《生产波动分析与案例实战》1天

《生产波动分析与案例实战》

主讲：杨朝盛老师

【课程背景】

当前，制造型企业面临着日益严峻的市场竞争和客户对产品质量稳定性的严苛要求。技术管理人员作为生产一线的“稳压器”，其识别和解决生产波动问题的能力直接影响着企业的交付能力和成本控制。

然而，许多从技术岗位晋升上来的管理人员，往往习惯于处理具体的技术难题，在面对生产过程中频繁出现的批次差异和异常波动时，缺乏系统性的分析思路和高效的工具方法。他们或是凭经验“救火”，导致问题反复发生；或是面对海量数据无从下手，难以从数据背后洞察出人、机、料、法、环、测等环节的细微变化。

本课程旨在赋能技术管理人员一套简单、实用、即学即用的波动分析与现场观察工具，帮助他们从“凭感觉”转变为“用数据说话”，从“被动救火”升级为“主动预防”，通过掌握Excel这一日常工具，实现对生产波动的快速识别、精准定位和有效改善，从而筑牢企业稳定生产的基石。

【课程收益】

建立正确认知：深刻理解生产波动的客观存在及其分类，掌握从5M1E维度系统性思考批次差异来源的逻辑 。

掌握实用工具：熟练运用Excel进行生产数据的整理与分析，现场学会制作批次对比表、趋势图以及I-MR控制图，并掌握化工行业三种最实用、最常用的判异规则（超限、连升/降、连侧），一眼识别异常批次。

提升观察能力：掌握一套针对生产现场的设备、人员、工艺执行等方面的标准化观察法，带走一份可直接使用的现场观察checklist，让现场巡视更有目的性和针对性。

打通分析路径：建立从“数据异常”到“锁定根因”的完整分析链路，能够独立完成一份简明的批次差异分析简报，实现数据与现场的相互验证。

推动落地执行：明确日常生产管理中看什么数据、怎么记录、如何上报，并掌握一个简单有效的改善闭环流程（发现→分析→措施→验证），将学到的技能转化为日常的管理动作。

【课程对象】

生产管理相关技术管理人员

【课程时间】

1天（6小时/天）

【课程大纲】

上午：数据分析篇——用Excel看清生产波动的真相

一、生产波动与批次差异的本质

1. 波动的两面性：

任何生产过程都存在波动，讲解波动的本质。

通过案例区分“正常波动”（过程固有、受控、可预测的，由普通原因造成的）与“异常波动”（过程改变、失控、需干预的，由系统特殊原因造成）的本质区别，建立“波动无好坏，识别是关键”的管理心态。

2. 批间差异从哪里来：

这部分会重点讲系统组内差、系统组间差的概念。

从人（Man）、机（Machine）、料（Material）、法（Method）、环（Environment）、测（Measurement）5M1E六个维度的因素出发，讲解对批次稳定性的影响。

通过实际案例，讲解当一个批次出现问题时，如何快速沿着5M1E的路径进行初步排查和定位，为后续分析提供思考框架 。

二、Excel实战批次对比

1. 核心指标解读：

统计学基础概念：数据分布、均值、极差、方差、标准差等。

结合化工行业数据样本，讲解如何用均值看批次水平、用极差看批内稳定性、用波动范围（最大值-最小值）看整体散布，建立数据敏感度。

2. 实战演练：从数据到图表

查检表+层别法的应用：利用Excel表格模板，快速整理多批次、多位置的数据，制作清晰的“批次对比表”，实现不同批次关键指标的同框对比。

折线图的应用：运用Excel插入图表功能，绘制“批次趋势图”，直观展示各批次数据随时间或样本的变化轨迹，初步发现异常批次。

I-MR图绘制与要点解读：现场演示并带领学员制作“I-MR（单值-移动极差）控制图”，讲解控制限（UCL/LCL）的计算原理（基于历史数据），并展示如何将数据点描在图上，让异常点一目了然。

三、化工行业简单实用的判异规则

1. 图形模式识“凶”：通过图形展示趋势（持续上升/下降）、跳变（突然增高/降低）、周期性波动、以及孤立离群点（outliers）所代表的生产过程含义。

2. SPC控制图基础：“八图八判则”基础普及。

3. 牢记三条“铁律”：

讲解化工行业三种最实用、最有效的判异准则：

规则一：有点子超出控制限（红牌直接罚下）。

规则二：连续6个点子单调上升或下降（趋势形成，暗藏危机）。

规则三：连续9个点子落在中心线同一侧（分布偏移，系统变化）。

通过图形化案例强化学员对异常模式的直观判断力 。

下午：现场验证与落地篇——从数据到行动的最后一公里

四、带着数据去现场

1. 现场观察什么：

讲解当数据分析指向异常时，技术管理人员应如何聚焦现场。重点观察设备的关键参数（压力、温度、转速）是否稳定、操作人员的动作是否与SOP一致、原料的批次和状态有无变化、点检记录表有无异常痕迹。

2. 给一套“照妖镜”：

向学员提供并讲解一份实用的《现场波动排查checklist》。清单涵盖5M1E各个维度在现场的具体表现点，如：“设备有无异响或泄漏？”、“该工序的操作工是否为新人？”、“参数设定是否在范围内且有波动？”等，让现场观察变得结构化、标准化 。

五、批次差异分析实战

1. 实战任务发布：

分组进行。每组准备一份包含问题批次的真实生产数据（含多个变量，如收率、纯度、关键杂质等）和对应的现场记录信息。

2. 从数据到锁定元凶：

第一步：运用上午所学，快速制作控制图和趋势图，识别出表现异常的批次和指标。

第二步：根据异常模式（如跳变、趋势）和时间点，对照提供的现场记录（如人员排班表、设备维修记录、原料入库记录），运用5M1E框架分析可能的原因。

第三步：小组讨论，逻辑串联，锁定导致批间差异的最可能原因（人/机/料/法/环/测）。

3. 输出一份简报：

每组在规定时间内，使用提供的模板，完成一份包含“异常描述（数据图表）→初步判断（锁定5M1E某环节）→验证思路（现场再看什么）”的《批次差异分析简报》，并选派代表进行分享。

六、把能力固化到日常管理1. 建立三层数据审视机制：

明确每天、每班、每批应该看哪些关键数据。

班组长看什么，技术员看什么，建立分层级的监控体系。

2. 波动预警与响应流程：

讲解如何设定简单的波动预警规则（如达到控制限的80%即预警），并规范异常发生时的“记录什么、什么时候报、报给谁”的标准流程，避免信息遗漏和延误。

3. 简单改善闭环（SDCA循环）：

用一个实际案例串联起“发现异常（Check）→分析根因（Act）→制定措施（Plan）→执行验证（Do）”的简单闭环流程。强调措施要具体，验证要看下一批数据是否回归正常，确保改善有效且固化 。

改善后SDCA闭环：标准化（Standardization）→执行（Do）→检查（Check）→处置/调整（Act）