价值流数据怎么采：让现状图成为可验证的改善基线

先选产品族和边界，避免画成全厂总览

产品族应具有相似工艺路线和可共同分析的需求特征，起止边界可以是供应商到客户，也可以先聚焦于厂内一段可控流程。边界越宽不代表价值越大，若数据责任和改善权限都不在范围内，图只会成为复杂展示。

需求侧也要统一口径，例如客户需求、出货节奏、计划批量和班次日历。没有共同时间单位，周期、库存和需求无法放在同一价值流上比较。

工序数据框要服务于流动分析

常见数据框包含加工周期、换型时间、设备或人员可用性、批量、良率和操作者等，但并非字段越多越好。字段选择应能解释本价值流的主要疑问，例如等待来自换型、故障、批量还是信息触发。

加工周期要区分人工作业、设备自动运行和整批处理，良率要区分首次通过与最终合格。若返工路线回到前序，主图之外还应标出回流，否则总工时和在制品都会被低估。

现场测量与系统数据要相互校准

现场观察能发现系统没有记录的等待、搬运、临时存放和返工，系统数据能提供更长窗口的事件、周期和批次变化。两者应互相验证，而不是争论谁天然更准确。

若系统显示设备运行而现场实际在等待下工序，可能是状态映射不完整；若现场一次测量与系统长期平均不同，可能是产品或工况不同。先检查定义和样本，再决定是否需要补采或修订。

在制品与信息流决定图是否能解释等待

在制品不是只在仓库里，设备旁、待检区、返工区和未扫码的临时队列都可能形成等待。记录时应标明数量、身份、状态、批次龄期和下一步条件；账物不一致本身就是需要验证的问题。

信息流要画出需求如何变成计划、计划如何变成工单、工单如何触发投料与报工，以及异常如何反馈。重点识别重复录入、口头插单、批量汇总和信息延迟，因为这些机制可能直接驱动过量生产和库存。

• 沿实物走：记录每一次停滞、转运、拆分合并和身份变化。
• 沿订单走：记录需求、排产、下达、变更、完工和反馈的责任。
• 沿异常走：记录质量、设备或缺料信息如何改变原计划。
• 标出时间：区分加工、等待、搬运和信息延迟，不混为一个总周期。
• 标出未知：账物差异和缺数据项进入待验证清单，不凭经验补齐。

从现状图到未来态，先改变机制再自动化

未来态设计通常围绕需求节奏、连续流、拉动、均衡和信息触发展开，但具体选择必须尊重工艺、质量与供应约束。不能为了图上看不到库存就简单取消必要缓冲，也不能把所有人工步骤直接改成自动采集。

数字化优先级应对准已经确认的机制：若问题是工单状态不清，可优化执行与接口；若问题是设备微停不可见，可补状态采集；若问题是计划规则导致过量生产，仅增加看板不会消除根因。

• 找出关键约束：选择影响交付、流动或质量的主要机制。
• 设计目标规则：明确未来由什么需求触发、以何种批量和缓冲运行。
• 评估必要条件：核对设备、工艺、供应、质量和人员能力是否支持。
• 小范围试验：在边界清楚的产品族中验证，不直接全厂切换。
• 再定系统范围：用已验证规则决定MES、SCADA、安灯或接口需求。

让价值流图成为有版本的改善基线

价值流图应记录产品族、时间窗口、数据来源、定义和制图责任。工艺、需求或设备条件显著变化后，需要复核关键数据，而不是把旧图当成长期不变的真相。

改善验证使用同一口径重采关键数据，并检查损失是否转移。例如本地等待减少后，是否在前序形成积压；周期缩短后，是否出现质量或能耗异常。公开内容只使用匿名和经批准的信息，不展示客户现场图、界面或敏感参数。

• 为每次现状图保留时间窗口和样本背景。
• 为每个关键数据项记录来源、定义、测量或提取方式。
• 为未来态措施关联基线、责任、验证窗口和未解决问题。
• 复核时同时看流动、质量、设备和人员影响，避免单指标优化。