想用大模型辅助分析MES质量异常，缺陷记录先要怎么结构化？

大模型能不能帮上质量异常分析，取决于喂给它的缺陷记录是否结构化，而不是模型本身。车间里大量缺陷记录是“有毛刺”“尺寸不对”“客户投诉”这类自由文本，没有统一的缺陷代码、位置、工序和处置结果，模型只能做文字归纳，给不出可核对的结论。先把缺陷记录整理成固定字段，再让模型做分类辅助、相似案例检索和报告初稿，人工负责判定和签字，这是比较稳妥的分工。

什么是“五要素缺陷卡”？

五要素缺陷卡，是指每一条缺陷记录都必须回答五件事：哪一件（物）、在哪发现（位）、什么现象（象）、当时什么条件（境）、怎么处置（置），每一项都对应固定字段和受控的代码表，自由文本只作为补充描述。它解决的是“记录了很多，却没法统计、没法比对、也没法交给模型分析”的问题。

大模型在质量异常分析里能做什么、不能做什么？

先划清边界，才能决定数据准备到什么程度。

• 缺陷归类——大模型可以辅助：把自由文本描述建议归到缺陷代码；必须由人或规则完成：最终代码由质检员确认；说明：建议结果要可修改、留痕。
• 相似案例检索——大模型可以辅助：按现象和条件找历史相似记录；必须由人或规则完成：判断是否真的同因；说明：依赖历史记录字段完整。
• 原因分析——大模型可以辅助：列出可能原因清单供讨论；必须由人或规则完成：根因判定和验证；说明：模型不掌握现场实物与测量数据。
• 报告撰写——大模型可以辅助：生成8D或异常报告初稿；必须由人或规则完成：审核、签字、对外发送；说明：报告中的数据须来自系统字段。
• 统计分析——大模型可以辅助：不建议交给模型直接计算；必须由人或规则完成：用数据库或报表计算；说明：计数、比率用确定性程序算。

一句话概括：模型擅长整理文字和提出候选，不擅长保证数字准确，也不能替代实物检验。

缺陷记录需要哪些字段？

五要素各自落到具体字段上，代码类字段必须有受控的代码表，不能让每个人自由填写。

• qc_defect_record（缺陷记录）——关键字段：记录号、成品码或批次号、工单号、物料编码、发现工序、发现工位、发现时间、缺陷代码、缺陷部位代码、数量、严重度、现象描述、记录人；用途：五要素中的物、位、象。
• qc_defect_context（异常条件）——关键字段：记录号、设备编号、程序号或工艺参数版本、班次、操作员、原料批次、刀具或模具编号；用途：五要素中的境。
• qc_disposition（处置结果）——关键字段：记录号、处置方式（返工、报废、让步、退供应商）、处置人、处置时间、复检结果；用途：五要素中的置。
• qc_defect_code（缺陷代码表）——关键字段：缺陷代码、名称、所属类别、适用工序、判定标准说明、启用状态；用途：统一归类口径。
• qc_ai_suggestion（模型建议记录）——关键字段：记录号、建议内容、建议代码、采纳状态、确认人、确认时间；用途：留存模型建议与人工确认的痕迹。

“模型建议记录”这张表很关键：它把模型给出的建议和人的最终判定分开存放，事后可以核对模型建议的采纳情况，也不会让未经确认的内容混进正式质量记录。

结构化有几种做法？怎么选

已有的历史记录和新产生的记录，处理方式不同。

• 源头结构化——适用对象：新记录；优点：质检终端上用下拉选项和扫码录入，数据一开始就干净；局限：需要先整理缺陷代码表，改录入界面。
• 规则清洗——适用对象：格式较规整的历史记录；优点：可批量、结果可复现；局限：写法五花八门时覆盖不全。
• 模型辅助清洗——适用对象：自由文本多的历史记录；优点：能处理口语化描述；局限：每条结果都要抽检确认，不能直接入正式表。

建议新记录一律源头结构化；历史记录先用规则清洗，剩下的再用模型辅助，并且只写入建议表，人工抽检后再合并。

实施分几步？

1. 整理代码表：质量工程师把近期缺陷描述归并成缺陷代码和部位代码，每个代码写清判定标准，产出缺陷代码表。
2. 改录入：在质检终端上把缺陷代码、部位代码改为下拉或扫码，现象描述保留为补充文本，产出新录入界面。
3. 关联条件：开发人员让缺陷记录自动带出工单、设备、程序版本、班次、原料批次，不靠人填，产出字段映射。
4. 清洗历史：先规则后模型，模型结果进入建议表，质量工程师按比例抽检，产出清洗报告。
5. 接入模型：只把结构化字段和经过脱敏的描述交给模型，用于归类建议、相似检索和报告初稿，产出提示模板和调用日志。
6. 评估：定期统计模型建议的采纳情况和被改正的类型，决定哪些环节继续用、哪些停用，产出评估记录。

常见的坑有哪些？

1. 没有代码表就上模型：模型每次归类结果措辞不同，统计时同一种缺陷被分成多类。先定代码表，再让模型在代码表范围内选择。
2. 让模型直接算不良率：模型生成的数字可能与数据库不一致。比率和数量用报表程序计算，模型只引用结果。
3. 模型建议直接写入正式记录：未确认的分类混入质量档案，客户审核时说不清来源。建议与正式记录分表存放。
4. 条件字段靠人工填写：设备、程序版本、原料批次漏填或填错，相似案例检索失效。条件字段从工单和设备数据自动带出。
5. 把客户名、图纸等敏感信息原样发给外部模型：存在泄密风险。按企业规定脱敏，或使用企业内部部署的模型。
6. 指望模型找出根因：模型只能基于文字给候选，根因仍需现场分析、测量和验证。把模型输出命名为“候选原因”，避免误导。

车间场景：一条机加工线的毛刺异常

典型场景是一条机加工线某周毛刺类缺陷增多，质检记录里有“毛刺”“披锋”“边缘刮手”等多种写法。按五要素卡整理后，这些记录统一归到同一个缺陷代码，部位代码标到具体的孔口或端面，条件字段自动带出了设备编号、程序版本和刀具编号。

这时让模型做两件事：一是检索历史上同代码、同部位的记录，列出当时的处置和结论；二是根据本周记录生成异常报告初稿。工艺工程师看到相似记录多与某类刀具寿命有关，于是安排现场核查刀具使用次数，结论以现场核查为准，报告初稿经修改后由质量负责人签字。整个过程中，模型缩短的是查资料和写初稿的时间，判定仍由人完成。

怎么验收？

• 字段完整——方法：抽取一段时间的新缺陷记录；通过标准：五要素字段均有值，代码字段均在代码表内。
• 条件自动带出——方法：在质检终端新建一条记录；通过标准：设备、程序版本、班次、原料批次自动填充。
• 建议隔离——方法：查看模型给出的归类建议；通过标准：只存在建议表，确认后才写入正式记录。
• 数字一致——方法：对比报告初稿中的数量与报表；通过标准：数字全部来自系统字段，完全一致。
• 敏感信息——方法：检查模型调用日志；通过标准：不含未脱敏的客户名和图纸信息。
• 可追溯——方法：任选一条已确认记录；通过标准：能查到模型建议、确认人和确认时间。

常见问题

数据量很少的工厂也值得做吗？

值得先做结构化。缺陷代码和五要素字段本身就能让统计和追溯变清楚，是否接模型可以以后再决定。

用模型清洗历史记录，准确性怎么保证？

不直接保证，靠抽检。模型结果只进建议表，按批次抽检，抽检不合格的批次改用人工或规则重新处理。

缺陷代码表多细合适？

以质检员能在现场快速、一致地选择为准。代码过细会导致选错，过粗则无法区分原因，可以先粗后细，定期合并和拆分。

模型应该放在本地还是用云服务？

取决于企业对数据外发的规定。涉及客户图纸和工艺参数的，优先考虑内部部署或严格脱敏后调用。

模型能不能替代8D报告？

不能。它可以生成初稿和整理材料，原因验证、措施确认和签字仍然要由责任人完成。

更新于2026年11月

本文在资料整理和润色环节使用了AI辅助，作者已核实并对内容负责。