2. 工艺执行偏差的源头识别

工艺执行偏差的治理，第一步不是急着纠正现场，而是回答一个更根本的问题：偏差究竟从哪里来。如果源头识别错了，后续的纠正措施往往只是把问题从一个工位推到另一个工位。工程上普遍采用“人、机、料、法、法、环、测”六维框架（通常称 5M1E）来系统拆解偏差来源，它的价值在于强制我们跳出“谁操作错了”的单一归因，把偏差放回完整的制造系统中审视。

六个维度各自对应什么偏差源

人（Man）：操作者、检验员、调机人员的技能等级、培训覆盖、疲劳状态、交接班信息传递。典型偏差如新员工未掌握扭矩枪的两段式拧紧节奏、夜班注意力下降导致漏检、交接班未说明上一班已调整过参数。

机（Machine）：设备、工装、夹具、刀具、模具、传感器。典型偏差如夹具定位面磨损导致定位偏移、刀具磨损使孔径逐渐超差、气缸压力波动导致压装深度不稳。

料（Material）：来料批次、材质、尺寸、硬度、含水率、供应商变更。典型偏差如同一牌号但不同炉号的材料硬度差异导致冲压回弹不同、来料尺寸处于公差边缘导致装配干涉。

法（Method）：工艺参数、作业指导书、操作规程、检验标准、参数版本。典型偏差如 SOP 未规定预热时间、参数被现场“经验性”修改后未回写文件、新旧版本工艺文件同时在用。

环（Environment）：温度、湿度、洁净度、振动、照明、供电稳定性。典型偏差如夏季车间温度升高使胶黏剂固化速度变化、湿度超标导致粉末材料吸潮结块。

测（Measurement）：量具、测量方法、校准状态、测量者读数习惯、MSA 能力。典型偏差如卡尺未按期校准、测量基准与图纸基准不一致、量具分辨率不足导致读数跳变。

需要强调的是，六维不是六个孤立的抽屉。真实偏差常常是耦合的：环境温度变化引起材料性能变化，材料变化又迫使操作者调整参数，参数调整未记录就变成“法”的失控。因此识别时要追问“第一推动来自哪一维”，而不是停在最靠近不良现象的那一维。

从六维到偏差源清单：一次真实的拆解示例

假设某减速器装配线在终检时发现“轴承压装高度超差”比例从 0.3% 上升到 2.1%。直接看现象是压装高度问题，但用六维拆解可以列出候选源：

• 机：压机伺服压力曲线是否漂移？压头是否磨损导致接触面变化？
• 料：轴承座圈高度、壳体压装孔深度是否换批次？
• 法：压装参数（压力上限、保压时间、下压速度）是否被修改？
• 环：车间温度是否影响壳体热胀量？
• 测：高度检具是否校准过期？测量基准是否与图纸一致？
• 人：是否新员工操作？是否在换型后未做首件确认？

把候选源整理成清单后，需要给每一项打分。常用的优先级判断方法是三维评分：影响度（该源一旦失控，对偏差的贡献有多大，1～5 分）、发生频次（该源在近期生产中出现的概率，1～5 分）、可探测性难度（越难被现有检验发现，分值越高，1～5 分）。三项相乘得到风险优先数，分数越高越应优先排查和设防。

以上述案例为例，若“压装参数被现场修改且未回写文件”影响度 5、频次 4、可探测性 4，得分 80；“车间温度波动”影响度 2、频次 3、可探测性 3，得分 18。显然前者应优先处理。这种量化不是为了精确，而是为了把“我觉得”变成“有依据地排序”。

建立偏差源清单的实用字段

一份可直接使用的偏差源清单，建议至少包含以下字段，避免只写“设备问题”“人员问题”这类无法追踪的描述：

识别过程中的两个常见误区

误区一：只查“机”和“人”。现场出问题，第一反应往往是“设备坏了”或“谁操作错了”。但统计上，法（参数与文件）和测（测量系统）造成的偏差占比常常被低估。尤其是测量系统，如果量具本身不可靠，后面所有判断都建立在错误数据上。

误区二：把相关当因果。某批产品不良率高，恰好那批材料换了供应商，就断定是材料问题。但可能真正原因是换供应商的同时也换了模具。六维拆解的意义在于强制列出所有候选，再用数据和实验去排除，而不是凭直觉锁定一个。

源头识别的输出，是一份带优先级的偏差源清单，以及每个高优先项对应的监控方式。它直接决定后续偏差闭环时“先查什么、先防什么”。没有这份清单，闭环就只是救火；有了它，闭环才变成有方向的系统改进。