物料齐套率预测模块的准确率必须提升到90%以上，否则生产排程的可靠性会大打折扣。
和PLM的集成必须无缝，否则设计变更无法及时同步到生产端，会造成大量废品。
现场数据采集的实时性必须保证在秒级，否则产线状态无法精准监控，调度指令会滞后。
一个个技术难点，像拦路虎一样挡在面前。
但赵宏明不怕。
他怕的是人心，是政治，是那些看不见的阻力。
现在，陈默把那些阻力暂时搬开了。
剩下的，就是真刀真枪地干了。
晚上八点，技术部会议室。
长方形的会议桌旁坐了十几个人，都是物料齐套率预测模块的核心开发人员和测试人员。
赵宏明坐在主位，面前摊开着测试报告和代码评审记录。
“谁先说说，那2.7个百分点的差距，到底差在哪？”他开口，语气平静，但透着压力。
负责算法开发的工程师小刘站了起来，有些紧张：
“赵总，我们分析过了，主要问题是数据源的质量。
工厂那边的物料库存数据，有20%左右是手工录入的，存在延迟和错误。
这些脏数据进了模型，就会拉低预测准确率。”
“解决方案呢？”赵宏明问。
“我们想了两个方案。”小刘说：
“第一，推动工厂完善数据采集流程，尽量用扫码、RFID等自动化的方式，减少手工录入。
第二，在算法层增加数据清洗和纠错模块，自动识别并修正异常数据。”
“第一个方案，需要客户配合，周期长。”赵宏明摇头，“第二个方案，你们做过验证吗？纠错模块的准确率能到多少？”
小刘看向旁边的算法专家老张。
老张推了推眼镜：
“我们做了小样本测试，纠错准确率大概在85%左右。
但问题在于，如果纠错模块本身判断错了，反而会引入新的错误，导致预测结果更差。”
“所以这两个方案，都不靠谱。”赵宏明一针见血。
会议室里安静下来。
“我换个思路。”赵宏明在白板上画了个图。
“物料齐套率预测，本质上是基于历史数据和实时数据，对未来物料可用性的判断。
数据质量有问题，我们能不能绕过数据，从业务逻辑入手
本章未完，请点击下一页继续阅读！