Industry Solution
制造业：精益与质量体系落地方案
丰田的精益生产定义了"高效制造"的工作方法，ISO 9001 定义了"质量管理"的认证门槛。本方案不推翻这两套制度能力，而是把 JIT、安灯、Kaizen 与质量记录的要求翻译成可计算的门禁，让 AI 在既有体系内规模化处理异常与知识。
一、行业的主要矛盾
制造的现场是确定性与波动并存的地方：工艺参数、BOM、检验标准都是确定的；但设备故障、来料波动、人员更替带来的异常，每天都在发生。
矛盾不在”工厂有没有体系”——多数工厂已经有精益生产和 ISO 9001。矛盾在于体系的记录与异常处理高度依赖人：异常记录写得潦草、经验留在老师傅脑子里、改善提案靠自觉。AI 进入后，这个矛盾有了新形态：模型能生成工艺建议与故障分析，但如果输出无法与既有质量体系对齐，就进不了生产流程。
二、既有的制度能力：谁在定义”高效”与”合格”
制造业的制度能力是全球最成熟的之一：
- 丰田的精益生产定义了”高效制造”的工作方法：JIT（准时化）、安灯（异常呼叫）、Kaizen（持续改善）——它把”效率”变成了一套可执行的日常动作，而不是一句口号
- ISO 9001定义了”质量管理”的认证体系，成为全球供应链的准入门槛——不通过认证，连投标资格都没有
这两者的共同点：把”好”变成了可检查的记录与动作。 这正是 AI 落地最需要的地基——有记录，才有数据；有动作，才有闭环。
三、AI 进入后的冲突
| 冲突 | 表现 | 后果 |
|---|---|---|
| 建议 vs 认证边界 | 模型给出工艺参数建议，但超出已认证的工艺窗口 | 质量体系失效，认证风险 |
| 经验 vs 记录 | 故障处理经验未被结构化，模型无从学习 | 建议泛泛而谈，现场不信 |
| 异常 vs 归因 | 异常记录文本化，无法统计与归因 | Kaizen 无输入，改善停滞 |
| 生成 vs 可追溯 | 生成的质量文件无法对应到批次与责任人 | 审核不通过 |
四、落地路径：四道防线的行业映射
数据治理
- 主数据统一：物料、设备、工艺路线、检验项在各系统间口径一致
- 异常结构化：安灯记录从自由文本改为结构化字段（工位、现象、原因分类、处置）
- 工艺窗口入库：已认证的参数范围成为可被机器校验的边界
- 批次追溯：物料批次、设备编号、操作人绑定，形成可回溯链条
工作流编排
- 任务分流：故障描述归纳、改善提案生成、经验整理等概率性任务走模型再收敛；参数校核、合格判定、排产约束等确定性任务走规则求解
- 安灯接入闭环：异常触发 → 知识检索 → 处置建议 → 人工确认 → 记录回流
- Kaizen 流程化：改善提案的生成、评审、落地、验证形成固定流水线
AI 护栏
- 工艺窗口校验：建议参数超出认证范围即拦截并转工艺工程师
- 合规校验：质量文件必填项与签名项缺失即拦截
- 一致性校验：同一异常类型的处置建议跨班次一致
- 变更校验：涉及工艺变更的建议必须走变更流程，不允许直接生效
人机审核
- 分级设卡：经验整理与提案草稿抽检放行；工艺参数、质量判定、变更申请由工程师审核签字
- 留痕：谁审、依据哪一版工艺文件、改了什么
- 责任闭环：AI 负责规模化整理与建议生成，工程师负责关键判断与责任归属
五、评测门禁与指标
| 维度 | 指标 | 口径 |
|---|---|---|
| 稳定性 | 工艺窗口内合规率 | 生成建议落入已认证参数范围的比例，要求 100% |
| 有效性 | 异常处置时长 | 从异常触发到闭环的平均耗时变化 |
| 有效性 | 一次通过率 | 产品一次检验通过率与返工率 |
| 组织 | 改善提案落地率 | 生成并被采纳执行的改善提案比例 |
| 可审计 | 批次追溯时长 | 任意批次还原物料、设备、操作人、检验记录的耗时 |
| 效率 | 人工干预率 | 建议需工程师修改或否决的比例 |
六、交付物与里程碑
交付物：主数据与异常结构化方案、工艺窗口规则集、安灯闭环流水线、Kaizen 提案流水线、质量文件校验门禁、运行看板。
里程碑
- 盘点期：梳理工艺文件与异常记录现状，确定结构化口径
- 试点期：选一条产线或一类设备跑通”异常—建议—确认—回流”闭环
- 收敛期：工艺窗口与合规校验厚实，人工干预率下降
- 放量期：规模化知识整理 + 工程师关键判断兜底，改善循环自动运转
七、前置条件与边界
需要企业侧提供：工艺文件与检验标准、历史异常与处置记录、工艺与质量工程师参与规则制定与审核。
本方案不替代精益体系与质量认证，也不擅自改变工艺窗口——它做的是让既有体系里的记录、异常与经验，真正进入一个会转的闭环。