干了10年生产制造数据,我悟了Excel和AI之间,差的不只是技术
- 2026-11-09 22:48:59
十年前，我每天的工作就是用各种数据分析方法做报告、写资料。那时候我以为，把报表做漂亮，就是数据人的终极使命。
五年后，我开始碰MES、飞书多维表格，把车间的纸质台账一条条搬到线上。我以为，流程数字化就是答案。
直到做了培训之后，一个做了多年精益的老师傅问我："常老师，你说的这个AI，跟我们的看板拉动是什么关系？用了AI是不是就不用看板了？"
那一刻我突然意识到：我们搞了这么多年的精益、六西格玛、数字化、AI——在大多数工厂里，它们根本是六个互不相通的世界。
精益的人在做5S、拉VSM、搞JIT。六西格玛的人在跑DMAIC、算Cpk、画控制图。TOC的人在找瓶颈、配DBR、做产销平衡。Excel组在拉透视表、写公式、做日报。飞书组在建工单、搭看板、搞协同。AI组在做视觉质检、搞预测模型、推智能排产。
每个人都在认真做事，但六张拼图，从来没人拼在一起看过。
传统的思维导图也画不了这个。因为它不只是"谁包含谁"的关系，而是数据怎么流、工具怎么配、理论怎么依存——它是一个三维的网。
所以我做了一个东西：一个3D交互知识星云。
70+知识节点，200+条关系连线，把所有东西放在一个可以旋转、缩放、点击探索的宇宙里。你点一下OEE，能看到它和六大损失的关系；你点一下AI缺陷根因分析，能看到它需要哪些数据输入、输出到哪里。
这不是炫技，这是把十年踩的坑，一次性摊开来给你看。
做了培训之后，我发现工厂里的人找知识，习惯完全不一样。
工程师型——搜索框直接搜。输入"年度人才缺口"，定位到经验星球；输入"DPMO怎么算"，直接找到公式和步骤。目标明确，不绕弯子。
管理者型——按领域浏览。点开"精益生产"，下面展开5S、VSM、JIT、看板；点开"数字化工具"，分Excel、飞书、AI三层。像逛商场一样，先看大类，再挑细项。
班组长型——问题导向。不知道具体该搜什么，只知道"不良率又高了"、"产能又不够了"。输入问题，AI自动匹配相关节点，高亮关联链路，给出改善路径。
三种方式，对应三种人。没有哪种更高级，关键是让每个人都能最快找到自己要的东西。
星体包含四个部分：定义、落地步骤、适用场景、配套工具。
比如点开"OEE设备综合效率"：
Step 1 — 可用性A = 实际运行时间 ÷ 计划运行时间，目标≥90%
Step 2 — 性能表现P = (标准CT × 实际产量) ÷ 实际运行时间，目标≥95%
Step 3 — 质量Q = 合格品数 ÷ 总产量，目标≥99%
Step 4 — 世界级OEE = 90% × 95% × 99% = 85%
Step 5 — 六大损失逐一排查
Step 6 — 建立自动采集系统，每日自动生成报表
再比如"AI缺陷根因分析"：
Step 1 — 数据采集标准化，每条缺陷至少包含：类型、工序、时间、设备、操作员
Step 2 — 数据清洗，确保6个月历史数据，样本量≥500条
Step 3 — 从人机料法环测六维度提取特征
Step 4 — 随机森林或XGBoost训练模型
Step 5 — 输出Top 3根因及置信度，人工复核
Step 6 — 根因→改善→验证→更新模型，形成闭环
新人拿去能上手，管理者拿去能评估。
培训之后，学员问得最多的问题是："常老师，你讲的这些方法，你自己真的用过吗？"
问到了点子上。理论和实践之间，隔着无数个"你以为很简单，一做就废"的坑。
所以我单独做了"经验星球"，用💡（灵感型）和📝（实操型）标注，和标准SOP做明确区分。
📝 5S落地避坑指南 — 90%的企业5S推行失败。五个最常见的坑：运动式5S、只做3S、领导不参与、罚得多奖得少、工具不配套。经验要点："5S成功的唯一标准是——外来访客随机走进车间，看到的永远是整洁有序的状态。"
📝 AI试点落地经验 — "AI项目最大的坑不是技术，是数据质量差+期望值过高。先做数据治理，再谈AI。第一个试点选'数据充足+问题明确+效果可量化'的场景。"
💡 数据驱动改善经验 — "数据建设的最大障碍不是技术，而是'数据不准确'。先解决'有没有'，再解决'准不准'，逐步迭代。不要一上来就追求完美数据。"
这些个性化问题，你都可以单独添加到个人的经验星球里去。
回头看这十年，我的认知变了三回。
十年前，我以为核心是"工具" ——把函数学精，把系统用好，把报表做漂亮。
五年前，我以为核心是"流程" ——把精益、六西格玛、TOC吃透，把车间从头到尾优化一遍。
现在我明白了，核心是"连接"。
工具和工具之间的连接，理论和实践之间的连接，数据和决策之间的连接，人和人之间的连接。
这个知识星云，就是我尝试把这些连接画出来的一个作品。它不完美，但它是一个开始。
如果你也是一个在工厂里跟数据打交道的"老数据人"，希望这个星云能让你看到自己工作的全貌——你手里那些Excel表格、飞书表单、每天在追踪的指标，它们不是孤立的数字，而是一张巨大网络中的节点。
如果你正在考虑从传统制造转向AI方向，希望这个星云给你一个"全景地图"——让你看到AI在制造业的真实位置：不是什么"颠覆一切"的魔法，而是数字化工具链上最远的那一环。前面的数据基础打不牢，AI就是空中楼阁。
如果你是一名企业管理者，希望这个星云帮你理解"数字化转型"到底在转什么——不是买一套系统，而是把数据流打通，让信息在工具之间、部门之间、人和机器之间自由流动。
你工厂里的"六大孤岛"，打通了哪几个？
还在哪几个坑里挣扎？
评论区聊聊，我帮你看看问题出在哪一环。
觉得有用？转发给你那个还在Excel里写VLOOKUP的同事，让他也知道，数据人的下一站不是更复杂的公式，是一张更大的地图。
关注我，回复"知识星云"获取完整HTML文件，打开浏览器就能用，零依赖，离线可用。
常雪飞 | 十年制造业数据人，AI应用培训讲师
