批次追溯的粒度选择，本质上是成本与响应速度之间的权衡。粒度越细，问题定位越精确，但数据采集、存储和关联的负担也同步上升；粒度越粗，实施门槛低，却可能在异常发生时留下大片无法收敛的盲区。真正需要回答的问题不是“能不能做到单件级”，而是“这条产线、这类产品，值不值得做到单件级”。
从追溯模型看，粒度通常落在两个层级：批次级别与序列号级别。批次级别以入库批次、生产批次或工单为单位做关联，适合原材料属性主导质量波动的场景，例如同一批来料存在均匀性差异。序列号级别则把追溯单元压缩到单件产品，适合装配关系复杂、单件间工艺参数漂移明显、或售后需要精确定位到个体的场景。选择哪种，取决于质量风险的主要来源是“料”还是“过程”。
判断粒度时，有三个可操作的切入点。第一，看客户与法规的合规要求：汽车零部件、医疗器械等行业对批次追溯有明确要求，粒度下限往往由外部标准先行框定。第二，看异常传播的物理范围：如果一批原料只影响同一时段、同一设备生产的有限成品，批次级关联通常足够；如果同一批原料被拆分到多条产线、多个班次，批次级关联会迅速膨胀成模糊集合，此时需要更细的标识来切分。第三，看追溯动作的时效目标：若目标是分钟级定位根因，数据链路必须在编码层面就保持唯一和持久，否则仓库、车间、质检三处编码不统一，任何粒度都无法真正串起来。
粒度并非全局统一。实践中更务实的做法是按工序分级：对质量影响大、参数波动敏感的关键工序采用序列号级追溯，对通用辅料或低风险环节保留批次级。这种混合粒度既控制了数据量，也把精细化的成本集中在真正需要的地方。需要提醒的是，粒度一旦确定，编码规则必须唯一且持久，因为追溯系统本身不替代MES，而是作为跨系统关联层，从MES、ERP、QMS抽取数据建立关联。编码断链，粒度再细也只是孤立的记录。
落地时可以先做一次诊断：评估现有数据能否支撑正向与逆向双向追溯，识别批次关联的断点，再据此确定粒度和关键记录范围。与其追求一步到位，不如先让关键工序的链路真正闭合，再逐步扩展。