质量归因长期依赖工程师经验：缺陷发生后，要把 MES 工单、QMS 检验记录、SPC 控制图与设备日志手工拼在一起，一轮排查常耗数小时，结论还难复现。数据分析实验室的一次实验性探索，是把这件事拆成「对齐—排序—验证」三段可计算流程。
第一步先解决数据能不能用：以批次与工单为主键对齐跨系统记录，统一时间基准并保留原始来源，缺失字段显式标注而非静默填充。第二步做候选因子排序，用分组对比与统计检验筛出与缺陷率显著相关的变量，再由树模型给出多因子交互的贡献排序。第三步是关键，加入因果约束——因子必须在时间上先于缺陷、且在现场可干预，以此过滤同源共线的伪相关，最终输出带证据链与置信度的归因卡片。
要点：
- 进展：在某电子组装产线覆盖 3 类高频缺陷试点，候选因子 Top1 命中率约 62%（人工经验基线约 40%），单次归因从约 2 小时压缩到 15 分钟内，每条结论可回溯到原始记录。
- 下一步：接入来料批次与环境温湿度数据，引入反事实校验与数据漂移监控，避免工况变化后模型仍给出过时排序。
我们并不宣称「一键定位真相」，输出的只是值得优先排查的方向，最终判断仍由工艺工程师确认，复核结果回流为标注。
评论