工厂里大量生产数据分散在ERP、MES与Excel报表中，业务人员想查“上周B线各班次良率”，往往要等IT同事写SQL。数据分析实验室近期开展了基于大模型的生产数据自然语言查询（ChatBI）实验，验证其在中小制造场景的可用性。
技术路线上，我们没有让大模型直接生成SQL，而是先构建轻量语义层：将表结构、字段口径与常用指标（良率、OEE、能耗强度等）定义为标准化问数接口，再由模型完成“自然语言到语义接口”的映射，把模型的不确定性限制在意图解析环节，数据计算仍由确定性代码执行。
阶段性进展：基于近三个月真实数据构建的120条测试问句中，当前版本准确回答89条，准确率约74%；其中涉及多表关联与时间口径的复杂问句准确率不足60%，是主要短板。
下一步计划：一是补充行业术语同义词库，如将“飞边”与“毛边”归一；二是对口径模糊的问句引入反问确认机制，宁可多问一句，不给错误答案。我们始终认为，ChatBI在中小工厂的价值不在炫技，而在让一线管理者真正用得起数据。
评论