AI班次交接摘要定制：日志归并与异常提级

交接班是制造现场信息流失最集中的环节：MES事件、SCADA报警、巡检记录、口头备注分散在四五个入口，班组长常靠记忆复述，未闭环事项容易跨班次沉没。本实验室尝试用大模型做一层"语义归并"，而不是再新增一块看板。

做法分三步：先把各来源文本按统一事件模板抽取（时间、对象、状态、责任方）；再由大模型做同义归并与因果串接，把碎片合并成一条可读事项；最后用规则层做字段校验与提级判断，涉及安全或停线的未闭环项自动置顶，并附原始记录ID供追溯。时间戳、设备编号等关键字段不交给模型生成，只做结构化回填，以压低幻觉风险。

阶段进展：
· 在某机加工车间3个班次试点8周，交接会平均时长由约25分钟降至12分钟，跨班次漏交事项由每周约9项降至3项左右；
· 摘要条目要求100%带出处，人工抽检200条，关键字段准确率约97%。

下一步计划将设备报警流接入同一归并链路，做跨班次的劣化趋势对比，并把交接事项回写工单系统形成闭环。这个方向的价值不在"写得漂亮"，而在把隐性口头信息变成可检索、可追责的现场资产。