在机加工与注塑质检环节，异常处置往往依赖老师傅回忆相似历史案例。我们在《大模型应用实验室》尝试把非结构化的质检记录、处置日志、工艺变更单做成可检索的案例向量库，再由大模型输出「归因候选」：给定一条缺陷描述与相关工序参数，返回 3 条最可能的成因方向及建议核查项（如刀具磨损、夹具松动、来料批次差异），并标注所依据的历史案例编号。
要点
- 进展：在一条机加工产线试点两个月，接入约 1.2 万条历史质检与处置记录。对 60 起新增异常做离线评测，模型给出的前三候选命中实际根因 44 起（约 73%），人工平均定位时间由 38 分钟缩至 22 分钟。
- 下一步：把评估集扩展到多产线，加入「无匹配案例」的拒答阈值，避免低相似度案例被强推给现场；同时验证处置完成后自动回写案例库的闭环质量。
边界也很明确：模型只负责缩小排查范围，最终判定仍由质检与工艺人员确认。
评论