公差。没用的变量别瞎统计，徒增工作量。
我刚入行那会，为了凑项目报告的页数，统计了十几个无关变量，最后分析的时候根本找不到相关性，对着一堆数据坐了一下午，懊恼到下班都没缓过来。
第二步，用对统计工具，别搞花里胡哨的，实用就行。机械加工里，休哈特X-R控制图就能解决80%的过程稳定问题，比很多高大上的工具靠谱多了。这里要踩一下最常见的错误：很多人直接把零件的公差限当成控制限，这完全错了。
控制限是按照3σ原则计算出来的，代表过程本身的固有变异，公差限是设计给的要求，两码事。举个例子，你加工IT7级的孔，公差带是0.05mm，过程计算出来的控制限可能只有0.03mm，提前预警，等到公差超了再停，已经晚了。要是反过来，控制限比公差还大，说明你的过程本身能力就不够，买再好的刀具也没用，赶紧换机床。
第三步，必须分层统计。不同机床、不同班次、不同原材料批次、不同操作人员，必须分开，不能混在一张表里。之前碰到过一个案例，铝件加工的尺寸偏差，白班和夜班差了0.015mm，混在一起统计，控制图看起来完全正常，分开之后才发现，夜班车间温度比白班低7度，铝件线膨胀系数大，冷加工之后尺寸更小，不调整刀补肯定出问题。
从统计数据到质量改进的真实案例
前年给一个商用车厂做转向节工艺改进，他们主销孔的同轴度超差率一直卡在这里，3%左右，每月报废近百件，找了大半年都找不到原因。
之前他们的统计就是，每件终检测完同轴度，记个“合格”或者“超差”，超差的放一起，看看是哪台机床做的，然后就没了。我们重新做统计，要求车间按加工顺序，记录每一件主销孔的同轴度实测值，同时把每台机床主轴的静压压力数据也导出来，对应上。
连续采集了200件数据，画完X-R图一下子就看出来了：同轴度的偏差随着刀具加工件数的增加，线性变大，同时主轴静压压力刚好线性下降0.02MPa。哦，原来主轴密封有微漏，压力掉到一定程度，主轴晃动量从0.003mm涨到0.012mm，镗孔的时候刀具走刀歪了，同轴度就超了。
之前没人把质量数据和设备运行数据关联统计，所以这个隐形问题藏了好几年都没发现。整改之后，换了密封，增加了压力预警，超差率直接降到0.1%以下，每月省十几万的报废成本，太划算。
不过话说回来，现在很多工厂都上了MES系统，自动采集数据，比以前人工抄数方便太多，但是很多工厂还是改不了堆数据的毛病，系统里存了几百万条数据，真要找问题的时候，什么规律都挖不出来。核心逻辑不对，工具再好也没用。
质量数据统计从来不是什么高大上的管理概念，就是工程师手里的一个听诊器，你用对了，就能提前摸到过程里的毛病，少花冤枉钱，少做无用功。很多人觉得统计是质检的活，其实做工艺设计、做生产维护的工程师，才最需要会看质量数据，毕竟问题出在过程里，只有你最懂过程。
