01
视觉质检
优先试点这一场景的目标是把合格/缺陷样本、相机、工位和标准整理成缺陷检测、位置、置信度和复核队列。
- 输入
- 合格/缺陷样本、相机、工位和标准
- 输出
- 缺陷检测、位置、置信度和复核队列
- 验收
- 检查报告耗时、缺陷分类一致率、CAPA逾期率
- 边界
- 模型只能辅助，低置信度转人工
26
质量管理
专业与生产质量管理适合从报告、缺陷库和CAPA入手，检测结果和放行决定保留人工复核。
- 覆盖角色
- 质量工程师、检验员、质量经理、供应商质量、客诉与CAPA
- 白皮书位置
- p109-111 · 2 张配图
01
应用场景全景表
9 个场景 · 输入、交付与人工边界左起第一列是这个岗位可交给 WorkBuddy 的场景； 中间两列是它需要什么、能交付什么；最后一列是必须由人或系统决定的部分 —— 这一列才是评审时真正要看的，因为它决定哪些环节不能自动化。
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 视觉质检 | 合格/缺陷样本、相机、工位和标准 | 缺陷检测、位置、置信度和复核队列 | 模型只能辅助，低置信度转人工 |
| 缺陷分类 | 缺陷图片/文本、分类标准和历史案例 | 缺陷类型、严重度和相似案例 | 新缺陷和边界样本需质量人员确认 |
| 检验报告 | 检验记录、标准、批次和结果 | 报告草稿、缺项和不一致 | 检验签字和放行不能自动完成 |
| 客诉分析 | 客诉、批次、生产、物流和售后资料 | 问题主题、影响范围和调查清单 | 客户责任与产品责任不能凭文本判定 |
| 根因分析 | 缺陷、过程参数、5Why/鱼骨和证据 | 根因假设、验证实验和优先级 | 根因必须用实验和现场证据验证 |
| CAPA整改 | 问题、原因、责任、措施和期限 | CAPA草案、跟踪和有效性检查 | 关闭前验证措施有效 |
| 质量知识库 | 标准、SOP、缺陷库和8D报告 | 带出处问答和相似问题 | 标准版本和适用产品必须明确 |
| 过程质量预警 | SPC、设备、物料、环境和质量数据 | 趋势、异常和检查建议 | 预警阈值由质量/工艺共同定义 |
| 供应商质量 | 来料、退货、审核和整改记录 | 供应商质量评分、风险和审核重点 | 停供、降级和索赔由组织审批 |
02
三个优先场景
按落地难度排序，建议从 01 开始三个优先场景在各岗位下按同一套方法拆解：明确任务口径 → 收集并检查输入 → 让 WorkBuddy 执行整理、检索或生成 → 输出可编辑结果 → 由岗位负责人复核后进入下一流程。
01视觉质检
02缺陷分类
03检验报告
02
缺陷分类
这一场景的目标是把缺陷图片/文本、分类标准和历史案例整理成缺陷类型、严重度和相似案例。
- 输入
- 缺陷图片/文本、分类标准和历史案例
- 输出
- 缺陷类型、严重度和相似案例
- 验收
- 检查报告耗时、缺陷分类一致率、CAPA逾期率
- 边界
- 新缺陷和边界样本需质量人员确认
03
检验报告
这一场景的目标是把检验记录、标准、批次和结果整理成报告草稿、缺项和不一致。
- 输入
- 检验记录、标准、批次和结果
- 输出
- 报告草稿、缺项和不一致
- 验收
- 检查报告耗时、缺陷分类一致率、CAPA逾期率
- 边界
- 检验签字和放行不能自动完成
03
四层能力与实施条件
从文件层到决策层，越往后越需要治理同一个岗位的场景会分散在四层里：文件层只用本地文档就能跑， 知识层要先建好有版本、有出处、有权限的资料，系统层要接业务系统， 决策层则必须保留人工批准。先看自己能从哪一层起步。
文件层
- 视觉质检
- 缺陷分类
- 检验报告
- 客诉分析
使用本地文档、表格和模板，结果可人工检查
知识层
- 质量知识库
建立有版本、有出处、有权限的知识资料
系统层
- 检验报告
通过受控的Connector、MCP或API读写业务系统
决策层
- 供应商质量
展示依据、假设和影响，高风险决定由人批准
04
试点建议与实施边界
试点怎么推进
推荐先做“检验报告”。它所需输入是检验记录、标准、批次和结果，目标交付是报告草稿、缺项和不一致。
试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。
建议验收指标包括：报告耗时、缺陷分类一致率、CAPA逾期率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
不能越过的边界
- 质量知识库：标准版本和适用产品必须明确。
- 过程质量预警：预警阈值由质量/工艺共同定义。
- 供应商质量：停供、降级和索赔由组织审批。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
05
主要资料来源
白皮书列出的入选来源文章- 72% 大企业 AI 试点全失败:联合利华砍 420 个项目才摸到真玩法
- AI行业应用案例82-83～医疗与制造行业的AI应用案例
- AI也有「来料检验」？训练数据的质量黑洞
- 工业大模型的数据“饥荒”：主数据质量决定AI上限
- JIT：六种AI能力重塑企业可持续性
质量管理的场景能不能落到你们现在这套流程上？
把你们这个岗位最耗人的一件事说清楚，我们按上面四层能力给出可切入点、需要对接的系统清单和人工边界 —— 不是通用方案，是照着你们现有流程改的版本。
