PCBA 追溯与召回
EMS 工厂 MES 追溯：从物料条码到整机序列号，AI 怎么帮忙
简要回答
追溯的核心是数据关联：物料批次、上料记录、板号、工序结果、测试数据与出货序列号要能互相查到。MES 负责采集，AI 负责把分散的数据变成可以用自然语言发问的查询和异常摘要，不替代追溯数据本身。
汽车电子、医疗、工控、通信类客户通常会在审核时要求工厂证明：一旦发现某个批次的电容有问题，你能多快找出用到该批次的板卡、已经出货到哪里。这就是追溯能力。很多工厂条码是贴了，但数据散在 MES、ERP、测试机和 Excel 里，真正要查的时候要花半天甚至更久。
这篇文章从 EMS 工厂角度讲追溯体系应该记录什么、常见的断点在哪里，以及在 MES 之上叠加私有化 AI 查询层可以解决什么问题。
追溯的层级与关键数据
PCBA 追溯一般分几层：物料层（来料批次、日期代码、MPN、供应商）、上料层（哪个料盘上了哪台贴片机的哪个站位、什么时候上、谁上的）、板层（拼板码、单板码与工艺路线）、工序层（印刷、SPI、贴片、回流、AOI、ICT、功能测试的结果与参数）、成品层（整机序列号、包装、发货）。
行业里常见的参考是 IPC-1782 关于制造追溯的标准，以及 IPC-CFX、Hermes 等设备通信标准，不少新贴片机和检测设备支持这类接口。但工厂里还有大量老设备，只能靠日志文件或条码扫描补数据，所以追溯体系要接受数据来源的不完整性并明确标记。
- 物料：料盘条码、来料批次、日期代码、MPN、供应商
- 上料：站位、飞达、贴片机、时间、操作员、防错料校验结果
- 板卡：拼板与单板码对应、工艺路线、返修记录
- 工序：SPI、AOI、回流炉温曲线、ICT 与功能测试结果
- 成品：序列号、包装箱、出货单与客户
最常见的断点
第一个断点是料盘拆分。一盘料用到一半换下来，下次再上线时条码被损坏或手写，批次信息就断了。第二个是拼板拆分，拼板码与单板码的对应关系如果只在测试机里有，而不在 MES 里，就无法从最终的序列号倒推到贴片时的料。
第三个是返修。返修时更换的元件如果不记录批次，追溯就会出现盲区。第四个是 ERP 与 MES 的断层：ERP 里有采购与入库批次，MES 里有上料批次，二者的批次编码规则不同，需要映射。
正向追溯、反向追溯与召回演练
反向追溯是从问题成品查到使用的物料批次与工序记录；正向追溯是从问题物料批次查到所有受影响的板卡、整机与客户。客户审核时常要求做召回演练，例如给一个物料批次，看工厂多久能列出受影响的序列号清单。
在没有系统支持时，这种查询要靠有经验的工程师写 SQL 或翻多张表。有 AI 查询层的话，可以让质量工程师用自然语言提问，例如『查询日期代码为某周的某料号用在了哪些单板』，系统生成查询语句并展示出来，结果可以导出，同时保留查询日志。
- 自然语言查询，显示生成的查询语句，便于 IT 与质量复核
- 结果导出受影响序列号清单，供客户沟通和隔离
- 查询日志可审计，谁在什么时候查了什么
- 无法确认的环节（数据缺失）明确标注，不凭空推断
AI 在追溯数据上的其他用法
除了查询，AI 可以做异常摘要：把一个班次内的不良分布、集中在哪些站位、哪个料号、哪个时间段整理成文字，给质量工程师做晨会材料。它还可以帮助整理 8D 报告的初稿，把追溯数据引用进去，但根因结论需要团队确认。
需要强调的是，AI 没有办法弥补缺失的追溯数据。条码规则、扫码防错、设备数据采集是基础，AI 是基础之上的查询与分析层。如果工厂目前追溯数据不完整，应先补基础，再谈 AI。
部署方式与数据边界
追溯数据包含客户产品信息和生产工艺参数，建议 AI 查询层部署在工厂内网，使用只读数据库账号或只读副本，避免影响 MES 的实时性能。Netray 的 DataRay 可以连接数据库和文件共享，在本地提供对话式查询，ERPray 则负责 ERP 一侧的物料与库存数据。
试点方式：选一个已有追溯数据的产线，用最近一次真实的客户质量问题复盘，看 AI 查询能否在更短时间内得到和人工一致的受影响清单。如果工厂的 MES 本身已有完整的追溯查询报表，那么直接使用 MES 功能即可。
常见问题
没有 MES 能做追溯吗？
可以用条码加数据库做基础追溯，但缺乏上料防错和工序数据采集时覆盖度有限。AI 查询层需要可靠的数据源作为基础。
老贴片机没有标准接口怎么办？
可通过设备日志文件、采集盒或扫码补录来获取数据，数据来源和完整度要在系统里标记，避免被误认为全覆盖。
AI 生成的查询语句安全吗？
默认只读账号，查询语句可见，并受角色权限和行数限制。任何写入操作都不通过该查询层。
追溯数据要保存多久？
取决于客户合同和行业要求，汽车、医疗类客户通常要求较长保存期。请以合同条款为准，系统按此设置归档策略。
能直接生成客户要的追溯报告吗？
可以起草报告初稿并附数据来源，格式要按客户模板，最终由质量部门审核后对外提交。
相关指南
EMS 工厂 BOM 管理与 ECN 变更：用私有化 AI 减少错料和呆滞
深圳、东莞、苏州 EMS 工厂如何用私有化 AI 核对客户 BOM、跟踪 ECN 变更、减少错料与呆滞料，数据不出厂。
SMT 产线 / MESSMT 产线数据整合与 AI 辅助工艺、质量分析
整合贴片机、SPI、AOI、回流焊数据，用私有化 AI 分析抛料、虚焊与直通率，辅助工艺和质量工程师。
EMS 工厂 ERP 选型EMS 电子代工厂 ERP 选型：功能清单与 AI 就绪度
电子代工厂选 ERP 要看什么：多客户 BOM、替代料、MRP、追溯接口、成本核算，以及如何为 AI 留好数据基础。
EMS 工厂 ERP / 物料主数据元器件替代料管理：缺料时怎样快速、可控地找到可用替代
缺料时如何管理元器件替代料：AVL、客户承认、参数比对与风险提示，用私有化 AI 辅助采购和工程决策。
用友 U8 / U9 Cloud用友 U8 / U9 Cloud 的 AI 集成：数据不出厂的做法
在用友 U8、U9 Cloud 上落地私有化 AI：用自然语言查库存、采购、生产订单与缺料，数据不出厂，默认只读，写入需人工确认。
用友 BIP用友 BIP 之上的企业 AI：私有化问答与智能体
用友 BIP 之上如何加 AI：基于开放平台与 API 做自然语言查询和智能体，开源模型本地部署，权限沿用 BIP 角色，写入需人工审批。