2002年以來，中國的汽車行業逐步成為一個輝煌的行業，各汽車公司及其零部件供應廠家在中國民眾的購車熱潮中成為最大的贏家，幾乎每個車廠的大部分車型都成為大眾的關註，預計這股熱潮將伴隨著中國經濟的持續發展而繼續一段時間。
即使在這種大好形勢下，我們必須清醒地認識到，目前的熱度是不可能永遠下去的。在隨著WTO進程的發展，隨著百姓的購車水平的提高，國內的汽車行業將會面臨巨大的挑戰。挑戰之一就是：汽車供應鏈上整車廠和零件供應商如何針對日益激烈的競爭而增加汽車整個供應鏈的質量管理能力並與國際接軌。
作為汽車供應鏈龍頭的整車廠，其面臨著如何引導和推動整個供應鏈的質量管理體系發展，共同實現「預防缺陷，持續改進，減少整個供應鏈的變異和浪費」的目標，最終達到用戶滿意。而對汽車供應鏈上的最廣大的零部件供應商，其面對的諸多問題之一就是如何應對不同的汽車整車廠的不同的質量管理體系要求。
從通用、德爾福、豐田、本田等美日領袖型企業的成功經歷來看，基於數據驅動的持續改善活動是它們長期保持競爭力的法寶之一。汽車行業一向非常重視數據分析，如早期的行業規範TS16949質量體系的五大工具手冊中，就有兩類（「測量系統分析」和「統計過程控制」）是專門從統計分析的層面上介紹質量改進的作用和方法。近年來在汽車業界逐步興起的基於JMP等統計軟件的六西格瑪運動也體現了這個特點。
與美日企業相比，中國的汽車行業在這方面的差距非常明顯。因為長期以來，中國人習慣了「拍胸脯式」的服從命令的工作模式和「拍腦袋式」的經驗導向的思維方式。哪怕有些領導意識到這一缺點，想扭轉這一局面，也常常會無奈地發現員工素質差異很大，尤其是不具備相當的統計分析技能。
幸運的是，信息技術的飛速發展為我們縮小差距、提升質量提供了契機。以高端統計分析工具JMP為代表的桌面式統計軟件在奇瑞等國內汽車企業中日益普及，大大減輕了廣大非統計專業的工程技術人員的數據計算負擔。更重要的是，應用JMP軟件提供的圖形分析技術、高級試驗設計等工具，企業可以用科學客觀的分析思路，解決之前長期被困擾的很多實際質量問題，劣質成本成倍下降，生產效率顯著提高。
下面將結合一個成功案例幫助大家理解如何在汽車行業中應用統計技術。
背景介紹：某汽車發動機氣缸是由缸體、缸蓋、活塞、活塞軸承、連桿、桿軸承和機軸裝配而成（如圖一所示）。目前令氣缸總裝車間頭痛的是，雖然各個零部件的尺寸都達到原先的規格要求，但總裝在一起後總會有相當比例的成品裝配過松或過緊，每個批次都要花費大量額外的返修成本。公司雖然已經意識到應該調整零部件的尺寸規格，但卻無法確定：調整哪一個或哪幾個零部件最有效？該零部件的公差範圍又該調整到什麽程度最為合適?
圖一 發動機氣缸的結構簡圖
首先，本著量化管理的原則，我們可以將這個產品質量特性定義為裝配間隙（ = 缸體 + 缸蓋 – 活塞 – 活塞軸承 – 連桿 - 桿軸承 - 機軸）。最終的裝配結果不能太松或太緊，也就是說必須將裝配間隙的公差規格界定在一定的範圍，如[0.005,0.015]之間。
其次，我們再觀察一下在各零部件滿足當前規格要求的情況下，即缸體～8.50121±0.00468，缸蓋～0.70921±0.00219，活塞～2.00156±0.0011，活塞軸承～0.25035±0.00114，連桿～5.00017±0.00327，桿軸承～0.20008±0.00099，機軸～1.74825±0.00249時，裝配間隙的質量水平如何。通過專業統計分析軟件JMP強大的模擬和圖形功能，不難發現此時的不良率達到了4.96%，PPM達到了49600（如圖二所示）。
圖二 當前的裝配間隙的質量水平
顯然將近5%的裝配不良率是無法達到大規模生產要求的，應該從哪裏突破尋求改進呢？為了解決這個問題，我們先了解一下總體缺陷率的概念。以零部件「活塞」為例，活塞的長度參數不合適，無非會產生兩類缺陷：一是由於參數過大而造成的成品裝配間隙過小，即裝得過緊；二是由於參數過小而造成的成品裝配間隙過大，即裝得過松。這兩類缺陷不能同時降到最低，只能在某個位置達到總體最小。這個位置就是圖三中紅色的總體缺陷率曲線的最低點。其他零部件也有類似的總體缺陷率曲線，只不過最低點不同，曲線的陡峭程度不同而已。
圖三 總體缺陷率形成的示意圖
同樣，運用專業統計分析軟件JMP可以快速方便地制作出如圖四所示的所有零部件的缺陷率圖。顯然，所有零部件的均值都已達到其總體缺陷率曲線的最低點，但缸體的陡峭程度最明顯，說明它對裝配間隙的缺陷率最敏感，調整它的規格限能夠最顯著地提高成品的質量水平。
圖四 當前各零部件的缺陷率圖
因此，我們決定將缸體的規格限由原先的8.50121±0.00468縮小為8.50121±0.00234（即標準差減小1/2），其他零部件的規格限保持不變，改進後的結果如圖五所示。註意到此時用專業統計分析軟件JMP模擬後得到的裝配不良率降低到1.76%，PPM降低到17600，與改進前的質量水平相比，效果非常顯著。當然，這個結果並不是最最理想的，不過，我們也可以延續剛才的分析思路，一步一步地找到改進的零部件對象進行改善並驗證，直到獲得令人滿意的裝配不良率為止。
圖五 改進後的裝配間隙的質量水平
以上的案例分析中體現了公差設計的統計分析理念，但在使用統計分析軟件JMP實現具體操作時非常簡便，不需要特別的統計知識才能理解，而且與傳統的試驗設計相比，節省了大量的試驗數據的收集成本，所以深受國內外汽車企業持續改善實戰人士的喜愛。
統計技術在汽車行業的應用還遠遠不止這些，中國汽車產業鏈的整體競爭力提升也不能僅僅依靠統計技術。但不容置疑的是，統計技術為缺乏量化思考的中國企業和員工在解決實際問題時提供了一個新思路、新方法。而且隨著統計分析軟件JMP的日益普及，從業人員將不再需要死記硬背繁雜的數學公式，不再需要把浪費寶貴的時間在推導計算上，這必然會加速我國汽車質量的突破和創新，早日步入世界先進汽車制造國家的行列。
