小批量多品种的追溯粒度怎么定

多品种小批量的产线如果照搬大批量场景的追溯方案，通常会掉进两个困境。一是来料没有唯一标识：一筐散件倒上料台，谁也没有序列号，此时所谓单件级追溯只能靠时序推算——第几个工件对应第几条记录。一旦出现漏拍、重复触发或者人工干预，数据就整体错位，而错位的追溯记录比没有记录更危险，因为它看起来是可信的。二是批量本来就小：一个工单可能只有几十件，追溯到单件能多回答的问题很有限，投入却和做大批量一样大。因此粒度选择应该是一项经济决策，而不是技术能力的展示。

决定粒度的两个问题

第一个问题：产品本身能不能被唯一标识。有序列号、有条码、有 RFID，或者始终固定在可识别的载具上，那么单件级追溯在数据上是成立的；反过来，如果上料时工件没有任何标识、也没有固定载具，那么单件级追溯就只能靠时序推算，其可靠性取决于采集是否一次不漏，而这在真实产线上很难长期保证。第二个问题：出问题时需要定位到多小。如果下游发现一批产品有问题，是只影响这一件、还是影响这一批、还是影响这个工单？答案决定了追溯需要做到什么粒度，超出需要的粒度是浪费，达不到需要的粒度是风险。

• 有唯一标识 + 需定位到件：做单件级追溯，且标识的读取要足够可靠，读不到时必须有明确的处置规则。
• 有唯一标识 + 只需定位到批：做工单级即可，不必为了「更先进」去追求单件。
• 无唯一标识 + 需定位到批：工单级加批次关联，明确说明单件不可追。
• 无唯一标识 + 需定位到件：这是最棘手的一种，通常需要先改变上料或载具方式，否则追溯建立在不可靠的时序推算上。

混合粒度：多品种场景下的常见解

大多数多品种小批量产线最终采用的是一种混合方式：整体以工单级追溯为主，记录每个工单的判定统计、报警次数与参数版本；在少数几个关键工位上做到单件级，比如产品被打上标识的工位，或者最终检测工位。这样做的逻辑是——追溯的价值在关键决策点最高。如果某道工序一旦出错就不可返工，那么在它之前或之后的那个工位就是值得做单件级的；其余工位做批次级足以支撑趋势分析。混合方式还有一个实际好处：实施难度和成本是可控的，可以先在一个关键工位做起来，验证效果之后再扩展，而全单件级方案通常必须一次做完。

换型频繁带来的额外要求

多品种意味着换型频繁，而换型是追溯数据最容易错乱的时候：上一型号的判定参数还挂在系统上，新产品已经开始过了；或者换型过程中试做的几件混进了正式记录。因此追溯方案必须把换型作为一等公民处理：每个工单有明确的起止时刻，参数版本随工单切换，换型期间的试做件单独标记不进入正式统计。这几条看起来是流程细节，实际决定了追溯数据能不能用。相关做法可以参考换型频繁产线怎么做视觉 SOP，以及回写字段设计里关于工单号与程序版本的字段建议。

留存周期也要跟着粒度走

追溯粒度定好之后，留存周期应当与它匹配。批次级记录的数据量小，可以保留较长时间；单件级的图像与判定记录数据量大，通常需要按策略分层——统计与关键字段长期保留，图像类数据保留较短周期，报警件与关键工位的图像保留时间更长。不同层级的周期应当在方案里写明并确认可执行，而不是笼统地说「永久保存」，后者在实践中几乎总是变成「存满硬盘就停」。这部分与网络与数据安全里讨论的留存策略是同一件事。