产品良率迟迟提不上来，怎么通过 MES 数据定位真正的瓶颈工序？

很多工厂都会遇到同一个难题：最终良率一直卡在某个水平，反复试改设备、调整人员，效果却不明显。大家习惯凭经验判断，觉得问题大概率出在最后一道质检工序，或是现场看起来最忙的工位。但靠经验判断，很容易找错方向，白白浪费改善时间。

MES系统里沉淀了全流程的生产数据，它的价值，不只是用来做工单记录、报表导出，更核心的作用，是帮企业一层层拆解良率损失，找到真正拖垮良率的工序瓶颈。

01

先分清：产能瓶颈

和良率瓶颈，不是一回事

不少人做数据分析时，会把两种瓶颈混在一起。

产能瓶颈，是工序加工速度跟不上，工位前面半成品堆积，拖累整条线的产出；而良率瓶颈，是这道工序本身会持续产生不良品，半成品经过这一步之后，合格数量直接变少，它不一定是产线最慢的工位。

有些工序看着节奏平稳、在制品不多，但它的单次不良占比很高，就是典型的良率瓶颈。如果只盯着产能节拍去分析，很容易把这类质量瓶颈漏掉。分析良率，优先看工序一次良率 FPY，而不是只看最终成品合格率。

02

第一步：用MES拉出

工序良率，做第一层筛选

先从MES导出连续一段时间的工序数据，按工序拆分每一步的一次良率，而不是只看最后总良率。

举个简单例子：一条产线有 5 道工序，总良率 85%。单独拆分后会发现，前四道良率都稳定在 98% 以上，唯独第三道工序良率只有88%，绝大部分不良都产生在这里。这一步，就是首要嫌疑工序。

这里要注意一个坑：不要只看报废数量。有些工序不良之后可以返工，返工之后流到后端，不良会被掩盖，只统计报废数据，会低估这道工序的质量损失。所以统计时，需要把报废、返工都纳入不良统计。

把各工序的不良损失占比做成帕累托图，按照二八原则，优先抓贡献80%不良的那一两道工序，避免全线铺开整改，精力分散。

03

第二步：向下钻取

锁定不良的来源

锁定嫌疑工序之后，还不能直接判定就是工序本身的问题，要继续在 MES 里拆分维度，缩小范围。可以从这几个维度交叉核对：

• 按机台拆分：同一工序，是不是只有某一台设备不良率偏高，其他设备正常？问题就指向设备参数、工装夹具。
• 按班次、人员拆分：同一台设备，不同班组、不同操作员，良率差异明显，说明是操作标准、作业一致性的问题。
• 按物料批次拆分：不良集中在某一批原材料，那根源是来料问题，不是本工序加工问题。
• 按工艺参数：MES 记录的温度、压力、转速等参数，对比良品和不良品的参数区间，看有没有参数漂移。
  

很多时候，瓶颈不是工序本身，而是这道工序里某一台设备、某一类物料引发的批量不良。数据钻取的目的，就是把模糊的 “工序问题”，定位到具体的对象。

04

第三步：用数据验证

排除假性瓶颈

数据筛选出来的工序，还需要结合现场情况复核，避免被数据误导。

常见的假性瓶颈有两种：

第一种，是后道工序才检出不良，但缺陷其实在前道工序产生。比如装配工序发现外壳划痕，划痕是在上游注塑工序造成，只是到装配才被检查出来。如果只看检出工序的数据，会误判瓶颈位置。这时就要依靠 MES 的产品追溯码，顺着序列号反向追溯，找到不良真正产生的工序。

第二种，是质检标准波动。不同质检人员判定尺度不一样，导致不良数据忽高忽低，数据本身不稳定，自然没法用来定位瓶颈。遇到这种情况，需要先统一检验标准，再重新采集数据。

05

第四步：小批量验证形成改善闭环

找到目标瓶颈之后，不要直接全线改动。

利用MES做小批量对比试验，保持其他条件不变，只调整单一变量，比如修改设备参数、更换工装、优化作业指导书。对比改善前后同一工序的良率数据，确认良率有没有稳定提升。

验证有效之后，把标准固化到 MES 里，做好参数锁定、防错管控，同时配套现场目视化看板，实时监控这道工序良率波动。一旦数据再次出现异常，系统可以快速预警，避免问题反复发生。

MES 只是工具，核心是数据和现场联动

MES本身不会自动解决良率问题，它的作用是把看不见的质量损失量化出来，给改善提供方向。

很多工厂MES上线之后，良率依旧没有起色，原因就是只把它当成一个记账工具，没有养成定期拆解工序良率、追溯不良根源的习惯。

数据分析配合现场的精益改善、目视化管控，才能持续把良率往上推。良率提升不是一次性项目，而是持续的数据监控、问题定位、验证固化的循环。

注：感兴趣的朋友，公众号搜“制卓企业管理咨询