在离散制造现场，质量异常通常先在终检暴露，却起源于数小时前的某道工序。若只按批次汇总，问题往往被平均掉；按单件追溯，又会遇到工序数据不同步、字段口径不一致的问题。
数据分析实验室近期做了一组实验：以工件唯一码为主键，把压装、拧紧、焊接、气密等工位的设备时序与检测结果对齐，构建“工序—参数—结果”的宽表，再用相关性筛选、树模型重要度与滞后窗口分析做根因排序，最终输出的是若干条待验证线索，而非直接定性结论。
要点：
- 进展：在某试点产线的近 10 万件样本上，模型对已知缺陷类型的工序指向准确率约 78%，根因排查由人工翻查改为线索排序，单次定位耗时从数小时降至 1 小时以内（试点口径，暂不外推）。
- 下一步：引入工况分层与设备状态标签，区分“参数偏移导致的不合格”与“来料波动导致的不合格”，并补充因果检验环节，避免把相关关系当成原因。
我们的判断是：质量根因分析的难点不在算法，而在数据对齐的颗粒度与可解释的呈现方式。
评论