质量问题追到工序和供应商批次，重复问题减少约 50%

一家为工业设备企业提供电子组件和控制模块的制造企业，随着客户对产品一致性和追溯能力的要求提高，原有的纸质质量检查和 Excel 报表逐渐无法满足经营需要。

生产车间能够完成必要的质量检查，但检验结果、返工记录和不良原因长期分散在不同部门。

企业知道每个月产生了多少不良品，却很难回答：问题最早出现在什么工序，哪些供应商批次与问题有关，以及已经采取的改善措施是否有效。

面临的挑战

检验数据与产品批次缺少关联

来料检验、生产过程检验和出货检验分别保存记录。

一旦发现产品问题，需要人工查找多个文件才能还原生产过程。

不良原因难以有效归类

不同班组对相似缺陷使用不同名称，导致质量数据难以进行统一统计。

纠正措施缺少持续跟踪

质量异常处理往往停留在一次性返工或报废，未能持续评估问题是否重复出现。

SHEPHARD 的数字化解决方案

第一步：建立统一质量数据模型

根据产品、生产工序和质量控制要求，规范检验项目、检验标准、缺陷代码和判定规则。

将质量记录关联到采购批次、生产订单、产品批次或序列号。

第二步：将质量检查嵌入业务流程

在原材料收货、关键工序完成和成品出库前配置必要的检验节点。

检验人员通过移动终端记录检测值、判定结果及必要的附件。

对于未通过检查的产品，系统触发隔离、复检或审批流程，避免不合格品未经授权进入后续环节。

第三步：建立质量异常处理机制

通过 NCR（不符合项报告）管理质量问题，记录异常现象、发生位置、受影响产品、临时处置及责任部门。

对于重复出现或具有较高风险的问题，进一步启动 CAPA（纠正与预防措施）流程。

第四步：建立产品级追溯关系

将关键物料批次、生产工序、检验结果和最终产品身份关联起来。

发生客户投诉时，可以按照产品序列号或生产批次查询相应的生产与质量记录。

第五步：建设质量分析体系

按照产品型号、工序、供应商、缺陷类别和时间维度分析质量问题。

通过 Pareto 分析识别主要缺陷来源，结合趋势变化评估工艺改善效果。

实施路径

首先统一质量标准和缺陷分类，再选择一个产品系列进行全过程试点。

验证数据采集完整性和追溯能力后，逐步覆盖更多工序、产品和供应商。

质量部门负责业务标准，IT 团队负责数据采集与系统集成，两者共同维护质量数据的可信度。

业务价值

质量管理从分散的数据记录转变为可关联、可分析、可持续改进的管理体系。

企业不仅能够快速定位异常产品，还能利用历史质量数据识别系统性问题。

项目成果（近似值）： 重复问题发生率 约 −50%；一次交检合格率 约 97%；追溯记录完整率 约 99%。

持续跟踪的指标： 一次交检合格率（FPY）、不良率、返工成本、质量异常关闭周期、重复问题发生率、追溯记录完整率。

这个案例给我们的启发

质量数字化的目的不是生成更多检验报表，而是让每一次质量异常都能被追踪、解释和改进。

*为保护客户隐私，本案例中的企业信息已做脱敏处理，界面截图为示意，成果数据为取整后的近似值。*