2. 质量数据对象与批次结构解析

在质量数据分群与批次对比工程中，最先要解决的不是算法，而是“数据对象到底是什么”。如果批次边界模糊、质量特性口径不一、抽样层级混乱，后续的分群结果和批次对比结论都会失去可解释性。本节围绕六个核心问题展开：批次如何定义、质量特性如何分类、抽样结构如何表达、时间维度如何挂接、层次关系如何组织，以及最终如何用数据字典把这些约定固化下来。

一、批次定义：从物理批次到分析批次

批次（Batch/Lot）在制造语境中通常指在同一生产周期、同一设备、同一工艺参数、同一原材料投入下产出的一组产品。但在质量数据分析中，还需要区分三种口径：

• 物理批次：实际生产记录中的工单号、炉号、罐号或装配批号，是追溯的最小实体。
• 逻辑批次：为分析目的合并或拆分后的批次，例如将同一供应商连续三天的来料合并为“来料周批”，或将一个大批次按班次拆为“早班批/晚班批”。
• 对比批次：在批次对比任务中，被选入同一对比组的批次集合，通常要求工艺路线、产品型号、测量系统一致。

定义批次时必须明确三个字段：批次标识（batch_id）、批次类型（batch_type）、批次边界依据（boundary_rule）。例如某注塑车间规定：batch_id = 工单号 + 模具号 + 班次代码；boundary_rule = “同一工单、同一模具、同一班次连续生产”。这样定义的批次才具备可复现性。

二、质量特性：分类与编码

质量特性是批次对比的分析对象。按测量方式可分为计量型（连续数值，如厚度、拉力、电阻）和计数型（离散，如缺陷数、合格/不合格）。按角色可分为关键特性（CTQ）、主要特性和一般特性。每个质量特性应至少包含：特性编码、名称、单位、数据类型、目标值、规格上下限、测量系统、采样点位置。

例如某冲压件定义：特性编码 Q-CT-001，名称“翻边高度”，单位 mm，目标值 12.50，USL=12.80，LSL=12.20，测量系统为数显高度规，采样点为每件四角。这样的结构化描述，才能支撑后续的均值漂移、方差对比和过程能力分析。

三、抽样结构：嵌套与交叉

抽样结构决定了数据的层次。常见结构有三种：

• 嵌套抽样：批次 → 子批 → 样本 → 测量重复，下层只属于一个上层。
• 交叉抽样：同一批次在多个时间点、多个工位被测量，形成交叉设计。
• 分层抽样：按班次、设备、操作员分层，每层内再抽样本。

在数据表中，抽样结构通常用 sample_id、parent_id、level 三个字段表达。level 可取 batch、sublot、unit、measurement。若忽略嵌套关系，直接把所有测量值混在一起做方差分析，会把“批次间差异”和“批次内测量重复性”混淆，导致误判。

四、时间维度：事件时间与记录时间

时间维度是批次对比中最容易被忽视、却最容易造成偏差的字段。至少要区分：

• 生产时间：产品实际被加工的时间戳。
• 抽样时间：样本从产线取出的时间。
• 测量时间：质量特性被检测的时间。
• 记录时间：数据写入系统的时间。

四者可能相差数小时甚至数天。若用记录时间做趋势分析，可能把“补录”误判为“质量突变”。因此数据字典中应明确 time_basis 字段，并规定批次对比默认使用生产时间。

五、层次关系：从企业到测量值

质量数据的层次关系可抽象为：工厂 → 车间 → 产线 → 设备 → 批次 → 子批 → 样本 → 测量值。每一层都有对应的标识字段和属性字段。层次关系既可以用父子表表达，也可以用路径字段（如 plant/workshop/line/equipment/batch）扁平化存储。前者便于递归查询，后者便于快速过滤。

六、数据字典设计：把约定变成可执行规范

数据字典不是字段清单，而是对字段含义、取值规则、缺失处理和关联关系的正式约定。设计时应遵循“一字段一含义、一含义一来源”的原则。以下是一份可直接参考的批次质量数据字典示例：

有了这份字典，批次对比时就可以明确：以 batch_id 分组，以 char_code 筛选特性，以 prod_time 排序，以 level 控制聚合粒度。若某批次缺失 prod_time，则按 missing_flag 标记并排除出时间趋势分析，而不是用记录时间替代。

最后需要强调，批次结构不是静态的。随着工艺调整、设备更新或供应商变更，批次定义和层次关系可能需要修订。因此数据字典应带版本号（dict_version），并在每次批次对比报告中记录所用版本，确保分析结论可追溯、可复现。