如何自动统计SAS系统超一个月未维修的单据？维修预警这样做

要自动统计SAS系统超一个月未维修的单据，关键不是先做一张报表，而是先把逾期口径统一成可执行规则：围绕报修时间、最近一次有效维修动作时间、当前状态和责任人，按天定时抽取并自动汇总，再把异常结果推送给责任部门。若系统可直连数据库，优先用SQL和调度任务；若没有接口、只能人工登录查询，则应改用数字员工做跨系统抓取、判断和催办闭环。

一、先把超一个月未维修的定义说清

很多统计失败，不是技术问题，而是口径问题。同样一张单据，按报修时间算、按派工时间算、按最后维修动作时间算，结果都可能不同。

建议先固定4个核心判断字段

字段	说明	统计作用
单据编号	维修工单唯一标识	去重与追溯
报修时间	用户首次提交时间	判断是否进入待处理池
最近维修动作时间	受理、派工、上门、维修记录中最后一次有效时间	计算逾期天数
当前状态	待受理、已派工、维修中、已完结、已关闭、挂起	决定是否纳入未维修统计

最常用的口径写法

• 逾期天数=统计日-最近一次有效维修动作时间
• 当前状态属于待受理、已派工、维修中、待回访等未完结状态
• 逾期天数大于30天，或按制度改为跨自然月
• 剔除已作废、已关闭、重复报修合并单、已批准长期挂起单

如果企业内部制度写的是一个月，就必须再明确到底按30天还是自然月。这一步不统一，后续自动化越强，错误放大得越快。

二、自动统计的三种实现路径

如何自动统计SAS系统超一个月未维修的单据，通常有三条路，按系统开放程度选择即可。

路径1：数据库可读，直接定时统计

1. 从SAS系统底层表或数据集市抽取工单主表、状态流水表、维修日志表
2. 按单据编号聚合，取最近一次有效维修动作时间
3. 根据状态字典过滤未完结单据
4. 计算逾期天数并按部门、区域、设备类型汇总
5. 输出日报、周报或实时看板

这是成本最低、结果最稳定的方式，适合已经有数据仓库或BI环境的企业。

路径2：有报表导出，无开放接口

1. 定时登录系统导出待维修清单
2. 将导出结果落地到中间表
3. 做字段清洗、增量比对和超期判断
4. 自动发送邮件、企微或钉钉提醒

这种方式实现快，但要注意导出字段是否稳定，避免列名变化导致任务中断。

路径3：系统老旧、无接口、只能人工操作

这类场景最常见于政务、后勤、制造维护等历史系统。此时更适合让实在Agent接管页面操作：大模型理解任务目标，RPA负责登录、检索、翻页、下载，OCR与IDP抽取页面或附件字段，规则引擎完成超30天判断，再把结果推送给责任人并留痕。它的价值不只是替代人工点鼠标，而是把抓取、判断、推送、审计串成完整闭环。

可执行流程可简化为

登录SAS系统 → 进入维修工单列表 → 筛选未完结状态 → 逐页抓取单据与时间字段 → 计算超期天数 → 按部门汇总 → 生成清单与预警消息 → 保留日志与截图

三、规则设计要像审计一样严谨

自动统计不是简单筛选大于30天，而是要先处理异常状态和脏数据。

推荐至少加入以下规则

规则场景	判断逻辑	目的
长期未动单	当前状态未完结，最近维修动作时间距今天数大于30	识别真实超期
已派工未上门	状态为已派工，且无上门记录，派工时间距今天数大于30	识别执行卡点
维修中无更新	状态为维修中，最近进度更新时间距今天数大于30	识别过程停滞
挂起单据	状态为挂起，且挂起原因不在白名单内	防止借挂起规避考核
已完工未关闭	存在完工记录但流程未关闭	避免统计误伤，转入流程清理池

三个容易被忽略的细节

• 不要只看报修时间，很多业务真正该算的是最后一次有效维修动作时间
• 不要把备注字段当结构化数据，最好把挂起原因、完工标识、维修节点拆成字典值
• 不要只给汇总数，必须能下钻到单据号、责任人、设备名称和超期原因

若企业需要审计追溯，建议每天保留一次统计快照，防止单据后续被改状态后无法还原当时结果。

四、从统计走向预警与审计，才算真正落地

只把SAS系统超一个月未维修的单据统计出来，还不够。更关键的是让责任人知道、让管理层看见、让审计部门可追溯。可参考某类政务统计场景下的客户实践。实在智能已在统计数字员工方案中，将制度解析、材料识别、规则校验、系统穿透查询、辅助结论生成、人工确认和日志审计串成闭环。虽然场景不是维修工单，但与超期单据统计面对的是同一类问题：跨系统取数、规则口径复杂、结果必须留证。

这类成熟方案的技术路径通常包括

• 规则智能管理：上传制度文本后，由大模型解析并生成可执行规则
• 业务端提单不改习惯：沿用原有业务系统或共享系统，减少使用阻力
• 智能识别：利用OCR小模型与大模型结合，提取关键信息并分类切割
• 深度校验：用IDP引擎做规则校验，并穿透查询相关系统数据
• 结论生成：自动形成辅助结论，标记通过项与疑点项
• 人工确认：审核员重点复核疑点，形成最终闭环
• 运营护航：持续采集人工纠错样本，迭代优化准确率
• 审计追踪：全流程记录校验详情，支持按单据号或提报人快速检索

放在维修管理场景，这意味着系统不仅能告诉你有多少张超期单，还能进一步完成责任部门分发、催办提醒、PDF日志归档、权限隔离和复核追踪。

数据及案例来源于实在智能内部客户案例库

五、真正有价值的，不是报表，而是治理效率

把这件事做成后，企业得到的不是一份静态清单，而是一套动态治理机制。McKinsey在《The economic potential of generative AI: The next productivity frontier》中指出，生成式AI每年可带来2.6万亿至4.4万亿美元的生产力增量；IDC在《Worldwide Artificial Intelligence Spending Guide》中预计，全球AI相关支出到2027年将达5124亿美元。对维修管理而言，收益通常落在四个地方：

• 发现更早：从月底人工拉单，变成每日自动识别
• 催办更准：直接推送到责任部门和责任人，而不是群发泛提醒
• 审计更稳：每次统计都有规则、结果和日志可回溯
• 人力更省：周报、月报、催办台账不再重复手工整理

Gartner持续把超自动化视为企业提升运营效率的重要方向。放到SAS维修单据管理里，最值得投入的不是花哨界面，而是把规则、动作和留痕连接起来，形成可长期运行的生产机制。

落地时最容易失败的4个点

1. 把一个月简单写死为30天，却没有与制度口径对齐
2. 只抓当前状态，不看状态流水，导致已恢复更新的单据被误判
3. 没有异常白名单，长期挂起和外部待料单被重复催办
4. 只出汇总数，不保留明细和截图，后续无法复核

❓常见问题

Q1：SAS系统没有API，还能自动统计吗？

A1：可以。只要人工能够登录、查询、翻页、导出，数字员工通常就能模拟操作完成抓取，再结合OCR、规则引擎和消息推送形成自动统计。老旧系统、信创环境和跨系统场景尤其适合这种方式。

Q2：超一个月到底按30天还是自然月？

A2：以企业制度和考核口径为准。若制度未明确，建议优先统一为30天，便于算法实现与历史对比；若监管或合同要求按自然月，则应在规则层单独配置，避免不同部门各算各的。

Q3：如果这里的SAS指的是分析软件而不是维修业务系统，思路还适用吗？

A3：适用。区别只在实现层。如果是分析软件环境，可直接用PROC SQL或调度任务做统计；如果是业务系统界面，则用数据库抽取、报表导出或页面自动化三种方式之一。核心始终是先统一口径，再自动计算、预警和留痕。

参考资料：IDC《Worldwide Artificial Intelligence Spending Guide》，参考发布时间2024年；McKinsey《The economic potential of generative AI: The next productivity frontier》，参考发布时间2023年；Gartner超自动化相关研究与战略技术趋势资料，参考发布时间2023年至2024年。