唯一按天循环的场景 · 每天早会前把在制工单过一遍:识别欠数/滞后/返工 → 归到缺料/品质/设备/人手四类根因 → 判断要不要补产。但这个场景最诚实的地方是:它明确告诉你哪两类根因数据里压根查不到,只给候选项让 PMC 勾选,而不是编一个归因出来。
PMC 每天早上第一件事就是看昨天的工单。难的不是看数字,是数字本身不可信,而且解释权不在自己手上。
PMC 每天早上第一件事就是看昨天的工单。难的不是看数字,是数字本身不可信,而且解释权不在自己手上。
五份数据一次读齐 → 先校验数据时点 → 识别三类偏差 → 四类根因给候选而非结论 → 补产建议 + 早会可打印日报。
报工是事后补录的,所以第一步不是分析,是给数据打标记。超 24h 未报工的工单,"滞后天数"直接标不可信 —— 不能把录入延迟当成生产滞后。
四类根因里品质和人手在多数厂就是查不出来的:返工单数量写"少量"、出勤表没有工位安排。给候选项让 PMC 勾选,比编一个归因诚实得多。
从五份数据到一页可打印的早会日报 · 5 步走完 · 每天跑一次。
判断标准只有一个:这份东西能不能直接进企业的流程
不做「AI 替你定最终结论」—— 关键判断必须由人确认。本场景产出的是初稿和建议,影响大的项一定会被拦下来要求人工确认,而不是自动放行。
数据时点校验 · 98% 陷阱 · 四类根因候选与勾选 · 补产建议 · 数据脱敏