五千年(敝帚自珍)

主题:关于FMEA分析软件和质量问题管理软件的交流与出海请教(一) -- 来路

共:💬4 🌺29新 💬4 🌺3
全看树展主题 · 分页首页 上页
/ 1
下页 末页
家园 关于FMEA分析软件和质量问题管理软件的交流与出海请教(一)

很久没有下河了,今天带着这几年做的事情和思考,以及一些关于出海问题的请教发个帖😁

国内工业各个领域经过多年的发展,一方面不断追赶世界先进理念和技术,另一方面也有了很多自己的思考和进步,不断的创新。这其中的工业软件领域也大致如此。但是相较于已经大量出口的各类工业品,工业软件的出海仍是远远落后。

如果我们把工业软件粗略分为针对技术问题进行分析的工具软件和针对工业产品的实现过程的过程管理软件,在工具软件领域虽然对以MATLAB为代表的软件仍然无法完全实现国产替代,但是已经有了不少进展,而过程管理软件的国产替代早已是百花齐放,不但可以完全替代,并且基于国内的过程管理场景进行了很多创新。

我所在公司的核心产品是FMEA(Failure Mode and Effects Analysis,失效模式及后果分析)分析软件,它属于工具软件,但偏向于逻辑分析方法,而不涉及建模、仿真,以及相应的底层核心算法等。但即使是在这个小的领域,在2019年之前仍然是欧美软件稳坐前列。在汽车行业,从我们于2018年底直面德国公司的竞争,签下第一个整车研发企业合同开始,连续与欧美公司直接竞争并拿到订单。到2022年、2023年,欧美FMEA软件已经基本淡出这个市场的争夺。

FMEA分析方法源于美国,最早在军方标准MIL-P-1629(1949年)中出现,其后修订为MIL-STD-1629A,用于对装备和系统可靠性的评估。20世纪60年代初,美国国家航空和航天局(NASA)在阿波罗计划中也开始使用FMEA。70年代福特将这一方法论导入到汽车行业,从此FMEA开始进入发展应用的快车道,也在欧美有了不同的分支。在欧洲,VDA制定了FMEA标准,在美国,AIAG也编制了FMEA手册,并借由QS-9000和VDA质量管理体系在全行业得到快速推广。为了协调以AIAG为代表的美国汽车企业和以VDA为代表的欧洲汽车企业,以及其他区域汽车产业的发展对统一的汽车质量体系的管理要求,由世界上主要的汽车制造商及协会于1996年成立了一个专门机构,称为国际汽车工作组 International Automotive Task Force (IATF)。2002年3月1日,ISO与IATF公布了国际汽车质量的技术规范ISO/TS16949:2002,这项规范适用于整个汽车产业生产零部件与服务件的供应链,包括整车厂,并展开相应认证工作。FMEA与APQP、PPAP、SPC、MSA并称为这个体系的五大核心工具,从此在世界范围的汽车行业得到更广泛的应用。

我们国家在上世纪 七八十年代,随着工程中开始应用可靠性技术分析,FMEA 的概念和方法开始被引入。1985年10月,国防科工委颁发的《航空技术装备寿命和可靠性工作暂行规定(试用)》中肯定了 FMEA 的重要性。1985 年和 1992年我国相继颁布了进行FMEA和 FMECA 的国家标准(GB7826)和国家军用标准(GJB1391)。在航空、航天、兵器、舰船等军工领域,FMEA 方法均获得了一定程度的普及。而且在1987年中国国家标准局等同采用了IEC812-1985 技术标准,制定了国家标准 08/17826-1987《系统可靠性分析技术失效模式和效应分析(FMEA)》程序。但是由于这些行业本身的行业封闭性,FMEA方法并没有在民用工业领域得到自主推广发展和应用,而是随着合资汽车企业的建立,以及相应质量体系审核的开展而兴起。

随着2002年ISO/TS16949版本的发布,FMEA在世界范围的汽车产业链都得到了广泛应用,但是FMEA方法论直到这个时候却并不完全一致。让我们再回到前面提到的美系AIAG和德系VDA,他们都采用了FMEA方法,但却不是同一个路子。AIAG发展出了标准化的表格,使用者只需要跟随表格项按照表格逻辑填写相应内容就可以,VDA发展出了5步法,需要从结构分析、功能分析、失效分析、风险分析、优化递进识别。相较而言,填表法比较简单,根据表格要求的内容去填写就可以,省心省力,所以国内企业在客户不做明确要求的情况下,都选择了填表法。但是填表法只能记录书写的内容结果,并不能充分反映出真正的分析过程,对于真正的风险分析识别来说,存在先天缺陷。从这个角度来说,VDA的5步法强调逐步递进,逻辑清晰,有助于识别其中的风险。但是VDA的分析方法里更侧重结构逐层展开后,直接上下级之间的功能、失效的关联性,对于不同分支节点之间的功能、失效关联分析没有提供很好的方式。

我们公司的创始人在意识到这一点以后,开始想要结合这两种方法,通过结合VDA的5步法和AIAG的框图界面接口分析,让FMEA能真正有效的使用起来,真正发挥它强大的分析能力。他也意识到必须跳出填表,使用软件来辅助FMEA分析。于是公司从2016年开始做FMEA中的DFMEA(Design Failure Mode and Effects Analysis,设计失效模式与影响分析)结构化分析软件,而且考虑到分析过程中的知识沉淀,增加了知识库的管理功能。这里展开一下,我们通常所说的FMEA分析方法主要包含两类,一类是对通过特定结构去实现产品设计的功能所作的DFMEA分析,另一类是对通过特定顺序过程把产品生产制造出来所作的PFMEA(Process Failure Mode and Effects Analysis,过程潜在失效模式及影响分析)分析。我们把这种VDA的5步法和AIAG框图方法结合的方式称为6步法,率先提出来6步法这个叫法。2017年2月,我们完成了DFMEA的6步法版本的开发,开始对外推广进行软件演示和使用交流。巧合的是,AIAG和VDA也在讨论FMEA方法论的融合,并在2017年11月份发布了草稿版本,也是在VDA的5步法基础上加上了框图分析,也称为6步法。虽然和我们的有些不同,他们叫6步是因为在5步前面加了1个“定义范围”的步骤,所以称为6步。但是因为简称一样,而且核心都是把框图纳入到5步法里来,强化了界面接口分析,我们相当于是提前了一步。

这个契合和时间差给我们对外交流带来了不少加分。在其他机构还在研究AIAG-VDA新版FMEA草稿版的时候,我们于2018年3月又完成了PFMEA结构化分析功能的开发,并同时上线了团队协同功能,让复杂项目的FMEA团队协同分析,成为可实施落地的工作方式。这时候开始,我们对外的交流越来越多,越来越多的汽车行业企业和质量培训机构开始跟我们联系。到2018年11月,我们完全符合AIAG-VDA的6步法FMEA分析软件系统FMEA Master V4.0版本优化完成并正式发布。在这一年的12月份我们也签下了首个整车研发企业的订单。紧接着我们根据AIAG-VDA新版FMEA草稿版的征集意见和反馈,加上了第7步“结果文件化”,于2019年5月份发布了FMEA Master V5.0版本。AIAG-VDA新版FMEA的正式版本在2019年6月正式发布,新版的FMEA分析7步法正式确定,我们也在7月拿到了第二家整车研发企业的订单。

通宝推:方恨少,qq97,广宽,onlookor,审度,菜根谭,zwx650,
家园 聪脉
家园 关于FMEA分析软件和质量问题管理软件的交流与出海请教(二)

谢谢大家花和通宝的肯定,我就接着继续说了哈😁

2019年我们再接再厉,年底又签下一家整车企业。但是紧接着的2020年,因为疫情迅速爆发和各种管控措施,让大家措手不及,各种出差拜访和交流都停顿下来。后半年才逐渐又开始更多的交流和拜访,也签下了汽车供应链的一些一级和二级供应商,但是整车厂没有什么突破。2021和2022是订单爆发的两年,传统整车企业和新势力都陆续签下好几家,而且还成功签下工程机械行业两家头部企业,同时家电行业、通讯行业和半导体行业也有头部企业导入我们的FMEA系统,这时我们的知名度已经从汽车行业出圈了,成为这个领域大家公认的领头羊。

与此同时,我们也面临着新的问题。无论是软件行业的竞争同行还是质量咨询行业合作的机构老师,都没想到这么一个小而专的领域能做到这么好的效果。于是国内同行的模仿和竞争开始兴起,有些以前合作的老师开始抄袭并把我们拉黑,我们给客户的文档开始被到处传。无论是一直做可靠性相关国外软件代理的代理商,还是深耕质量培训的咨询机构老师,都比我们有更多的人脉和信息资源,我们有一些订单在这个过程中特别遗憾的没有拿下来。不过这种模仿,虽然可以仿照我们的页面,但是他们的人员并不能完全理解我们的设计理念思路和其中的一些使用关联和逻辑。他们接到了订单也做的很不顺,甚至有家公司虽然中了某家整车企业的FMEA软件系统标的,但是那家整车企业却要另招一个标,让我们去给他们做FMEA实施辅导。这是另一种对我们能力的认可。软件可以模仿,但是知识的理解和运用能力是代替不了的。我们通过短短几年的努力,已经形成了从需求调研、产品规划、开发、测试,到实施和咨询的完整的团队,并且通过内部培训和具体项目磨炼,积累了丰富的FMEA实践理论。这种知识积累厚度和团队人才培养的厚度,是其他靠模仿来跟随的公司所不具备的。于是2023年我们在历经5年的交流,以及客户多次对比选择之后,又标志性的签下了新能源汽车行业的领军整车企业。

2022年,国内知名投资公司在做了几轮充分的市场调研之后,充分肯定了我们在这个小而专的领域里远远领先的做到了行业第一的成绩,并对我们进一步的在汽车、机械、通讯、家电、航空航天、半导体等行业进行拓展寄于了厚望,牵头进行了注资投资。我们在拿到投资以后,进一步补实加强了人才队伍,在前期开发的基础上,对早就有心去做的拓展功能模块进行了规划,延续了我们不断进取的节奏。整体回顾来看,从2019年我们发布V5.0版本以后,我们又在2020年开发完成FMEA-MSR(FMEA for Monitoring and System Response 监控及系统响应FMEA)模块和已发问题经验库模块,并发布V6.0版本。2021年我们结合自己的思考,在业内首先开发实现了MFMEA(Machinery Failure Mode and Effects Analysis,设备潜在失效模式及后果分析)模块,发布了V7.0版本,并申请了相应的专利。2022年发布了FMEA Master V8.0版本,包含了新开发的FMEDA(Failure Modes Effects and Diagnostic Analysis,故障模式影响和诊断分析)模块和FTA(Fault Tree Analysis, 故障树分析)模块。

这里我们稍微展开一下2020年开发完成的已发问题经验模块与2022年的FMEDA和FTA模块。FMEA的全称是叫做失效模式和影响分析,是一种在产品设计定型和生产之前,通过结构(DFMEA)/过程(PFMEA)分析、功能/特性分析、失效分析、风险分析和优化分析,来确定潜在失效模式及其原因的分析方法。它的重点在于设计定型和生产“之前”对“潜在”失效的分析,降低风险,而所有产品在设计定型和生产“之后”,仍然可能暴露出一些没能提前识别出来并有效降低的风险,这就是与“潜在”对应的实际“已发”的质量问题。从质量管控的角度来讲,如果我们既提升对“潜在”失效的识别能力,又提升对“已发”问题的解决能力和管理,那不就可以把风险有效管起来,提升质量水平了嘛。这其中的已发问题,分析到最后,最终也是落到具体的分析对象或者分析对象之间的界面接口功能/特性的失效上,这就和FMEA分析对应上了。我们把这种对应理解为“闭环”,已发问题的经验可以纳入后续同类FMEA分析,规避或者减少同样问题的发生,在下一产品定型前提高风险规避能力,实现质量的螺旋上升。所以我们开发了经验模块,用以实现已发问题经验和FMEA的打通,同时也预留了数据接口,可以和客户已有的质量问题管理系统进行集成和数据打通。这也是我们在行业内首先去思考和做的事情。那么2022年我们发布的FMEDA和FTA模块,意义又在哪里?FMEA这种分析方法虽然对失效有S(Severity,严重度)、O(Occurrence,频度)、D(Detection,探测度)的打分,用以评估风险的程度,但是它无法确切回答失效发生的失效率,即单位时间内发生失效的概率。ISO 26262《道路车辆功能安全》国际标准对汽车电子电气系统的安全分析推荐了两类方法:归纳分析 (Inductive analysis)和演绎分析 (Deductive analysis)。FTA对应归纳分析,FMEA和FMEDA对应演绎分析。其中的FMEDA是在FMEA的分析思路基础上,加入底层故障的各个故障模式失效率(failure rate)和故障模式占比(failure mode distribution)、 故障模式的诊断及诊断覆盖率(Diagnostic Coverage)发展而来,并作为对电子元器件的量化随机硬件失效分析方法而为人所熟知。而FTA定量分析则被广泛运用于计算电子电器系统的随即硬件失效率是否满足硬件架构度量的评估(Evaluation of the hardware architectural metrics)、随机硬件失效导致违背安全目标的评估(Evaluation of safety goal violations due to random hardware failures)。言简意赅的来说,就是我们开发了定量分析的FMEDA和FTA,使FMEA Master系统不仅仅作为符合AIAG-VDA FMEA手册方法的系统,同时满足ISO 26262标准要求的分析能力。对于既要按照IATF 16949,又要按照ISO 26262来进行开发工作的车企来说,我们具备了这样的能力,能提供这样一个统一的平台,使相关工作更容易开展和统一管理。

技术发展日新月异,从2022年底开始,讨论最热的莫过于人工智能AI技术。我们也在Chatgpt 3.5发布以后迅速跟进,思考AI对于FMEA工作可能的帮助,并成立了专门的小组。2023年底,我们结合了AI功能的,面对中小企业和个人用户的轻量版FMEA系统,SaaS版本的FMEA Coach上线。因为SaaS版本在线服务的优势,便于调用外部大模型系统的反馈,所以我们是在FMEA Coach上先实现了AI辅助功能,从整理文件、编写FMEA、检查、优化分析结果、答疑解惑等方面,全方位辅助用户完成FMEA分析。2024年的年中,我们又面向在企业内网部署专业版本FMEA Master系统的用户,推出了AI问答、AI创作和AI评审功能,并支持部署本地大模型和本地数据知识库集成,解决了企业对内网数据和外部大数据模型交互的保密性担心,以及本地分散的多种格式文档的分散数据怎么纳入到大模型中去有效应用的问题,再进一步。

聪脉
家园 哈哈,是的

你之前有接触了解过是吗😄

全看树展主题 · 分页首页 上页
/ 1
下页 末页


有趣有益,互惠互利;开阔视野,博采众长。
虚拟的网络,真实的人。天南地北客,相逢皆朋友

Copyright © cchere 西西河