AI质量数据根因分析：批次波动与多源对齐

在离散电子装配场景中，质量异常常跨工单、跨设备、跨班次出现，单看SPC报警很难定位。我们把MES工单、设备日志、检验记录与环境数据按“工单—批次—时间窗”对齐，构建以工序为节点、参数与缺陷为边的异构图。先用规则约束排除量纲与时间错位，再用梯度提升与时序特征做根因排序，输出可疑参数组合及影响时段。

• 进展：试点覆盖3条产线、6类数据源，回溯近半年异常单；在38起可复现批次波动中，Top3候选包含真实根因的为29起，误报集中在换料与计划性停机时段。
• 下一步：加入工况漂移检测与人工确认回流，将候选清单压缩至3条以内，并评估跨工厂迁移的稳定性。