AI产线流程挖掘：设备日志与瓶颈定位

自动化流程实验室近期把注意力放在一个老问题上：产线瓶颈到底卡在哪一步。我们尝试不新增传感器，仅用设备已有的 PLC/SCADA 时间戳、MES 工单与过站记录，重构工序级事件日志，再做流程模型拟合与偏差检测。

做法分三步：先从多源日志中抽取「开始—结束—等待」事件并对齐时钟；再用流程挖掘算法生成实际流转路径，与标准工艺路线比对，标记绕行、回退和长时间停留；最后按累计时长与出现频次对偏差排序，输出瓶颈清单。

• 进展：在某机加工产线的初步试点中，日志还原出的等待时长占比约为 28%，高于车间经验估计的 15% 左右，且主要集中在夹具准备与首件送检两个环节，而非此前认为的设备故障。样本量有限，结论仍待验证。
• 下一步：把偏差事件与报警记录、工单备注做关联，尝试给出「偏差—可能原因—调整建议」的候选列表，并在两条产线上做小范围对照验证。