Correction removes what it monitors: a structural model of engineering realisation and the right-truncation of quality records

在大规模工程领域，从制造微芯片的洁净室到精炼燃料的庞大工厂，成功取决于一条往往肉眼不可见的事件链。它始于一套需求，即对机器或建筑必须完成的任务的愿景，终于一个立于现实世界的物理实体。在绘图板与成品结构之间，存在着一个转化的过程，在这个过程中，想法被分解为零件、连接并组装。这一过程受质量规则的约束：如果一个零件无法完美契合，它就会被修复、重新测量，然后新的、修正后的测量值会被记录下来。几十年来，业界一直假设这些记录能够提供关于工作开展情况是否真实的图景。其逻辑看似合理：如果每一个不合格的项目都被修复直到通过，那么最终的测量列表应该呈现出一个一切都在可接受限度内的世界。但这一假设掩盖了我们理解所收集数据的方式中的一个结构性缺陷。

独立研究员杨柳（Yang Liu）的一项新研究挑战了这一基本信念，他提出，修复错误的这一行为本身，抹去了错误存在的证据。研究表明，当工程师纠正一个超出公差的零件时，他们不仅是在改进产品，还在删除关于创造该产品的过程中最重要的信息。通过构建一个工程项目如何实现的结构模型，并利用计算机模拟对其进行测试，作者证明了标准的质量数据记录方式造成了一个盲点。我们保留的记录并不是现实的一个随机样本；它们是一个经过过滤的版本，其中最极端的误差被外科手术式地移除了。这种移除扭曲了我们对风险的理解，使不稳定的过程看起来很稳定，并隐藏了困扰建筑和制造业的真实问题。

论文首先使用一个由六个不同步骤（或寄存器）组成的框架，绘制了项目从需求到物理实体的旅程。这些步骤从设计的静态世界出发——在那里，物体及其连接仅作为构想存在——走向建设的演进世界——在那里，这些构想在时间和空间中成形，最后进入约束的领域——在那里，安全和合同规则修剪掉不可能的结果。作者识别了这一过程中的一个特定差距：一个设计在纸面上可以显示为一个完美的连续系统，但在现实世界中却无法组装。在数学术语中，这被称为拓扑缺陷，即局部连接正常，但全局回路无法闭合的情况。这并非由于工艺拙劣或缺乏检查，而是设计本身固有的结构性不可能。研究使用了一种将场分解为三个组成部分的方法——分别代表结构、代表变化和代表不可改变约束的部分——来表明这种失效模式是设计的精确、可测量的属性，而非仅仅是协调错误。

然而，该论文的核心发现在于质量控制检查之后发生了什么。在典型的工业环境中，当测量值超出允许公差时，该项目会被返工。它被调整、重新测量，新的数值被存入数据库。原始的、失败的测量值被丢弃了。作者认为，这种做法创造了一个“右截断”的记录。想象一下项目中进行的所有测量的直方图；标准做法切掉了图中代表大型误差的右侧，并用位于限度内稍低的值来替换。因为分布的尾部——即展示出错频率和程度的部分——被移除了，因此对剩余数据进行的任何统计分析在根本上都是有缺陷的。数据不再代表误差的总体，它仅代表那些足够小以至于能通过、或已被成功修复的误差总体。

这种扭曲产生了一个具体且危险的后果：它夸大了过程的感知稳定性。研究聚焦于一个被称为“尾部指数”的统计量，它描述了分布尾部的厚度。较低的指数意味着过程容易出现大规模、不可预测的偏差，而较高的指数则表明过程更加稳定、可预测。在本文运行的模拟中，一个真实尾部指数为 1.8（表明存在大规模误差的高风险）的过程，在经过返工和重新测量循环后，被记录为拥有 7.26 的指数。这是一个巨大的转变。原本最不稳定的系统在记录中显得最为稳定。这种错误并非随机的数字散布，而是一种系统性偏差，它使最糟糕的过程看起来最好。这种排序的反转意味着，依赖这些记录的质量体系会无意中奖励那些最危险的过程，并惩罚最稳定的过程，仅仅是因为那些危险的过程已经把最坏的数据点编辑掉了。

研究进一步探讨了为什么仅仅收集更多数据并不能解决问题。即使有大量的样本，如果原始的、修正前的数值丢失了，尾部指数仍然无法被准确恢复。研究表明，尾部指数的不确定区间依然如此之宽，以至于无法用于做出关键决策，例如判断一个过程是否足够安全以继续进行。数据不仅仅是有噪声，信息本身已经缺失了。论文认为，解决方案不是更好的数学公式或更大的样本量，而是改变记录的内容。作者提出了一个简单的模式补救措施：对于每一次测量，系统应该存储两个互不覆盖的值。第一个值是进行任何修正前进行的初始测量，第二个是返工后的值。通过保留初始的、失败的测量值，记录保留了误差分布的真实形状，从而允许工程师看到实际风险。

论文还讨论了质量规范和标准的作用。通常，这些规范被假定为提高工作质量的闸门。研究指出，将严格规范下的工作与没有规范下的工作进行比较是有误导性的，因为这两组对象并不具有可比性；严格的规范通常应用于最关键且资源最丰富的项目。相反，作者建议通过观察在规则变更前后，或者在同类工作中改变执行强度时，失控率（即未能达到公差的比例）的变化，来测试规范的有效性。模拟表明，检测出这些变化率的真实差异所需的样本量比通常假设的要大得多，大约需要每组两千个项目，而非工业研究中常用的几百个。

最后，研究将这些工程发现与关于机器和模型如何理解世界的问题联系起来。作者在工程设计的结构性缺口与人工智能模型处理信息的方式之间画出了平行线。正如一个设计在纸面上可能看起来是连续的，但在组装时会失败一样，机器学习模型可以在不真正理解所观察空间的底层结构的情况下，预测视频的下一帧。论文指出，真正的三维空间理解需要具备将数据场分解为结构、演化和约束组成部分的能力，就像工程模型中所使用的分解方法一样。虽然论文并未声称已解决了人工智能领域的这一问题，但它建立了一个可测试的标准：一个能够分离这些组成部分的模型，很可能比一个不能实现此点的模型，对世界的理解更为深刻且稳健。

这项工作的意义是务实且直接的。作者总结道，目前覆盖失败测量值的做法不仅是一个微小的行政习惯，更是一个阻碍组织洞察自身风险的结构性缺陷。补救措施并不复杂。它要求改变数据模式，以确保初始测量值与修正值并存。如果不采取这一简单步骤，记录就无法回答它被收集来回答的问题：这个过程有多可靠？研究并非声称行业已经崩溃，而是指出观察自身表现的透镜发生了扭曲。通过修正记录流程，工程师可以从虚假的乐观状态转向对所面临挑战的清晰、准确的理解，从而以现代工程所需的精度来管理风险。