AI多工序良率归因：跨设备时间对齐与因果排序

在离散制造中，良率波动往往跨工序传播，数据分散在MES、SCADA与QMS，采样频率、批次口径和机台状态并不一致。数据分析实验室近期围绕“良率损失归因”做了一组实验：先以工件/批次为主线建立跨设备事件链，完成时间对齐与工况切片，再用因果发现结合梯度提升做候选因素排序，输出可疑工序、参数窗口与证据链，而非只给相关性热力图。

阶段进展：在一条机加+装配试产线上回放连续4周数据，Top-3归因命中率由依赖人工经验的27%提升至64%，平均排查时长从约3.5小时降至50分钟。

要点：

• 对停机、缺失与换型段做鲁棒对齐，避免把计划停机误判为异常根因；
• 下一步加入轻量干预模拟，估算参数调整后的良率区间，并跟踪在线数据漂移对归因稳定性的影响。