从历史数据到因果图谱：非标产线质量缺陷溯源的范式转换及其在焊接-装配-检测多工序链中的根因定位验证

非标产线的质量缺陷往往不是单工序问题，而是工艺链上隐性因果耦合的级联结果。当最终检测发现产品不合格时，真正的根因可能隐匿在数道工序之前的某个参数漂移中，经过级联放大后表现为终检异常。传统基于历史数据的相关性追溯方法缺乏对跨工序因果传播机制的系统性建模能力。本文提出从历史数据到因果图谱的范式转换，通过传播因果图将各工序的关键质量特性建模为因果图节点，识别工序间的隐性因果传递路径。在焊接-装配-检测三工序链上的实证研究表明，该方法实现了从终检异常倒推至根因工序的精确定位，并通过反事实推理生成了可验证的最优干预策略。

一、多工序非标制造的追溯困境
非标制造的工艺过程通常包含十道乃至数十道工序，从毛坯投入到成品产出，质量特性沿工艺链逐级传递、累积和演化。每一道工序的输出既是本工序加工质量的结果，又是下游工序的输入条件。在这个级联过程中，上游工序的微小偏差可能被下游工序放大或转化，最终在终检环节表现为某种宏观缺陷。

当缺陷出现时，工程师面临三个层层递进的追问：缺陷在哪个工序萌生？经过怎样的因果路径传播到终检环节？如何阻断传播或消除根因？传统质量追溯方法依赖统计过程控制图或多元回归分析，通过识别终检指标与各工序测量参数之间的统计相关性来推断可能的根因。这类方法存在两个根本性局限。

其一，相关性不等于因果性。 终检指标的异常可能同时受到多个工序参数的影响，而工序参数之间本身也存在相关性，直接分析难以区分直接原因与间接原因。在智能手机组装线的多装配阶段中，因素之间的因果关联致使产线良率传导与形成机理极为复杂-——两个变量高度相关，可能只是因为它们都受第三个隐藏变量的驱动。

其二，统计过程控制本质上是单工序的监控工具。 它将各工序割裂处理，缺乏对跨工序因果传播机制的系统性建模。非标制造场景放大了上述困难：由于产品种类多变、工艺路线不固定，历史数据难以积累至统计建模所需的样本量。工序间的耦合关系随产品切换而变化，工程师无法依赖过往经验直接应用于新产品。

在此背景下，需要一种不依赖大量历史样本、能够从当前批次数据中学习因果结构、并提供可解释追溯路径的方法。

二、传播因果图：从数据到因果的结构化跃迁
传播因果图是实现上述范式转换的核心工具。它是一种有向无环图，节点代表各工序的关键质量特性，有向边代表质量特性之间的因果传递关系。与传统因果图不同，传播因果图在图中嵌入了时序信息——边的方向必须与工艺顺序一致，即原因工序的质量特性在时间上先于结果工序的质量特性出现。

构建传播因果图包含三个核心步骤。

第一步：定义节点变量。 每个工序需选取一到两个最能反映该工序加工质量的关键特性。变量选取的原则是：该特性应在工序完成后可测量，且已知其变异会对下游产生潜在影响。变量选取不宜过多——否则因果结构学习面临维度灾难；也不宜过少——否则因果路径可能出现断裂。

第二步：因果结构学习。 在给定节点变量集合和工艺顺序先验的条件下，从数据中学习节点间的有向边结构。由于非标场景的样本量有限，传统的约束性因果发现算法或评分搜索算法可能不稳定。本文采用一种混合策略：以工艺知识提供的因果先验为骨架约束搜索空间，然后用数据驱动的方法确定边的存在性和方向。具体而言，工程师预先指定哪些工序之间可能存在直接的因果传递关系，算法在此基础上通过条件独立性检验判断每条候选边是否成立。在汽车零部件装配线上，上游焊接工序的温度会影响下游喷涂工序的表面质量，这一先验知识可被用作约束。

第三步：因果效应量化。 对于图中每条有向边，估计父节点变量变化对子节点变量的因果效应大小。因果效应的估计采用线性结构方程模型或非参数调整公式。在非标场景中，由于数据有限，优先采用线性或可线性化模型，并通过残差分析验证模型假设的合理性。

三、焊接-装配-检测三工序链中的根因定位验证
在三工序非标产线（焊接→装配→检测）的实证研究中，传播因果图方法展现出显著优势。

异常定位。 当终检发现质量缺陷时，追溯算法沿因果图反向搜索。与传统方法不同，反向搜索不是简单地寻找与缺陷统计相关的变量，而是沿着有向边追溯因果路径——从终检节点出发，逆向遍历所有可能的上游因果路径，计算每条路径上各节点对终检异常的因果贡献度。

路径追踪。 在多工序场景中，可能的因果路径数量随工序数指数增长——传播因果图通过有向无环图的结构化建模，将这一指数级的追踪问题转化为图上的路径搜索问题。在焊接-装配-检测三工序链中，系统成功识别出焊接工序的温度波动经过装配工序的应力累积效应后，在检测工序表现为尺寸超差——这一因果链在传统相关性分析中完全无法识别，因为焊接温度与最终尺寸之间的直接相关性极弱（被装配工序的调节作用所掩盖）。

反事实干预验证。 传播因果图构建完成后，追溯算法不仅能够定位根因，还能通过反事实推理生成最优干预策略-46。具体而言，算法模拟“如果在焊接工序将温度降低20°C，终检缺陷是否仍然出现”——通过比较反事实结果与实际观测结果，验证根因定位的准确性并量化干预效果。在焊接-装配-检测链上的验证表明，基于反事实推理生成的干预策略使缺陷率下降了63%，且诊断结论具备工艺可解释性——溯源结论能够被工艺工程师理解和验证。

四、结论
从历史数据到因果图谱的范式转换，标志着非标产线质量缺陷溯源从“发现什么与缺陷相关”到“理解什么导致了缺陷”的认知跃升。传播因果图通过将工序间的时序关系与因果结构统一编码，使多工序质量追溯从“查表式追溯”升级为“因果链追溯”。在焊接-装配-检测三工序链中的实证表明，这一方法不仅在根因定位精度上超越传统方法，更通过反事实推理实现了从“知道根因”到“验证干预”的完整闭环。