全部客户
生产制造
出厂不良率 2.8% → 1.6%——主线 OEE 提升至 74%。
一家营收万亿越南盾、拥有 2 座工厂的制造集团把过程质量控制与按运行时长的维护标准化——缺陷在发生的工序当场拦截，而不是等到终检才发现。
2.8% → 1.6%
出厂不良率
12 个月后 · 按两座工厂每一出货批次测算
61% → 74%
主生产线设备综合效率（OEE）
由设备自动采集测算 · 最近 3 个月平均
+35%
质检团队人效
人均检验量 · 数据录入与报表自动化之后
以上数据由客户本人提供并同意公开，测量口径与期间以每项指标标注的范围为准。实际结果会因企业规模、行业以及初始数据的规范化程度而不同。
项目背景
TASA Group 是一家营收万亿越南盾的工业制造集团，拥有 2 座工厂，既供应国内市场，也服务定期执行质量审核的出口客户。
双方第一次坐下来谈时，质量控制还靠纸质表单和 Excel：缺陷大多要到终检才被发现（占出货量的 2.8%），追溯到源头工序要花好几天；OEE 没有持续测量，非计划停机约占设备工时的 9%，停机原因手写且未分类；40 人的质检团队约三分之一的时间花在数据录入和报表汇总上。
面临的挑战
缺陷要到终检才被发现——占出货量的 2.8%，追溯是哪道工序造成的要花好几天。
OEE 没有持续测量；非计划停机约占设备工时的 9%，原因手写且未分类。
40 人的质检团队约 1/3 的时间耗在数据录入和报表汇总上，而不是现场管控。
APUS 解决方案
集团分两期走完，全部跑在自有基础设施上。第一期：质量控制下沉到工序，设置质量关卡，两座工厂共用一套标准化缺陷代码。第二期：维护从故障响应转为按实际运行时长排程，OEE 由设备自动采集，全部汇总到 BI 看板。
部署的模块
实测结果
实施前后对比——附时间节点与测算方式。
| 指标 | 实施前 | 实施后 | 时间与测算方式 |
|---|---|---|---|
| 出厂不良率 | 2.8% | 1.6% | 12 个月后 · 两座工厂的每一出货批次 |
| 主生产线 OEE | 61% | 74% | 由设备自动采集测算 · 3 个月平均 |
| 非计划停机 | 约占设备工时 9% | 占设备工时 6.2% | EAM：按实际运行时长维护，而非固定日历 |
| 质检团队人效 | — | +35% | 人均检验量 · 数据录入与报表已自动化 |
以上数据由客户本人提供并同意公开，测量口径与期间以每项指标标注的范围为准。实际结果会因企业规模、行业以及初始数据的规范化程度而不同。
转型历程
从需求调研到正式上线。
13 周
调研
梳理两座工厂的质量控制流程与设备数据。
28 周
QMS + 缺陷代码
在工序中搭建质量关卡；为两座工厂统一 214 项缺陷代码集。
38 周
EAM + OEE
接入设备数据，维护切换为按实际运行时长，开启 OEE 自动测算。
44 周
上线与预警
启用阈值预警；按出口客户的检查表演练一次审核。
不顺利的地方——以及如何应对
有六周时间，两座工厂的质量数据无法对比
同一种缺陷在两座工厂有两个名称、两套判定阈值——那时贸然开启自动预警只会制造误报。项目组刻意暂停推进，把两厂的 QA 团队拉到一起，统一了 214 项缺陷代码集和共用检验阈值，之后才启用预警。正是这六周，让 12 个月后的数字经得起推敲。
“我最看重的不是那个 1.6%。关键是现在不良率一抬头，我们立刻知道是哪道工序、哪个班次——在批次出厂之前，而不是等客户投诉之后。”
质量总监，TASA Group
