生产异常鱼骨图案例详解

很多人搜“生产异常鱼骨图案例详解”，其实不是为了看一张漂亮图，而是因为现场已经出了问题：不良率突然升高、设备停机频繁、交期被拖慢、返工返修增加，但团队开了几轮会，还是说不清到底卡在哪。

先给结论：生产异常最适合用鱼骨图的场景，不是“问题很大”时，而是“原因很多、部门很多、每个人都觉得自己没问题”时。 鱼骨图的价值不在于画图本身，而在于把零散猜测整理成一套可验证的原因框架，避免大家只凭经验拍脑袋。

什么是生产异常鱼骨图

生产异常鱼骨图，本质上就是把一个结果性问题放在“鱼头”，再把可能导致该问题的原因按类别展开，逐层往下拆。

在制造业里，它通常用来分析这些问题：

• 某工序不良率升高
• 某批次产品尺寸超差
• 设备频繁报警或停机
• 交付延期、节拍异常
• 客诉集中爆发
• 换线后良率明显下降

之所以它在生产场景里常用，是因为现场问题往往不是单一原因造成的。你看到的是“成品不良”，但背后可能同时牵涉到人员操作、设备状态、材料批次、作业方法、环境波动、检测手段等多个因素。

生产异常分析时，最常用的鱼骨图分类

做生产类问题分析时，最常见的主骨架是 6M：

• 人（Man）：操作员技能、培训、责任心、交接班、执行偏差
• 机（Machine）：设备精度、治具磨损、参数漂移、保养不到位
• 料（Material）：原材料批次差异、来料不稳定、存储不当
• 法（Method）：作业指导书不清、工艺参数不合理、流程设计有缺陷
• 环（Environment）：温湿度、洁净度、照明、振动、现场布局
• 测（Measurement）：量具误差、抽检频率不足、检测方法不一致

并不是每次都必须机械套 6M，但对生产异常来说，这套框架足够稳定，能让团队讨论更全面，不容易漏项。

生产异常鱼骨图案例详解：某装配线不良率上升

下面用一个典型案例来说明。

问题背景

某电子装配线在过去两周内，产品终检不良率从 1.8% 上升到 5.6%。主要不良表现为：

• 接插件装配不到位
• 螺丝扭矩不足
• 外观轻微划伤增加

生产、品质、工艺三方都在处理，但现场一直没有形成统一判断：

• 生产认为是新员工熟练度不足
• 设备工程认为设备无大故障
• 品质认为是某批来料可能有偏差
• 工艺认为作业要求没有被严格执行

这时就非常适合用鱼骨图，把“终检不良率上升”作为鱼头，逐类拆解。

第一步：先把问题定义清楚，不要写得太虚

错误写法：

• 质量不好
• 生产异常
• 装配有问题

正确写法更像这样：

• 2026 年 3 月第 4 周，A 线某型号产品终检不良率由 1.8% 升至 5.6%，主要集中在接插件装配不到位、螺丝扭矩不足和外观划伤。

这样写有几个好处：

• 时间范围清楚
• 异常对象清楚
• 指标变化清楚
• 主要异常类型清楚

如果鱼头本身写不清，后面的原因拆解一定会越开越散。

第二步：按 6M 展开可能原因

1. 人：是否有人为操作偏差

在“人”的维度下，可以先问这些问题：

• 最近是否有新员工上岗？
• 上岗前培训是否完整？
• 班组之间作业手法是否一致？
• 是否存在赶产量导致跳步骤？
• 是否有交接班信息遗漏？

本案例里，进一步排查后发现：

• 近期确实新增了 2 名操作员
• 培训完成了，但实操考核标准不够细
• 夜班在接插件压装动作上存在省略确认步骤的情况

这说明“人”的因素不能简单归纳成“员工不熟练”，而要具体到：培训是否到位、动作是否标准化、现场监督是否足够。

2. 机：设备和治具是否稳定

在“机”的维度下，常见检查点包括：

• 设备是否有参数漂移
• 压装治具是否磨损
• 扭矩枪校准是否过期
• 自动报警阈值是否合理
• 保养周期是否被压缩

本案例里查到两个细节：

• 扭矩枪虽然能用，但其中一把校验临近到期，实际输出有轻微偏差
• 接插件定位治具存在磨损，导致个别工件定位不完全稳定

这类问题在现场很常见：设备没有“坏到不能用”，但已经“偏到足以影响良率”。很多异常就卡在这种灰色地带。

3. 料：来料和辅料有没有变化

“料”这个维度不能只盯主材，辅料和批次变化也要看。

可以重点核查：

• 异常是否集中在某一批来料
• 同型号不同供应批次是否存在差异
• 零件尺寸公差是否更接近上限或下限
• 包装、防护、储存是否影响使用状态

本案例排查后发现：

• 接插件来自新批次供应
• 尺寸虽在规范内，但插入力比历史均值偏高
• 如果配合老旧治具，就更容易出现“装配不到位”的风险

这就是典型的叠加因素：单看材料不一定判为异常，但与设备状态和操作习惯叠加后，就会放大问题。

4. 法：工艺方法和作业标准是否合理

很多生产异常，最后真正的问题不在“人不认真”，而在“方法不够稳”。

要重点看：

• 作业指导书是否写得足够清楚
• 关键动作有没有图示或判定标准
• 工艺参数是否经过重新验证
• 换线、换批、换人后是否有首件确认
• 异常处理流程是否明确

本案例中，工艺文件存在两个薄弱点：

• 接插件装配后的确认标准描述偏笼统
• 螺丝锁附后的扭矩复核频率不足

也就是说，现场不是完全没标准，而是标准存在，但不够细，执行时容易出现理解偏差。

5. 环：现场环境是否带来干扰

环境问题很容易被低估，但它在某些产线影响很直接，比如：

• 温度变化导致材料状态变化
• 湿度影响静电与贴附效果
• 照明不足导致外观缺陷漏判
• 工位布局拥挤导致拿取、摆放、转运更容易碰伤

本案例里，划伤增加并不是单纯“员工粗心”，而是因为：

• 包装周转区临时调整
• 半成品摆放更紧密
• 物料周转路径变长

这类问题如果不画进鱼骨图，通常会被忽略掉。

6. 测：检测手段是否足够早、足够准

很多时候，不是问题突然变严重了，而是问题一直存在，只是以前没被及时发现。

“测”的维度要看：

• 量具是否校准
• 检验方法是否一致
• 抽检频率是否足够
• 关键工序有没有过程检测
• 首件、巡检、终检之间是否衔接合理

本案例中，巡检对扭矩异常的发现偏晚，导致不良在终检才集中暴露。也就是说，检测机制更多是“发现结果”，还没有做到“前移预防”。

第三步：把原因从“猜测”变成“待验证项”

很多团队画鱼骨图时最容易犯的错，就是把脑暴内容直接当结论。

正确做法是：鱼骨图只负责列出高概率原因，接下来还要逐项验证。

比如本案例里，可以形成这样的验证清单：

• 比较新老员工对应工位的不良差异
• 检查治具磨损程度并试装验证
• 对扭矩枪重新校准并做对比测试
• 对新批次接插件做插入力数据比对
• 补充接插件到位判定样板
• 调整巡检频率，观察异常趋势是否回落

这样团队就不会停留在“感觉像是这个原因”，而是进入“拿数据和现场验证”的阶段。

第四步：从鱼骨图里筛出优先处理项

生产现场往往没有时间把所有怀疑点都查一遍，这时要做优先级排序。

通常建议按这 3 个维度判断：

1. 影响大不大

优先处理对不良率、停机、交期影响最大的项。

2. 验证快不快

先做那些能快速验证、快速排除的项，比如校准工具、替换治具、加严巡检。

3. 是否可控

优先处理自己内部就能改的部分。供应商来料问题当然要管，但现场能先做的控制动作也不能等。

本案例里，优先顺序就可以是：

1. 校验扭矩枪
2. 更换或修复定位治具
3. 强化接插件装配确认动作
4. 对新批次来料做专项验证
5. 优化周转与摆放方式

一个更贴近现场的鱼骨图结论示例

如果把上面的分析整理成文字版结论，大致会是这样：

• 人：新员工对关键动作掌握不稳定，夜班确认动作执行不到位
• 机：扭矩枪输出偏差、定位治具有磨损
• 料：新批次接插件插入力偏高，与现有治具匹配性变差
• 法：装配确认标准不够细，扭矩复核频率偏低
• 环：周转区调整后，半成品转运过程更易产生划伤
• 测：巡检发现偏晚，异常没有在过程环节被及时拦截

这时，鱼骨图才真正完成了它的作用：让团队看到异常不是一个点，而是一串因果链条。

生产异常鱼骨图怎么画，才不会流于形式

如果你想自己做一张能落地的生产异常鱼骨图，建议按下面顺序：

1. 先确定一个明确异常

一次只分析一个问题。不要把“良率下降、效率下降、客诉增加”混在一张图里。

2. 召集真正接触现场的人

不要只让管理层闭门讨论。班组长、操作员、品质、设备、工艺，至少要有 2 到 3 类关键角色参与。

3. 先发散，再收敛

第一轮先把可能原因写全，第二轮再删掉明显重复或不成立的项。

4. 每条原因都尽量写具体

不要只写“人员问题”“设备问题”“来料问题”。应该写成：

• 新员工未完成独立上岗验证
• 某治具定位销磨损
• 某批次材料插入力偏高
• 巡检频率不足导致异常后移暴露

5. 最后一定要接行动项

如果鱼骨图画完就结束，那它只是会议纪要。真正有用的是：

• 谁去验证
• 什么时候验证
• 用什么数据判断是否成立
• 成立后怎么纠正

常见误区：为什么很多鱼骨图画了也没用

误区一：把结果当原因

比如“员工不认真”“品质没控住”“现场管理差”，这些都太大、太空，不能直接指导改进。

误区二：原因只有一级，没有继续往下拆

例如写了“设备问题”，却不继续追问：是精度、磨损、参数、保养、校准，还是治具匹配问题？不继续拆，图就失去了分析价值。

误区三：讨论时只找“背锅方”

鱼骨图不是为了证明是谁的责任，而是为了把异常链条找全。只要会议氛围变成互相甩锅，信息就会失真。

误区四：不做验证，直接下结论

鱼骨图可以帮助聚焦，但不能替代验证。没有数据、没有试验、没有现场复核，最后很容易改错方向。

哪些生产问题特别适合用鱼骨图

如果你遇到下面这些情况，鱼骨图通常很有帮助：

• 不良原因不止一个，部门意见还不一致
• 问题反复发生，但每次只处理表面现象
• 需要做月度品质复盘或异常专题会
• 要给团队建立统一的问题拆解框架
• 新人需要快速理解某类异常的排查路径

但如果问题已经非常明确，比如“某零件装反导致报废”，那未必需要做完整鱼骨图，直接纠正和防错可能更高效。

实际落地时，可以配合哪些工具一起用

鱼骨图适合做“原因展开”，但它通常不是终点。生产异常分析时，还可以搭配：

• 5Why：继续深挖某一条核心原因
• 柏拉图：先看主要不良项占比，避免抓错重点
• 检查表：统一现场记录口径
• 控制图/趋势图：观察异常是否在改善后回落
• 改善行动清单：明确责任人与完成时间

如果你只是想先把思路搭起来，再慢慢补充原因和层级，也可以直接用鱼骨图在线制作工具把问题、主因和子因先整理出来，开会时会比口头讨论清楚很多。

FAQ

生产异常鱼骨图一定要用 6M 吗？

不一定。6M 是最常见也最稳的框架，尤其适合制造业。如果你的问题更偏流程协同，也可以改成“人员、流程、系统、资源、外部因素”等分类。

鱼骨图和 5Why 哪个更适合生产异常？

如果问题可能有多个分支原因，先用鱼骨图更合适；如果已经锁定某个主因，想继续深挖根因，再用 5Why 更有效。

一张鱼骨图应该画多细？

够支持下一步验证就行。不是越复杂越好。能帮助团队形成“先查什么、怎么查”的共识，已经达标。

生产异常分析最怕什么？

最怕两件事：第一，问题定义不清；第二，把猜测直接当结论。前者会让讨论发散，后者会让整改跑偏。

最后总结

“生产异常鱼骨图案例详解”真正值得学的，不是图长什么样，而是背后的分析顺序：先把异常写清楚，再按 6M 拆原因，再把可疑项变成可验证项，最后筛出优先处理动作。

只要这个顺序对了，鱼骨图就不是为了开会而开会，而是真的能帮你把现场问题一层层拆开。

如果你手上已经有一个具体的生产异常问题，最实用的做法不是继续空想，而是先把鱼头写出来，再按“人、机、料、法、环、测”把第一版骨架搭出来。很多问题一旦被完整画出来，方向就会比口头讨论清晰得多。