2. 数据质量维度与制造场景映射
在制造数据治理中，谈“数据质量差”往往过于笼统。真正可落地的做法，是把质量拆成若干可度量、可定位、可追责的维度，再把这些维度映射到具体的制造场景上。同一批数据，在设备层可能表现为“及时性不足”，在工艺层可能表现为“一致性冲突”，在质量追溯层又可能表现为“唯一性缺失”。只有把维度与场景对齐，才能知道该查哪张表、该盯哪个接口、该由谁负责修复。
本节围绕完整性、准确性、一致性、及时性、唯一性五个核心维度展开，并补充有效性与可追溯性两个在制造现场高频出现的维度，说明它们在真实产线数据中的具体表现、典型成因与业务影响。
一、完整性：记录是否“缺胳膊少腿”
完整性衡量的是应采集的字段、应产生的记录是否齐全。制造场景中，完整性缺失非常隐蔽：一张工单表可能每行都有主键，但关键字段为空；一台设备可能持续上报，但某些测点长期缺失。
典型表现包括：工单缺少物料批次号，导致后续无法追溯原料来源；设备状态记录中“停机原因”字段为空，OEE 分析时无法归类损失；SPC 采集数据中某几个子组缺失，控制图出现断点。完整性通常用“非空率”“记录覆盖率”“字段填充率”来度量。例如某注塑车间要求每模次必须记录模具号、料筒温度、保压压力、冷却时间四个字段，若某班次 1200 模次中有 87 模次缺少保压压力，则字段填充率为 92.75%，低于 99% 的基线，需要触发补录或排查采集链路。
二、准确性：数值是否“对得上现实”
准确性关注数据值与真实物理量的偏差是否在允许范围内。制造数据中，准确性问题的来源包括传感器漂移、量具未校准、人工录入错误、单位换算错误、PLC 地址映射错误等。
例如温度传感器因长期未校准产生 +3.5℃ 的系统偏差，导致回流焊炉温曲线判定偏松；操作工把“批次号 20240517A”误录为“20240517B”，造成物料错配。准确性不能只看单点，还要看分布：均值偏移、方差异常、超出量程的离群点都是信号。实践中常用与标准量具比对、双人复核、物理边界校验（如温度不可能为 -200℃）、历史基线比对来发现准确性问题。
三、一致性：同一事实是否“说法统一”
一致性指同一对象在不同系统、不同表、不同时间点的数据是否逻辑自洽。制造企业常见 MES、ERP、WMS、SCADA 多系统并存，一致性冲突几乎不可避免。
典型冲突有：MES 中工单状态为“已完工”，ERP 中仍为“生产中”；同一物料在 WMS 中编码为“MAT-001”，在 MES 中为“M001”；设备主数据中“所属产线”在两个系统中分别指向“A线”和“一线”。一致性检查通常依赖主数据对齐、跨系统对账、时间戳比对和业务规则校验。例如规定“工单完工时间不得早于首件检验时间”，若违反则说明存在逻辑不一致。
四、及时性：数据是否“来得正是时候”
及时性衡量数据从产生到可用的延迟是否满足业务要求。制造场景对及时性的要求差异很大：设备振动监测可能需要毫秒级，SPC 控制图分钟级即可，而月度质量报表可以接受 T+1。
及时性不足的表现包括：ANDON 报警延迟 30 秒才推送，导致停线时间延长；批次追溯数据在班次结束后才批量上传，无法实时拦截不良品；OEE 看板数据滞后 2 小时，班组长无法及时调整。度量上常用“端到端延迟”“数据新鲜度”“超时记录占比”。例如规定关键设备状态数据延迟不得超过 5 秒，若某网关因缓冲区积压导致 12% 的记录延迟超过 5 秒，则及时性不达标。
五、唯一性：同一实体是否“只出现一次”
唯一性要求现实世界中的同一实体在数据集中只被表示一次，或至少能被唯一标识。制造数据中，重复记录会直接导致统计虚高、追溯混乱。
典型问题：同一托盘在入库时被两个扫码枪重复扫描，生成两条入库记录；同一设备因 IP 变更在资产表中出现两条档案；同一批次产品在 MES 和 QMS 中各有一条检验记录，但未做关联。唯一性检查常用主键约束、去重规则、相似度匹配和跨系统 ID 映射。例如以“设备资产编号 + 启用日期”作为联合唯一键，发现重复即触发主数据清洗。
六、有效性与可追溯性：制造场景的补充维度
有效性指数据是否符合预定义的值域、格式或业务规则，如“缺陷代码必须在标准缺陷字典中”“日期格式必须为 YYYY-MM-DD”。可追溯性则要求数据能回答“谁、何时、在哪、对什么、做了什么”，在汽车、医疗、航空等强监管行业尤为关键。追溯链断裂往往不是单一维度问题，而是完整性、一致性、唯一性共同失效的结果。
七、维度之间的耦合关系
这些维度并非彼此独立。完整性缺失会直接破坏可追溯性；唯一性冲突会引发一致性告警；及时性不足会让准确性的校验失去意义——因为等发现偏差时，产品早已流转到下一工序。因此，制造数据治理通常不是逐维度单点修复，而是先建立“维度—场景—责任人”的映射矩阵，再按业务影响排序处理。
一个实用的做法是：针对每条关键数据流，明确它最敏感的 2～3 个维度，设定可量化的阈值，并指定采集、校验、修复三个环节的负责人。例如注塑工艺参数流，最敏感的是及时性（秒级）和准确性（温度偏差 ≤ ±2℃）；而工单主数据流，最敏感的是完整性和一致性。这样，质量治理就从抽象概念变成了可执行的日常动作。