保留一线人员怎么说
统一“尺寸飘了”“卡住了”“节拍慢”等表达，同时保留原文作为证据。
传统制造最难的，不是没有数据。
工单在系统里，设备记录在表格里，老师傅的经验在聊天里。它们彼此分开时，现场只能靠感觉做判断。
从一句描述，到一个可行动的问题
第一阶段不改生产线，也不要求企业先建设新系统。
分开现象与原因
区分操作员描述、设备报警、检验结果和实际处置，减少经验误判。
关联工序、设备与批次
比较周期变化，找出需要品质、设备和生产共同复核的集中异常。
三种方式，让 AI 进入企业日常
从知识、数据和异常三个入口开始，把模型能力变成现场真正用得上的工具。
01 / 知识
RAG 企业知识问答
把 SOP、设备说明书、维修记录和培训资料接进同一个问答入口。回答带来源、带版本，也能按岗位控制可见范围。
- 文档切片与知识库构建
- 回答引用原始章节
- 持续更新，不必反复训练模型
作业指导书维修记录设备手册可追溯回答
02 / 数据
生产与质量数据分析
把 Excel、CSV、ERP 和设备导出放进同一条分析链路，观察返工、良率、停机和交付的趋势变化。
- 趋势、分布与批次对比
- 指标口径和字段字典
- 从汇总数字回到原始记录
返工率 / 近 12 周下降 18%
第 1 周第 6 周第 12 周
03 / 诊断
基于 AI 的异常诊断
AI 先找出偏离基线的组合，再把设备、班次、材料、检验结果和原始描述串起来，交给工程人员复核。
- 异常候选与优先级
- 证据链和相似记录
- 人确认后再进入处置流程
设备 CNC-07+班次 夜班+检验 孔位偏差待复核
从现有 Excel 开始
先验证价值，无需先更换 ERP。
重要结论由人复核
AI 提供线索，不替代工程判断。
数据留在企业边界内
先脱敏，再按最小范围开展试点。