4. 良率与质量损失分析

在OEE的三大指标中，良率（Quality Rate）是最容易被简化理解、也最容易算错的一项。很多现场把良率简单等同于“合格数÷生产数”，但在真实的机加工车间里，这个分母里往往混入了试产件、调机件、返工件，分子里又可能漏掉返工后合格的零件。一旦口径不统一，良率就会失真，进而把OEE的损失结构带偏。本节围绕合格品数、总加工数、废品与返工、试产与调机损失、良率计算，以及一个机加工车间的良率数据核算示例，把良率的定义、口径和算法讲清楚。

一、良率的定义与三个关键数量

良率反映的是“投入的加工数量中，最终有多少成为可交付的合格品”。它的基本形式是：

良率 = 合格品数 ÷ 总加工数 × 100%

这个公式看似简单，难点在于三个数量的界定：

• 总加工数：设备在本统计周期内实际加工过的零件总数，包括合格品、废品、返工件，以及试产件和调机件。它是良率的分母，代表“设备真正消耗了加工能力的数量”。
• 合格品数：一次加工即满足图纸与检验要求、可直接入库或交付的零件数。返工后合格的零件通常不计入“一次合格”，而应单独统计。
• 废品与返工：废品是不可修复、只能报废的零件；返工是需二次加工才能合格的零件。两者都是质量损失，但损失性质不同——废品损失的是材料和已投入的工时，返工额外消耗设备产能。

二、试产与调机损失为什么要计入良率

机加工车间在换型、首件试切、刀具补偿调整、程序试跑时，会产生一批“非交付目的”的加工件。这些零件可能合格，也可能不合格，但它们共同的特点是：消耗了设备产能，却不形成可交付产出。如果把它们从分母中剔除，良率会被人为抬高，OEE中的质量损失就被隐藏了。

因此，工程上通常把试产件、调机件统一归入“总加工数”，其中不合格的部分计入废品或返工，合格的部分也不计入“一次合格品数”，而是作为“非交付合格件”单独记录。这样处理的好处是：良率能真实反映设备产出中“有效交付”的比例，同时试产调机的损失也能在质量维度被看见。

三、良率计算的标准步骤

1. 确定统计周期与设备范围，例如某台加工中心一个班次（8小时）。
2. 从设备计数或MES中取“总加工数”，核对是否包含试产、调机、返工件。
3. 从质检记录中取“一次合格品数”，注意剔除返工后合格的零件。
4. 分别统计废品数、返工件数、试产件数、调机件数，确保各项之和与总加工数对得上。
5. 代入公式计算良率，并计算废品率、返工率作为补充指标。
6. 与历史良率或目标良率对比，判断质量损失是否异常。

其中，废品率 = 废品数 ÷ 总加工数，返工率 = 返工件数 ÷ 总加工数。良率、废品率、返工率三者并不一定相加等于100%，因为试产调机件中也可能有合格件，需要单独归类。

四、机加工车间良率数据核算示例

以下数据为教学示例，用于说明核算过程，并非某工厂实测结果。假设某机加工车间一台数控车床在一个班次内加工法兰盘，统计如下：

核算过程：总加工数520件，其中一次合格468件，废品22件，返工18件，试产8件，调机4件。校验：468+22+18+8+4=520，数量闭合。

良率 = 468 ÷ 520 × 100% ≈ 90.0%
废品率 = 22 ÷ 520 × 100% ≈ 4.23%
返工率 = 18 ÷ 520 × 100% ≈ 3.46%
试产调机占比 = (8+4) ÷ 520 × 100% ≈ 2.31%

从结果看，该班次良率约90%，质量损失约10个百分点。进一步拆解：废品损失4.23%，返工损失3.46%，试产调机损失2.31%。如果目标良率是95%，则差距约5个百分点，主要来自废品和返工，应优先排查刀具磨损、尺寸补偿和首件确认流程，而不是简单归因于“设备不稳定”。

五、良率损失的判读与改善方向

良率数据算出来只是第一步，关键是判读损失结构。若废品率明显高于返工率，说明过程能力不足或来料波动大，应检查刀具、夹具、程序与材料批次；若返工率偏高，说明尺寸处于临界状态，可能是补偿设置偏保守或检测标准偏严；若试产调机占比高，说明换型效率低、首件确认慢，属于换型损失，应优化换型SOP与参数库。

把良率与性能率、可用率放在一起看，才能定位OEE损失的真实来源。例如可用率高、性能率高但良率低，问题就在质量环节；若三者都低，则要优先解决停机与速度损失，再处理质量。良率分析的价值，不在于算出一个百分比，而在于把废品、返工、试产调机这三类损失分开量化，让改善有明确的靶点。

回到本节的核心：良率不是一个孤立的百分比，而是由合格品数、总加工数、废品、返工、试产调机共同决定的质量指标。只有把分母口径统一、把损失分类量化，良率才能真正服务于OEE分析和现场改善。