2. 异常识别与分类

异常管理的第一步不是“马上处理”，而是“先确认它是不是异常、属于哪一类异常”。如果识别口径不统一，现场会把正常波动当异常上报，也可能把真正的异常当成偶发问题忽略。异常识别要同时看三个入口：现场现象、数据波动、客户反馈。三者不是互相替代，而是互相校验。

一、三个识别入口：现场、数据、客户

现场现象是最直接的异常来源，包括设备异响、异味、漏油、产品外观缺陷、工装松动、人员操作偏离标准等。现场识别的关键是“对照标准看差异”：与作业指导书、点检基准、首件标准、历史正常状态对比，而不是凭感觉判断。例如某注塑工序正常锁模压力为 85±5 MPa，若点检发现连续三模为 78 MPa，虽然设备仍能运行，但已偏离控制下限，应作为异常记录。

数据波动是比现场现象更早的预警信号。常用判断方法有三类：一是控制图判异，如连续 7 点上升或下降、连续 7 点在中心线同侧、超出 3σ 控制限；二是规格限对比，如 CPK 从 1.33 降到 1.05；三是趋势对比，如某参数近 3 天均值较上周偏移超过 5%。数据异常不一定已经产生不良，但说明过程稳定性在下降，应触发预警。

客户反馈是异常识别的外部入口，包括投诉、退货、客诉报告、售后维修数据、客户审核不符合项等。客户反馈往往已经造成外部影响，因此识别时要重点确认：发生时间、批次、数量、缺陷模式、是否可复现、是否涉及安全或法规。例如客户反馈某批次连接器插拔力偏低，就需要回溯该批次的原材料、设备参数、操作人员和检验记录。

二、异常确认：先排除正常波动

识别到信号后，不能直接判定为异常，要先做一次“确认”。确认的核心是回答三个问题：第一，是否超出控制限或规格限；第二，是否可复现；第三，是否与标准状态存在明确差异。以 SPC 控制图为例，若某点超出 UCL，属于明确异常；若只是连续 6 点在中心线同侧，属于趋势预警，需要加密采样观察，而不是立即停线。确认过程要留下记录，包括时间、机台、产品型号、参数值、判定依据和确认人。

三、按严重度、频次、影响范围分类

异常分类的目的，是让不同级别的异常匹配不同的响应速度、处理权限和资源投入。分类不能只看单一维度，而要把严重度、频次、影响范围三者组合判断。

严重度关注后果。A 级通常涉及安全、法规、批量停线或客户重大投诉；B 级涉及功能失效或客户可感知缺陷；C 级为外观轻微、内部可拦截或对性能无实质影响。严重度判定要基于事实，例如是否已流出到客户、是否涉及安全件、是否触发法规要求。

频次关注重复性。偶发异常可能由单次物料异常或操作失误引起；重复异常说明过程存在系统性原因；频发异常则往往指向设备、模具、工艺参数或供应商来料等稳定根因。频次统计要明确时间窗口和分母，例如“近 7 天同工序发生 3 次”比“最近经常发生”更有判断价值。

影响范围关注波及面。局部异常只影响单工位或单设备；线别异常影响整条产线；跨线或客户端异常涉及多批次、多客户，需要启动更高层级的响应。影响范围还要考虑在制品、库存品和已发货品，必要时同步启动追溯与隔离。

四、分类判定示例

下面给出一个可直接参考的分类判定表，用于现场快速定级。表中“响应时限”和“处理权限”为示例设定，企业可根据自身质量体系调整。

五、识别与分类的常见误区

• 只看现象不看数据：现场看到“没问题”就忽略数据趋势，导致异常在批量不良后才被发现。
• 只看单点不看趋势：单点未超控制限就认为正常，忽略连续上升、均值偏移等早期信号。
• 分类过粗：所有异常都按“一般”处理，重大异常得不到及时资源，重复异常反复发生。
• 分类过细：等级过多、判定条件模糊，现场无法快速执行，反而降低响应效率。
• 忽略客户反馈的批次追溯：只处理单件投诉，不回溯同批次在制品、库存和已发货品，导致风险流出。

异常识别与分类的最终输出，不是一张标签，而是一组明确的行动指令：谁在什么时间内、用什么权限、对哪些范围采取什么措施。识别要准，分类要快，升级要果断，才能让后续的临时措施和永久对策有的放矢。