在制造现场，良率波动常被归因于最显眼的工序，真正的原因却藏在跨工序的时序耦合里。数据分析实验室近期做了一组实验性探索：把 MES 的过站记录、设备参数与检测结果按产品序列对齐，构建以「单件」为粒度的宽表，用梯度提升树做异动时刻的候选因子排序，再用因果约束（时间先后、工序流向）过滤明显伪相关。
- 阶段进展：在某 SMT 后段产线三周数据上回溯 5 次良率下滑事件，模型给出的 Top3 候选因子有 4 次覆盖工程师最终确认的主因，平均定位耗时从约半天压缩到 20 分钟以内。
- 下一步：把输出从「相关性排序」推进到可核验的排查建议，并补充小样本下的置信区间，降低把正常波动误报为异常的概率。
这类工具的价值不在替代判断，而在于让工程师愿意先打开分析结果看一眼。
评论