4. 数据分类分级方法

制造历史数据库归档与冷热分层的核心难点，不在于“能不能归档”，而在于“先归档谁、后归档谁、谁不能动”。要回答这个问题，必须先建立一套可落地的数据分类分级方法。分类解决“这是什么数据”，分级解决“它有多重要、多热”。本节围绕产线、设备、工艺、质量、批次五个维度，说明如何把制造数据映射为热度等级与归档优先级。

一、五个分类维度及其数据对象

制造数据天然带有多个标签，单一维度无法刻画其价值。实践中通常同时使用以下五个维度：

• 产线维度：按车间、产线、工段划分，如 SMT-A 线、总装二线。它决定数据的归属边界与访问范围，是归档分区的基本单位。
• 设备维度：按设备类型与关键等级划分，如贴片机、回流焊、AOI、注塑机。关键设备（瓶颈工序、唯一设备）的数据优先级更高。
• 工艺维度：按工序与工艺参数划分，如温度曲线、压力、速度、配方号。工艺参数是复现质量问题的关键证据。
• 质量维度：按检测结果与缺陷类型划分，如合格/不合格、缺陷代码、SPC 超限记录。质量数据直接关联追溯与客诉。
• 批次维度：按工单、批次、序列号划分，如 LOT20240513-01。批次是追溯的最小闭环单元，决定数据的关联范围。

这五个维度不是并列孤立的，而是层层收敛：产线定位范围，设备定位来源，工艺定位过程，质量定位结果，批次定位追溯闭环。分类时先打标签，再据此计算热度。

二、热度分级：从访问频率到业务价值

热度不能只看“最近有没有人查”，还要看“将来会不会必须查”。建议采用四档热度：

分级的关键是给出可计算的判据，而不是凭感觉。常用判据包括：数据年龄（距当前时间）、访问频次（近 30 天查询次数）、关联状态（批次是否结案、工单是否关闭）、合规要求（客户合同、行业法规规定的保存年限）、业务关键度（是否关联安全件、关键特性）。

三、优先级判定：把维度组合成规则

把分类维度与热度判据结合，可形成优先级规则。下面给出一组可直接参考的示例规则（参数为教学示例，实际需按企业情况调整）：

优先级 = 业务关键度权重 × 合规权重 × 时效权重

规则示例：
R1 若 批次状态=在制 且 数据年龄≤7天        → 热，优先级 P0
R2 若 质量结果=不合格 且 批次未结案          → 热，优先级 P0
R3 若 设备等级=关键 且 数据年龄≤90天         → 温，优先级 P1
R4 若 工艺参数=关键特性(CTQ) 且 年龄≤1年     → 温，优先级 P1
R5 若 批次已结案 且 年龄>1年 且 无客诉关联    → 冷，优先级 P2
R6 若 数据年龄>3年 且 合规保存期已满          → 冰，优先级 P3

规则执行时按顺序匹配，命中即定级。这样既保证在制与不合格数据始终留在热层，也避免把已结案、无追溯义务的数据长期占用高性能存储。

四、维度组合的判定路径

下图展示从数据对象到热度与优先级的判定路径：先按批次状态与质量结果判断是否属于“必须热存”，再按设备等级与工艺关键度判断“温存”，最后按年龄与合规期决定“冷存或冰存”。

五、落地要点与常见误区

第一，分类标签要随数据一起写入元数据，而不是事后人工补录。批次号、设备编号、工序代码、质量判定结果应在采集端就绑定，否则归档时无法自动分级。

第二，热度阈值要可配置。不同产品线追溯期不同，例如汽车电子件可能要求 15 年，消费类可能 2 年。把保存年限、访问频次阈值做成参数表，避免硬编码。

第三，优先级不等于永久不变。批次结案、客诉关闭、合规期满都是触发降级的信号。建议设置定期重评估任务，例如每月扫描一次“已结案且超 1 年”的批次，批量迁移到冷层。

综上，按产线、设备、工艺、质量、批次五个维度打标签，再以数据年龄、访问频次、关联状态、合规要求计算热度，最终形成 P0～P3 的归档优先级。这套方法让冷热分层从“凭经验搬数据”变成“按规则自动流转”，既守住追溯底线，又控制住存储成本。