SOD 评分总打平均分？AI 四维评分给你一份 PFMEA 体检报告

AI 质量文件审核官 · Day 2 ：昨天讲三级标注——挑出单条问题；今天讲四维评分——给整份文件打分。

一、"你这份 PFMEA 整体怎么样？"

上周陪客户做内部评审，部长翻了翻 PFMEA 问了一句：

"你这份 PFMEA 整体怎么样？我时间有限，给我一个判断。"

工程师愣了两秒，说："还行吧……该有的都有。"

部长又问："那你 RPN 普遍打多少？"

"大部分在 60-100 之间。"

部长合上文件："这文件你回去重做。"

为什么？

因为"大部分在 60-100 之间"这句话，已经把病根全暴露了——SOD 评分全是 4-5-5 这种平均分，RPN 算出来落在一个中间带，看起来没问题，其实一个真问题都没分析出来。

今天讲两件事：

1. 怎么评估一份 PFMEA 的整体质量（而不是逐条挑错）
2. SOD 评分最容易踩的坑——为什么会打出平均分

然后再看 AI 怎么把这件事自动化。

二、知识篇：一份 PFMEA 好不好，看三个维度

挑单条错误是"点"的视角，评估整体质量是"面"的视角。老法师看一份 PFMEA 好不好，心里在打三个分：

维度 1：完整性——该有的都有吗？

不是看字数多少，是看 失效链是否完整：

• 每一道工序都有对应失效模式吗？
• 每个失效模式都写了失效影响吗？
• 每个失效原因都有对应的预防措施 + 探测措施吗？
• 高风险项都标了 AP 并给了行动计划吗？
• 特殊特性（CC/SC）在分析中是否都体现了？

常见坑：焊接、检验、包装、物流这些环节经常漏；辅助工序（上料、搬运）默认不分析，但客户要求时就是不符合项。

维度 2：合规性——SOD 评分站得住脚吗？

这是最容易暴露水平的地方。先把三个字母的本质讲清：

S（Severity）回答"后果多严重"，与"发生率"无关。

S=10 不是"经常出安全事故"，而是"一旦发生就涉及安全或法规违反"。哪怕发生概率是百万分之一，S 就是 10。这是 S 最容易被搞错的地方——把"不常发生"当成"后果不严重"。

O（Occurrence）回答"这个原因发生的概率"，不是"这个失效模式出现的频率"。

同一个失效模式可能有 3 个失效原因，每个原因的 O 要分别打分。把失效模式的 O 直接复制给所有原因——这是 80% 的 PFMEA 都在犯的错。

D（Detection）回答"当前控制措施能不能在流出前发现"，看的是探测能力、不是信心。

D=3 意味着你有非常可靠的自动化探测手段（如在线 SPC + 报警停线）。如果你写的控制是"过程抽检"、"目视检查"，D 评成 3 就是撒谎，审核员一看就知道。

平均分怎么来的？就这三个坑：

• 把"我觉得还好"当 S，不看后果本身
• 把"这种问题不常见"当 O，不看原因发生率
• 把"我们一直在检"当 D，不看探测能力

结果就是——S、O、D 都在 4-5 之间徘徊，RPN 落在 60-125 这个"看起来有点风险但也不太严重"的中间带，审核员一眼就知道你没真分析。

维度 3：逻辑性——失效链通不通？

失效链的标准形式是：

审核员会顺着这条链往下推：

• 失效模式是不是功能的"反面"？（如"定位销功能=准确定位"，模式就该是"定位偏移/脱落"，不是"操作不当"）
• 失效影响有没有传到顾客端？（只写"内部返工"是不够的，要推到下道工序/总装/客户/终端使用）
• 失效原因能不能直接对应控制措施？（原因是"扭矩枪老化"，控制却是"加强培训"——驴唇不对马嘴）
• AP-H 的行动计划是不是真能降 S/O/D？（写"加强培训"既不降 S 也不降 O，这是虚化）

这三个维度加起来，就是一份 PFMEA 的"体检报告"——完整性看骨架、合规性看血肉、逻辑性看神经。

问题是——人工从这三个维度评一份 100 行的 PFMEA，要花 2 小时。

这就是 AI 四维评分要解决的事。

三、功能篇：AI 四维评分，30 秒出"体检报告"

上传 PFMEA 后，除了昨天讲的三级标注，页面顶部还会出现一张四维评分卡：

┌─────────────────────────────────────────────┐│                 四维评分                     │├─────────────────────────────────────────────┤│  完整性   ████████░░  82 / 100              ││  合规性   █████░░░░░  54 / 100   ⚠️         ││  逻辑性   ███████░░░  71 / 100              │├─────────────────────────────────────────────┤│  总分     ████████░░  69 / 100              │└─────────────────────────────────────────────┘

点击每个维度，展开扣分明细：

完整性（82 分）

• ✅ 失效模式覆盖：47 / 50 工序 有对应模式
• ⚠️ 遗漏工序：包装（OP-80）、运输（OP-90）无分析
• ⚠️ 特殊特性覆盖：SCL 清单共 12 项 CC/SC，PFMEA 中仅分析了 10 项

合规性（54 分）⚠️ 重点关注

• ⚠️ SOD 评分分布异常：87% 的行 S/O/D 落在 4-6 之间，疑似平均分
• ⚠️ S=10 项（涉及安全）共 3 处，其中 2 处 O 评分为 2（需核实依据）
• ⚠️ D 评分为 3 的 8 条记录，对应控制措施均为"目视检查"（D=3 与控制能力不匹配）
• ⚠️ AP-H 项 5 处，其中 2 处行动计划为"加强培训"（不可执行）

逻辑性（71 分）

• ✅ 失效模式 → 失效影响 传递：96% 通顺
• ⚠️ 失效原因 → 控制措施 对应：3 处不匹配（如原因"设备磨损"对应"人员培训"）
• ⚠️ AP-H 行动计划降 S/O/D 逻辑：2 处行动无法真正降低风险

每一条扣分都告诉你"在哪一行、为什么扣、怎么加回来"。

这份体检报告最有价值的不是分数本身，而是——让你的部长、客户、审核员 10 秒钟读完，就知道这份 PFMEA 大概是什么水平。

四、对比：靠手感 vs 靠数据

部长当年靠 10 年经验，扫一眼 RPN 分布就能判断"这份是真分析还是凑数的"。

现在 AI 把老法师的这种直觉变成了三组数据：

不是 AI 比老法师聪明——是 AI 把老法师的判断规则翻译成了可计算的指标。

老法师走了、换人了，这份"体检标准"还在。

五、一个真实用法：部长评审前 5 分钟

推荐一个已经有客户在用的场景：

• 部长周五下午 2 点要评审，你 1:50 把 PFMEA 传到 AI 审核官。

• 1:55，AI 输出四维评分 + 前 5 条严重问题。

• 1:58，你把"合规性 54 分"的扣分清单打印出来，带进会议室。

• 2:00，部长开口"你这份 PFMEA 整体怎么样"，你直接把报告递过去："总分 69，合规性偏低，主要问题在 SOD 评分分布和 AP-H 行动计划，我想听您的意见重点改这两块。"

这个姿势比"还行吧……该有的都有"专业 100 倍。

六、明天预告 & 试用

Day 3 讲 AP-H 项不会写行动计划？AI 改进建议分阶段给你写好——延续今天的合规性话题，直接把 AP-H 虚化的坑填上。

想先看看自己现在手上那份 PFMEA，AI 四维评分会给打多少分？

如果你带团队，想知道整个部门的 PFMEA 水平分布（A/B/C/D 分级）。

昆豆 AI · 让工程师专注判断，把重复交给机器