3. 生产异常事件识别与分类
在生产现场，异常事件并不是“感觉不对”这么模糊的概念，而是可以被观测、被记录、被归类、被编码的结构化对象。识别与分类是异常事件模型的第一道关口：识别决定“有没有异常”，分类决定“这是哪一类异常”，编码决定“系统里怎么唯一标识它”。三者缺一不可，否则后续的状态机迁移、告警收敛、根因分析都会失去稳定的输入。
一、五个维度的异常识别方法
产线异常通常从设备、工艺、质量、物料、人员五个维度同时暴露。每个维度都有其可观测的“信号源”，识别方法就是把这些信号源与判定阈值或规则对应起来。
- 设备维度：关注设备自身的运行状态量，如主轴电流、伺服扭矩、气缸到位信号、真空压力、轴承温度、振动加速度。识别方式包括阈值越限（如扭矩超过额定值 120% 持续 2s）、状态跳变（运行中突然出现急停信号）、以及周期性特征偏移（振动频谱中某阶次幅值上升）。
- 工艺维度：关注工艺参数是否落在受控窗口内，如焊接电流/电压、注塑保压压力、固化炉温曲线、点胶量、贴装压力。识别方式以“参数—时间曲线”与标准工艺窗口比对为主，例如回流焊峰值温度要求 235±5℃，实测 228℃ 即判定工艺异常。
- 质量维度：关注产品特性与缺陷表现，如尺寸超差、外观划伤、焊点虚焊、气密泄漏率超标。识别方式包括在线检测（AOI、SPC 控制图、气密测试）与离线抽检，常用判异准则如连续 7 点上升、超出 3σ 控制限。
- 物料维度：关注投入物料的身份与状态，如批次号、有效期、含水率、粘度、来料尺寸。识别方式包括批次追溯比对、来料检验（IQC）结果、上料防错（扫码校验）以及物料在库超期提醒。
- 人员维度：关注操作行为与资质，如是否按 SOP 操作、是否在岗、是否具备对应工位资质、操作节拍是否异常。识别方式包括工位登录校验、操作步骤顺序校验、节拍偏离统计以及关键步骤的双手确认信号。
实际识别时，五个维度往往交叉出现。例如“设备扭矩上升”可能同时伴随“尺寸超差”，此时需要判断谁是主因、谁是伴随现象。一个实用的做法是：先按维度独立采集候选异常，再通过时间窗（如 ±30s）和工位绑定关系做关联，形成“异常事件簇”，避免把同一根因拆成多条孤立告警。
二、异常事件分类体系与编码规则
分类体系的目标是让任意一条异常都能被稳定地放入唯一类别，并支持统计与检索。建议采用“维度—类别—子类”三级结构，再叠加严重度与来源标识。编码规则则把这套结构固化为可解析的字符串。
一种可直接落地的编码格式为：维度码-类别码-子类码-严重度-序号。例如 EQ-TQ-OVL-2-0031 表示设备维度、扭矩类、过载子类、严重度 2、当日第 31 条。维度码建议固定为 EQ（设备）、PR（工艺）、QL（质量）、MT（物料）、HR（人员）。严重度用 1～4 表示：1 为提示、2 为轻微、3 为严重、4 为致命/停线。
| 维度码 | 维度 | 典型类别码 | 典型子类示例 |
|---|---|---|---|
| EQ | 设备 | TQ 扭矩、TM 温度、PS 位置、VB 振动 | OVL 过载、STK 卡滞、DRF 漂移 |
| PR | 工艺 | WL 焊接、IJ 注塑、CR 固化、DS 点胶 | OOT 超窗口、UNS 不稳定、SKP 跳步 |
| QL | 质量 | DM 尺寸、AP 外观、EL 电气、LK 泄漏 | OOS 超差、SCR 划伤、OPN 开路 |
| MT | 物料 | BT 批次、EX 有效期、MO 含水率、VS 粘度 | EXP 过期、MIX 混料、OOS 超标 |
| HR | 人员 | QL 资质、OP 操作、CT 节拍、LG 登录 | NOQ 无资质、SEQ 顺序错、SLW 节拍慢 |
编码规则要满足三个约束：唯一性（同一事件不重复编号）、可解析性（程序能按分隔符拆出各字段）、可扩展性（新增子类不破坏既有编码）。序号建议按“日期+当日流水”生成，便于按天归档与回溯。严重度不参与唯一性判断，但参与告警路由：严重度 3 以上直接触发停线或升级通知，严重度 1～2 进入观察队列。
三、实际产线异常案例梳理
以下案例来自某电子装配产线的合理教学示例，参数为示例值，用于说明识别与分类的完整过程。
案例一：设备扭矩过载。工位 OP-07 的锁付电批在 10:23:14 触发扭矩超限，实测峰值 2.8 N·m，标准窗口为 1.8～2.2 N·m，持续 1.6s。识别维度为设备，类别扭矩，子类过载，严重度 3。编码 EQ-TQ-OVL-3-0042。关联检查发现同一时段该工位物料批次为 B240715-03，螺钉长度抽检偏上限，初步判断为物料与设备耦合异常，需同时挂接物料维度候选事件。
案例二：工艺温度超窗口。回流焊第 6 温区实测峰值 228℃，标准 235±5℃，判定为工艺超窗口，严重度 3，编码 PR-CR-OOT-3-0017。该异常与后续质量维度“焊点虚焊”候选事件在 90s 时间窗内共现，形成异常事件簇，指向同一根因（温区加热管老化）。
案例三：人员操作顺序错误。装配工位要求先扫码绑定物料再启动锁付，实际在 14:05 出现未扫码直接启动，系统通过工位登录与步骤信号比对识别为人员操作顺序异常，严重度 2，编码 HR-OP-SEQ-2-0009。该事件不直接停线，但进入观察队列，若同一人员 24h 内重复 3 次则升级为严重度 3。
把上述过程固化为可执行的识别与分类链路，可以用下面的关系图表示：五个维度并行采集候选异常，经时间窗与工位关联形成事件簇，再按编码规则生成唯一事件标识，最后按严重度分流到停线、升级或观察队列。
从图中可以看出，识别与分类不是一次性的判断，而是一条“采集—关联—编码—分流”的链路。设备、工艺、质量、物料、人员五个维度各自提供候选异常，事件簇关联把同一根因的候选合并，编码规则赋予唯一标识，严重度决定后续处理路径。实际落地时，建议先把每个维度的信号源和判定规则写成可执行的配置项，再逐步补充关联规则和编码字典，避免一开始就追求大而全的分类体系。