QMS / MOM · Quality Investigation
质量异常调查 Triage
当产线良率突然下降时，让 AI 综合设备、供应批次、工艺和维护信号形成检查 Hypothesis，但不把相关性包装成 Root Cause。
可运行演示AI 增强现有工作Hybrid · AI + 确定性逻辑人工复核
工业语境与系统边界
场景实验 · QMS · MES / MOM
AI 与规则、Solver 或代码协作
集成边界：质量调查仿真；未连接 QMS、MES、SPC 或诊断系统，Hypothesis 不等于 Root Cause。
“同时发生”不是“已经找到根因”。
AI 把跨设备、材料、工艺和维护的证据组织成检查顺序，但每个 Hypothesis 都必须绑定 Evidence ID 和真实验证动作。
Line 3 良率突然下降，系统已有 5 条事实。
这些信号只说明值得调查，不能直接证明某一个变量就是根因。
证据深度
验证这个结论。
限制必须保持可见；实现细节可以深入查看，但不能阻塞 Demo 主流程。验证 2026-10-21 · 构建 6e89290 · 未测 2 项 / 阻塞 3 项展开全量记录
- 未测8 条路由 × 3 视口（1440×900 / 720×900 / 390×844）的横向溢出、Tab 焦点 outline、#evidence 深链、正文对比度抽样（仅记录数值，阈值未定）
- 未测对比度阈值判定：首轮只记录实测数值，WCAG 阈值待真实分布确认
- 阻塞读屏（screen reader）
原因：当前无读屏执行环境
- 阻塞原生 200% 浏览器缩放
原因：headless 视口不能替代原生缩放，需人工验证
- 阻塞视觉构图接受
原因：需人眼评审；当前会话无视觉模型能力
按能力「Quality Investigation」检查证据
- 这是质量调查 Triage，不是机器诊断、统计过程控制或真实 QMS。
- AI 只能引用提供的 Evidence ID，不得创造新的传感器事实。
- Hypothesis 不是 Root Cause；页面始终保持“未验证”直到人工检查。
- 全部生产数据和事件均为模拟数据。
实现方式
一个制造质量调查实验：Line 3 良率从 98.5% 降到 91.2%，同时出现振动上升、新供应批次、温度偏高和维护超期。AI 读取这些已知证据后给出检查优先级；页面明确区分 Evidence、Hypothesis 和 Verified Root Cause。Demo 把模拟 Sensor、Supplier Lot、Process Temperature 和 Maintenance 状态作为已知事实发送给 AI Runtime；模型只返回 hypothesis、evidenceIds 和 nextCheck。解析失败时使用明确回退路径。页面不会模拟已经完成的物理检查。
可复用模式
“多源证据 → AI 调查假设 → 绑定证据 → 人工验证”的模式可复用于设备维护、事故调查和复杂运营异常。
证据与来源
- Demo交互式质量调查 Demo
多个信号被组织为调查路径，页面不把 AI Hypothesis 显示成已验证根因。
- 架构证据 / Hypothesis / Verification 边界
传感器与记录是证据；AI 生成调查顺序；工程师通过实际检查确认根因。
- 源码