Part of the 8D methodology (D0–D8).
Discipline 2 (D2) 是整个 8D 的基础。正如查尔斯·凯特林所说:“一个描述清楚的问题已经解决了一半。”D2 使用 5W2H 框架来创建一个精确、基于数据且消除歧义的“问题陈述”。
1. 5W2H 深度剖析 一份专业的 D2 描述应包含以下七个问题的具体数据,而非笼统的描述: - 谁 (Who):哪个客户报告的?生产线上是哪个操作员?哪个检查员漏检了? - 什么 (What):具体的缺陷是什么?用技术术语描述物理失效模式(例如,“P3 焊点处有 0.5mm 径向裂纹”)。 - 哪里 (Where):缺陷是在哪里检测到的?(在客户处?终检?IPQC?)。缺陷位于零件的什么位置?(顶部、底部还是内部?)。 - 何时 (When):何时发现的?零件何时生产的?这需要查阅班次日志和日期代码。 - 为什么 (Why):为什么这是个问题?这指的是规格。例如,“规格要求拉力 >10kg;实际批次测试值为 4kg。” - 如何 (How):缺陷是如何检测到的?(人工检验、AOI、功能测试或现场失效)。 - 多少 (How Many):影响程度有多大?嫌疑总数是多少?实际缺陷数是多少?计算 PPM 以了解严重程度。
2. 是 / 不是 (Is / Is-Not) 分析:对比的力量 D2 中最有效的工具之一是将问题与“它不是什么”进行对比: - 是:裂纹出现在使用模具 A 生产的零件上。 - 不是:裂纹从未出现在使用模具 B 生产的零件上。 这种对比可以立即将调查范围缩小到模具 A 的特定变量上,从而为团队节省数周不必要的调研时间。
3. 视觉证据与“卷宗” 专业的 D2 总是包含视觉化的证据: - 缺陷的高分辨率微距照片。 - 突出显示失效区域的 CAD 图纸。 - “合格品”与“不合格品”的对比照片。 - 标注过的电路图或装配图。
4. 对问题陈述达成共识 在推进到 D3 或 D4 之前,每个团队成员和赞助人必须对“问题陈述”达成一致。如果描述是“电机噪音大”,团队会失败;如果描述是“X-123 型电机在 3000 RPM 时发出 45dB 的高频啸叫”,团队就有了明确的目标。
Generate D2 with AI
Use the AI 8D Generator