良率波动时，最费时间的往往不是建模，而是把散落在各工序的数据对上号。数据分析实验室从这个问题入手，做了一组实验性探索。
做法上，先以批次号与单件序列号为主线，把各工序的过程参数、设备状态与检测结果串成一条记录链，重点处理采样频率不一致、时间戳偏移与指标口径不统一三类问题；再在批次层面做差异对比，用树模型配合贡献度分解，输出可疑因子排序，并附带可核查的证据片段，比如同一设备相邻班次的参数分布对照，供工程师自行判断。
要点：
- 进展：在某电子装配产线单线试运行，覆盖十余道关键工序，一次良率异常的原因初步定位由人工数小时缩短至十几分钟；模型输出仅作线索，最终判定仍由工艺工程师确认。
- 下一步：引入工序先后关系等约束，降低参数共线性带来的误导；同时扩充因子库并试点跨厂区迁移，验证同一套数据口径能否复用。
评论