SAS系统未结束维修单自动化统计与报表生成指南，统计口径与执行流程

SAS系统里的未结束维修单统计，真正难的不是做一张表，而是把未结束、超期、返修、挂起、作废这些业务状态定义成能被系统稳定识别的口径，再让程序按固定时点自动取数、校验、汇总、生成日报周报月报并留下留痕。口径一旦统一，维修积压、响应超时、班组负荷和备件瓶颈就能在同一套报表里被持续看见。

一、先把未结束维修单定义清楚

如果定义不准，自动化越快，结果越容易误导管理层。SAS系统未结束维修单通常不是简单等于状态不为已关闭，而应采用状态字段+完工时间+作废标记+转派关系的组合判断。

建议先冻结四个判断轴

• 状态范围：待接单、已派工、维修中、待备件、待验收、挂起等可纳入未结束池。
• 关闭排除：已关闭、已作废、已撤销、重复单合并后主单外的从单，应从库存统计中剔除。
• 时间口径：以统计时点快照为准，不要把今天生成的表与明天补录后的历史状态混算。
• 主键口径：以工单号或主维修任务号去重，拆单、转派、返工需单独标识。

推荐口径表

指标	建议定义	管理意义
未结束工单数	统计时点仍未完工且未关闭的工单主键数	看库存压力
超期工单数	当前时间晚于承诺完成时间且仍未结束	看响应失控
返修工单数	同设备在设定周期内再次报修并新开单	看一次修复率
挂起工单数	因待料、待外协、待停机窗口等暂停处理的工单	看瓶颈位置
平均在途时长	统计时点减去派工时间或接单时间的均值	看处理效率

实践里最好由设备管理、维修班组、信息化和财务成本核算共同签字确认这套口径，否则月末对账和绩效考核一定反复返工。

二、自动统计最容易出错的五个地方

1. 把报修时间、派工时间、完工时间混成一个周期

不同部门关心的周期不同。客服看报修到响应，维修主管看派工到完工，管理层看报修到关闭。自动报表必须把三个时钟拆开算。

2. 状态文本不统一

同样是未完成，有的系统写维修中，有的写处理中，有的写待备件。建议先做状态映射表，统一成标准码，再进行聚合。

3. 拆单转派导致重复计数

同一故障从车间转到专业班组，系统可能生成多个记录。如果不区分主单、子单，未结束工单会被高估。

4. 补录和回写拉高波动

月底集中回填完工时间，会让前几天的数据看似突然下降。解决办法是每天保留快照，并区分实时口径和结算口径。

5. 人工导表造成时效失真

只要仍靠人工登录、筛选、复制、粘贴，报表就天然滞后。McKinsey在2023年研究中指出，生成式AI在多类业务场景中每年可释放2.6万亿至4.4万亿美元的经济价值，像维修工单统计这类高频重复的数据工作，价值首先体现为减少人工取数和缩短决策延迟。

三、报表流程怎么搭，才能真正自动跑起来

一套能长期运行的SAS系统未结束维修单自动化统计流程，至少应包含取数、清洗、计算、输出、推送、留痕六层。

1. 数据源层：SAS维修工单、设备台账、班组人员、备件库存、停机计划等。
2. 采集层：按日全量、按小时增量结合，避免只跑全量导致性能压力。
3. 治理层：字段标准化、状态映射、主子单归并、空值补齐、异常值告警。
4. 指标层：未结束库存、超期数、超期率、班组负荷、设备故障TOP、待料占比、返修率。
5. 输出层：Excel明细、PDF周报、管理驾驶舱、邮件或消息推送。
6. 审计层：保留每次任务执行日志、口径版本、源数据快照和报表版本号。

建议最少产出三类报表

• 日报：看新增、关闭、库存、超期和重点异常单。
• 周报：看班组效率、设备故障结构、待料原因和趋势变化。
• 月报：看车间对比、费用归集、返修分析和管理改进项。

如果维修数据还要进入审计或成本分析链路，PDF附件和版本留痕就不能省。这样做的好处是，管理层看到的不只是一个数字，而是一个可回放、可核对、可追责的统计过程。

四、从规则脚本到智能体闭环，适合什么样的企业

当系统少、字段稳、需求变化慢时，SQL加定时任务就能解决基础统计；但一旦出现跨系统取数、附件归档、消息推送、例外解释和权限隔离，单纯脚本很快会变成一堆难维护的补丁。Gartner在2024年披露的2025技术趋势中将Agentic AI列为重点方向，原因就在于企业越来越需要既能理解任务、又能执行动作的自动化能力。

更适合落地的方式

实在Agent更适合处理这类跨系统、强流程、要闭环的统计任务。它不是只会生成文字说明，而是把大模型理解能力和超自动化执行能力放在同一条链路上。

• 取数：通过API、数据库读取、界面自动操作和视觉识别，进入SAS、ERP、OA等系统抓取工单、人员、物料和日志信息。
• 判断：先由规则引擎执行未结束口径、超期阈值和去重逻辑，再由大模型补充异常解释、趋势摘要和自然语言问答。
• 行动：自动生成Excel、PDF和可视化看板，定时推送给维修主管、车间负责人和管理层。
• 留痕：执行日志可自动沉淀为PDF附件，随单据或报表同步归档，满足审计追溯要求。
• 权限：按角色和组织架构隔离数据，业务、共享、管理三类角色看见的范围可不同。

对没有标准API的老系统，这类方案的价值尤其明显，因为它可以像人一样操作本地软件，减少改造成本；对强监管企业，它还能把口径说明、流程指引和审计轨迹一起固化下来。

五、最接近维修单统计的真实落地场景，能看到什么效果

在与维修单自动统计最接近的统计与审计合规场景中，企业最常见的收益不是花哨的AI文案，而是取数时间缩短、报表稳定输出、权限边界清晰、审计材料自动成册。

某类业务场景下的客户实践

• 系统可自动将处理日志生成PDF附件，并随业务单据同步至财务中心，满足审计追溯需求。
• 权限按业务角色和组织架构精细划分，避免跨部门查看不该看的数据。
• 支持按业务类型配置审核规则说明和流程指引，减少一线人员反复问口径。
• 在统计数字员工场景中，能够跨系统自动取数、挖掘多维规律，并秒级生成动态看板，减少传统导表做表的滞后。
• 在成熟审核场景里，平台已实现92个业务类型全覆盖、66%初审工作替代率、年处理单据超25万笔，说明这套能力并不是演示级工具，而是可以承接高频业务量的生产级能力。

如果把这些能力迁移到维修工单管理中，最直接的结果通常有三类：一是未结束库存每天自动刷新；二是超期和待料问题被及时定位到车间、班组和设备；三是周报月报不再依赖个人经验，而是形成可复制的标准产线。

数据及案例来源于实在智能内部客户案例库

❓常见问题

未结束维修单应该按哪个时间点统计

管理报表建议按固定时点快照统计，例如每天早上8点或晚上24点。这样同一周期内口径稳定，便于横向比较。若同时需要实时监控，可再补一张实时看板，但不要与结算口径混用。

没有API，老旧SAS系统还能做自动化吗

可以。只要系统允许正常登录和查询，就可以通过界面自动操作、视觉识别、表单读取和定时任务完成取数与报表生成。没有API会影响优雅程度，但不等于不能自动化。

管理层最值得盯的三个指标是什么

通常是未结束库存、超期率和待料占比。前者看积压，第二个看执行效率，第三个看是否已从维修问题演变为供应链问题。三项放在同一张图里，最容易形成行动闭环。

参考资料：McKinsey Global Institute，2023年6月，《The economic potential of generative AI: The next productivity frontier》；Gartner，2024年10月披露，《Top Strategic Technology Trends for 2025》将Agentic AI列为重点趋势。