在制造现场，质量异常的排查常常卡在数据不通：设备参数在SCADA、质检结果在MES、物料批次在ERP，时间戳口径与采样频率互不一致。数据分析实验室近期的一项实验性探索，围绕「跨工序数据对齐 + 归因排序」展开。
做法上分三步：先以工单与产品序列号为锚点，把多源数据切到同一时间轴，处理时区、班次与时钟漂移；再对高维过程特征做相关性筛选与工况分层，避免把换型、换批带来的正常波动误判为异常诱因；最后用可解释的归因模型输出候选原因排序，交由工艺人员复核。
阶段性进展：在某离散制造试点中，单次异常排查所需的数据准备时间从数小时降至分钟级，归因排序前三位覆盖实际原因的占比约七成。样本量仍然有限，复核记录还在持续积累。
下一步计划：
- 补齐物料批次与班次维度的对齐规则，降低跨班次比较带来的偏差；
- 引入工艺约束与因果检验，把「相关」与「可干预」区分开，减少无效排查建议。
我们更关心这套流程能否被现场工程师长期使用，而不是单次归因的准确率峰值。
评论