联系电话
13631572573
这家实验室做陶瓷粉体中试，月产约200批，客户端合格率长期在80%左右。不良表现为三类：粉体粒度分布波动占40%，烧结后密度不均占35%，颜色发灰占25%。
他们原有检验方式是每批测粒度和外观，不合格的批次降级处理。问题在于不合格批次已经流向客户，客诉率每月有四五起。
数据统计发现，同一台设备不同操作员做的结果差异达8%，夜班比白班偏差大。这说明问题不在设备，而在操作一致性。
设备方面有两台管式炉，一台2019年投产，一台2022年投产，两台共用同一套工艺文件。老炉温场均匀性实测±8℃，新炉±4℃。共用文件是差异来源之一。
| 不良类型 | 占比 | 主要怀疑 | 发现环节 |
|---|---|---|---|
| 粒度分布波动 | 40% | 温场不均、装料位置不一 | 厂内检测 |
| 烧结密度不均 | 35% | 气氛置换不充分 | 客户端 |
| 颜色发灰 | 25% | 密封圈泄漏、气氛含水 | 厂内外观 |
改善从记录开始。每批实验记录六项：日期、操作员、设备编号、装料位置、气氛流量、温度曲线编号。之前这些数据散在各人笔记本上，无法做趋势分析。
记录做了一个月后，规律浮现：夜班操作员在升温段常把速率调到8℃/min以节省时间，比白班快3℃/min；老炉的不良率比新炉高60%。这两个发现指向操作一致性和设备差异两个方向。
第二步是把温度曲线在控制系统内设为只读，操作员只能调用不能修改。需要调整时由工艺员授权并记录原因。这一条实施后，升温速率偏差立刻消失。
对两台炉分别做带载温场校准。老炉恒温区实测只有180 mm，新炉有280 mm。之前共用工艺文件，老炉样品放在新炉的恒温区位置，实际在老炉里处于边缘低温区。
处理办法是分炉建配方：老炉保温时间延长1小时，升温速率降低1℃/min，并把装料区限制在中心150 mm；新炉按原曲线运行。分炉后两台炉的粒度差异从8%降到3%。
老炉的长期方案是改造温场，增加一个中间温区。改造后恒温区从180 mm扩展到260 mm，装料量提升约40%。改造投资约为新炉的20%。
密封圈每季度强制更换，不管是否漏气。这一项花小钱，堵住了颜色发灰的主要来源。
| 指标 | 改善前 | 改善后 | 手段 |
|---|---|---|---|
| 批次合格率 | 80% | 95% | 记录+曲线锁定 |
| 操作员间差异 | 8% | 3% | 曲线只读 |
| 两台炉差异 | 6% | 2% | 分炉建配方 |
| 颜色不良率 | 5% | 1% | 密封圈季度更换 |
粉料进厂增加两项检测：含水率和粒度分布。含水率超过2%的批次先烘干再用；粒度D50偏差超过5%的批次先做小样试压。
气氛侧也做了准入：高纯气加干燥过滤器，每批实验前检查过滤器压降。压降超过设定值提示更换干燥剂。这一项让颜色发灰的批次从每月4批降到每月0.5批。
四步走完后，过程数据稳定，此时再引入统计过程控制才有意义。之前直接上控制图，只会看到一堆噪声。
案例：一批粒度异常的72小时追溯
改善过程中有一批粒度D50偏高20%。按追溯流程，先查炉次记录：该批在老炉做，曲线编号正确，操作员白班。
接着查物料：粉料批号显示为当月新进批次，含水率2.8%，超过2%准入线，但当时质检记录显示合格，因为只抽检了表层取样。后来改为整批混合后取样，问题堵住。
再查设备：老炉当月未做温场校准，上次校准是两个月前，实测偏差9℃。两个因素叠加，烧结温度偏低，晶粒长大不足，粒度偏大。
处理结果：该批降级处理。粉料取样改为整批混合检测，老炉恢复每月一次温场校准。两周后同类问题未再出现。这个案例说明，追溯的价值在于发现多因素叠加，而不是单一原因。
Q1：管式炉实验要记录哪些数据？
至少六项：日期、操作员、设备编号、装料位置、气氛流量、曲线编号。记录越完整，追溯越快。
Q2：两台炉要分开建配方吗？
温场差异明显时必须。先做带载温场测试，差异超过5℃就分炉管理。
Q3：曲线为什么要锁定？
防止操作员为赶产量修改速率。曲线锁定后，操作员只能调用，变更需授权。
Q4：温场多久校准一次？
每月一次带载温场测试，每半年一次热电偶校准。发现偏差立即调。
Q5：密封圈多久换？
每季度强制更换，不管是否泄漏。通腐蚀气体的每月换。
Q6：粉料进厂要测什么？
含水率和粒度分布。含水率超2%先烘干，粒度偏差大先做小样。
Q7：什么时候引入统计控制？
过程稳定后再引入。先把记录、曲线、校准、准入做好，再上控制图。
Q8：客诉数据怎么用？
与客户约定每月交换数据，用客户端表现校准厂内控判据。厂内指标合格但客户端不良，说明判据偏松。
Q9：改善周期一般多久？
本例用了五个月。前两月建记录与锁定，第三月校准与物料准入，第四月固化。急于求成只改参数不改系统，效果不稳。
Q10：新员工怎么上手？
把工艺曲线、装料位置、记录要求整理成一页作业标准，新员工按标准执行即可。文件化让改善不依赖个人。
Q11：改善效果怎么衡量？
三个指标：批次合格率、操作员间差异、客户端不良率。三者同时改善，才是真实改善。
Q12：东莞志远工业设备能提供什么？
可提供带载温场校准、曲线锁定功能配置、季度维护包等服务，以及现场质控体系搭建。
厂内数据再完整，也要和客户端数据对照。该厂与客户约定每月交换一次数据：厂内提供粒度、烧结密度、颜色照片，客户提供下游加工良率与批次反馈。交换后发现，厂内颜色合格的批次，客户在高温使用后仍有轻微变色，说明内控标准偏松。
另一个发现是粒度D50在2.5 μm以上的批次，客户加工时刀具磨损明显加快。据此把内控D50从3.0收紧到2.2 μm。这一调整让客户刀具寿命延长20%，客户粘性明显上升。
数据闭环不是单向的。厂内发现某批次客户反馈好，反向追溯该批次的工艺参数，作为标杆固化；客户反馈差的批次，反向找差异点。双向追溯让工艺优化有了真实依据。
建立数据闭环需要客户配合，切入方式是从联合异常分析开始。先用一两次具体客诉建立信任，再过渡到定期交换。不要一开始就要求客户开放全部数据，难度太大。
| 数据项 | 厂内提供 | 客户提供 | 用途 |
|---|---|---|---|
| 粒度分布 | 每批D50 | 加工刀具磨损 | 收紧内控标准 |
| 烧结密度 | 每批检测 | 下游成品良率 | 校准判据 |
| 颜色外观 | 每批照片 | 高温后变色情况 | 发现隐性问题 |
数据闭环的收益不只是不良率下降，还包括客户审核通过率上升。有完整的批次追溯与控制图，客户现场审核从两周缩到三天。供应商支持客户审核陪同与体系文件整理。
第一个弯路是只换设备不改流程。新设备到了，操作习惯没变，结果改善有限。设备只是工具，流程才是系统。
第二个弯路是全检代替过程控制。全检能筛出不良，但不能降低不良产生率，成本反而上升。正确做法是把控制点前移到过程参数。
第三个弯路是控制图建得太早。数据基础不稳时建图，控制限被异常值拉宽，后续报警不出来。先做三个月数据清洗与设备校准。
第四个弯路是只改工艺不改工装。压头不平、托架过薄这类问题，调参数补偿不了，必须改工装。
设备与流程之外，人员是第三个变量。同一台设备，不同操作员做出来的结果差异可达8%。把曲线锁定后，差异降到3%，但操作细节仍有影响，比如装料速度、坩埚放置位置。
解决办法是把操作标准化。写一页作业指导书，规定坩埚放在托架的哪个位置、样品摊多厚、气体流量调到多少。新员工按指导书操作，结果与老员工接近。
制度方面，每季度做一次温场校准与密封圈更换，不管是否出现问题。预防性维护比事后维修成本低。把维护周期写进设备档案，到期提醒。
培训方面，新员工先做三天空白实验，熟悉设备操作与记录流程，再开始正式实验。不要直接让新人独立做正式批次。
考核方面，把批次合格率、记录完整性纳入操作员考核。考核引导行为，只考核产量不考核质量，操作员就会赶产量牺牲质量。
人员与制度的改善不花多少钱，但效果往往比换设备更明显。设备是硬件，流程是软件，人员是使用软件的人。三者配合，体系才能转起来。
该厂改善成功的关键，不是买了新设备，而是把记录、校准、准入、人员培训四件事同时做了。单点改善效果有限，系统改善才持久。
改善完成后，用三组数据呈现效果：批次合格率、操作员间差异、客户端不良率。三组数据同时改善，才能说明改善是真实的，而不是把不良转移到了别的环节。
本例数据：批次合格率从80%升到95%，操作员间差异从8%降到3%，客户端不良率从12%降到3%。三组数据同步改善，说明体系有效。
改善效果还要做长期跟踪。改善后三个月，数据是否稳定？如果改善后立刻反弹，说明改善不持久，可能只是临时调整。持续稳定三个月，才算固化。
成本数据也要算。改善后单位制造成本下降多少？返工与报废成本减少多少？客户审核通过率上升带来的订单收益是多少？这些量化数据是向上汇报与客户沟通的依据。
该厂改善后，单位成本下降15%，返工减少60%，客户审核通过率从70%升到95%。这些数字让改善的价值看得见。
量化呈现的另一个作用是为下一次改善提供基线。有了当前数据，下次改善时知道起点在哪，能衡量新改善的幅度。
改善完成后，体系文件要定期复审。每半年回顾一次作业标准是否需要更新，设备状态是否变化，客户要求是否提高。体系不是建好就不变的，要随业务演进。
该厂改善后，把作业标准、设备档案、客户数据交换流程整理成一份完整的质量手册。新客户审核时直接提供这份手册，审核周期从两周缩到三天。体系文件化不仅是内部管理需要，也是客户信任的基础。
从长远看，质控体系的价值在于让产品质量不依赖某个人。老师傅离职，质量不会波动；新员工入职，按标准就能上手。这种稳定性，是持续获得订单的底气。
质控体系还要覆盖供应商。原料粒度波动、水分超标，都会传到烧结工序。把关键原料的粒度与水分纳入入厂检验，不合格原料直接退回。上游控制住，下游压力小。
该厂后来把原料供应商从五家缩到两家，集中采购量，要求供应商提供每批检测报告。原料一致性提升后，烧结工序的调整量明显减少。
体系改善是持续过程。该厂在良率达到95%后，没有停下来，继续把目标定在97%。每季度选一个改善项目，小步快跑。
这个案例说明，真空管式炉的质控不只是设备问题，而是从原料到人员到流程的系统工程。把每个环节做扎实，良率提升是自然结果。
该厂案例中还有一个经验：改善期间不要同时换太多变量。先换设备校准，稳定一个月；再改原料准入，再稳定一个月。同时改，出了问题不知道哪个有效、哪个有副作用。
小步快跑、每步验证，是改善项目的基本原则。一次只改一件事，效果可衡量、可回退。这个原则不仅适用于质控改善，也适用于工艺调试与设备选型。
从80%到95%的良率提升，不是靠某一个绝招，而是靠校准、记录、准入、培训、数据交换这五件事叠加。每件事单独做效果有限，合在一起就产生了质变。
这个案例的另一个启示是：质控改善要让一线操作员参与。操作员最清楚装料、升降温、取样的细节，他们提的建议往往比工程师在办公室想的更实际。改善项目启动会，一定要请操作员参加。
该厂把操作员的改善建议纳入奖励制度。一条建议被采纳并验证有效，给奖励。三个月收集到二十多条建议，其中七八条直接写进了作业标准。
从这个案例可以看到，实验室级管式炉要做到稳定量产，缺的不是设备，而是把设备参数固定下来的那套管理方法。设备人人能买，方法才是门槛。
方法对了，良率提升是水到渠成的事。
希望这个案例对同行有实际参考价值。
管式炉质控的次序是：先把记录做完整，再锁定曲线，再校准设备，最后做物料准入。跳过前面直接上统计方法，只会得到噪声。
需要质控体系搭建或设备校准服务，可访问真空管式炉质控案例资料，或联系东莞志远工业设备获取现场支持。