首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >会上少说的那几句,得有人替它写下来

会上少说的那几句,得有人替它写下来

原创
作者头像
工业老炮
发布于 2026-11-16 09:08:12
发布于 2026-11-16 09:08:12
150
举报

一炉不合格件从检验台上抬下来的时候,厂里先做的三件事通常是一样的:隔离、评审、开会。隔离归质量部,评审由质量部牵头,会也在质量部那间小会议室里开。返修单、让步接收单、纠正措施单,都从这张检验台上发出去。

至于这一炉当时是怎么跑出来的,会上通常一句都落不下来。炉温曲线跑没跑偏,上一炉换的什么色,这批料是哪一家的第几批,工装那天换没换,问到第二句,桌上的人开始互相看。

责任记在质量部,原因不在质量部。这个错位不是哪个部门偷懒,是厂里记录事情的方式出了问题。

老师傅看一眼就有方向,判断跟着人走了

有些厂里都有过这样一个人。工件出炉,他拿起来翻一下氧化色,看一眼变形往哪边弯,再问一句今天几点开的炉,心里就有了大概方向:可能装炉太密,可能那批料前道处理没做够,也可能那只热电偶该校了。

这套判断麻烦的地方在于,它只长在他身上。

人退休之后,厂里失去的是那句"今天几点开的炉"。检验记录还在,上一批合不合格也还在,可从结果倒回条件的那段路,从来没人走过,也就断在那里。质量部留下的多半是结论——合格、不合格、让步接收。中间那段"当时是什么条件",不在同一张表上,也不在同一个时间点被写下过。

归因要用的两份记录,平时不在一处

检验这一头记的是结果:哪一炉、哪个批号、超了哪一项。工艺这一头记的是条件:炉温、保温时间、装炉方式、换色清炉、当班的人、上的哪副工装。两边都记,问题在口径不同、时点不同、填表的人不同。事后要拼回一张图,靠回忆。

回忆在质量会上是最不可靠的证据,三个人记得三套,会就散了。

所以质量这个场景里,AI 的头一个用处不在认缺陷上。

第一步是把参数与批次留全

留全的意思是:这一炉跑完之后,凡是可能造成差异的条件项,都能查出当时是什么值、谁改的、什么时候改的。缺一项,这一炉和别的炉之间就少一个可比点;缺上几项,剩下的就只能是猜。

要留痕的项

为什么要留

常见缺失

炉温曲线与保温时间

判断有没有超温、欠温、升温速率异常的凭据

有记录介质没留曲线,纸面只写"合格"两字

换色与清炉记录

色差、串色这类问题只能顺着它往前推

换色靠口头交接,无时间点,无责任人

来料批次与供应商

同一配方不同批次本来就有差异,要分得开

批次号留在仓库台账,进炉之后就断开

当班人员与班次交接

同一套参数,不同班次做出来的并不一样

只记班次,不记交接时到底交代了什么

工装与模具的换修

变形、压伤这类缺陷常挂在工装状态上

工装哪天修的,与哪一炉有关,对不上

仪表与设备的校准状态

先排掉"测的本就不是真的",再谈工艺

校准台账独立管理,不参与质量复盘

这张表上没有一样新东西,每个厂几乎都在以某种形式记着。真正的门槛是把它们接到同一个批号上。接上之后,一炉活件才第一次有了一份能被追问的档案。

第二步是把这一炉往前追到能比的那一炉

有了档案,归因不从"这一炉为什么不合格"问起,从"上一炉和它哪里不一样"问起。

先挑一个可比较的对象:同一款产品、同一条线、同一副工装,班次尽量接近。两个炉次摆在一起,逐项比差异点——升温段斜率、保温段掉没掉过、装炉排布、来料是不是换了批、清炉时间有没有缩短。

比的是差异,不是平均值。平均值会把异常冲淡,中位数也会。

差异点找出来,再排个序:哪几项是这一炉独有的,哪几项最近几炉就开始冒头,哪几项一直都有、偏偏这次才出事。最后那一类最容易被跳过,也最该往前放,因为缺陷往往不是新条件造成的,是老条件终于撞上了别的什么。

第三步才轮到建议开口

到这一步,企业专属知识库驱动的大模型应用与决策能力才有活可干:把这两个炉次的差异、历史同类缺陷的处置记录、工艺文件里的约束放在一起,给出候选原因的排序,以及每一项凭什么排在前面。

"凭什么"这一层,比排序本身更要紧。

一份能拿去用的建议,后面要挂着人核得动的依据:比的是哪两炉、哪几项参数、依据出自哪份工艺文件、数据是哪个时点的。工艺员拿到它,第一反应应该是去翻原始记录核对,而不是照着改。核得上,才谈改法;核不上,说明数据或规则有个洞,那个洞比眼前这批缺陷更值得记一笔。

模型负责哪一段,算法与检验各自负责哪一段,跑在企业自建机房还是租赁的云主机服务器上,都以项目蓝图为准。蓝图里定不下来的,先别塞进系统。

归因给的是排查顺序,不是结论

这一条得写死:归因给出的是排查顺序,不是结论;结论要靠检验确认。

排序把眼下最该查的那件事交到人手上——先去校那只热电偶,还是先去复验那批料;是先做炉温均匀性测试,还是先量一次工装磨损。人顺这个顺序查下去,查到什么程度算定,由试验与检验说了算:金相、硬度、尺寸复测、来料复验,哪一项落定,原因才算落定。

判定权留在检验与试验那一头,模型不做判定。这是质量体系的基本结构,也是 AI 进质量场景站得住的姿势。

常被混掉的还有另一句话。有人把"AI 检出率"当成果来汇报,那是两件事。检出提升的是发现缺陷的速度,体系建的是缺陷不发生、发生了能追回去、追回后能改进工艺。检出再快,追溯链一断,原因照样得开一次会去猜。用前者替代后者,报表能好看一阵子,然后回到原地。

*图2:归因前提:四把关联键(拓扑示意)*

会上少说的那几句,得有人替它写下来

质量会照开,桌上放的东西变了:一份炉次档案,一张两个炉次的差异清单,一份带依据的候选原因排序,一张待验证项的表,每行后面有人、有期限、有确认方式。

那位老师傅的判断没消失。他从前凭手感一眼看出的方向,如今以条目的形式存在档案里,下一班的人查得到,新来的工艺员也查得到。他带过的徒弟不必再花十年去攒那一双眼睛,可以先从翻档案开始。

下一炉开炉之前,那几个条件项第一次被写进同一张表。这一炉跑完,检验结果回来,先前排好的排查顺序被逐条确认或者划掉,其中几条挪进工艺文件的修订里。会开多久,看那张表上还剩多少个空格。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档