我是谁 & 遇到什么问题
我是制造业工程师，平时工作中经常需要处理生产、质量、项目等各种数据。
我的日常工作里有一个非常高频的场景：
Excel 数据 → 数据分析 → 图表 → PPT汇报 → 问题分析 → FACA改善报告。
以前这套流程基本都要自己一点一点做。
Excel 需要整理数据、筛选、计算、做透视和图表；
分析完成后，还要重新整理成 PPT；
如果出现质量异常，还需要进一步分析原因、制定改善措施，再完成 FACA。
真正耗时间的往往不是“思考”，而是大量重复的数据处理和文档整理。
我用了 TraeWork 解决了这件事
我主要使用 Work 来完成这类工作。
我的实际流程比较简单：
第一步：把原始 Excel 数据交给 TraeWork
例如生产数据、质量数据、设备数据等。
我会先告诉它：
-
数据是什么
-
每一列代表什么
-
我希望分析什么
-
最终需要什么结果
然后让它先检查数据结构。
比如：
“请先分析这个Excel文件的数据结构，识别字段含义、缺失数据、异常数据，并告诉我适合从哪些维度进行分析。暂时不要生成报告。”
先分析，再决定下一步怎么做。
第二步：让它进行数据处理和分析
确认分析方向后，再让 TraeWork 处理具体数据。
例如：
-
月度趋势
-
良率变化
-
不良率
-
TOP问题
-
产品型号对比
-
生产数量
-
异常分布
-
Pareto分析
-
趋势分析
尤其是一些以前需要自己写 Excel 公式、做透视表、反复调整的数据处理，现在可以让 AI 辅助完成。
第三步：自动生成各种分析图表
数据分析完成后，我会继续让 TraeWork 根据分析结果生成合适的图表。
例如：
柱状图
趋势图
饼图
折线图
Pareto图
对比表
我比较喜欢的一点是：
不是单纯让它“画图”，而是告诉它这个图要解决什么问题。
例如：
“请找出不良率最高的5个问题，并用Pareto图展示，突出主要问题，并给出结论。”
这样最终得到的就不只是一个图，而是：
数据 → 图表 → 结论。
第四步：直接整理成PPT报告
这是我觉得对日常工作帮助非常大的地方。
以前：
Excel分析完以后，
还需要：
复制数据 → 截图 → 做图 → 打开PPT → 调格式 → 写结论 → 改页面。
现在可以直接让 TraeWork 根据分析结果整理成汇报逻辑。
例如：
PPT结构
-
项目背景
-
数据概况
-
核心指标
-
趋势分析
-
TOP问题
-
Pareto分析
-
原因分析
-
改善措施
-
改善效果
-
后续计划
然后逐页完善。
这样最大的变化不是“PPT不用做了”，而是：
我不用再把大量时间花在搬数据、整理格式和搭框架上。
我可以把更多时间放在：
“这个数据说明了什么？”
“为什么会出现这个问题？”
“应该怎么改善？”
第五步：异常问题直接进入FACA
这也是制造业场景里我比较常用的一个应用。
如果数据分析发现异常，例如：
某产品不良率突然升高。
以前需要重新整理：
问题描述 → 数据 → 原因分析 → 临时措施 → 根本原因 → 改善措施 → 效果验证。
现在可以把前面的数据分析结果继续交给 TraeWork，让它辅助整理成 FACA。
例如：
F — Failure
明确问题：
-
什么产品
-
什么时间
-
什么工序
-
什么问题
-
影响多少数量
-
不良率是多少
A — Analysis
进一步分析：
-
人
-
机
-
料
-
法
-
环
-
测
并结合已有数据寻找可能原因。
C — Corrective Action
根据根因制定：
-
临时措施
-
长期改善措施
-
责任人
-
完成时间
A — Action / Verification
最后继续跟踪：
-
改善前数据
-
改善后数据
-
改善效果
-
是否达到目标
-
是否需要水平展开
这样就形成了一个完整的闭环：
Excel → 数据分析 → 图表 → PPT → 异常分析 → FACA。
我做出了什么
以前一份完整的分析报告，可能需要：
Excel + PPT + FACA 三套东西分别制作。
现在可以把它们串起来。
最终产出包括：
Excel数据分析
自动生成分析图表
PPT汇报报告
异常问题分析
FACA改善报告
而且最重要的是：
前面的数据分析结果可以继续用于后面的报告，而不是每一步重新开始。
效果展示
如果做一个完整案例，我通常会准备3张截图：
截图1：
原始 Excel + TraeWork 数据分析过程。
截图2：
生成的趋势图、Pareto图、对比图等。
截图3：
最终 PPT + FACA报告。
这样基本可以完整展示：
原始数据 → 分析 → 图表 → 报告 → 改善闭环。
我的几个小技巧
1. 不要一上来就说“帮我做报告”
我一般会拆成：
先分析数据 → 再做图表 → 再提炼结论 → 最后做PPT。
这样结果更容易控制。
2. 给AI解释Excel字段
制造业的Excel经常有很多缩写和内部字段。
第一次使用时，最好告诉它：
“A列是生产日期，B列是产品型号，C列是工单号，D列是不良类型……”
AI理解数据之后，后面的分析准确率会明显提高。
3. FACA不要让AI直接“编原因”
这是我特别注意的一点。
根因必须有实际数据和现场证据支持。
AI可以帮我：
-
整理逻辑
-
梳理5Why
-
组织FACA结构
-
生成报告
但最终原因必须由工程师结合现场确认。
我对 TraeWork 最大的感受
以前我的工作模式是：
数据 → 我处理 → 我做图 → 我做PPT → 我写报告。
现在逐渐变成：
数据 → TraeWork辅助分析 → 我判断 → TraeWork整理 → 我确认。
AI没有替我做工程判断。
但是它确实帮我减少了大量重复性的工作。
尤其对于制造业这种：
Excel很多、数据很多、报告很多、PPT很多、FACA很多
的工作环境，我觉得这种AI工作方式非常实用。
以前最烦的是：
“数据还没分析完，PPT又催着要了。”
现在至少可以先让 TraeWork 帮我把第一版跑起来。
这可能就是我目前觉得AI真正进入制造业日常工作的一个具体场景。