AI赋能汽车技术质量改进的一些思考

作为一名在合资汽车公司技术质量改善团队深耕超10年的老兵，面对目前国内汽车快速的智能化，时常在想，AI时代来临除了在产品上的应用，对于汽车人每天的工作会带来什么改变，特别是技术质量改进，AI如何赋能。

在目前的实际工作中，质量领域工程师培养都是围绕的6-sigma展开，学习质量工具，整个质量问题的调查都是按照DMAIC/8D的步骤展开，在各个步骤中运用对应的质量工具。在具体的技术领域呢，就是“传帮带”学习具体的专业知识并在实战中慢慢积累经验，整个过程非常经典，也没有任何不对，只是工程师的培养周期非常的长，经验积累的过程很慢，AI时代的来临，知识的壁垒已经被打破，我一直在思考无论是从质量管理到质量问题调查，在到每个环节的具体工具运用AI能否进行赋能。幸运的是，我所在的公司从2023年就接入了目前全球最新的的所有大模型，开放API鼓励大家调用，且不限制token的消耗，这让我有机会做各种尝试，验证AI在技术报告撰写，质量问题管理/调查，工程方案落地各个等环节能起到什么推进作用。

经过一段时间的探索，对AI赋能质量管理有了些许心得，也做了不少工具在公司内部推广，取得了良好效果。另提一句，在这探索的过程中无意成为了公司AI的内训师, 也开始牵头公司AI方面的1/2工程，算是开始学习的正向循环。

截止目前我带领团队在公司已经落地数个关于质量管理提效的AI项目，简单的介绍两类典型的提效案例：
1、质量问题分析调查类，建立了“汽车塑料件分析专家”，我们将公司最资深的工程师这么多年积累的经验通过思维导图的形似展开，然后将这些知识赋予AI，人类工程师的经验+AI的知识库，这就诞生了一个绝对的行业专家助手。

2、报告撰写类，最典型的就是8D报告，问题调查完后需要花费大量的时间整理报告，我们建立了《8D报告助手》可以将问题调查的所有记录（会议纪要，实验报告，供应商分析数据。。）直接给到AI，然后AI就按照设定好的格式输出正式8D报告。在此过程中AI会检索经验教训库，对8D分析的3L5W进行审核，确保1、真的找到了root cause；2、报告逻辑符合公司要求，汇报一次通过。

在知乎上写下这些内容1、作为督促自己持续学习的一个记录；2、作为自己学习成果的一个输出。