产线良率出现波动时，工程师往往要在数十道工序、上百个参数里找原因，过程高度依赖经验。我们把这个问题当作一次数据智能的小实验：以批次号为主键，把设备时序、工艺参数、来料批次与终检结果对齐到同一张宽表，先做单变量分布筛选，再用树模型做多维交叉搜索，最后输出可疑因子排序与对应的证据切片（哪一批、哪台机、哪个时间窗）。
阶段性结论有两点：
· 收益主要来自数据对齐与时间窗设计。纠正检测时间与工序时间的错位后，同一批数据的候选因子命中率明显提升；模型从逻辑回归换成梯度提升，提升幅度反而有限。
· 相关不等于因果。交叉搜索容易把与根因同步波动的下游参数排在前面，目前仍靠工程师复核兜底。
下一步计划是在搜索中引入工序先后约束与简单因果图，让候选因子按可干预性排序，并沉淀一套可复用的批次对齐模板，供其他产线迁移使用。
评论