数据清单盘的是变量AI要的是事件链——而事件链该从变化点主动建不是等异常才追

前两篇聊了：花几十万的系统为什么没人用（根子在从”有哪些表”出发建模），以及怎么改——从人要做的决策出发，拉出决策需要的对象和关系。

但那还差一维。你拉出来的”对象和关系”，如果是某一刻的静态快照，喂给 AI 还是不够。这篇补上时间这一维——顺便说一件精益人其实早就在做、却没意识到它有多值钱的事。

数据清单盘的是”变量”，AI 要的是”事件链”

很多企业数据战略的第一步，是按 5M1E（人机料法环测）做一轮数据盘点：每个维度有哪些数据、在哪个系统、字段叫什么。清单做完，看着家底挺清楚。

但这张清单和 AI 真正要的，基本单位就不是一个量级。

清单的单位是字段（说白了就是一个个变量）——人的工号资质、机的参数 OEE、料的批次供应商。它是一张横切的静态分类表，回答”我们有哪些数据”。

AI 要的单位，是一条纵向的时间链：

情境 → 信号 → 判断 → 行动 → 结果

拿一次换型来说：为什么换（情境）→ 首件测出什么（信号）→ 判断首件放不放行（判断）→ 怎么调参数（行动）→ 最后稳没稳（结果）。清单给你的是六个格子此刻的取值快照；事件链要的是这几个维度怎么随时间联动、人凭什么这么判断、试了什么没成、为什么换方案。前者适合统计，后者才适合学习。

清单这张静态表，漏掉的正是最值钱的

它有三个盲区，根子是同一个——它只装得下”结果”，装不下”过程和判断”：

只能列已经记下来的。 老师傅听到异响的那一刻、第一次调参没解决，很难自动进清单。清单越”全”，越让人误以为数据够了。
不分数据离现场几手。 “班组日报""质量台账”是转述、汇总过的二手货，和 0 手的原始信号（现场直接产生、没转过手）在清单里并列成两行，中间的信息损失被抹平了。
没有”判断”的位置。 5M1E 六格全是客观条件，没一格放”为什么这么决定”。而这恰恰最难复制、AI 也最学不到——就像 8D 报告里最难填、也最值钱的永远是”根本原因”那格，它只能靠人写回。

别只等异常：把”变化点”这条主动的触发器先用起来

事件链要建，绕不开一个问题：从哪儿开始记？ 现实里有三类口子：

异常——坏了才追。最容易想到，但被动，很多链早断了、补不回；
连续监测——盯着渐变（刀具磨损、轴承劣化、SPC 趋势），对付没有明显节点的慢变化；
变化点——换料、换型、换人、改参数、大修后首件。

三类都要。但最被低估、最该先用起来的是第三类，原因很实在：变化点会强制一个决策时刻出现。 平时稳态生产，人不怎么需要拍板，你想抓”判断”都没有判断可抓；一到变化点，“这个首件放不放行""参数要不要再调”这些决策必然发生——这正是事件链里最值钱的”判断”那一环最容易被抓到的时刻。而且变化点管理本就是现场必做的动作（4M 变更、初物管理），不用你新造一个流程。

但有一点得说破，不然这招是空的：“决策发生了”不等于”决策的理由被记下来了”。

换型首件放行，这个决策必须做，不做产线走不下去；但”凭什么放行”那句理由，不写下来产线照样走——而它恰恰是全篇最值钱的东西。这也是为什么很多首件表、变更单最后沦为月底补填的形式：难留的从来不是”做没做”，是”为什么这么做”。

所以变化点给你的是一个能抓到判断的时机，不是自动就把判断存下来了。判断那一格，还得专门用最低成本的方式留住——比如放行时顺手勾一个原因选项、按一下录一句话，让”为什么”变成一秒钟的动作，而不是一篇要事后补的小作文。

走一条链看看：断口在哪

拿”换型首件”走一遍，五环各填一句真话：

情境：A 产品换 B 产品，动了模具和三个参数；
信号：首件三个尺寸，有一个超下差 0.02；
判断：老师傅定”可放行”——因为这尺寸下工序还有精修，0.02 能吃掉；
行动：不停线，通知下工序留意该尺寸；
结果：整批合格，下工序没额外报废。

建好的链就长这样。现在回头看你现有系统里，这条链在哪一环断了：多半断在”信号 → 判断”之间——系统里有首件的测量值（信号），有放行记录（结果），唯独中间”老师傅因为下工序能精修所以放行”那一句没有。

判据很简单：这一环，还有没有人能回答”当时到底凭什么”？ 答不上，就是断了。断口，才是真正该投数字化的地方——而不是再去补那些早就记全了的测量值。

一个不用推翻重来的升级路径

不用推倒现有盘点，在清单上加四列，成本极低，但视角立刻换：

新增列	问的问题	治哪个盲区
离现场几手	0 手原始 / 1 手一线 / 2 手以上汇总	二手失真
是否原生	业务发生时自动产生，还是靠人事后填	只有结果
所属事件链	它挂在哪类事件上？链完整吗	没有过程
是否含判断	有没有记”为什么这么做”	没有判断

然后停止扩字段，挑 1-2 类高价值变化点（换型、换料、工艺调整），照上面那样走一遍链，找断口。

结尾

三篇连起来就一句话：从决策出发建模，拉出的不该是一张静态的对象清单，而是一条条会随时间生长的事件链；而这些链，最省力的建法，是从你本来就在管的变化点上主动长出来——别只等出了事才追。

数据清单做的是资产盘点，AI 时代真正要的是数据生产能力建设。前者是后者的必要起点，但停在这儿，就只是在给已经有的结果数据，编一本更厚的目录。