SMT产线AOI检测会产生大量疑似NG报警，质量人员需要逐项复判，并在真实不良出现时结合批次、条码、Panel、Board、器件位号、料号、缺陷图片和前段工艺参数判断根因。项目将AOI综合报表、人工审核记录、缺陷图片、印刷机参数、回流焊参数和缺陷机理统一到可追溯关系中，先输出可解释的放行、复检和根因分析建议，不直接下发设备调参指令。
从缺陷图片、条码、板位和器件直接追踪到人工真值和过程窗口。
把AOI报警密度、历史复判、印刷/贴片/回流风险和缺陷机理纳入同一评分链。
根因报告显式区分已验证证据、候选原因和数据缺口，避免过度自动化。
AOI报警中存在大量假阳性，质量人员需要投入大量时间把真实良品从疑似NG中识别出来。
缺陷图片、条码、Panel、Board、器件位号、料号、AOI判定和人工复判记录分散，单张图片难以快速回到完整上下文。
印刷机、贴片机和回流焊过程参数与缺陷机理之间缺少统一关系，真实不良出现后根因解释依赖经验。
部分过程数据只具备设定值或待接入字段，系统必须显式标记数据缺口，避免把证据不足的推断当成已确认根因。
| 使用本体前 | 使用本体后 |
|---|---|
| AOI报警后由人工逐项复检，放行和复检优先级主要依赖经验。 | 按板级风险、历史复判标签和缺陷机理生成放行、抽检、全检和根因分析建议。 |
| 图片、条码、板位、器件和料号需要跨报表查找，追溯链条容易断裂。 | 单张缺陷图片可回到批次、Panel、Board、器件、料号、AOI判定和人工真值。 |
| 工艺参数与缺陷类型之间缺少结构化解释，异常处理难以复盘。 | 把少锡、桥连、偏移、翘脚、错件、缺件、极反等缺陷与印刷、贴片、回流候选原因关联。 |
覆盖生产批次、Panel、Board、条码、器件位号、料号、AOI检测事件和人工复判记录。
保存缺陷图片路径、拍摄时间、板位、器件和对应的AOI记录，支持从单张图片反查完整链路。
连接印刷机参数、贴片机预留字段、回流焊参数和过程时间窗口，区分真实采集、设定值和缺口。
统一少锡、桥连、偏移、翘脚、错件、缺件、极反和良品等标签，建立繁简体映射和标准代码。
根据AOI报警密度、人工复判历史、过程参数和缺陷机理输出风险分、置信度、处置建议和根因报告。
缺陷图片与表格记录分散，人工复判时需要在多个文件之间查找上下文。
建立图片、批次、条码、Panel、Board、器件、料号、AOI判定和人工复判之间的本体关系。
质量人员能从任一图片快速定位完整上下文，为复判和报告提供统一证据。
设备端和产线端缺陷标签存在繁简体和口径差异，影响统计和规则复用。
把少錫/少锡、錯件/错件、翹腳/翘脚、極反/极反等原始标签映射到标准缺陷代码。
同一类缺陷可以跨批次、跨报表统计，误判学习和真实不良分析不再混用。
AOI报警数量多，全部人工复检会占用质量人员时间，且复检优先级不清晰。
综合印刷风险、贴片预留风险、回流风险、AOI报警密度和历史人工复判风险生成板级评分。
低风险样本可以形成放行或抽检建议，高风险样本优先进入人工复检和根因分析。
工艺人员需要依赖经验在印刷、贴片和回流环节之间排查根因。
按缺陷机理把少锡、桥连、偏移、翘脚、错件、缺件、极反等缺陷映射到候选工艺阶段。
真实不良发生后，报告能说明候选设备、触发参数、证据链和置信度。
贴片机、SPI或部分真实过程数据尚未完整接入时，根因结论容易被误读。
数据质量Agent把缺失字段、异常时间和批次覆盖状态写入本体，推理时同步降低置信度。
系统不会把缺失数据解释为无异常，后续试运行接入范围更清楚。
以一张少锡缺陷图片为例，质量人员可从图片文件名定位检测时间、Panel、Board和器件位号，再关联条码、料号、AOI判定和人工复判结果。如果人工确认是真实不良，本体推理会优先检查印刷过程参数、钢网张力、时间窗口和历史同类缺陷；若贴片机或SPI数据缺失，相关根因只保留为低置信候选，并在报告中列为待补数据。
把AOI报警、人工复判和工艺参数解释成质量人员熟悉的对象和处置动作。
从图片追到批次、条码、板位、器件、料号、判定结果和过程窗口。
将物料、工艺、计划、批次、质检和交付记录串成可核查证据链，目标关键批次追溯覆盖率达到 100%，工艺/质检规则命中率达到 95% 以上，异常定位时间压缩到 15 分钟内，质量问题闭环率提升至 95% 以上。
输出放行、抽检、全检、停线排查和调参方向等可执行建议。
人工复判和后续验证结果持续回写，推动规则阈值和本体关系迭代。
公开展示审核通过的会员留言，帮助案例经验持续完善。
成为第一个围绕这个案例提出问题或分享复现经验的会员。