1. 课程导入与场景锚定
在一条典型的电子装配或汽车零部件产线上，视觉检测系统（AOI/CCD）每天会输出成百上千条NG记录：某颗螺丝缺失、某处焊点偏移、某个字符印反、某条划痕超规。这些NG记录通常只停留在视觉软件自己的数据库里，包含时间戳、工位号、相机编号、缺陷类型和一张NG图片。与此同时，MES（制造执行系统）里保存着这批产品的完整履历：产品序列号（SN）、工单号、批次、经过的每道工序、使用的物料批次、操作员、设备参数、返修与报废记录。问题在于——这两套数据往往是"两张皮"。
当质量工程师拿到一条"焊点偏移"的NG记录时，他真正想知道的不是"偏移了0.3mm"，而是：这颗焊点属于哪个SN？这个SN在焊接工位用的是哪台设备、哪套参数、哪批锡膏？同批次还有多少产品出现了同类NG？是设备漂移、物料异常，还是操作员手法问题？如果视觉NG结果不能与MES追溯数据关联，上述问题就只能靠人工翻记录、对时间、猜原因，追溯效率极低，甚至根本无法闭环。
业务价值：从"看到缺陷"到"说清原因"
视觉检测解决的是"有没有缺陷"的问题，MES追溯解决的是"缺陷从哪来、影响谁"的问题。两者关联后，业务价值体现在四个层面：
- 判因提速：NG记录自动带出SN、工单、设备、物料批次，工程师无需跨系统手工比对，单条NG的判因时间可从数十分钟缩短到分钟级。
- 批次拦截：当同一物料批次或同一设备在短时间内出现NG聚集，可依据MES中的SN清单快速圈定受影响范围，实施在制品与库存拦截。
- 质量闭环：NG数据回流到MES后，可与返修、报废、客诉记录串联，形成"检测—追溯—处置—验证"的完整闭环。
- 数据资产：长期积累的NG与追溯关联数据，可用于设备健康评估、工艺窗口优化和供应商质量评分。
典型产线场景
以一条SMT后段组装线为例：产品经过锡膏印刷、贴片、回流焊、AOI、功能测试、组装、终检等工序。AOI工位产生视觉NG，MES记录每道工序的过站信息。假设某天上午10:15，AOI在工位"AOI-02"连续报出12条"焊点偏移"NG，涉及3个不同SN。若没有关联，这只是一堆图片；若已关联，系统可立即呈现：这3个SN都经过"回流焊-01"设备，使用的锡膏批次为"SP-240715-A"，同批次共投产200件，其中已检测80件、NG 12件，NG率15%，远高于基线2%。此时工程师就能把排查方向锁定在回流焊设备参数或锡膏批次上，而不是盲目全检。
这个场景说明：视觉NG是"症状"，MES追溯是"病历"，关联之后才能"对症下药"。
整体任务地图
本课程围绕"关联"这一主线，分为四个阶段推进：数据认知（理解视觉NG数据与MES追溯数据的字段与结构）、关联建模（确定关联主键、时间对齐与工序映射规则）、实现落地（接口对接、数据清洗、关联逻辑编码与存储）、应用验证（NG判因、批次追溯、看板呈现与效果验证）。每个阶段都会给出具体的字段示例、关联规则、判断条件和可执行的检查清单。
学习目标
完成本课程后，你应当能够：
- 说清视觉NG数据与MES追溯数据各自的关键字段、数据来源与更新频率；
- 设计一套可落地的关联规则，包括关联主键选择、时间窗口对齐、工位与工序映射；
- 完成从接口取数、数据清洗、关联计算到结果存储的最小实现；
- 基于关联结果完成一次完整的NG判因与批次追溯演练；
- 识别关联过程中常见的错配、漏配、时间漂移等问题，并给出排查与修正方法。
关键概念先对齐
在进入具体实现之前，先明确三个贯穿全课程的概念：
| 概念 | 含义 | 在本课程中的作用 |
|---|---|---|
| 视觉NG记录 | 视觉系统对单个检测点判定为不合格时生成的一条结构化记录，含时间、工位、缺陷类型、图片路径等 | 关联的"左表"，提供缺陷事实 |
| MES追溯数据 | MES中按SN或工单组织的过站履历，含工序、设备、物料、人员、参数等 | 关联的"右表"，提供上下文 |
| 关联主键 | 用于把一条NG记录唯一对应到一条MES履历的字段组合 | 决定关联是否准确、是否可复现 |
需要特别说明的是：视觉NG记录通常没有SN，因为相机在检测时未必读到产品条码；而MES履历以SN为主键。因此，关联往往需要借助"时间戳+工位号"先定位到过站记录，再反查SN。这也是本课程后续要重点解决的技术难点。时间参照统一采用产线本地时间（如东八区），所有系统需保持NTP对时，误差控制在±1秒以内，否则时间窗口匹配会大量漏配。