质量管理 QMS
基于 ERP 数据的 AI 质量管理：8D、追溯与根因分析
简要回答
AI 可以把 ERP 里分散的批次、检验、不合格品和供应商交货记录汇总起来，辅助起草 8D 报告、做追溯和查找重复缺陷模式。根因判断和纠正措施的批准必须由质量工程师完成，AI 的输出只作为草稿和线索。
制造企业的质量问题往往不是缺少数据，而是数据散落在不同系统：来料检验在 QMS 或 ERP 的质量模块，生产过程数据在 MES，客户投诉在邮件或 CRM，8D 报告则在 Word 或 Excel 里。质量工程师处理一个客诉，常常要花大半天去各处翻记录。
汽车、电子、航空航天配套等行业的客户，对 8D 报告、追溯和纠正措施有明确的要求，IATF 16949、AS9100 等体系标准也要求保留记录和证据。写报告、查批次、做追溯，是质量部门耗时最多的重复性工作。
大模型适合做其中的文字整理和信息汇总，但不适合替工程师下根因结论。本文说明如何在 ERP 数据之上做这类辅助，并保持质量记录的严肃性。
质量部门的典型工作负担
客诉发生后，需要确定涉及的产品批次、生产日期、使用的原材料批次、供应商、设备和班次，再判断影响范围。如果追溯数据在 ERP 里分散于多个表，手工追溯容易遗漏。
8D 报告的 D2 到 D4 阶段（问题描述、临时措施、根因分析）需要大量资料整理，D5 到 D7 则涉及纠正措施和防止再发，需要查看类似问题是否发生过。历史 8D 报告多以文档形式存放，难以检索。
- 按客户批次向前、向后追溯原材料与成品
- 整理不合格品记录、返工报废数量与成本
- 检索历史类似问题与既往纠正措施
- 起草 8D 报告和客户回复的文字部分
AI 能辅助的环节
追溯辅助：根据批次号，在 ERP 的批次、库存事务和采购收货记录中检索相关物料和供应商，列出影响范围清单。清单附带数据来源，由质量工程师核实。这一类任务确定性强，是最适合先做的。
8D 草稿：根据不合格品记录、检验数据和描述，生成问题描述、临时措施和时间线的初稿；对于根因，可以提示常见的鱼骨图方向或类似历史案例，但明确标注为「建议核查」而不是结论。
模式发现：对不合格品代码、供应商、工序做统计分析，找出反复出现的缺陷组合，例如某个供应商某一批次的来料在特定工序上不良率偏高。统计由查询完成，模型负责把结果讲清楚。
数据从哪里来
ERP 一般提供批次与序列号、库存事务、采购收货、工单、不合格品记录（取决于系统是否启用质量模块）。QMS 或 MES 提供检验结果和过程参数。对于 Infor SyteLine、Infor LN、SAP、Oracle、用友、金蝶等系统，质量相关表和接口各不相同，需要在评估阶段确认哪些数据真实可用。
历史 8D 报告、检验作业指导书、客户质量协议等文档，可以建立私有的检索库，让模型回答时引用具体文件和段落，便于核对。
私有化与记录完整性
质量数据往往含有客户图纸号、工艺参数和供应商信息，属于保密范围，不适合发送到境外公有云。建议将开源模型部署在厂内，数据不出厂，同时符合个人信息保护法对员工和联系人信息的要求。
质量体系要求记录可追溯。AI 生成的内容应标注为草稿，保存生成时所用的数据和提示，人工修改后的版本才作为正式记录。我们不会让 AI 直接关闭 8D 或修改检验结果，写回 ERP 或 QMS 必须经授权人员批准。
边界：哪些事不该交给模型
根因分析需要现场验证，要看实物、查工艺、做实验，模型无法替代。对于涉及安全或法规的问题，例如医疗器械或航空零件的不合格处置，处置决定必须由有资格的人员做出。
如果企业已经有成熟的 QMS 软件并且自带追溯和 8D 模块，且使用顺畅，那么额外的 AI 价值主要在跨系统汇总与文字整理，是否值得投入要看实际的工作量。我们会在评估时如实测算。
试点路径
可以选一个产品线，取最近一年的客诉和不合格品记录，评估模型在追溯清单和 8D 初稿上的准确率，让质量工程师盲评并统计修改比例和节省的时间。如果效果好，再接入实时数据，并扩展到来料检验和供应商质量。
试点完成后会给出明确的结论：哪些任务可以稳定提效，哪些不适合，以及推荐的部署规格。
常见问题
AI 生成的 8D 报告可以直接提交给客户吗？
不建议。AI 只生成草稿，必须由质量工程师核对数据和结论后再提交。根因和纠正措施的责任在企业人员。
能做批次追溯吗？
可以做追溯辅助。前提是 ERP 中有完整的批次或序列号记录。数据缺失时，模型会如实指出断点，而不是编造。
我们已经有 QMS 系统，还需要这个吗？
取决于使用情况。如果 QMS 已覆盖追溯和 8D 且顺畅，AI 的价值主要在跨系统汇总和文字整理。评估阶段会估算实际节省的工作量。
质量数据会离开工厂吗？
不会。模型和检索库部署在厂内或境内私有云，ERP 和 QMS 数据只在内网读取。
能满足 IATF 16949 或 AS9100 的要求吗？
这些是企业自己的体系认证。我们的架构保留记录、留痕、人工审批，帮助企业满足自己的要求，但不替企业取得认证，也不做合规承诺。
相关指南
Infor SyteLine / LN 在中国工厂的 AI 落地指南
在华外资与出海制造企业使用 Infor SyteLine、LN 的 AI 落地方式：本地部署开源大模型，数据不出厂，符合数据安全法与个人信息保护法。
ERP + APS 生产计划排程基于 ERP 数据的 AI 辅助生产计划排程（APS）
用 ERP 工单、BOM、工艺路线与库存数据支撑 APS 排程：AI 做缺料预警、插单分析与排程解释，排程算法仍由 APS 负责，私有化部署。
ERP 数据问答ERP 数据问答：用中文直接向 ERP 提问
用自然语言查询 ERP 里的订单、库存、采购与成本：只读、展示所用查询、继承 ERP 角色权限，模型私有化部署，数据不出厂。
制造业 AI 选型与 RFP制造业 AI 选型与 RFP：评估供应商时该问什么
制造企业评估 ERP 与生产系统 AI 供应商时该问什么：数据位置、模型、权限、只读与审批、评估方法、成本与退出，附 RFP 提问清单。
用友 U8 / U9 Cloud用友 U8 / U9 Cloud 的 AI 集成：数据不出厂的做法
在用友 U8、U9 Cloud 上落地私有化 AI：用自然语言查库存、采购、生产订单与缺料，数据不出厂，默认只读，写入需人工确认。
用友 BIP用友 BIP 之上的企业 AI：私有化问答与智能体
用友 BIP 之上如何加 AI：基于开放平台与 API 做自然语言查询和智能体，开源模型本地部署，权限沿用 BIP 角色，写入需人工审批。