📖

术语词典

172 条汽车行业质量管理专业术语，覆盖体系与审核、五大核心工具、供应商质量、工程方法与可靠性、新能源与数字化智造

📋 正在按 项目工程师 的常用分类筛选（4 类）。 只是筛掉不相关的分类，词条一条没删——想全部看就点右边。 看全部 352 条 这个岗位还看什么 →
分类： 全部 📘 通用基础 📜 标准与法规 🏛️ 体系与审核 📊 FMEA 🔄 APQP 📋 PPAP 📈 SPC 🎯 MSA ⚙️ 5M1E 📝 ECN 🔧 8D 🧾 不合格品处置 🤝 供应商质量 📐 工程方法 🔋 新能源与智能网联 🖥️ 数字化与智造
快速跳转： 单 双 转 供 报 R 冲 工 客 外 交 质 分 记 受 批 试 全 部 正 响 田 方 假 回 P 检 效 关 C 故 可 平 浴 威 加 高
单一货源 Single Source
Single Source / Sole Source
某零件或材料只有一家供应商可供的情形，分两种：Sole Source（客观上只有一家能做，如专利材料、专有工艺）与 Single Source（主观上只选了一家，如为规模效应或整车平台统一）。风险：任一中断（火灾、罢工、破产、环保停产、出口管制）都会直接导致停线，且缺乏议价能力。管控要求：① 建立应急计划（Contingency Plan）与安全库存（按中断风险评估设定，关键件常备 4-8 周）；② 强制要求供应商具备业务连续性计划（BCP）并定期演练；③ 提高审核频次、驻厂监控、共享产能数据；④ 制定备选方案（第二货源开发周期、模具可转移性、替代材料验证）；⑤ 与顾客报备并在 PFMEA 中作为高风险项评估。IATF 16949 条款 6.1.2.3 明确要求应急计划覆盖「关键设备的故障、供应链中断、自然灾害、公用事业中断、劳动力短缺、网络攻击」。
供应商质量
💬 相关讨论 →
双源 Dual Source
Dual Sourcing
同一零件由两家供应商同时供货的策略，用于分散断供风险与保持议价能力。常见配比：70/30 或 80/20，主供保证规模与稳定，副供保持「随时可放量」的能力。关键前提：两家必须各自完成 PPAP 批准，不能「一家批准、一家搭车」；且副供不能只拿小批量订单导致其过程从未真正验证 —— 这是双源最常见的失效，平时 5% 的量看不出问题，主供断供后放量即暴露。管理要点：定期轮换份额或安排「放量演练」、两家使用独立的分供方与设备（共享同一上游等于没双源）、图纸与规范版本严格同步、两家零件尺寸差异需评估装配互换性（尤其配合公差累积）。
供应商质量
💬 相关讨论 →
转产 Resourcing
Resourcing / Re-sourcing
把一个已量产零件的供应从一个供应商（或一个工厂）转移到另一个的过程，属于变更管理中风险最高的一类。触发原因：原供应商质量长期不达标、成本压力、原厂关停或搬迁、地缘与关税、单一货源避险。标准动作：新供应商 PSA → PPAP 全套（不可沿用原供应商数据，包括 PFMEA 与过程能力，因为设备与工艺不同）→ 试装/PTR 验证装配与整车功能 → 断点管理与新旧件隔离（防止混装）→ 库存消化计划（旧件用尽与新件切换的时点必须精确到批次）→ 顾客批准与文件同步更新（控制计划、图纸版次、AVL）。最易出错的三处：新旧件混装（断点标识不清）、沿用旧 PFMEA 导致新工艺风险未识别、旧供应商库存件流入售后渠道。
供应商质量
💬 相关讨论 →
供应商准入 Supplier Onboarding
Supplier Onboarding
新供应商从接触到进入合格供应商清单（AVL）的全流程，通常包含：资质与合规审查（营业执照、体系证书、环保与安全合规、无重大违法记录）、潜在供应商评估（PSA）、保密与廉洁协议、质量与技术协议签署、样品试制与评价、PPAP（若直接供量产件）、系统建档（供应商代码、付款与税务信息、ERP 与 SRM 录入）。加速与例外：集团内已有合格记录的供应商可走「互认」简化流程，但须核验证书有效性与供货范围；紧急定点（如独家专利件）须走例外审批并限定用量与期限。合规红线：准入资料造假（伪造体系证书、隐瞒行政处罚）一旦发现应直接列入黑名单，这类供应商后续出质量问题的概率显著更高。
供应商质量
💬 相关讨论 →
供应商淘汰 Phase-out
Supplier Phase-out / Disengagement
终止与供应商合作并完成退出的过程，须在「质量/交付风险」与「断供风险」之间取得平衡，不能一刀切停单。标准步骤：判定依据成立（连续绩效不达标、重大质量事故、合规问题、破产）→ 制定过渡方案（转产计划、库存覆盖到新供应商量产、售后备件供应年限）→ 书面通知与整改机会（合同通常要求给定期限）→ 逐步减量而非立即归零 → 工装与图纸回收 → 关闭 PPAP 与 AVL 状态 → 记录归档（法规要求保留一定年限）。易被忽略的收尾：售后备件义务（整车停产后仍需供应 10-15 年，视市场而定）、供应商持有的顾客财产（工装、检具、样件）必须清点回收、未结索赔与质量保证金结算、技术资料与软件授权回收。
供应商质量
💬 相关讨论 →
报废汽车指令 ELV
End of Life Vehicles Directive
欧盟 2000/53/EC 指令，规定报废车辆的回收与有害物质限制。两条硬要求：① 2003-07-01 起禁止在材料中使用铅、汞、镉、六价铬（四种重金属，含豁免清单，如某些焊料与镀层）；② 可再利用率与可回收利用率目标 —— 自 2015-01-01 起，新车按质量计再利用率 ≥85%、可回收利用率 ≥95%。中国对应要求：《报废机动车回收管理办法》（国务院令第 715 号，2019-06-01 施行）与 GB/T 30512《汽车整车产品及零部件可再利用率、可回收利用率》，后者已被强检与准入引用，新车申报须提交可再利用/可回收利用率计算报告。与 IMDS 的关系：IMDS 是填报材料成分的数据系统，ELV/RoHS 合规判定以 IMDS 数据为基础 —— 所以 IMDS 不是「交个表单」，而是法规合规的证据链起点。
供应商质量
💬 相关讨论 →
REACH 法规 REACH
Registration, Evaluation, Authorisation and Restriction of Chemicals
欧盟 (EC) No 1907/2006 化学品法规，对进入欧盟市场的物品同样适用。与汽车零部件最相关的是三条：① SVHC（高关注物质）清单（现称 Candidate List），物品中任一 SVHC 含量 >0.1%（质量分数，按「物品」整体计算）须向接收方提供安全使用信息，并在 SCIP 数据库通报；② 附件 XVII 限制清单（如偶氮染料、多环芳烃 PAHs、镍释放）；③ 授权清单（附件 XIV）与申报义务。实操难点：「0.1% 按什么算」是争议核心 —— 应按「均质材料」还是「整个物品」，欧盟司法实践（Once an article, always an article）倾向按物品整体，与 RoHS 的均质材料口径不同。落地方式：向供应商收集全成分声明（FMD）或 IMDS 数据、建立物质清单并定期比对 SVHC 更新（每年 1 月与 6 月通常有增补）、对高风险材料（涂层、塑料、焊料、橡胶）加强抽测。
供应商质量
💬 相关讨论 →
RoHS 指令 RoHS
Restriction of Hazardous Substances Directive
欧盟 2011/65/EU 指令，限制电子电气设备中特定有害物质含量。现行限制 10 项：铅、汞、镉、六价铬、多溴联苯（PBB）、多溴二苯醚（PBDE），以及 (EU) 2015/863 新增的四项邻苯二甲酸酯（DEHP、BBP、DBP、DIBP）。限值：镉 0.01%，其余 0.1%，均按「均质材料」计算。与 ELV 的区别：ELV 管整车（四种重金属），RoHS 管电子电气部件（十项），两者口径与限值不同但重叠严重。汽车电子零部件通常两边都要满足，供应商需分别出具报告。审核关注：豁免条款是否仍在有效期（豁免清单每 4-5 年复审，过期后不得再引用）、检测报告是否来自认可实验室且覆盖所有均质材料（一颗连接器可能拆出十几种均质材料）、报告有效期（通常 1 年）与批次对应关系。
供应商质量
💬 相关讨论 →
冲突矿物 3TG
Conflict Minerals (Tin, Tantalum, Tungsten, Gold)
来自冲突地区（主要是刚果民主共和国及其邻国）的锡、钽、钨、金四种矿产，其开采收益可能资助武装冲突。美国 Dodd-Frank 法案第 1502 条要求上市公司披露产品中 3TG 的来源与是否「无冲突」。汽车行业落地方式：通过 CMRT（Conflict Minerals Reporting Template，由 RMI 维护）沿供应链逐级收集冶炼厂清单与来源国，汇总到整车厂年度报告。延伸：2021 年起 CMRT 扩展为 EMRT（Extended Minerals Reporting Template）覆盖钴、云母等，电动车因电池对钴的依赖，钴的溯源要求已成为事实上的行业惯例（欧盟电池法规 (EU) 2023/1542 明确要求电池尽职调查）。难点：供应链层级越深响应率越低，多数供应商只能给到「冶炼厂清单」而无法确认具体批次来源，行业普遍采用 RMI 的「符合性冶炼厂名单」（RMAP）作为间接证据。
供应商质量
💬 相关讨论 →
供应链尽职调查 LkSG
Supply Chain Due Diligence Act (Lieferkettensorgfaltspflichtengesetz)
德国《供应链尽职调查法》（LkSG），2023-01-01 生效时适用于 ≥3000 名员工的企业，2024-01-01 起降至 ≥1000 名。要求在自身业务与直接供应商范围内识别、预防、补救人权与环境风险，并履行：建立风险管理体系、指定责任人（人权专员）、实施预防措施、建立投诉机制、定期文档与报告（向 BAFA 提交）。对汽车供应链的影响：整车厂与一级供应商（多在其适用范围内）会把义务传导给中国供应商 —— 典型要求是签署供应商行为准则、填写人权与环境自评问卷、接受现场审核、建立 grievance mechanism。相邻法规：欧盟《企业可持续尽职调查指令》（CSDDD，2024 年通过，适用于在欧营业额较高的企业）与《电池法规》(EU) 2023/1542 的电池尽职调查义务，正在把「合规」从产品延伸到整个供应链治理。对中国供应商的实操建议是提前建立可核查的合规档案（工时、社保、环保许可、危废处置）。
供应商质量
💬 相关讨论 →
供应商索赔 Chargeback
Supplier Chargeback / Debit Note
因供应商质量问题导致顾客产生额外成本时，向其追偿的机制。可索赔项：挑选与返工工时、报废材料与已投入工时、停线与减产损失、加急运费与空运差价、顾客罚款（主机厂对整车厂的索赔会逐级传导）、售后三包与召回分摊、检测与分析费用。执行前提：质量协议必须事先约定计算口径与举证方式，否则供应商可以拒付。成熟做法是「索赔单模板 + 证据包」（不良实物照片、检验记录、工时统计、停线记录、顾客索赔函），并按月度对账抵扣货款而非逐笔现金支付。常见争议：① 责任划分（供应商称来料合格，是顾客工艺导致）；② 数量认定（挑选出的不良率与供应商自检差异）；③ 是否包含间接损失（停线损失通常金额最大、争议也最大，须在合同中明确封顶或按实际计算）。
供应商质量
💬 相关讨论 →
工装所有权与移交 Tooling
Tooling Ownership and Transfer
模具、夹具、检具、专用设备等为特定零件投入的生产资产，其产权归属与转移规则。行业惯例：由顾客付费的工装归顾客所有，由供应商自费的一般归供应商，合同中必须明确「谁付费、谁所有、谁维护、能否转移」。关键条款：① 标识 —— 顾客所有的工装须永久标记「顾客财产」与资产编号；② 维护与保养责任及费用分担；③ 停产/转产时的移交义务（含图纸、程序、备件、维修记录），供应商不得扣押工装作为商务纠纷的筹码（必须在合同中明确禁止）；④ 保管与保险；⑤ 年久失修的处置与重置费用。IATF 16949 条款 8.5.3（顾客或外部供方的财产）要求组织识别、验证、防护和维护顾客财产，工装是其中最主要的形态。实务中工装台账与实物盘点不一致是审核高频问题。
供应商质量
💬 相关讨论 →
客供品 CSP
Customer-Supplied Property / Consigned Material
由顾客免费提供或指定供应、交由供应商加工或装配的物料、零部件、工装、包装乃至知识产权（图纸、软件、技术资料）。常见形式：主机厂指定钢材牌号并统一采购后发给冲压厂、指定芯片并直供模组厂、提供专用检具与包装箱。管理要求（IATF 16949 条款 8.5.3）：到货验证（数量、批次、外观、随附合格证明）、标识与隔离（防止与自购料混用）、储存条件与防护、损耗与报废的申报与审批（不得私自处置）、丢失或损坏须向顾客报告并留存记录、剩余料退回。典型风险：客供料本身有缺陷时责任如何划分（须事先约定「来料验证的范围与免责边界」）；客供料的追溯链断裂导致整车召回时无法定位批次。
供应商质量
💬 相关讨论 →
外协加工 Outsourced Processing
Outsourced Processing / Subcontracting
把某道工序（而非整个零件）委托外部完成的协作方式，汽车行业最常见于电镀、阳极氧化、热处理、喷涂、激光切割、焊接、注塑、线束加工等特殊过程与表面处理。为什么风险高：多数属于「特殊过程」—— 结果无法由后续检验完全验证（如热处理后的内部组织、电镀的结合力与盐雾性能），只能靠过程参数与设备能力保证，因此必须管过程而不只是管来料。管控要求（IATF 16949 条款 8.4.2.1 与 8.5.1.1）：外协方须纳入 AVL 并做二方审核、须有过程参数记录与设备校验记录、须做首件与 periodic 试验（如盐雾、附着力、硬度、金相）、须明确返工与返修规则、须保证追溯（批次与炉号）。典型失守：供应商把外协方当「黑箱」，只验收外观不查过程参数；外协方私自更换药水或缩短工时降低成本，导致批量性能不达标却在出厂检验中看不出来。
供应商质量
💬 相关讨论 →
供应商产能验证 Capacity Verification
Supplier Capacity Verification
确认供应商在量产条件下能否稳定产出规定数量的验证活动，与「质量能力」并列但常被忽略 —— 能做出好件不等于能做出足够多的好件。方法：按顾客需求节拍（含峰值与爬坡）连续运行规定时长（常见 300 件或 8 小时以上），记录节拍时间、OEE、一次合格率、瓶颈工位、换型时间与人员配置，输出实际产能与需求量的差额。与 Run@Rate 的关系：Run@Rate 是主机厂（尤以通用、福特为代表）对供应商产能验证的具体叫法，要求在生产工装、生产节拍、生产人员条件下运行，不能用人手打样替代。常见结论与对策：产能不足则要求增加班次/设备/模具穴数、提升 OEE（减少换型与故障）、外协分流；产能过剩则确认是否影响成本与投资回收。爬坡（Ramp-up）阶段的产能曲线通常低于稳态，须单独评估。
供应商质量
💬 相关讨论 →
供应商计分卡 Supplier Scorecard
Supplier Scorecard
把供应商在质量、交付、成本、配合等维度的表现合成为一个可比的分级信号，用于差异化管理和采购决策。它的价值不在「打分」，而在「让不同的管理强度有依据」：A 级可以跳检、优先给新项目；C 级要加严、要改进计划；D 级要受控发运、暂停新业务。没有分级，所有供应商用同一套管理强度，结果是资源平摊、问题供应商得不到额外投入。两个最容易出问题的设计点：一是权重让交付与价格的高分抵消了质量失分，于是「质量差但便宜准时」的供应商年年拿 A；二是只做加权求和、没有闸门，严重质量事件（涉安全、法规、停线、召回）必须能越过总分直接压档。注意权重与阈值没有全球统一标准，是企业自定的工具，但一旦公开就必须稳定适用。
供应商质量
💬 相关讨论 →
交付准时率 OTD
On-Time Delivery
按约定交期完成交付的批次或数量占比，是交付维度的核心指标。口径上最容易做假的地方是「承诺交期」可以被单方面修改：供应商先改成下个月，然后下个月按时交货，准时率 100%，而你的产线已经停过。正确做法是以订单确认时的原始承诺日为基准，改期要走变更并留记录，改期后的交付单独统计为「延期后交付」，不冲抵准时率。还要预先定义「准时」的容差窗口（例如不允许提前、允许提前 1 天），否则同一批数据不同人算出来能差十个百分点。与 PPM 的分工：PPM 看质量，OTD 看交付，两者都进计分卡但权重不同 —— 交付晚一周可以空运补救，质量问题往往不可逆。
供应商质量
💬 相关讨论 →
质量绩效权重 Quality Weight
Quality Weight
计分卡中质量维度所占的比例，通常是四个维度里最高的。理由是后果不对称：交付晚一周可以空运补救，价格高 3% 可以谈，但一个安全特性失效可能引发召回、停线、客户处罚，损失量级完全不同且不可逆。把质量权重压低会直接制造一个失效模式 —— 供应商发现「把成本挪到质量上」在总分上划算。常见做法是质量占四到五成，再叠加严重事件的一票否决，让质量既有权重又有闸门。注意具体比例各家自定，没有统一标准：可讲的是设计原则（质量压得住其他维度），不可讲的是某个固定百分比。
供应商质量
💬 相关讨论 →
分级阈值 Rating Threshold
Rating Threshold
把计分卡的连续得分切成 A/B/C/D 四档的分界值，常见形态是 A 档 90 分以上、B 档 80-89、C 档 70-79、D 档 70 以下。阈值本身没有全球标准，是企业自定的管理工具，但「自定」不等于「随意」：一旦公开就必须固定、对所有供应商一致，不能按个案临时调整。最隐蔽的错误做法是为了让各档都有人而调整阈值 —— 那等于让分级结果反过来定义标准，供应商只要比别人好一点就能升档，长期把整体水平往下拉。合理做法是阈值固定，通过观察分布变化来判断整体能力在升还是在降。阈值还必须与处置动作配套：只定义档次却不规定各档对应什么管理强度，分级就只是一张排名表。
供应商质量
💬 相关讨论 →
记分周期 Rating Period
Rating Period
计分卡统计与发布的时间跨度，常见为月度或季度滚动，配年度汇总看趋势。周期是「预警速度」与「抗干扰」之间的取舍：一年一次的话，等到年底才发现某供应商已经连续五个月下滑，损失早已发生；但周期太短（例如按批更新）会被单次异常带偏，一个大批量批退就能把整月分数砸到底，供应商于是开始对统计口径而不是对质量做反应。规则里应写明「当期结果用于当期动作，趋势用于改进方向」，避免用一次坏分数做长期决定。另需规定数据截止日与发布日 —— 没有截止日，供应商会不断申诉「上周那批还没算进去」，评分永远定不下来。
供应商质量
💬 相关讨论 →
供应商改进计划 SIP
Supplier Improvement Plan
针对供应商能力短板制定的中长期改进路线，周期通常半年到一年，含目标、里程碑与验证方式。与 8D 的分工要分清：8D 是「一个问题一条链」（现象、遏制、根因、永久措施、预防）；SIP 是「一家供应商一条路线」，把多次 8D、多次批退、多次审核发现汇总起来，看的是能力短板 —— 是过程能力不足、检测手段缺失，还是变更管理失控。用 8D 解决能力强的问题，会出现「单子都关了、问题还在来」；用 SIP 处理单个突发问题又太重。分级结果里 C/D 级供应商该走的通常是 SIP，并在计划里写明「到期未达标即淘汰」的退出条件 —— 没有退出条件的整改通知等于没有整改通知。
供应商质量
💬 相关讨论 →
受控发运 CS1
Controlled Shipping Level 1
对问题供应商的出货提高检验等级（通常 100% 全检或第三方驻厂检验）、费用由供应商承担的临时措施。本质是「用额外检验把流出风险挡在门口，并让对方为此付钱」—— 三个要素缺一不可：检验升级、费用承担（这是它真正有威慑力的地方）、明确的退出条件（例如连续 N 批无不良且改进措施验证有效）。它是临时措施不是长期状态：长期受控说明根因没解决，该升级为专项审核或退出评估。名称与分级（CS1/CS2）各主机厂不同，含义大体是级别越高、检验越严、监管越深。实施时要注意受控发运的检验记录必须随货同行，否则到了收料端仍会被当成普通批次。
供应商质量
💬 相关讨论 →
质量墙 Quality Wall
Quality Wall
在供应商处或收料处设置的独立 100% 检验关卡，作为问题已发生、根因未解决窗口期的临时遏制手段。它的价值在于给根因分析争取时间，同时把流出风险降到接近零 —— 靠额外人力把不良挡下来，成本高、不可持续，所以不能当管理体系用。两个常见误用：一是把质量墙当长期方案，几年不撤，成本被摊进产品价格；二是设了墙却不给退出判据，于是没人推动根因解决。设墙时就要同时写好撤墙条件（连续 N 批无不良、根因措施已验证）。与受控发运的区别：质量墙通常设在收料端或产线旁，由己方执行；受控发运施加于供应商出货端，由供应商付费。
供应商质量
💬 相关讨论 →
供应链风险 Supply Chain Risk
Supply Chain Risk
可能导致供应中断、质量失效或合规违规的上游因素，分三类：单点依赖（唯一货源、唯一工装、唯一厂址）、外部事件（自然灾害、限电、物流中断、贸易与法规变化）、传导风险（二级供应商出问题由一级承担，但你同样断供）。评估的关键问题是「这个件断了会怎样」：停线损失、切换周期、有无替代源与安全库存。注意双源不等于消除风险 —— 两个源在同一地区、同一上游材料时，一次区域性事件会同时打掉两个，这种「伪双源」在现场很常见。应急计划（Contingency Plan）应针对识别出的高风险项逐条写，而不是写一份通用文件放进体系文件夹。
供应商质量
💬 相关讨论 →
供应商质量成本 COPQ
Cost of Poor Supplier Quality
因供应商质量不良而产生的总代价，包含可量化的部分（批退与挑选工时、返工返修、停线损失、加急运费、客户索赔与罚款）与不易量化的部分（客户信任下降、工程与质量人员的时间被占用、机会成本）。它的用途不是记账，而是给供应商管理定优先级：把 COPQ 按供应商排序，往往与 PPM 排序不一致 —— PPM 高的可能是大量轻微外观问题（成本可控），PPM 低的可能一次就让产线停了三天。算 COPQ 时最容易漏的是内部时间成本：工程师为处理某个供应商的问题投入的工时通常不被计入，而这恰恰是管理层最该看见的那部分，因为它是固定的、无法追偿的损失。
供应商质量
💬 相关讨论 →
批退率 Lot Reject Rate
Lot Reject Rate
来料批次中被判不合格退回的比例，与 PPM 互补：PPM 按件数看不良规模，批退率按批次看「这一批能不能用」。为什么两个都要：一批一千件里坏三件，PPM 只有 3000 但整批可能仍可用（挑选后接收）；一批五件里坏三件，PPM 高达 60 万且整批报废。前者对产线的影响是挑选工时，后者是断料停线，管理动作完全不同。口径上要明确两件事：特采（让步接收）的批次算不算退（建议单列，不计入批退但单独统计）；同一批因多个原因分次退回只计一次。批退率与 PPM 一起看，才能区分「供应商的稳定性问题」和「偶发的批次性事故」。
供应商质量
💬 相关讨论 →
供应商升级机制 Escalation Ladder
Supplier Escalation Ladder
按问题严重度与重复次数逐级加严的处置阶梯，常见形态是：口头提醒 → 书面 SCAR → 受控发运 / 质量墙 → 专项二方审核 → 暂停新业务 → 限期整改（SIP）→ 淘汰。设计的要点是每一级都有明确的触发条件与退出条件，且升级不由个案裁量 —— 否则会退化成「关系好的供应商永远停在第一级」。触发条件通常写三类：单次严重事件（涉安全、法规、停线）、同问题重复次数、连续评分低于阈值。它和分级的关系：分级是「定期体检的结果」，升级机制是「出问题时的处置路径」，两条线并行 —— 一个 A 级供应商发生安全特性失效，照样要立刻走到受控发运这一级，不能因为总分高就先等等看。
供应商质量
💬 相关讨论 →
试验设计 DOE
Design of Experiments
通过有计划地同时改变多个因子并分析其主效应与交互作用，来找出影响输出的关键因子与最优组合的统计方法。与传统的「一次只变一个因子」（OFAT）相比，DOE 能在相同试次下识别交互作用 —— 而工程问题中的大部分非线性与意外，恰恰来自交互作用（A 单独调好、B 单独调好，A+B 一起反而变差）。四类典型用途：① 筛选（因子太多，用部分因子试验找出少数关键因子）；② 表征（量化各因子影响大小与方向）；③ 优化（响应曲面法找最优参数组合）；④ 稳健性（田口方法降低对噪声因素的敏感度）。在汽车行业的落点：焊接参数（电流/时间/压力）、注塑（温度/压力/保压/冷却）、涂装（膜厚/烘烤曲线）、热处理（温度/时间/气氛）、装配扭矩与顺序。DOE 的结果应回写 PFMEA（验证原因是否成立、探测手段是否有效）与控制计划（把关键参数纳入监控）。常见误用：样本量不足、未随机化（把批次/班次的影响混进因子效应）、忽略区组、只做一次确认试验就宣布结论。
工程方法
💬 相关讨论 →
全因子试验 Full Factorial
Full Factorial Design
把每个因子的每个水平都组合到的最基础试验设计，k 个二水平因子需 2^k 次试验（3 因子 8 次、5 因子 32 次）。优点：能无混淆地估计全部主效应与全部交互作用（含高阶）。缺点：因子数增加时试验次数指数级上升，成本不可承受。适用场景：因子数 ≤4（即 ≤16 次）且试验成本可控时优先用全因子，因为它给出的信息最完整；因子数 ≥5 时改用部分因子试验先做筛选。实施要点：随机化试验顺序（防止时间趋势混入）、设置中心点（检验是否存在弯曲，若有弯曲则说明需要响应曲面法）、必要时分区组（把不同批次原料或不同班次作为区组）。
工程方法
💬 相关讨论 →
部分因子试验 Fractional Factorial
Fractional Factorial Design
只做全因子的一部分（如 2^(k-p)），用「混淆」换取试验次数的设计：高阶交互作用与主效应（或低阶交互）部分混淆，牺牲对高阶交互的估计能力来保留对主效应的估计。分辨率是关键判据：分辨率 III（主效应与二阶交互混淆，仅适合粗筛）、分辨率 IV（主效应不与二阶交互混淆，但二阶交互之间互相混淆，最常用）、分辨率 V（二阶交互也不与主效应混淆，可估计部分二阶交互）。实务逻辑：工程经验表明三阶及以上交互作用通常可忽略（稀疏效应原则），因此在 5-8 个因子时用分辨率 IV 的 16 或 32 次试验通常足够；筛选出 3-4 个关键因子后，再用全因子或响应曲面做精细优化。风险：若关键因子恰好是别名结构中被牺牲的那一个，会得出错误结论 —— 因此结果需要做验证试验（确认试验）。
工程方法
💬 相关讨论 →
正交试验 Orthogonal Array
Orthogonal Array
按正交表安排的试验，使各因子的各水平在试验中出现次数相同、且任意两因子的水平组合均匀分布（即「均衡分散、整齐可比」）。本质是一种高度结构化的部分因子设计，可独立分析每个因子的主效应而不受其他因子干扰。常用表：L8(2^7)（8 次试验、最多 7 个二水平因子）、L9(3^4)（9 次试验、最多 4 个三水平因子）、L18(2^1×3^7)。国内工程实践中，日系与国产项目用正交表很普遍，欧美项目更常用部分因子/响应曲面。与部分因子试验的关系：正交表是部分因子设计的一种，区别在于正交表预先固定了表结构（不能任意选择分辨率），因此更适合「因子与水平都已确定、不想用软件生成设计」的场景。局限：正交表默认假设因子间无交互作用（或交互作用可忽略），若存在强交互，主效应分析会失真 —— 这是正交试验最常被批评的地方。有交互时应在表头做交互列安排，或改用部分因子设计。
工程方法
💬 相关讨论 →
响应曲面法 RSM
Response Surface Methodology
当目标不是「找出显著因子」而是「找到最优参数组合」时使用的方法：用二次模型（含平方项与交互项）拟合响应与因子之间的曲面，再通过对曲面求极值确定最优点。与筛选试验的衔接：先部分因子/全因子筛选出关键因子并确认存在弯曲（中心点与角点差异显著），再进入 RSM。常用设计：中心复合设计（CCD，可序贯加入试验点）与 Box-Behnken（BBD，无角点，适合不允许极端组合的场景）。输出：最优点（各因子的最优水平）、预测响应值与置信区间、等高线图/曲面图、以及稳健区（在最优附近参数有波动仍能满足规格的区域 —— 工程上比「单点最优」更有价值）。典型应用：把焊接强度做到最大且飞溅最小、把涂装膜厚控制在窗口中心、把注塑周期压到最短同时保证尺寸。
工程方法
💬 相关讨论 →
田口方法 Taguchi Method
Taguchi Method / Robust Design
田口玄一提出的稳健设计方法，核心不是「把输出调到目标值」，而是「让输出对噪声不敏感」。三个支柱：① 用信噪比（SN 比）衡量质量，分望目（越接近目标越好）、望小（越小越好，如噪声、变形）、望大（越大越好，如强度、寿命）三类；② 用正交表安排「可控因子 × 噪声因子」的内外表，找出对噪声最不敏感的参数组合；③ 用质量损失函数把「偏离目标的程度」换算成经济损失。与常规 DOE 的差别：常规 DOE 优化均值，田口同时优化均值与变异（先减小变异，再调均值），因此能设计出「即使材料批次有波动、设备有漂移，产品仍合格」的参数。在汽车行业的价值：量产中原材料批次、环境温湿度、设备磨损都是不可控噪声，稳健设计能显著降低对来料与环境的苛刻要求，是降低质量成本最有效的手段之一。争议：学术界批评信噪比在某些情形下与交互作用分析冲突、内外表试验次数偏多；实务中的折中是「用田口思想（稳健性优先），用现代 DOE 工具（部分因子 + 响应曲面）实现」。
工程方法
💬 相关讨论 →
方差分析 ANOVA
Analysis of Variance
通过比较「组间变异」与「组内变异」来判断某因子不同水平下的均值是否存在显著差异的统计方法，是 DOE 结果分析的基础工具。核心是 F 检验：F = 组间均方 / 组内均方，F 越大说明该因子的效应越不可能由随机误差造成。两种用法：① 单因子 ANOVA（比较 3 个以上供应商/设备/批次/班次的均值是否有差异 —— 注意两组比较应用 t 检验，三组以上用 ANOVA，两两反复做 t 检验会放大第一类错误）；② 多因子 ANOVA（DOE 分析，同时给出各主效应与交互作用的显著性）。实操要点：ANOVA 的前提是残差近似正态、方差齐性、独立；若不满足需做数据变换（对数、Box-Cox）或改用非参数方法（Kruskal-Wallis）。报告时应给出效应大小（如 η²、贡献率），只看 p 值会忽略「显著但很小」的效应 —— 在样本量很大时几乎任何差异都会显著。
工程方法
💬 相关讨论 →
假设检验 Hypothesis Testing
Hypothesis Testing
先设定一个「无差异/无效应」的原假设 H0，再用样本数据判断是否有足够证据拒绝它的统计推断框架。结论只有两种：拒绝 H0（有统计学证据支持差异存在）或不能拒绝 H0（证据不足，不等于证明无差异）。两类错误：第一类错误 α（H0 为真却拒绝，即「误报」，惯例 0.05）、第二类错误 β（H0 为假却未拒绝，即「漏报」，惯例 0.2）。降低 α 会增大 β，两者只能通过增大样本量同时改善。工程场景的典型应用：改进前后是否真的有提升（不是「看起来好了」）、两家供应商的均值是否有差异、设备维修后精度是否恢复、新工艺的 Cpk 是否显著高于旧工艺。最常被误解的一点：不显著 ≠ 没有差异，可能只是样本量不足；显著 ≠ 有工程意义，可能差异极小但样本极大。因此报告必须同时给「置信区间」与「效应大小」，让读者判断实际意义。
工程方法
💬 相关讨论 →
回归分析 Regression
Regression Analysis
建立响应变量与一个或多个自变量之间数量关系的方法，输出是可预测的方程与各变量的影响系数。分线性回归（一元/多元）与非线性回归（含多项式、指数、幂函数）。工程用途：① 预测（给定工艺参数预测尺寸/强度）；② 解释（哪个参数影响最大，看标准化系数）；③ 调优（反解出满足规格的参数窗口）；④ 趋势外推（刀具磨损随加工件数的变化，用于定换刀周期）。判定指标：R²（解释了多少变异，但会随变量增加虚高，看调整 R² 更可靠）、残差图（是否存在弯曲、异方差、异常点）、显著性检验（各系数是否显著）。陷阱：① 相关不等于因果 —— 两个变量同随时间变化会产生伪相关，必须用 DOE 或物理机理佐证；② 多重共线性（自变量之间高度相关会导致系数符号反常）；③ 外推到数据范围之外极不可靠（线性关系在区间外往往不成立）。
工程方法
💬 相关讨论 →
p 值 p-value
p-value
在原假设 H0 成立的前提下，观察到当前数据或更极端结果的概率。p < 0.05 时的通行表述是「在 5% 显著性水平下拒绝 H0」，而不是「H0 为真的概率小于 5%」。最常见的三个误读：① 把 p 值当作「原假设成立的概率」（p 值是在 H0 为真的假设下算出来的，不是 H0 本身的概率）；② 把 p > 0.05 当作「证明无差异」（实为证据不足）；③ 只看 p 不看效应大小（样本量足够大时，0.01 的差异也会显著）。与多重比较的关系：同时做 20 次独立检验，即使全无真实差异，平均也会有 1 次 p < 0.05。因此在 DOE 的多因子分析、多组两两比较、多特性同时判定时必须做多重比较校正（Bonferroni、Tukey HSD、FDR），否则会「挑出」假阳性。这也是「数据挖掘式找原因」最容易犯错的地方。
工程方法
💬 相关讨论 →
检出力 Power
Statistical Power (1-β)
当真实差异确实存在时，检验能够正确检出它的概率，等于 1-β。惯例要求 ≥0.8（即 80% 的把握检出真实差异）。检出力不足的直接后果是「明明改进了却没通过检验」，从而错误地放弃有效方案。三个决定因素：① 效应量（差异越大越容易检出）；② 样本量（最直接的可控因素）；③ 显著性水平 α（放宽 α 会提高检出力，但增加误报）。工程应用：试验前做「样本量估算」—— 先约定要检出的最小有意义差异（如 Cpk 从 1.0 提升到 1.33）、α 与检出力，反算出所需样本量。不做这一步直接取「30 件」，往往检不出真实改进，也可能浪费大量试制。在测量与检验领域的另一个含义：检验工序「能发现不良的能力」，通常以「检出力曲线」或「检出概率 vs 缺陷尺寸」表示 —— 例如某视觉检测对 0.2mm 缺陷的检出率为 95%、对 0.1mm 只有 40%，这类数据是 PFMEA 中探测度评分的依据（而不是凭感觉给 D 值）。
工程方法
💬 相关讨论 →
效应量与样本量 Effect Size / Sample Size
Effect Size and Sample Size Determination
效应量是「差异有多大」的标准化度量（如 Cohen d、均值差、比例差、η²），与样本量共同决定检验能否检出差异。样本量的估算公式本质上是「效应量、α、检出力」三者的函数。工程上的经验取值（供参考，不可硬套）：过程能力研究用 30 件只能粗略估计 Cpk，若要求 Cpk 置信区间足够窄通常需 100 件以上；GR&R 通常要求 10 件 × 3 人 × 3 次；计数型抽样按 AQL 与批量的抽样表确定；DOE 的试验次数由设计分辨率与自由度决定。最常犯的错：先用现有样本（如 20 件）做完试验，发现不显著，再问「要多少件才够」—— 这是事后追认，正确做法是试验前算。IATF/顾客要求中的具体口径：初始过程能力研究（PPAP 阶段）通常要求 Ppk ≥1.67 且样本量足够（常见 100 件或连续 25 组子组）；量产阶段 Cpk ≥1.33（特殊特性常要求 ≥1.67）。样本量不足时的能力指数只能作参考，不能作为放行依据。
工程方法
💬 相关讨论 →
关键质量特性 CTQ
Critical to Quality
从顾客需求（VOC，Voice of Customer）转化而来的、可量化并可测量的关键产品特性 —— 顾客说的「关门声音要厚实」，CTQ 可能是「关门力 20-28 N、关门声压级 ≤ 68 dB(A)、无金属撞击异响」。CTQ 是六西格玛（DMAIC 的 Measure 阶段）与 QFD 的核心输出。与特殊特性的关系：CTQ 是「从顾客需求推导出来的完整清单」，特殊特性（SC/CC、KPC）是其中被顾客或法规强制标识、必须在控制计划中单独控制的那部分。因此 CTQ 通常远多于特殊特性。质量要求：每个 CTQ 必须有明确的测量方法、量具、样本量与判定标准 —— 无法测量的「特性」不能叫 CTQ。这一步没做好，后续的 MSA、能力研究、控制计划都会悬空。落地：QFD 把 VOC 逐级展开为技术要求（质量屋），再从中筛选出 CTQ；CTQ 向下传递到图纸特性、过程参数、控制计划与检验规范。
工程方法
💬 相关讨论 →
CTQ 树 CTQ Tree
CTQ Tree
把模糊的顾客需求逐层拆解为可测量特性的树状图，层级通常为：需求（Need，顾客原话）→ 驱动因素（Driver，什么决定了这个需求被满足）→ 可测量要求（Requirement，具体指标与目标值）。与 QFD 的差别：QFD 是矩阵式的（需求 × 技术要求，可做竞争对比与相关性分析），CTQ 树是单向展开的（更轻、更快、更适合单个特性的深挖）。实务中先用 CTQ 树把一个笼统需求拆开，再用 QFD 做多需求之间的权衡。示例：需求「电池包不能进水」→ 驱动因素「密封结构、密封胶涂布、装配压紧」→ 可测量要求「气密测试泄漏率 ≤5 mL/min、水密 IP67、密封胶宽度 3±0.5 mm」。价值：把「顾客投诉」翻译成「过程参数」，是从售后问题反推控制点的标准路径。
工程方法
💬 相关讨论 →
故障树分析 FTA
Fault Tree Analysis
从一确定的顶事件（如「制动失效」「电池起火」）出发，自上而下用逻辑门（与门 AND、或门 OR、表决门）逐层分解其发生原因，直到基本事件（元器件失效、人为差错、环境因素）的分析方法。与 FMEA 的分工：FMEA 自下而上（从零件/工序推到影响），穷举但容易漏掉组合失效；FTA 自上而下（从后果追到原因），聚焦但能捕捉「两个独立失效同时发生才出事」的组合场景。安全相关件（制动、转向、气囊、高压）通常两者都做，FTA 的顶事件常直接取自 FMEA 中严重度 9-10 的失效影响。定量分析：给每个基本事件赋失效率（来自可靠性预计、现场数据或供应商数据），按逻辑门计算顶事件发生概率，识别关键路径（割集 / 最小割集）—— 由此判断「降低哪个基本事件的失效率最有效」。标准依据：IEC 61025；汽车功能安全 ISO 26262 中的「安全分析」要求 FTA 或等同方法，用于验证随机硬件失效指标（SPFM/LFM）。
工程方法
💬 相关讨论 →
可靠性框图 RBD
Reliability Block Diagram
用图形表示系统各组成部分在可靠性上的逻辑关系：串联（任一失效则系统失效）、并联（冗余，全部失效才失效）、表决（k-out-of-n，如 3 取 2）。用于计算系统可靠度并识别薄弱环节。与 FTA 的关系：RBD 描述「系统如何构成」，FTA 描述「系统如何失效」，两者是对偶的；RBD 更直观适合设计阶段，FTA 更适合分析特定失效模式。计算：串联系统 R = R1×R2×…×Rn（部件越多越不可靠，这是「减少零件数」这一设计原则的数学依据）；并联系统 R = 1-(1-R1)(1-R2)；带表决的系统按二项分布展开。工程价值：量化「加一个冗余到底提升了多少可靠度」—— 若单件可靠度 0.99，两个并联后为 0.9999，但代价是成本翻倍与新增的共因失效风险（两个冗余件共用同一电源或同一软件，则冗余失效）。共因失效是冗余设计最常见的隐性缺陷。
工程方法
💬 相关讨论 →
可靠性预计 Reliability Prediction
Reliability Prediction
在设计阶段根据零件清单、工作应力与环境条件估算产品失效率或可靠度的方法。两种常用途径：① 零件计数法（早期，只有零件种类与数量时快速估算）；② 应力分析法（详细，逐个零件按其实际电应力/热应力与降额情况查失效率模型）。标准与模型：MIL-HDBK-217（历史悠久但已停止维护，业界普遍认为过于保守）、Telcordia SR-332（商用电子）、IEC 62380 / FIDES（法系，考虑制造与使用环境）、以及厂商提供的 FMEA/失效率数据。用途：① 设计阶段比较方案的可靠性水平；② 找出失效率贡献最大的零件（通常是电解电容、连接器、功率器件、焊点），指导降额与冗余设计；③ 为 FTA 提供基本事件失效率。重要限制：预计值是「模型给出的期望」，与实际现场失效率常有差距（可能差一个数量级），因此不能替代可靠性试验与现场数据；它的价值在于相对比较与识别短板，而非绝对数值。
工程方法
💬 相关讨论 →
平均故障间隔时间 MTBF
Mean Time Between Failures
可修复产品在两次相邻故障之间的平均工作时间。在失效率恒定的假设下（指数分布），MTBF = 1/λ，其中 λ 为失效率。最常见的误读：把 MTBF 当作「设计寿命」或「保证无故障运行时间」。MTBF = 10 万小时不代表能连续工作 10 万小时，而是表示在 10 万小时内平均发生 1 次故障 —— 若某产品 MTBF 为 10 万小时，则 1000 台运行 100 小时平均会出现 1 次故障。与相关指标的区别：MTTF（平均失效前时间）用于不可修复产品（如灯泡、一次性保险丝）；MTTR（平均修复时间）是修好的平均耗时；可用性 A = MTBF / (MTBF + MTTR)。汽车行业的注意事项：整车零部件通常只要求「在质保里程内失效率低于某目标」（如 3 年/10 万公里内 ≤ 1%），而非 MTBF；对可维修性与售后成本敏感的系统（如电驱、域控制器）才会同时约束 MTBF 与 MTTR。
工程方法
💬 相关讨论 →
平均修复时间 MTTR
Mean Time To Repair
从发生故障到恢复功能所需的平均时间，包含故障定位（诊断）、拆卸、更换、装配、功能验证的全过程。与 MTBF 一起决定可用性：A = MTBF / (MTBF + MTTR)。为什么在汽车行业越来越重要：随着域控制器与软件占比上升，「能不能快速定位」比「修得多快」更关键 —— 若诊断能力不足，MTTR 会被「反复试换件」拖长，直接推高保修成本与客户抱怨。降低 MTTR 的手段：① 提升可诊断性（DTC 故障码、冻结帧、故障发生时的工况快照）；② 模块化与易拆装设计（把易损件放在可快速接近的位置）；③ 标准化接口与免调整装配；④ 备件可得性（售后备件供应年限通常要求 10-15 年）；⑤ 维修工艺标准化与培训。与设计阶段的关联：维修性（Maintainability）应在设计评审中与可靠性并列评估，DFMEA 中的「可维修性差导致维修时引入新失效」也是常被忽略的失效模式（如拆装时损坏卡扣、漏装密封圈）。
工程方法
💬 相关讨论 →
浴盆曲线 Bathtub Curve
Bathtub Curve
描述产品失效率随使用时间变化的三段式曲线：早期失效期（失效率随时间递减，原因是制造缺陷、装配不良、材料内部缺陷）、偶然失效期（失效率大致恒定，原因是随机过应力）、耗损失效期（失效率随时间递增，原因是磨损、疲劳、老化、腐蚀）。对应的工程对策：早期失效用「老化筛选 / 环境应力筛选（ESS）/ 早期生产遏制（GP12）」消除；偶然失效靠降额设计、冗余与过应力保护；耗损失效靠定期更换（预防性维护）或设计寿命匹配。对汽车质量管理的意义：售后故障率按月份绘制的曲线若在 0-3 个月出现高峰，说明是早期失效（制造与装配问题，责任在供应商与过程）；若在质保末期上升，说明是耗损失效（设计与材料问题，需重新评估设计寿命）。两者对应的改进方向完全不同 —— 这是用数据定位责任边界的基本方法。注意：现代电子件的实际曲线往往没有明显的耗损段（在有效寿命内失效率近似恒定），因此不能机械套用三段式。
工程方法
💬 相关讨论 →
威布尔分析 Weibull Analysis
Weibull Analysis
用威布尔分布拟合失效时间数据、推断失效机理与寿命特征的分析方法，是可靠性工程最常用的工具（因形状参数能直接反映失效类型）。形状参数 β 的含义：β < 1 表示失效率随时间下降（早期失效）；β ≈ 1 表示失效率恒定（随机失效，等同于指数分布）；β > 1 表示失效率随时间上升（磨损/疲劳失效，β 在 2-4 常见于疲劳，β > 4 常见于快速磨损）。因此 β 本身就是失效机理的线索，比单看寿命数值更有价值。尺度参数 η（特征寿命）：可靠度降到 36.8% 时对应的时间。工程上更常关注 B10 寿命（10% 失效对应的时间）—— 售后目标通常按 B10 或 B1 制定。实操：把售后返回件的失效时间（或试验中的失效时间）做威布尔概率图，若数据点近似直线则模型合适；若出现折线（两个斜率）说明存在两种失效机理混合，必须分开分析 —— 直接合并拟合会得出错误的寿命结论。删失数据处理：未失效的样本（试验结束时仍正常、或售后未返回）不能丢弃，须作为右删失（right-censored）纳入，否则寿命会被严重低估。
工程方法
💬 相关讨论 →
加速寿命试验 ALT
Accelerated Life Testing
在高于正常水平的应力下试验，用较短时间内激发与正常使用相同的失效机理，再通过加速模型外推到正常使用条件下的寿命。前提是「失效机理不变」—— 若加速应力过高引入了正常使用中不会出现的失效模式（如材料熔化），外推结果无效。常用加速模型：Arrhenius（温度，适用于化学反应类失效如老化、绝缘劣化）、逆幂律（电压、载荷、压力）、Coffin-Manson（热循环，适用于焊点疲劳与热膨胀失配）、Peck 模型（温湿度）。试验设计要点：① 至少 3 个应力水平才能拟合加速模型（2 个点只能假设模型形式）；② 每个水平需足够样本以得到失效分布；③ 需验证「不同应力水平下失效机理一致」（用威布尔形状参数 β 是否接近来检验）；④ 需包含正常使用的应力剖面（真实工况是温度循环 + 振动 + 湿度的综合，单一应力加速往往无法代表）。在汽车行业的应用：电子件的温度循环与高温存储、电池的循环寿命与日历寿命、橡胶件的老化、焊点的热疲劳。客户通常要求提供「加速试验 → 外推 → 与设计寿命目标对比」的完整证据链，而不只是「通过了某项试验」。
工程方法
💬 相关讨论 →
高加速寿命试验 HALT
Highly Accelerated Life Test
在设计阶段用步进应力（逐级提高温度、快速温变、六自由度随机振动、综合应力）把产品逼到失效，以找出其工作极限与破坏极限的试验方法。目的不是「验证合格」，而是「找出设计余量有多大、最先坏在哪里」。与 ALT 的区别：ALT 是「在已知机理下量化寿命」，HALT 是「在未知短板下寻找极限」；ALT 要求应力不超过机理改变的门槛，HALT 恰恰要一直加到破坏。关键输出：工作极限（产品仍能正常工作的应力上限）、破坏极限（出现不可恢复损坏的应力）、以及每个失效对应的最弱环节。设计余量 = 破坏极限与规格上限之间的差距，余量不足则需要改设计（加固、减振、散热、选型降额）。与 HASS（高加速应力筛选）的关系：HALT 用于设计验证（找极限），HASS 用于量产筛选（用低于破坏极限的应力剔除早期失效件）。两者不能混用 —— HASS 的应力若照搬 HALT 的破坏极限，会把好件也筛坏。局限：HALT 的失效不一定代表现场会出现的失效（应力远超实际使用），因此结论须结合现场数据判断优先级。
工程方法
💬 相关讨论 →
‹ 上一页 1 2 3 4 下一页 › 101-150 / 172