如何利用 AI 进行制造业质量不合格项管理与 CAPA 分析 #

解决受监管制造业（如医疗器械、航空、汽车）中产品缺陷调查、不合格项处置（NCR）及纠正预防措施（CAPA）执行不规范的问题，通过 AI 模拟资深质量工程师提供专业判断。

为什么需要这个技能 #

在 FDA 21 CFR 820、IATF 16949 或 AS9100 等严格监管环境下，质量管理不能仅凭经验，必须遵循严谨的逻辑链路。常见的痛点包括：根因分析停留在“人为失误”等表面现象、CAPA 措施缺乏可验证性、以及对统计过程控制（SPC）信号的误判。

本技能将 AI 转化为一名拥有 15 年经验的资深质量工程师，它不仅能帮你起草合规的文档，更能引导你进行深层的根因挖掘，确保每一项不合格项（Non-Conformance）都能被闭环处理，从而降低监管审计风险。

适用场景 #

• 产品缺陷调查：分析产品失效原因，决定不合格品是特采（Use-as-is）、返工（Rework）还是报废（Scrap）。
• 根因分析（RCA）：引导使用 5 Why、鱼骨图或故障树分析（FTA）挖掘深层系统问题。
• CAPA 体系构建：定义纠正与预防措施，并制定验证其有效性的客观标准（如 90 天零复发）。
• 供应商质量管理：通过 SCAR（供应商纠正行动请求）管理供应商缺陷，并依据 AQL 抽样计划调整检验等级。
• 审计应对：根据 FDA 或 ISO 标准，将不合格项处理记录转化为符合审计要求的专业描述。

核心工作流 #

1. 不合格项定义（Identification）：记录违规标准、影响范围及批次追溯，立即执行物理隔离。
2. 处置决策（Disposition）：通过物料评审委员会（MRB）评估功能影响，决定处置路径（如：安全关键件严禁特采）。
3. 根因挖掘（Investigation）：
   • 简单问题 $\to$ 5 Whys。
   • 复杂/多因素 $\to$ 鱼骨图 $\to$ 验证假设。
   • 高风险/航空级 $\to$ 故障树分析（FTA）。
4. 行动方案（CAPA）：制定具体、可衡量、有期限的纠正措施，区分“纠正”（解决当前问题）与“预防”（防止再次发生）。
5. 有效性验证（Verification & Validation）：通过监控生产数据或重新审计，证明措施确实消除了根因，而非仅仅完成了动作。

下载和安装 #

下载 quality-nonconformance 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要 #

暂无推荐