产线良率波动AI归因：多工序耦合的溯因路径

良率掉点，常常不是某一台设备的问题。某机加车间三个月内不良率从 2.1% 升到 3.4%，工艺参数、设备状态与来料批次的数据分散在 MES、PLC 和检验台账里，工程师只能按工序逐个排查，一轮下来要两三天。

数据分析实验室做了一次小范围实验：以工单为主键，把三类数据按时间窗对齐，用工序耦合的方式做归因排序，输出「最可能的 2~3 道工序 + 关键字段」。在 20 次历史掉点事件回溯中，前三位命中真实原因的为 13 次；其余 7 次的原因落在数据尚未覆盖的人工调整上。

• 进展：归因链路已跑通，单次分析约 5 分钟，覆盖 12 道工序、约 40 个字段。
• 下一步：把归因结果接到工艺参数建议上，并补充换型、换批等上下文标签，让模型区分「偶发波动」与「趋势性劣化」。

现阶段的结论偏保守：数据智能不负责给出确定答案，而是把排查范围从 12 道工序收敛到 2~3 道，剩下的判断仍交给现场。