不良品统计分析怎么开展，产品、工序和供应商维度如何拆分
质量部门负责人每月收到的不合格品报告，往往是一堆零散的表格：生产线上报的废品数量、进料检验发现的缺陷批次、售后退回的故障件。但这些数据分散在不同人的Excel里，品名、原因、责任归属的填写规则都不统一。当管理者想追问“哪个产品的不良率在上升”“哪道工序最近出了问题”“某个供应商的来料是否更不稳定了”时，数据无法直接聚合。
不良品统计分析的核心不是记录问题，而是从三个管理维度——产品、工序和供应商——拆解不良的结构性原因。只有将这三大维度打通，企业才能从被动“救火”转向主动预防。本文围绕这三大维度的拆分逻辑、落地方法与数字化支撑展开，帮助业务与信息化负责人建立可执行的决策框架。
为什么需要按产品、工序、供应商三维度拆分不良品分析
多数企业的不良品统计止步于“总体报废率”。这个数字只能说明趋势，却无法定位根因。按单一维度统计时，信息会被平均化掩盖。
以产品维度看：某款产品连续三个月不良率爬升，但总报废率变化不大，说明其他产品在改善，掩盖了这款产品的恶化。以工序维度看：所有产品的总不良率稳定，但焊接工序的不良率在A产品上高、在B产品上低，说明问题可能出在工艺参数或人员操作上。以供应商维度看：一个核心钣金件来自两家供应商，其中一家的批次不良率突然从1%升到5%，但另一家保持稳定，说明问题不在设计而在来料。
读到这里，管理者已经可以判断：没有三维度交叉分析，不良品数据只是流水账。企业需要建立一张包含产品编码、工序名称、供应商名称三个关键字段的不良品登记表，这是后续一切分析的基础。
产品维度：从不良品率到缺陷模式与批次追溯
产品维度的分析首先要区分“这个产品天生难做”和“生产过程中出了波动”。前者涉及设计验证，后者才是工艺和质量控制的范畴。
统计时，至少需要拆解出以下字段：产品编码、生产批次、工序名称、不良代码（如尺寸超差、表面划伤、焊接气孔）、数量、发生时间、质检员。有了这些字段，就能按产品汇总出不良率趋势、主要缺陷类型分布，以及不同批次间的稳定性。如果某产品连续十个批次的不良率都在2%以下，突然一个批次跳到8%，管理者应优先检查该批次是否存在物料变更、设备异常或人员变动。
产品维度的分析还要结合客户反馈。售后退回的故障件往往来自特定批次，这能反向验证生产过程中登记的“不良原因”是否准确。
工序维度：定位品控节点与异常流转闭环
工序维度是解决“问题出在哪一步”的关键。一条装配线可能有十多道工序，如果没有按工序记录不良，管理者只能知道“这条线报废率高了”，却不知道是贴片、焊接还是组装环节出了问题。
每一道工序的不良数据应包含：工序名称、本工序投入数、不良数、不良代码、操作工或机台号、发现时间。这些数据可以支撑两种分析：一是按工序计算不良率，越早的工序不良率越低越好，如果前道工序不良率低而后道工序不良率高，说明问题可能发生在后道或是在制品流转中被二次污染；二是按不良代码分析缺陷的工序表现，比如“虚焊”这个不良代码如果只在某一条线出现，就应排查该线的回流焊设备或锡膏批次。
生产管理系统中的工艺流转记录，是工序维度数据自动采集的基础。工序维度的落地难点在于，质量检验员需要在前工序完成时就录入不良数据，而不是等到成品检验时一次性统计。这个动作可以通过扫码工序卡实现，每道工序完工后，操作工或质检员扫描二维码，填写本工序的合格数量与不良数量。
如果发现某一工序的不良率超过警戒线，应自动触发异常报告，流转到工艺工程师的工作台，要求出具分析报告和整改方案。这样的闭环流程，就是设备巡检场景中提到的“有记录但无闭环”同样存在的问题——在不良品管理中，更常见的是“有记录但无分析，有分析但无改进”。
供应商维度：从来料检验到供应商绩效分级管理
供应商维度的不良品分析不仅包括来料检验（IQC）的拒收批次，还应包含来料在后续生产过程中暴露出的隐藏缺陷。很多物料在IQC环节抽检合格，生产线上机后却出现批量不良，这部分数据最容易丢失。
一个标准的供应商质量分析字段应包括：供应商名称、物料编码、来料批次、IQC合格/不合格、生产线发现的不良品数量与缺陷类型、责任认定（确认属于供应商原因还是制程原因）、处理方式（退货、让步接收、挑选使用）。
不良品统计分析中，供应商维度的价值体现在长期绩效评估和分级管理。如果某家供应商在连续三个月的评估中，来料批次合格率低于90%，且生产线发来的不良数量也在上升，采购部门应启动新供应商引入或降级处理。这种分析不能靠Excel手工汇总，因为生产线上发现的不良信息需要及时同步到采购和质量部门。
企业可以参考广联达在智能硬件业务中的做法：将采购、质量、产品、库房等部门与外部供应商纳入同一套流程协作平台，围绕同一套数据开展质量反馈与追溯。通过统一的表单引擎记录来料检验结果和生产反馈，再通过报表引擎生成供应商质量看板，使“不良是供应商导致的”这个判断有数据支撑，而不是凭印象或邮件沟通。该案例中企业4个月搭建了30多个应用，沉淀了6.9GB数据，这种信息协同能力正是多维度质量分析的基础。
从三维度拆分到选型边界：什么情况下需要系统支撑
不是所有企业都需要上一套完整的质量管理系统。判断标准可以划出三条边界。
| 分析维度 | 在厂区数量少、产品种类少时 | 在产线多、供应商多、产品迭代快时 |
|---|---|---|
| 产品维度 | 可手工记录 | 必须系统自动按批次、型号聚合 |
| 工序维度 | 可周报总结 | 需要按工单、工序实时统计不良率 |
| 供应商维度 | 可IQC表格记录 | 需系统自动关联来料与产线反馈，生成供应商计分卡 |
对中小企业来说，可以先集中力量解决产品维度和供应商维度的数据采集，用轻流搭建一个包含不良品登记、来料检验单和供应商质量看板的应用，把散落在微信、邮件中的异常信息聚合成统一表单。当表单数据积累到一定程度，再扩展工序维度的实时登记和预警功能。这种做法投入成本低，业务人员也能自行调整字段和流程，不需要专门的开发资源。
在选型时要留意一个常见陷阱：不要把不良品统计系统做成“拍照上传式电子台账”。系统不仅要记录不良品数量，更要支持按不良代码、工序、供应商的交叉查询，并能够将异常自动推送到对应该工序的班组或该供应商的采购员。否则，统计报表只是事后浏览的工具，起不到管理闭环的作用。
落地动作：把三维度分析嵌入日常业务流程
分析框架定好之后，落地重点在于三个动作：主数据统一、流程节点标准化、数据看板定期复盘。
主数据统一是指产品编码、工序名称、供应商编号要统一，不能出现不同部门用不同表述的情况。流程节点标准化是指不良品从发现到记录、到归责、再到处理，要固定成一个标准动作。比如检验员发现不良品后，先扫码工单识别产品批次和当前工序，然后选择不良代码和产生原因（供应商来料/人员操作/设备状态），最后系统自动通知对应的责任方。
数据看板则服务于管理者。报表引擎可以生产三个核心视图：一是按产品、工序、供应商交叉排名的不良率热力图，一眼定位“哪个产品在哪个工序上、用了哪家供应商的料，不良率最高”；二是趋势图，展示连续12个月的产品不良率与供应商质量分数变化；三是未闭环的异常改进项清单，关联对应的事故编号、责任人和改进截止日期。
对于物料种类多、产品迭代快的企业，Q-Linker集成组件可以将IQC系统或ERP中的供应商数据同步到流程平台，再通过自动化引擎设置提醒规则，例如某供应商连续两批来料不良超过阈值时，自动通知采购部启动调查。这类小闭环可以逐步积累，不需要一次性上线所有功能。
先统一数据粒度和登记规则，再谈分析深度
很多企业并非缺乏工具，而是缺乏让“不良品”这三个字在各职能部门达成统一语义的管理规则。一个不良品，在质检员那里是“尺寸偏大0.2mm”，在操作工那里是“装不进滑轨”，在采购员那里是“供应商批次H203的板料”。这三条记录如果不能关联到同一个产品、同一道工序、同一个物料批次，就永远无法形成三维度的交叉分析。
建议企业先花精力统一不良品登记的字段规范、编码规则和流转路径，再去选系统。小团队可以先在表单工具里把这三类字段做进一张登记表，等跑通一个月、确认数据有分析价值之后，再按工序扩展为多张关联表单和看板。成熟的数字化平台能加速这个统一过程，但无法替代业务部门对“什么算不良品”“谁来登记”“什么时候登记”这几个基本问题的共识。一个由表单引擎、流程引擎和数据引擎支撑的轻量系统，已经足够支撑每月1000条以内的不良品登记和分析需求。
轻流提供的能力，核心是将散落的登记动作整合为按角色配置的工作台、自动流转的审批流程和实时更新的统计报表。这三项能力适用于多数制造业企业的质量管理初期搭建。
常见问题
Q1: 我们只有十来种产品、一家工厂，有必要按工序维度拆不良品吗？
答：如果产品结构简单、工序数量少（如切割、焊接、组装三道），可以先不按工序细分，优先把产品维度和供应商维度的数据录完整。等到某些不良品规律性出现在特定位置时，再考虑按工序拆解。不一定要上系统，先统一字段填法、定期复盘即可。
Q2: 我们供应商给的来料数据和自己IQC的数据经常对不上，这类差异怎么处理？
答：差异往往因为双方判定标准和记录时间不一致。建议企业明确以本厂IQC数据为准，同时在来料检验单中保留供应商质检单号，便于后期对比。如果差异频率高，可能涉及双方抽样方案或量具精度不一致，需要从源头统一。系统搭建时，可以设计一个字段专门标记“供应商自检合格数量 vs 本厂合格数量”，用于分析偏差模式。
Q3: 工序维度分析需要每道工序都安排质检员录入数据，人工成本会不会太高？
答：工序维度不要求每道工序都设专职质检员。可以采取两种方式降低录入成本：一是操作工自检并扫码登记不良项，每批次完工时质检员复核
