2022-06-18｜数据分析
把异常变成项目：数据分析怎样推进诊断切入
本期围绕数据分析，从批次制程现场的现场信号切入，回答“改善投入、运行成本、风险、收益口径和回收周期是否可核验”。推进重点落在诊断切入、证据口径、跨职能责任和结果复验。
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。 在批次制程现场中，批次配方、连续设备、过程窗口、实验检测、环境与放行规则共同影响一致性和交付节奏。因此，本期不从工具名称出发，而先回答：改善投入、运行成本、风险、收益口径和回收周期是否可核验。
本期切口：先到现场确认事实，建立问题边界和损失基准。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：批次配方、连续设备、过程窗口、实验检测、环境与放行规则共同影响一致性和交付节奏
- 优先警惕：只看最终检验结果，容易忽略批间波动、设备微停、参数漂移、等待放行和能源损失
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
区分一次性收益与持续性收益，并扣除维护、停机、折旧、培训和机会成本；现场至少保留批次号、配方与版本、关键参数趋势、设备停机代码、实验数据、放行时间与单位能耗。
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
- 选取一个典型对象，连续观察一个完整作业循环并保留原始记录
- 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：IE／精益定义问题边界、方法、数据口径与阶段交付物，对专业判断负责。
协同：制造与PMC提供真实现场条件与约束，参与试点并及时暴露异常。
验收：运营负责人按安全、质量、成本、交付和收益证据判断是否进入下一阶段。
系统固化标准工时、产能与改善台账必须同步更新版本、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
- 只看最终检验结果，容易忽略批间波动、设备微停、参数漂移、等待放行和能源损失
- 理论省人、理论节拍和理论金额，不能直接当作经营收益
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：选取一个典型对象，连续观察一个完整作业循环并保留原始记录。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：工程能力不是一次灵感，而是把每一次观察都沉淀成可复用的方法。 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。