2. 制造缺陷数据的来源与采集
制造缺陷知识库的质量，首先取决于数据源的覆盖度与采集粒度。一个缺陷从产生到闭环，往往横跨多个信息系统：MES记录“在什么工单、什么设备、什么时间生产”，QMS记录“判定为什么缺陷、如何处置”，SPC记录“工艺参数是否漂移”，AOI记录“缺陷长什么样、在哪个位置”，维修工单记录“怎么修的、换了什么件”，客诉系统记录“客户端表现出的失效模式”。如果只从单一系统取数，知识库就会残缺——要么只有结论没有过程，要么只有图像没有工艺背景。因此，本节的核心任务是：识别六类系统的数据角色，明确每类系统能提供哪些缺陷字段，并设计可落地的采集与关联方案。
六类系统的数据角色与字段映射
先建立一张“系统—数据角色—关键字段”的对照关系。下表给出的是典型制造企业中常见的字段结构，具体字段名会因厂商和版本不同而变化，但数据语义基本一致。
| 系统 | 数据角色 | 典型关键字段 | 对知识库的贡献 |
|---|---|---|---|
| MES | 生产上下文 | 工单号、产品料号、设备编号、班次、操作员、生产时间戳 | 把缺陷锚定到具体生产批次与设备 |
| QMS | 缺陷判定与处置 | 缺陷代码、缺陷描述、严重等级、处置方式（返工/报废/让步）、责任工序 | 提供缺陷分类与闭环结论 |
| SPC | 工艺参数与趋势 | 参数名、实测值、控制限、Cpk、报警时间、设备/工序 | 解释缺陷是否由工艺漂移引起 |
| AOI | 缺陷图像与位置 | 图像文件、缺陷坐标、缺陷类型、判定结果、复判标记 | 提供视觉证据与空间分布 |
| 维修工单 | 修复过程与更换件 | 工单号、故障现象、更换物料、维修人、维修时长、恢复确认 | 记录处置动作与备件消耗 |
| 客诉系统 | 客户端失效反馈 | 客诉编号、失效模式、批次追溯号、退货数量、现场照片 | 补充外部失效模式与影响范围 |
需要特别注意的是，这六类系统之间不是并列关系，而是围绕“一个缺陷事件”形成主从关联。MES提供时间与批次主轴，QMS提供缺陷主记录，SPC、AOI、维修工单、客诉系统分别从工艺、图像、修复、外部反馈四个维度挂接到主记录上。采集设计的第一步，就是确定以哪个系统的哪条记录作为“缺陷主键”。
缺陷主键与关联策略
在实际项目中，最稳妥的做法是以QMS的缺陷记录号作为缺陷主键，因为QMS天然承载了“判定”这一动作。但QMS记录往往缺少精确到秒的时间戳和设备坐标，因此需要用MES的工单号+设备号+生产时间窗口进行二次关联。具体关联逻辑可以概括为：
- QMS缺陷记录 → 通过工单号关联MES生产批次；
- MES生产批次 → 通过设备号+时间窗口关联SPC参数曲线；
- QMS缺陷记录 → 通过产品序列号或板号关联AOI图像；
- QMS缺陷记录 → 通过缺陷单号关联维修工单；
- 客诉记录 → 通过批次追溯号反向关联到MES与QMS。
这里的关键难点是时间窗口的确定。以SMT贴片为例，一块PCB从印刷、贴片到回流焊通常经历数分钟到数十分钟。如果AOI在回流焊后检测到某块板存在“立碑”缺陷，那么需要回溯的SPC参数至少包括：印刷锡膏厚度、贴片压力、回流焊各温区温度。时间窗口建议取“该板进入该工序前30分钟至离开后10分钟”，并允许±2分钟的时钟漂移容差。这个窗口不是拍脑袋定的，而是根据产线节拍和工艺滞后时间估算出来的。
采集流程与数据落地
下面用一个可执行的采集流程来说明从系统取数到形成缺陷知识条目的过程。假设我们要采集一条“回流焊后AOI检出立碑”的缺陷记录。
- 从QMS拉取缺陷主记录：缺陷代码=TOM（立碑），严重等级=Major，处置方式=返工，责任工序=回流焊。
- 用工单号回查MES：获取该板的生产时间戳、设备编号、班次、操作员。示例：工单WO-20240517-003，设备REF-02，时间2024-05-17 14:23:11。
- 用设备号+时间窗口拉取SPC：取REF-02在14:00–14:35的温区曲线。示例数据：预热区实测198°C（控制限190–205°C），回流区峰值238°C（控制限235–245°C），链速0.85 m/min（标准0.80–0.90）。
- 用板号关联AOI图像：获取缺陷坐标（X=45.2mm，Y=12.8mm）、缺陷类型=立碑、复判结果=确认。
- 用缺陷单号关联维修工单：维修动作=补焊，更换物料=无，维修时长=6分钟，恢复确认=通过。
- 写入知识库：形成一条包含“缺陷现象+图像+工艺参数+处置结果”的完整记录。
这个流程中，最容易出问题的是第3步。SPC系统通常按参数名存储时间序列，而不是按板号存储。因此需要先根据MES的时间戳定位到具体时间段，再按参数名逐条提取。如果SPC采样频率是每30秒一次，那么30分钟窗口内每个参数约有60个数据点。对于知识库而言，不需要存储全部原始点，而是存储“窗口内的均值、最大值、最小值、是否超限”四个统计量即可，既保留趋势特征，又控制数据量。
数据质量校验与常见陷阱
采集完成后，必须做三项校验，否则知识库会被脏数据污染。第一，时间一致性校验：MES时间戳与SPC时间戳的时区、时钟源是否一致。很多工厂的SPC服务器与MES服务器存在数分钟时钟偏差，如果不校正，关联窗口就会错位。第二，主键唯一性校验：同一缺陷是否被QMS重复记录，或者同一AOI图像是否被多次挂接。第三，字段完整性校验：缺陷代码是否为空、处置方式是否缺失、图像路径是否可访问。
另一个常见陷阱是“AOI误报”。AOI的原始判定结果中包含大量误报，如果直接入库，知识库中会混入大量不存在的缺陷。因此，采集时必须区分“AOI原始判定”与“复判确认”两个字段，只有复判确认的缺陷才进入知识库主表，原始判定可以作为辅助数据保留。同理，客诉系统中的失效模式描述往往是自然语言，需要映射到企业统一的缺陷代码体系，否则无法与QMS记录关联。
采集架构示意
下图展示了六类系统围绕缺陷主记录形成的数据汇聚关系。图中以QMS缺陷记录为中心，MES提供生产上下文，SPC、AOI、维修工单、客诉系统分别从四个方向挂接，最终汇入缺陷知识库。箭头方向表示数据流向，虚线表示关联键。
从图中可以看出，QMS缺陷主记录是汇聚中心，MES提供时间与设备锚点，SPC和AOI分别从工艺和图像两个维度补充证据，维修工单和客诉系统则分别从内部处置和外部反馈两个方向完善闭环。采集系统在实现时，建议采用“定时批量拉取+事件触发”的混合模式：QMS和MES按小时批量同步，AOI图像在复判确认后触发上传，SPC在报警时触发窗口数据快照，维修工单在关闭时触发关联更新。这样既能保证数据及时性，又能避免高频轮询对生产系统造成压力。
最后需要强调的是，六类系统的数据采集不是一次性工程，而是持续运行的数据管道。随着产线换型、系统升级、缺陷代码体系调整，关联规则也需要同步维护。建议在知识库中为每条缺陷记录保留“数据来源版本”和“采集时间”两个元字段，便于后续追溯数据质量问题。只有把采集环节做扎实，后续的缺陷分类、根因分析和案例复用才有可靠的数据基础。