PySR 如何让工业历史数据“进化”出可执行公式：落地场景与边界

　　当工业大数据攒了几年，企业却发现：数据躺在数据库里，既喂不活黑盒模型，也撑不起生产和经营决策。问题不在数据量，而在工具，需要能从历史数据里直接提炼出可解释公式的方法。

一、工业历史数据分析的痛点

痛点1：报表只能看趋势，不能给答案

　　MES系统跑了三五年，每个车间都有几十张报表。但生产经理问的问题永远是："这个月良率掉了2个点，到底是哪个参数惹的祸？"

　　现有的做法是：导出Excel → 做图型分析 → 人工做相关性矩阵 → 凭经验猜几个变量 → 再用回归验证。一条线跑下来两天过去了，最后结论往往是"温度偏高、刀具磨损、来料批次波动"，正确的废话，不能直接执行。

痛点2：黑盒模型能用，但不敢用

　　机器学习团队上了随机森林、XGBoost、甚至神经网络，良率预测准确率做到92%。但工艺工程师打开模型一看：

特征重要性排名告诉他"温度最重要"，但不知道温度高了良率会怎么变；
SHAP值能给出局部解释，但跨工况就失效；
新来一个工艺员问"那我温度应该调多少"，模型答不上来。

　　工业场景最怕的不是不准，是不可解释。 一个不能写进SOP、不能交给操作工执行的模型，再准也只是个展示品。

痛点3：经营数据和生产数据"两张皮"

　　ERP里有成本、良率、订单交付数据，MES里有工艺参数、设备状态、物料批次。两个系统各管一段：

财务说成本涨了，要生产部门给说法；
生产说我工艺没动，要采购去查原料；
采购说价就是这个价，要销售去接订单。

　　中间缺一座桥：用一个统一的数学关系，把工艺波动和经营结果连起来。

二、从数据里"进化"出公式

　　PySR（Python Symbolic Regression）不是新发明，但最近两年才真正成熟到能工业落地。它的思路和传统方法完全不同：

　　传统回归：人假设公式形式（线性？二次？）→ 拟合参数
　　PySR：给一堆数据 → 算法自己组合 + - × ÷ sin log sqrt → 进化出最优公式

它的核心算法叫遗传编程：

随机生成几千条数学表达式（公式树）；
用这些公式去拟合数据，算误差；
误差小的"存活"，误差大的"淘汰"；
存活的公式互相交换片段、随机变异；
重复几十代，直到收敛。

　　最后输出的不是一个模型文件，而是一串人类能直接读懂的数学公式。你可以把它抄下来，贴进Excel、写进PLC、嵌进组态软件，不依赖任何Python环境。

　　例如历史数据：3530 条（1 分钟粒度），某参数18642~24929（跨度 6287），如下图：

　最终得出来的公式：gas_perm = [blast_vol + 171.97 + (7.18 + hot_press)·cos(blast_vol) + 374.96/hot_press²] / hot_press

三、MES场景：汽车零部件加工的良率分析

业务背景

　　某汽车零部件厂，机加工车间产线三班倒，主要工艺是数控车床加工铝合金轮毂。MES记录了每条产品的：

切削转速（rpm）
进给速度（mm/min）
切削深度（mm）
冷却液流量（L/min）
刀具使用时长（min）
毛坯批次
检测结果：合格/不合格

传统做法的局限

　　工艺工程师怀疑良率和"刀具使用时长×切削深度"有关，但不知道具体关系是线性还是非线性。用Excel做散点图发现：

刀具用到 40 分钟前良率稳定在 98.5%；
40~60分钟之间良率开始抖动；
60分钟后掉到 95% 以下。

　　问题是：切削深度变化时，这个拐点会不会移动？ 人工分析要切片、分组、画十几张图，工作量巨大。

PySR怎么跑

　　把数据按班次聚合，喂给PySR：

from pysr import PySRRegressor
model = PySRRegressor(
    niterations=50,
    binary_operators=['+', '-', '*', '/'],
    unary_operators=['sin', 'log', 'sqrt'],
    maxsize=15,
)
model.fit(X, y) # X: 6个工艺参数, y: 当班良率

print(model.equations_[["complexity", "loss", "equation"]])

　　PySR给出的帕累托前沿（复杂度从低到高）大致是：

复杂度	公式	解释
3	`良率 = 98.5 - 0.02 × 刀具时长`	最简单的线性关系
7	`良率 = 99.1 - 0.015 × 刀具时长 - 0.3 × 切削深度`	加入切削深度
10	`良率 = 99.3 - 0.02 × 刀具时长² / 切削深度`	交互项：刀具时长和切削深度耦合
13	加入冷却液流量修正项	精度再提升2%

关键发现

　　工程师原本以为"到点换刀"就行，但PySR给出的公式揭示了一个反直觉关系：良率损失 ∝ 刀具使用时长² ÷ 切削深度

　　这意味着：切得越深，刀具寿命应该按比例缩短。原来固定40分钟换刀的SOP，在精加工（切深0.5mm）时其实60分钟才需要换；在粗加工（切深2mm）时30分钟就该换了。

　　调整换刀策略后，刀具消耗降了 15%，良率反而提升 0.8%。

　　这个公式直接写进了MES系统的换刀提醒逻辑里，不需要部署任何模型服务。

四、ERP场景：离散制造的订单交付周期分析

业务背景

　　某装备制造企业，多品种小批量，订单从接到到发货平均 28 天。ERP记录了每个订单的：

产品类型（标准品/非标品）
订单金额
物料齐套率
排产优先级
车间工时利用率
外协比例
实际交付周期（天）

　　财务想知道：哪些因素真正决定了交付周期？能不能提前给客户一个靠谱的交货期？

传统做法的局限

销售接订单时靠经验拍脑袋，说"30天"，实际要么提前完工空等，要么延期赔违约金；
用线性回归分析过，R²只有0.4，基本不能用；
上了一个神经网络预测模型，准确率75%，但业务部门不敢信——"你凭什么说这个订单要35天？"

PySR怎么跑

　　把 2 年历史订单（约 800 单）喂进去，目标变量是交付周期。PySR最终收敛到一个公式：

　　交付周期 = 12 + 8 × 非标系数 + 5 / 物料齐套率 + 0.5 × 外协比例

系数解读：

基础周期 12 天（标准品、物料齐套、不外协）；
非标品加 8 天；
物料齐套率每从 100% 降到 80%，加 5/0.8 - 5 = 1.25 天；
外协比例每增加 10%，加 0.5 天。

业务价值

　　这个公式被直接嵌入销售报价系统：

客户询价时，销售输入产品类型、预计物料齐套率、是否需要外协；
系统自动算出交付周期，给出 ±2 天的承诺；
季度复盘时，如果实际周期和公式预测偏差大，说明是异常单，要重点查。

　　没有模型部署，没有API服务，就是一段Excel公式级别的计算，但业务部门敢用——因为每一项都对得上他们的经验。

五、PySR的边界：它不是万能药

　　必须客观说清楚，PySR不适合所有场景：

适合	不适合
连续变量的函数关系（温度→良率、压力→流量）	图像、语音、文本等非结构化数据
需要可解释、要写进SOP的决策	黑盒预测准确率优先的场景（如推荐系统）
样本量 100~5000 条，变量 5~20 个	上万维特征、深度学习问题
工艺参数之间有物理耦合的场景	强时序依赖、需要记忆的预测（如股价）
财务、成本、良率等经营指标分析	实时控制闭环（延迟太高）