2020-01-12｜数据分析
从波动中寻找真因，数据分析才有可靠起点
从包装与出货衔接的一组原始记录出发，本期拆解数据分析如何形成可复现、可验收、可维持的现场试点交付，避免用末端库存代替系统结果。
不能改变判断和行动的数据，只是信息展示；能追溯并推动闭环的数据才是管理资产。
1. 今天先回答什么
制造数据分析通过统一定义、可靠采集、分层比较和异常追溯，把数据转化为判断、优先级和行动，而不是增加报表数量。 在包装与出货衔接中，多部件装配、焊接、程序烧录、功能测试与包装节拍相互制约，订单组合和人员技能变化频繁。因此，本期不从工具名称出发，而先回答：平均值背后的产品、班组、设备、物料和时间波动是否被分层。
本期切口：在真实订单、真实人员和真实异常中验证方法，不回避边界问题。判断是否有效，必须能够回到真实对象、真实数据、真实责任和真实结果。
2. 现场先看见什么
- 同一指标在不同部门结果不同
- 数据只能看到结果，不能定位原因
- 报表更新后没有触发责任动作
- 场景约束：多部件装配、焊接、程序烧录、功能测试与包装节拍相互制约，订单组合和人员技能变化频繁
- 优先警惕：只看总装末端产出，容易忽略前置齐套、左右手动作、测试等待和返修回流
这些信号不是结论，而是进入现场调查的入口。应继续按产品、班组、设备、物料批次、时间段或异常类型分层，避免用平均值掩盖波动。
3. 数据怎样证明
方法口径
数据质量至少评价完整率、准确率、及时率和一致率；异常分析应保留分母、时间范围和样本边界。
本期证据
保留分母和样本边界，结合趋势、分层、Pareto与异常点验证主要变化来源；现场至少保留客户节拍、山积图、左右手作业记录、测试周期、齐套率、返修路径与UPPH。
数据必须说明来源、分母、时间范围、版本和异常样本。无法追溯到订单、产品、工序、设备或责任对象的数据，不宜直接用于评价个人或判断项目收益。
4. 从动作走向闭环
- 限定试点范围和验证周期，逐项记录正常、异常与故障状态
- 按产品、班组、设备或缺陷类型分层
- 把异常绑定责任、期限和验证结果
- 先定义业务问题与指标口径
- 确认数据源、责任和采集频次
- 用改善前后实绩复核收益、波动和副作用，确认关闭证据
- 将有效方法写入标准、点检、系统规则与复盘节奏
5. 谁负责、谁协同、谁验收
主责：质量工程定义问题边界、方法、数据口径与阶段交付物，对专业判断负责。
协同：工艺、制造与供应商提供真实现场条件与约束，参与试点并及时暴露异常。
验收：质量负责人按安全、质量、成本、交付和收益证据判断是否进入下一阶段。
系统固化PFMEA、控制计划与问题闭环必须同步更新版本、生效日期、维护责任与异常升级规则。
6. 哪些做法容易失效
- 只看平均值掩盖波动
- 图表漂亮但没有行动阈值
- 频繁调整口径导致趋势不可比
- 只看总装末端产出，容易忽略前置齐套、左右手动作、测试等待和返修回流
- 相关性只能缩小调查范围，不能直接当作根因
任何方法都不能脱离产品特性、工艺风险、人员技能、设备能力和客户要求直接复制。先验证边界，再扩大范围，才能避免把局部经验变成新的系统风险。
7. 关联 QilyLean 职能与项目
8. 今天可以落地的一步
选一个典型对象记录一组真实基准验证一个主要假设固化一条有效标准
今日动作：限定试点范围和验证周期，逐项记录正常、异常与故障状态。完成后不要急于宣布结案，先确认数据是否可复现、现场是否能维持、责任是否已经移交。
工程者手记
坚持的力量：系统能力来自无数次小闭环：发现、判断、试验、验证、固化、复盘。 不能改变判断和行动的数据，只是信息展示；能追溯并推动闭环的数据才是管理资产。