制造业想用大模型做 FMEA,先想清楚这三件事

做过质量的人都知道,FMEA(失效模式与影响分析)是个又重要又让人头疼的活。重要,是因为它直接关系到产品出不出问题;头疼,是因为它高度依赖经验,而且做一份完整的分析,往往要拉上好几个部门开很久的会。

这两年不少制造企业问我们:这活能不能交给大模型?我们的回答是:能帮上大忙,但别指望它替你拍板,而且有三件事得先想清楚。

一、你的历史故障库,整理过吗

FMEA 的价值,本质是把过去踩过的坑沉淀下来,下次别再踩。所以大模型能不能帮上忙,第一取决于你有没有一份能用的历史故障库。如果过去十年的失效案例、整改记录都散在各个工程师的电脑里、excel 里、甚至脑子里,那再强的模型也是巧妇难为无米之炊。

“大模型在 FMEA 里扮演的不是「专家」,而是「记性特别好的助手」——前提是你得先让它读到该读的东西。

二、要的是一致性,不是创意

FMEA 最怕的不是漏掉某个失效模式,而是同一类问题,张工和李工分析出来的严重度、发生度、探测度评分天差地别。大模型恰恰擅长这件事:给定相似的工况和历史案例,它能给出风格一致、口径统一的初步分析,把人从重复劳动里解放出来,让工程师把精力放在判断和决策上。

三、人始终在回路里

我们见过有人想做「全自动 FMEA」,这是危险的想法。失效分析涉及安全和责任,最终的判断必须由有资质的工程师做出。合理的做法是让大模型出初稿、提示可能被忽略的失效模式、自动关联历史相似案例,然后由人来审核、修正、定稿。机器负责广度和效率,人负责深度和担责。

落地的样子

在实际项目里,这个场景通常长这样:工程师输入新产品或工艺的关键信息,系统从历史故障库里检索相似案例,生成一份带评分建议和依据的 FMEA 初稿,工程师在熟悉的表格界面里逐条确认、调整。原本要开几轮会、花上几天的事,压缩到几个小时,而且新人也能站在老师傅的经验上起步。

最难的一步,是把经验请出来

实际项目里,最费劲的往往不是技术,而是说服老师傅把脑子里的经验交出来。很多失效判断的依据,老工程师做了几十年,凭的是直觉,从没成文。我们的做法是不追求一步到位的完整知识库,而是从最近几年、记录相对完整的案例入手,边用边补——让老师傅在用的过程中发现「这里 AI 漏了一种情况」,顺手就把经验补了进去。

这样一来,知识库不是一次性建好的死档案,而是越用越厚的活资产。新人查得到,老师傅的经验也不会随着退休一起被带走。对制造企业来说,这种沉淀本身的价值,有时候比眼前提了多少效还要大。

做完 FMEA,这份资产还能用在别处

把历史故障库整理好、让大模型能检索之后,你会发现它的用处远不止 FMEA。同一份知识库,可以拿来辅助新人培训、支撑售后的故障诊断、给工艺改进提供依据。换句话说,做 FMEA 这件事逼着你把多年的失效经验数字化,而这份数字化的资产一旦建起来,能反复在好几个场景里复用。前期那点整理的功夫,摊到后面几个用途上,就很值了。

所以我们建议制造企业,别把这类项目当成「一次性做个工具」,而是当成「把老师傅的经验存进系统」的一个契机。模型会换、会升级,但这份沉淀下来的知识,是你自己的,谁也拿不走。

所以这件事的关键,从来不是模型本身有多聪明,而是你愿不愿意先把那份散落的经验,认真地收拢成一个能被检索的知识库。这一步做扎实了,后面的事就顺了。

留下你的场景和痛点,我们帮你判断从哪一步开始。