2. 华南理工大学 工商管理学院,广东 广州,510641
2. School of Business Administration, South China University of Technology, Guangzhou 510641, China
质量管理是一种以最经济的手段制造出市场上最有用产品的活动,一旦改进了产品质量,生产率就会随之提高。质量管理的巨大作用使之成为企业管理的重心工作[1]。制造企业质量管理活动可分为核心活动与基础活动,核心活动对质量与绩效产生直接影响,基础活动为核心活动提供支持[2]。两者的协同项正向影响企业绩效,两者的匹配项对绩效有显著负向作用,基础活动通过探索性学习和利用性学习对企业绩效产生间接影响,而核心活动仅通过利用性学习对企业绩效产生影响[3]。印刷质量管理是印刷制造业关注的中心议题,从技术角度研究影响印刷质量的文献较多。龟纹和印版特性影响印品精度,目数对精度的影响起主要作用,其次为粗糙度和网距。不同的纸张厚度会产生不同的印刷效果[4]。墨层厚度是表现印刷精度的因素之一,在印刷电路板等电子产品中尤其重要,丝网参数、模版厚度、油墨黏度及印刷作业参数对墨层厚度有较大影响,进而影响印品质量[5]。浆料的移动、注入、剥离、沉积对印刷精度产生影响,网距影响网版印刷位置精度,刮板速度和角度对沉积浆料厚度精度有影响。涂层厚度与层间延时是影响尺寸精度的重要因素[6]。在印刷的打印环节,导致打印错误的因素包括打印组件、测量与控制的不精确以及打印环境等[7],随着对印刷精度要求的不断提高,专色印刷越来越重要,印刷中色彩的再现不仅与印刷的油墨有关,也与印刷的纸张有关,是纸张与油墨共同作用的结果[8]。上述研究有益于企业在生产方式上进行革新来提高印刷质量。
产品质量是多因素共同作用的结果,制造企业只注重生产方式革新,未在质量管理方式上作相应改进,同样未能取得质量改进的理想效果[9]。影响质量管理水平的因素很多,如何确定关键因素并采取相应的改进措施是提升质量管理水平的难点之一[10]。目前国内大部分制造业质量管理水平较低[11],提高制造业质量管理水平更是急迫之举。有学者探讨制造业的质量改进良方,如管理控制系统与全面管理的适配程度[12]、质量管理信息化[13]等,但研究成果不多,特别欠缺针对具体行业、某一生产环节的质量改进研究,少见针对印刷质量管理的专门研究。本文以D公司片式电感器为例,应用适合解决多因素影响产品质量方法的正交实验来探讨多因素作用下的印刷质量改进,丰富印刷质量研究的内容,为电子企业提高印刷质量提供理论依据。
1 实验准备正交实验设计(orthogonal experimental design)是利用正交表科学地安排与分析多因素实验的方法。该方法减少了实验次数,节约了人力物力,成为一种高效率、快速、经济的实验设计方法[14]。该法已成功应用于不同领域,证明是一种既直观易行又客观科学的方法[15]。片式电感器印刷质量受多因素影响,且各因素影响程度差异较小、取值范围较广,其中网高、印刷速度、印刷压力、烘干温度影响较为显著。考虑实验时间与工作量,准备进行3水平实验。实验组咨询有关专家,认为4因素3水平可以取得预期结果,于是本实验确定为4因素3水平方案。为使实验结果更准确,首先对实验测量设备进行测量系统分析,保证测量系统的准确性。随后进行预实验,以探索各因素取值范围的合理性。最后进行研究正式实验,以获得更接近“真值”的实验结果。
测量系统分析(measurement system analysis)可以揭示测量系统的变差源以及它们对测量结果的影响,进而根据可接受原则来判断测量系统的准确性。测量系统变差可通过偏倚性、稳定性、线性、再现性等指标来判断。本实验采用全自动影像测量仪(型号:JTVMS-3030CNC,量程为0~300 mm)进行实验。本偏倚性实验由同一实验员对片式电感器膜片测量了15次,膜片规格是0.6 mm,对实验结果数据执行t检验,得到t检验分析结果的置信水平为95%的置信区间为(–0.001 12,0.000 450);稳定性实验由实验员在2016年4月10日~29日连续20 d对同一件样品进行5次测量,测量结果极差(R)<0.005;线性实验由1名实验员对5个样品重复测量12次,结果的变差|ta|=0.000 272 453,|tb|=0,均小于tgm–2,1–α/2(g是指零件的数量,m指操作者对每个零件的测量次数;gm–2是自由度,1–α/2是置信度);再现性实验由3名实验员对10个样品测量2次,测量结果的重复性与再现性(R&R)=10.07%。实验结果显示该测量过程受控,测量系统处于稳定工作模式。
2 初始实验 2.1 实验设计根据D公司印刷生产实际,采用4因子3水平设计,4因子初始水平如表1,按照L9(34)的正交表进行实验安排,形成实验方案(表2)。
![]() |
表 1 初始实验影响因子及水平 Tab. 1 The factors and their levels of the first experiment |
![]() |
表 2 初始实验方案 Tab. 2 The first experimental program |
本实验在D公司无尘车间进行,使用材料、设备、环境均与批量化生产相同,为保证实验的可信度,实验者、实验机台均固定,实验时间为连续的1 d。
1) 实验时间:2016年5月11日8:00~17:00。
2) 实验环境:1万级无尘室,温度23℃、湿度55%。
3) 实验设备:3#全自动印刷机、全自动影像测量仪。
4) 实验材料:实验主要材料及其参数如表3。
![]() |
表 3 实验材料与参数 Tab. 3 Experimental materials and parameters |
5) 实验步骤:① 对实验膜片按表2进行编号;② 将编号参数膜片进行印刷测试,每类条件印刷20张;③ 将印刷好的膜片进行精度的测试,对测试数据进行分析。
2.3 实验结果与分析实验共测得9组数据,每组数据有100个,将9组数据输入Minitab,得出工序能力系列指数。图1为9组数据得出的工序能力指数。这9组工序能力指数的变化特点为:整体偏低,变化幅度大。整体过程能力Ppk均值只有0.46,说明印刷精度的参数(网高、速度、压力、烘干温度)不是最佳水平。9组数据样本均值低于目标值,整体偏下限,原因是网高、速度、压力的参数设计过低。第2、3、4、8组数据明显超出规格上下限值,说明生产过程不是稳态。计算9组实验的主要特征值如表4。根据R值大小确定4因子对印刷精度影响顺序,按从大到小为:温度>速度>压力>网高。最佳水平确定如表5。在实验过程中,最佳水平除压力外其他均存在异常情况,表明本次实验的水平值设置不合理,实验结果未取得理想效果。
![]() |
图 1 初始实验结果 Fig. 1 The results of the first experiment |
图中Pp表示长期工序能力指数,Cp表示短期工序能力指数;当计量值为双侧公差,且分布中心与标准中心不重合时,分布中心左右两侧的工序能力指数不同,分别用Ppl、Ppu和 Cpl、Cpu表示;由于两侧工序能力不同,取较小一方作为工序能力,记为 Ppk或Cpk。因此,Ppk是Ppl与Ppu中较小一方,Cpk是Cpl中Cpu较小一方。本案中,Ppl、Cpl 较小,所以Ppk与Ppl、Cpk和Cpl为同一曲线。
![]() |
表 4 初始实验结果特征值 Tab. 4 The eigenvalues of of the first experimental results |
表4中K1为各因子水平1Ppk值之和,K2为各因子水平2Ppk值之和,K3为各因子水平3Ppk值之和;XK1=K1/3,XK2=K2/3,XK3=K3/3;R=max (XK1、XK2、XK3)–min (XK1、XK2、XK3)。
3 改进实验 3.1 实验设计根据初始实验,发现4因子在最佳水平处有3个因子出现异常(表5),因此对因子水平重新作了调整,调整后的因子水平如表6,因子水平调整后的实验方案如表7。
![]() |
表 5 初始实验4因子最佳水平 Tab. 5 The optimal levels of 4 factors of the first Experiment |
![]() |
表 6 改进实验影响因子及水平 Tab. 6 The factors and their levels of improved experiment |
![]() |
表 7 改进实验方案 Tab. 7 The improved experimental program |
实验在D公司无尘车间进行,使用材料、设备、环境均与批量化生产相同,实验者、实验机台均固定,实验时间为2016年5月20日全天。改进实验与初始实验除实验日期不同外,其他均相同。
3.3 实验结果与分析实验共得9组数据,利用软件Minitab计算出工序能力指数系列,见图2(Ppk与Ppl为同一曲线,Cpk与Cpl同一曲线)。图2显示,样本平均值均小于目标值,标准偏差在控制水平以内,工序能力指数有了较大提升,整体过程能力Ppk达到0.63,比初始实验增加了0.17,提高比率为36.96%。工序能力指数提高说明印刷因子参数(网高、速度、压力、烘干温度)更为合理。将本次实验的特征值汇总如表8,得出4因子对精度影响顺序为:温度>网高>速度>压力,结果与前次实验有变化。最佳水平如表9,与前次实验有不同。
![]() |
图 2 改进实验结果 Fig. 2 The results of improved experiments |
![]() |
表 8 改进实验结果特征值 Tab. 8 The eigenvalues of improved experimental results |
![]() |
表 9 改进实验因子最佳水平 Tab. 9 The optimal levels of improved experimental factors |
改进实验从给定的3个水平数值中找出了最佳的因子水平,对提高片式电感器印刷质量具有重要意义。为证明上述实验结果的正确性,实验组在7月30日进行了验证实验。实验以4因子最佳水平为条件,实验过程与前述实验完全一致,实验使用材料、设备、环境均与批量化生产相同,实验者、实验机台均相同,实验时间为连续的1d。实验步骤是按最佳水平参数膜片进行印刷测试,每类印刷25张,将印刷好的膜片进行精度测试,对测试数据进行分析,上午和下午各进行了一次,共得出2组数据,将实验数据用软件Minitab进行工序能力计算,样本均值接近目标值,整体过程能力Ppk为1.10和1.18(表10)。
![]() |
表 10 验证实验结果 Tab. 10 The results of probative experiments |
上述结果与先前实验结果有较大区别,初始实验Ppk值的平均数为0.46,改进实验Ppk值的平均数为0.63。本次实验Ppk分别为1.10和1.18,数值明显高于前期2次实验,表明先前实验得出的4大因子最佳水平有效。
4 结果分析本实验结果具有提高片式电感器印刷质量的效果,D公司在片式电感器印刷中可以参照本实验条件进行生产,即网高1.0 mm,印刷速度80 mm/s,压力0.15 MPa,烘干温度50℃。本实验结果并非最优生产条件,在生产实践中还需要根据实验结果不断改进,实现最优生产,具体应从以下方面加以改进。
1) 网高控制。实验最佳值是三水平中的最高值,可行生产条件的网高可控制在0.9 mm以上,但丝网高度对生产速度影响大,高度大费时多,丝网高度不会越高越好。因此,需要在效率与质量两方面综合考虑丝网高度,需要生产部门在实际生产中总结经验,在速度与效率之间找到平衡点,实现高效高质高产。
2) 速度控制。实验最佳值是3水平中的最低值,即速度90 mm/s。理论上速度90 mm/s以下均是可选条件。速度直接决定生产效率,速度越低,生产越慢,相应成本也越高。当速度小于50 mm/s时,已跟不上其他生产环节,在本环节造成积压,影响生产线正常运行。因此,速度控制在60~90 mm/s时较为理想。
3) 温度控制。最佳水平值是3水平值中的最低值,即55℃。该值并非所有可取水平中的最佳值,极值以下取值均会优于其他2个水平值。因此,低于55℃均可作为印刷中的生产条件。为方便生产,实践中可以室温作为生产温度。
4) 压力控制。实验结果显示该因子3水平最优值为中间水平值,由于各水平值设计间距较大,水平二0.15 MPa也并非0.12~0.2 MPa范围内的最佳值,与0.15 MPa接近的取值均为可行,压力控制在0.135~0.175 Mpa之间较为合理。
5) 影响片式电感器印刷质量的各个要素是相互作用的,对单因子进行改进时应综合考虑其他因子的变化。在生产实践中要不断探索各个因子交互作用对印刷质量的影响,找出最佳的各因子参数,实现最优生产。
6) 网高、速度、压力、烘干温度4因子对印刷质量的影响大,在生产过程中对上述4因子要进行重点管控,建立生产档案,跟踪不同时期4因子变化与产品质量变化,为日后分析4因子与产品质量之间的关系提供基础数据,为实现最优生产提供可能。
5 结论与启示本文针对片式电感器生产中质量问题较为突出的问题,应用正交实验法探讨了片式电感器印刷生产中的印刷质量改进方法,为提高片式电感器印刷质量提供了管理指导。本文主要结论如下:1) 应用正交实验法可有效分析片式电感器印刷质量,特别适合多因素影响下的变量研究,实验结果较好反映了各种因素对片式电感器印刷质量的影响;2) 应用正交实验法发现影响片式电感器印刷质量的4因子对质量影响程度不同,其中烘干温度影响程度最大,而压力影响程度最小,四因子影响程度顺序为温度>网高>速度>压力;3) 应用正交实验法发现片式电感器印刷精度的最佳参数为:网高0.9 mm,速度90 mm/s,烘干温度55℃,压力0.135~0.175 Mpa之间。
正交实验法是优化产品生产工艺方案的方法,也是提高产品质量的方法,特别适用于多因素影响下的产品生产工艺。当产品生产受多因素影响时,因每个因素有多种水平可供选择,依靠经验来选择主观性大,而应用正交实验法选择则省时、省力、省钱。正交实验法是企业质量攻关的重要工具和方法,企业生产中根据正交原理,应用正交实验法可以在材料、设备、工具、能源和劳动力等要素中找到最优值,并且能保证产品质量与数量不降低,不会给企业带来任何损失。正交实验法也是中小企业改善生产工艺与提高质量管理的有效工具。正交实验法可以用较小的时间与成本进行实验,找到优化的生产工艺,提高产品质量的途径,并迅速按实验结果进行生产,大大缩短实验到生产的周期,有效解决中小企业生产和实验的矛盾问题。
影响印刷质量的因子非常多,由于研究时间有限未能对所有因子进行实验,仅完成了4因子3水平的实验,未能对多种因子的影响进行探讨,同时D公司的设备及内部管理现状也会影响实验结果,使研究结果具有某种局限性,未能适用于所有企业印刷生产。今后研究应进一步加大各种因子的相互作用研究,对影响印刷质量的人员、设备、材料、方法、环境、测试六大要素进行综合研究,探寻其协同效应,以更准确揭示影响印刷质量的多种因子及其相互关系。
[1] |
GUMMER B. Total quality management: organizational transformation or passing fancy?[J].
Administration in Social Work, 1995, 19(3): 75-95.
DOI: 10.1300/J147v19n03_05. |
[2] |
李军锋, 龙勇, 杨秀苔. 质量管理的核心活动与基础活动——重庆制造业的实证研究[J].
南开管理评论, 2009, 12(6): 150-157.
LI Junfeng, LONG Yong, YANG Xiutai. Infrastructure practices and core practices in quality management: evidence from Chongqing[J]. Naikai Business Review, 2009, 12(6): 150-157. |
[3] |
奉小斌, 陈丽琼. 质量管理实践、组织学习与企业绩效关系研究——基于浙江制造企业的实证分析[J].
管理评论, 2016, 28(1): 31-41.
FENG Xiaobin, CHEN Liqiong. The relationship between quality management practices, organizational learning and firm performance: an empirical study on Zhejiang Manufacturing Enterprises[J]. Management Review, 2016, 28(1): 31-41. |
[4] |
安翠国, 李荣廷. 浅谈纸张厚度对滚筒式丝网印刷机印刷精度的影响[J].
网印工业, 2002(1): 46-47.
AN Cuiguo, LI Rongting. Study on the impaction of the paper thickness on the accuracy of screen printing[J]. Screen Printing Industry, 2002(1): 46-47. |
[5] |
胡更生. 影响丝网印刷墨层厚度的因素[J].
丝网印刷, 1998(4): 9-11.
HU Gegnsheng. The factors inferencing on inkdeposit in sceern printing[J]. Screen Printing, 1998(4): 9-11. |
[6] |
MITRA A E, MEHRAN S H, ARGHAVAN F. Effect of technical parameters on porous structure and strength of 3d printed calcium sulfate prototypes[J].
Robotics and Computer Integrated Manufacturing, 2016, 37(c): 57-67.
|
[7] |
NOH J, KIM I, PARK S H. A study on the enhancement of printing location accuracy in a roll-to-roll gravure offset printing system[J].
The International Journal of Advanced Manufacturing Technology, 2013, 68(5): 1147-1153.
|
[8] |
施国运, 董娜, 张逸新. 基于Kubelka-Munk理论的专色印刷效果分析[J].
光散射学报, 2009, 21(1): 88-94.
SHI Guoyun, DONG Na, ZHANG Yixin. The effect analysis for solid color print basedon Kubelka-Munk Theory[J]. The Journal of Light Scattering, 2009, 21(1): 88-94. |
[9] |
AZANAGA R M, GONZALEZ G, REAVIL L. An empirical investigation of the relationship between query improvement techniques and performance: a Mexican case[J].
Journal of Quality Management, 1998, 3(2): 265-292.
DOI: 10.1016/S1084-8568(99)80117-5. |
[10] |
何桢, 路璐. 制造企业质量管理要素及竞争力分析[J].
天津大学学报(社会科学版), 2008, 10(1): 24-29.
HE Zhen, LU Lu. Analysis of quality management elements and competitiveness of manufacturing enterprises[J]. Journal of Tianjin University(Social Sciences), 2008, 10(1): 24-29. |
[11] |
杨芷晴. 基于国别比较的制造业质量竞争力评价[J].
管理学报, 2016, 13(2): 306-314.
YANG Zhiqing. The evaluation on national quality competitiveness: an international comperative study[J]. Chinese Journal of Management, 2016, 13(2): 306-314. |
[12] |
文东华, 潘飞. 全面质量管理与管理控制系统的适配性研究——基于权变理论的视角[J].
财经研究, 2008, 34(8): 133-143.
WEN Donghua, PAN Fei. The fit between total quality management and management control system: a contingentcy perspective[J]. Journal of Finance and Economics, 2008, 34(8): 133-143. |
[13] |
付睿臣, 毕克新. 制造业企业信息化内涵与建设模式研究——以海尔为例[J].
科学学与科学技术管理, 2009, 30(6): 140-144.
FU Ruichen, BI Kexin. The research on concept and construction mode of manufacturing enterprise informatization——Based on the case of Haier Group[J]. Science of Science and Management of S.&T., 2009, 30(6): 140-144. |
[14] |
刘瑞江, 张业旺, 闻崇炜, 等. 正交试验设计和分析方法研究[J].
实验技术与管理, 2010, 27(9): 52-55.
LIU Ruijiang, ZHANG Yewang, WEN Chongwei. Study on the design and analysis methods of orthogonal experiment[J]. Experimental Technology and Management, 2010, 27(9): 52-55. |
[15] |
黄鹍, 陈森发, 亓霞, 等. 基于正交试验法的神经网络优化设计[J].
系统管理学报, 2004, 13(3): 272-275.
HUANG Kun, CHEN Senfa, QI Xia. Neural network optimal design based on orthogonal experiment method[J]. System en Gineerinng- Theory Methodology Applications, 2004, 13(3): 272-275. |