分析目的
拉链的质量问题往往在成衣环节才暴露：齿链错位导致拉合不顺，拉头卡滞影响穿着体验，电镀脱落造成色差投诉，长度偏差则直接造成裁片浪费。若只在客诉发生时被动处理，企业永远在救火。本分析的目的，是把来料检验、制程抽检与客户端反馈三类数据串起来，形成可比较的不良率指标，并回答两个问题：主要缺陷集中在哪一类，异常波动来自哪家供应商或哪条产线。
东龙拉链在供应商质量评审中通常要求提供连续六个月的批次检验记录，因为单月数据受订单结构影响太大，不足以判断质量稳定性。
数据准备
- 检验记录：检验日期、批次号、供应商、物料规格、抽样数量、不良数量、缺陷代码。
- 缺陷分类：齿链类、拉头类、表面处理类、尺寸类、颜色类、包装类，每类下设细分代码。
- 关联信息：生产机台、班组、原料批次、客户投诉单号，用于后续归因。
统一抽样标准是前提。若不同供应商按不同 AQL 水平抽样，不良率无法直接比较，应先折算为统一抽样方案，或在报告中注明差异并分层比较。
分析方法与公式
不良率 = 不良数量 ÷ 检验数量 × 100%；DPPM = 不良数量 ÷ 检验数量 × 1,000,000，适合衡量低不良水平的工序；批次合格率 = 合格批次数 ÷ 总批次数 × 100%，反映整体交付的稳定性。
波动监控可用 p 控制图：中心线为平均不良率，控制上限 = 平均不良率 + 3 × 根号下（平均不良率 ×（1 − 平均不良率）÷ 样本量）。连续多点超出上限，或连续七点位于中心线同侧，都提示过程发生异常，需要现场核查而不是继续抽样。
缺陷结构用帕累托分析：按缺陷数量降序排列，计算累计占比，累计达到 80% 的少数几类即为优先整改对象。
| 缺陷类型 | 数量（假设） | 占比 | 累计占比 |
|---|---|---|---|
| 齿链错位 | 420 | 38% | 38% |
| 拉头卡滞 | 280 | 25% | 63% |
| 电镀脱落 | 190 | 17% | 80% |
| 长度偏差 | 120 | 11% | 91% |
| 其他 | 100 | 9% | 100% |
结果解读
假设某季度共检验 120 万条拉链，发现不良 1110 条，总体不良率约 0.09%，折算 DPPM 为 925。前四类缺陷合计占 91%，其中齿链错位与拉头卡滞合计 63%，说明问题主要集中在装配与齿链成型工序，而不是表面处理。
按供应商拆分后若发现某家的 DPPM 是平均值的两倍，且集中在电镀脱落，则应优先核查其前处理清洗与镀层厚度控制，而不是泛泛要求全流程整改。按机台拆分则可能发现某台成型机的长度偏差显著偏高，属于设备精度问题，需要通过点检与模具更换解决。
还需区分偶发与系统性问题。偶发问题表现为控制图上个别点越界，通常由特定原料批次或临时换模引起；系统性问题表现为整体水平缓慢抬升，往往与工艺参数漂移、人员更替或设备老化有关，处理方式完全不同。
把缺陷数据按客户与季节分层还能发现外部规律。某些客户对色差的要求更严，同一批货在不同客户处的判定结果可能不同，这类差异应在分析时标注，避免把客户标准差异误判为供应商质量波动。旺季产量上升时不良率往往同步抬升，若涨幅超过产量涨幅，则说明产能已接近极限，需要提前评估扩产或分流。
行动建议
- 统一缺陷代码字典与抽样标准，确保不同供应商、不同检验员的数据可比。
- 对累计占比前 80% 的三类缺陷成立专项小组，明确责任工序与整改时限。
- 把 DPPM 与批次合格率同时纳入供应商季度评分，避免只看总量掩盖批次性风险。
- 每月更新控制图，出现连续越界时暂停新订单分配，待现场审核通过后恢复。
- 把客诉数据回填到批次与缺陷代码，形成从市场反馈到工序整改的完整链路。