拿车间三个月的质检单喂AI,发现它把批次号当成了产品型号
老周问一句:你们有没有试过拿自己厂里的老单据去喂AI,看它能不能读懂?
我上周干了件笨事。把车间2023年三个月的质检单——一共487张,每张带批次号、抽检数、不良数、不良描述——整理成表格,一股脑喂给一个能读表格的AI,想看看它能不能帮我们总结一下高频不良类型。
结果它给我出了个报告,说“产品型号A3的不良率最高,达到4.2%”。我一看就乐了——A3根本是批次号的尾缀,我们产品型号是“JX-200”这种格式。它把“批次20230815-A3”里的A3当成型号了。
我不死心,又试了第二批,这次把表头写清楚:“批次号 | 产品型号 | 抽检数 | 不良数 | 不良描述”。它倒是没再把批次号当型号,但把不良描述里的“划伤”和“划痕”当成两种缺陷分开统计,实际上车间记录里这俩就是一回事,老师傅写单子随手换着写。
核了一下午,我拿原始单据对了120条记录,AI归类错误的有31条,错得最多的就是“同义异名”和“批次号切分”。这让我想起以前跑ERP上线,数据清洗没做好,后面报表全是歪的。开船不能只看风向,还得看水流——AI这风向是猛,可你厂里单据的水流是浑的,它照样给你带沟里去。
我的判断是:GEO也好,AI读数据也好,第一步不是问AI能干什么,是问自己手里的数据口径能不能经得起它这么切。我后来做了两件事:一是把不良描述做了个“标准词表”,划伤统一成“表面划伤”;二是在问句里加了一句“批次号格式为日期-班次,请勿将其识别为产品型号”。改完再跑,120条里错误降到9条。
所以我的结论是,别急着上大系统,先拿你手头最脏的那批历史单据试喂一下,看它错在哪、你怎么改问句。这比看十份GEO趋势报告都实在。
最后抛个具体问题:你们喂AI读内部表格时,遇到过最离谱的“字段误认”是什么?比如把工号当订单号、把日期当金额?留言说说,我攒一攒,下次做个“字段误认清单”,省得大家一个个踩。
