2. 制造质量数据全景与数据源梳理

制造质量数据模型能否支撑后续的指标计算、追溯分析和质量预测，首先取决于数据源是否被完整识别、正确分类并稳定采集。很多质量数据项目失败，并非算法不行，而是数据源梳理阶段就漏掉了关键环节——比如只采集了检验结果，却没有同步采集对应的设备参数和工艺参数，导致后续无法解释“为什么这批产品不合格”。本节围绕制造质量数据的全景结构，梳理来料检验、过程检验、成品检验、设备参数、工艺参数、环境数据和售后反馈七类核心数据源，并说明它们的识别方法、分类逻辑与采集方式。

一、制造质量数据的全景结构

制造质量数据不是孤立存在的，它沿着“供应商—来料—加工—装配—成品—客户”这条价值链逐级产生。可以把它理解为一条贯穿产品全生命周期的数据链：上游是供应商提供的来料质量数据，中游是制造过程中产生的检验数据、设备数据、工艺数据和环境数据，下游是成品检验数据和售后反馈数据。这条数据链的每一环都对应不同的责任主体、采集频率和数据形态。

从数据形态看，制造质量数据可分为三类：结构化数据（如检验结果、尺寸测量值、设备参数数值）、半结构化数据（如检验报告、设备日志、工单记录）和非结构化数据（如售后反馈文本、缺陷照片、维修录音）。三类数据的采集方式、存储策略和建模方法差异很大，梳理阶段必须分别对待。

二、七类数据源的识别与分类

识别数据源时，建议按“产生环节—责任部门—数据形态—采集频率”四个维度逐一盘点。以下对七类数据源分别说明。

来料检验数据产生于供应商交付环节，由IQC（来料质量控制）负责。典型数据包括供应商批次号、材质证明、抽检尺寸、外观判定、性能测试结果和不合格处置记录。采集方式以IQC系统录入为主，配合扫码枪读取批次条码，部分尺寸数据可由量具直连自动写入。识别要点是：必须保留供应商批次与内部物料批次的映射关系，否则后续追溯会断链。

过程检验数据产生于加工和装配环节，由IPQC（制程质量控制）负责。包括首件检验、巡检、末件检验、SPC控制图数据、过程能力指数（Cpk）以及不良品和返工返修记录。采集方式以MES系统为主，量具（卡尺、千分尺、三坐标）可通过串口或蓝牙直连写入测量值。识别要点是：过程检验数据必须与工单号、设备号、操作员绑定，才能定位问题来源。

成品检验数据产生于出厂环节，由OQC（出货质量控制）负责。包括出厂检验报告、全尺寸报告、功能测试、安全测试和可靠性测试结果。采集方式以QMS系统为主，测试台架数据可通过接口自动上传。识别要点是：成品检验数据要与批次号、发货单号关联，便于售后追溯。

设备参数数据产生于设备运行过程，由设备部门和生产部门共同负责。包括主轴转速、进给速度、扭矩、温度、振动、电流、压力、刀具磨损和设备报警等。采集方式以PLC、SCADA和OPC-UA协议为主，高频数据需要边缘计算预处理。识别要点是：设备参数的时间戳精度直接影响与检验数据的对齐质量。

工艺参数数据产生于工艺执行过程，由工艺部门负责。包括温度曲线、压力、时间、焊接电流、涂装膜厚、固化参数和配方版本等。采集方式以MES和工艺管理系统为主，部分参数由设备控制器直接记录。识别要点是：工艺参数必须与配方版本绑定，否则无法判断是参数漂移还是配方变更导致的质量波动。

环境数据产生于生产现场，由设施部门或EHS部门负责。包括温度、湿度、洁净度、静电、照度、噪声、振动、压差和颗粒物等。采集方式以传感器和环境监控系统为主，通常按固定频率（如每分钟）采集。识别要点是：环境数据要与生产时段和区域绑定，才能分析环境对质量的影响。

售后反馈数据产生于客户使用环节，由客服和售后部门负责。包括客诉记录、退货记录、维修记录、故障模式、失效分析和满意度调查。采集方式以CRM和客服工单系统为主，文本数据需要自然语言处理提取关键信息。识别要点是：售后反馈要与生产批次关联，才能反向定位制造环节的问题。

三、采集方式与关键注意事项

七类数据源的采集方式可归纳为四种：系统录入（IQC、QMS、CRM）、设备直连（量具、测试台架）、协议采集（PLC、SCADA、OPC-UA）和传感器采集（环境监控）。不同方式的数据延迟、精度和可靠性差异明显，梳理阶段需要明确每类数据的采集频率和时效要求。

最后需要强调：数据源梳理不是一次性工作。随着产线调整、设备更新和工艺变更，数据源会持续变化。建议每季度复核一次数据源清单，确保新增数据源及时纳入、失效数据源及时标注，避免数据模型与现场实际脱节。