学完能做到 能用 AI 分析定位问题的可能原因，并知道哪些结论需要现场验证。
开始之前
- 至少 30 天的报工、质检、设备数据
- 套餐包含 AI 能力
操作步骤
先分清它算什么
「智能中心」下的这些模块（设备健康预测、良率预测、车间孪生、因果分析、缺陷模式、动态工价、主动推荐、AI 预警）本质是基于历史数据的统计与规则推断，不是机器学习黑箱。它的价值是帮你快速看出相关性，不是给出确定的因果。
良率预测怎么用
「智能中心 → 良率预测」按型号/工序看趋势。用途是提前备料和安排检验力度，不是用来判定某个人干得好不好。
缺陷模式看关联
「智能中心 → 缺陷模式」看缺陷在设备、班次、材料批次上的聚集。聚集在某台设备就去查设备，聚集在某个班次就去查人，聚集在某批料就去找供应商。
因果分析要谨慎
「智能中心 → 因果分析」给出的是统计相关，不是因果。看到「夜班不良率高」先别急着下结论——可能是夜班做的是难做的型号。任何结论都要回现场验证一次。
动态工价别让 AI 直接改
「智能中心 → 动态工价」提供的是工价合理性参考（某道工序实际工时远高于定价）。要不要调价是管理决策，让系统直接改工价会导致工资突然变化。
AI 额度要盯
所有分析都消耗 AI 额度（「智能中心 → AI 用量与充值」）。深度分析比问答贵得多，建议定期跑（每周一次）而不是每天全量跑。
容易踩的坑
数据量不够，分析结果很离谱？
大部分模块需要至少 30 天连续数据。刚上线就跑深度分析，得出的结论没有参考价值。先跑满一个月。
AI 说某台设备要坏，要不要马上停机？
不要。先让维修去看点检记录和实际状态。预测是「值得关注」的信号，不是停机指令。
分析结果和老师傅的判断冲突？
先信老师傅，再查数据为什么不同。可能是数据没覆盖到现场因素（比如换了新料但系统没记）。