粗蛋白检测值18.2%，而配方设计值是19.5%，偏差超过1.3个百分点。钙磷比也偏离了目标范围。
“怎么会差这么多？”吴普同抬头问陈芳，“检测过程没问题吧？”
“我们复检了两次，结果一致。”陈芳小声说，“样品是均匀取的，操作也是按标准流程。”
这时，牛丽娟也过来了，手里拿着同样的报告。她扫了一眼数据，脸色沉了下来：“偏差这么大，这料不能出厂。”
“是，我已经通知车间暂停后续生产了。”周经理也从外面进来，显然已经知道了情况。
办公室里气氛一下子凝重起来。
“查原因吧。”周经理揉了揉眉心，“原料检测数据复核了吗？生产过程中有没有异常？”
吴普同立即调出原料数据库和当天的投料记录，开始逐项核对。半个小时后，他抬起头，语气肯定：“从数据上看没问题。采购的原料检测报告和数据库一致，车间投料记录显示各种原料的用量完全按照配方单。”
“那就是配方本身的问题。”牛丽娟突然说。
吴普同愣了一下：“配方是程序计算后，经过您调整确认的......”
“我调整的是基于多年经验，”牛丽娟打断他，语气依然平静，但话里的意味很明显，“但程序计算的基础模型如果有问题，再怎么调整也白搭。”
这话让吴普同的血一下子涌到了头顶。他想争辩，但周经理用眼神制止了他。
“现在不是追究责任的时候，”周经理沉声道，“当务之急是找到问题所在，拿出解决方案。牧场那边还等着要货。”
接下来的两天，成了吴普同职业生涯中最难熬的时光。
他把自己关在办公室里，一遍遍复核程序的每一个模块，检查每一行代码，核对每一个营养计算模型。他甚至把这次用到的原料重新送检，确保基础数据无误。
结果是：程序没错。
周三下午，周经理召集了质量分析会。会议室里坐满了人：刘总、周经理、牛丽娟、生产王主任、品控部负责人，还有吴普同。
“情况大家都知道了，”周经理主持会议，“试生产的这批料关键指标不达标。今天咱们要分析原因，明确责任，拿出整改方案。”
生产王主任先发言：“我们车间完全按配方单操作，投料有记录，混合时间够，制粒参数正常。这是当天的生产记录，大家可以看。”
品控部负责人接着说：“原料入库检测我们这边都有存档，相关指标和研发部提供的数据一致。”
轮到吴普同了。他深吸一口气，打开准备好的材料：“我复核了程序计算的全过程。这是牧场提供的营养需求标准，这是我建立的数学模型，这是程序计算出的原始配方，各项理论指标均达标。”
他停顿了一下，目光扫过牛丽娟：“这是牛工在‘经验修正建议栏’里提出的调整方案，调整后配方的理论值，以及实际生产后的检测值。”
他把三组数据并排投影在幕布上。所有人都看得很清楚：程序计算的原始配方，理论粗蛋白19.8%；牛工调整后的配方，理论粗蛋白19.5%；而实际检测值只有18.2%。
“从数据上看，”吴普同尽量让声音保持平稳，“偏差主要发生在理论计算值到实际生产值这个环节。而在这个环节中，唯一的变化就是配方调整。”
会议室里安静了几秒钟。
牛丽娟开口了，声音依然平稳，但语速比平时稍快：“吴工的意思是说，是我的调整导致了问题？”
“我只是在陈述数据事实。”吴普同迎着她的目光。
“数据事实？”牛丽娟轻轻笑了一声，那笑声里带着明显的嘲讽，“吴工，你是大学生，懂编程，这我们都承认。但饲料生产不是写代码，不是理论上算对了就万事大吉。”
她转向刘总和周经理：“我调整配方的依据是实际生产经验。豆粕从18%调到21%，是因为我知道这批豆粕的实际蛋白质溶解度偏低，实验室测的值和实际动物利用的值有差距。我这样调，恰恰是为了弥补这个差距。”
她顿了顿，目光回到吴普同身上：“但现在看来，可能我高估了这批豆粕的质量。不过这也说明一个问题——你的程序再好，也只能处理实验室的‘死数据’，处理不了生产中的‘活情况’。”
这番话滴水不漏，既解释了调整的原因，又把问题归咎于原料批次差异，同时还暗中贬低了程序的价值。
吴普同感到一阵胸闷。他想说，如果豆粕质量有问题，为什么原料检测报告没体现？为什么调整前不重新检测？但他知道，现在说这些已经没用了。
“好了，”刘总终于开口了，他的目光在吴普同和牛丽娟之间移动，“现在不是争论谁对谁错的时候。这批料已经生产出来了，怎么处理？牧场那边怎么交代？”