化成车间良率从91%到96.5%：一个DMAIC项目的18周实录

去年接手一个储能电池项目，客户总经理跟我说：化成车间良率卡在91%已经八个月，换了两任质量经理，加了三次检验人手，良率纹丝不动。

我说：加检验人手是堵漏洞，不是找漏洞。你堵得越多，漏得越快。

这个项目我们跑了18周，良率从91%拉到96.5%，年化收益2700万。今天把完整过程摊开，不是晒成绩，是告诉你91%到96.5%之间到底卡在哪。

Define：问题不是"良率低"，是"波动大"

进场第一周，客户给的数据是：化成车间良率91%，行业平均94%。目标是追到行业平均。

我看了三个月的数据记录，发现一个被忽略的事实：良率不是稳定在91%，是在87%到94%之间剧烈波动。好的时候接近行业平均，差的时候直接跌破盈亏线。

问题重新定义：不是"良率低"，是"良率不可控"。这个定义改变了一切。如果问题是"低"，解决方案是加资源、加检验、加奖惩。如果问题是"波动"，解决方案是找变量、控参数、建系统。

项目范围锁定：只盯化成工序，不碰涂布和分容。涉及设备12台、工艺参数38个、操作人员3班倒共47人。时间边界：18周必须闭环。

Measure：数据比想象中脏得多

六西格玛讲"用数据说话"，但多数企业的数据根本不能直接用。这个项目的数据问题典型到可以作为教材：

第一脏：时间对不上。MES系统记录的是设备停机时间，但质量异常记录的是发现时间。一个批次凌晨2点出问题，MES显示2点15分停机，质量记录写的是早班8点发现。中间5小时45分的延迟，根因分析时完全对不上。

第二脏：参数缺失。化成工艺有12个关键参数，但MES只采集了7个。另外5个靠操作工手工抄表，字迹潦草、单位混乱、有的直接写"正常"。

第三脏：样本偏差。检验工习惯在换班前集中抽检，导致早班数据多、夜班数据少。统计时看起来早班良率低，其实是检验密度不同造成的假象。

我们花了3周做数据清洗：重新对齐时间戳、补装5个传感器、把手工记录改成扫码录入、调整抽检为随机抽样。这3周没有分析任何根因，但不做这一步，后面的分析全是垃圾进垃圾出。

Analyze：12个变量里藏着3个真凶

数据干净后，用假设检验筛12个工艺参数。结果出人意料：

真凶1：化成温度。工艺卡写的是45±2℃，但实测波动范围是41.3℃到48.7℃。更隐蔽的是，12台设备的温控精度差异巨大——3台老旧设备实际偏差±4℃，但仪表盘显示正常。温度每偏离1℃，不良率上升0.8%。

真凶2：电解液注液量。标准值是5.2g，但操作工为追求速度，实际注液在4.8g到5.6g之间。注液量与不良率不是线性关系，而是阈值关系：低于5.0g时，内阻不良率从2%飙升到11%。

真凶3：化成电流曲线。前两周的电流爬坡斜率，工艺文件写的是"按经验调整"。三个班的班长各自有自己的"经验"，A班缓升、B班陡升、C班分段升。同一个配方，三班做出来的电芯性能差异大到像三个工厂。

其余9个参数，统计上都不显著。客户之前把资源分散在12个参数上，每个都抓，每个都抓不紧。DMAIC的价值在这里体现：不是面面俱到，是精准打击。

Improve：不动设备，先动规则

很多人以为改进就是花钱买新设备。这个项目我们一台设备没换，改了三个规则：

规则1：温控校准。老旧设备的温控探头从半年一校改为每周一校，校准记录从纸质改为系统强制录入，未校准设备自动锁机。温度波动从±4℃压到±1.5℃。

规则2：注液量闭环。注液泵从定时模式改为称重闭环模式，每注50支自动校验一次。低于5.0g自动报警停机。操作工从"凭手感"变成"看数据"。

规则3：电流曲线标准化。把C班班长的分段升流方案做成标准程序，写入所有设备PLC。三班统一，消除人为差异。

三个改动，硬件投入不到8万，主要是传感器和程序修改。但执行过程比买设备难十倍——因为动了操作工的"自由裁量权"。

A班班长抵触最大：我干了十二年，凭经验看电流表就知道什么时候该升，你现在让我按程序走，是信机器不信人？

我们的回应：不是不信人，是让人从"凭经验猜"升级到"用数据验证"。你十二年的经验很宝贵，但应该用来优化程序，而不是替代程序。

总经理拍板：试运行两周，如果良率没提升，恢复老办法。结果第一周良率跳到94.2%，第二周95.1%。班长不说话了。

Control：最怕的是项目一完就反弹

18周项目收尾时，良率稳定在96.5%。但真正的考验是顾问撤场后会不会反弹。

我们做了三件事固化：

第一，控制计划上墙。三个关键参数（温度、注液量、电流斜率）的SPC控制图，从MES系统自动生成，每班交接班时必须确认控制图状态。有点出界，班组长必须签字说明原因。

第二，财务挂钩。质量部每月算一笔账：这个项目省了多少钱。数字直接报总经理，同时抄送生产部和设备部。良率波动和部门奖金挂钩，从"质量部的事"变成"全厂的事"。

第三，横向复制。化成车间的经验，用同样的DMAIC方法复制到分容工序。分容车间良率从93.2%提升到95.8%，又多出1800万收益。

结果与反思

18周，化成车间良率91%→96.5%，年化收益2700万。硬件投入8万，软件投入主要是顾问时间和内部人力。

客户总经理后来跟我说：这个项目最大的价值不是2700万，是我们终于知道"问题在哪"。以前每个月开会，生产部说质量部标准太严，质量部说生产部执行不力，设备部说设备老化需要更新。永远吵，永远没结论。DMAIC把争论变成了数据，数据面前没有部门，只有事实。

还有一个意外收获：项目培养了两个内部黑带。他们现在能独立带项目，不需要外部顾问。这才是六西格玛的真正价值——不是 consultant 替你解决问题，是 consultant 帮你建立解决问题的能力。

如果你所在的企业也有类似痛点：良率波动大、问题反复出现、各部门互相推诿。可以考虑用DMAIC系统性地走一遍。不是每个项目都能做到2700万，但每个项目都能让你离"用数据管理"更近一步。

张驰咨询在新能源、储能、光伏等行业的六西格玛培训与项目辅导已有大量落地案例。如需了解绿带/黑带认证课程或企业内训方案，可访问张驰咨询官网，或致电 400-889-8319 预约免费诊断。

本文案例经客户授权匿名发布，关键数据已做脱敏处理。