行业 06

制造

5 个案例 · 交付周期 6–12 周 · 14 处踩坑

本行业 FDE 要点

这个行业做 AI 项目和别的行业不同的地方。交付团队进场前要过一遍，发起方立项前也要过一遍。

  1. OT/IT 隔离是常态

    设备数据在 PLC、SCADA、实时数据库里，生产网和办公网物理或逻辑隔离。第一周就要问清数据怎么出来（历史库镜像、单向网闸、离线导出），这决定方案形态。

  2. 倒班决定用户是谁

    白班有工程师和老师傅，夜班往往只有班组长和操作工。方案要按「夜班最弱的那个人能不能用」来设计。

  3. 现场节奏不等人

    试验要等换型、停机检修窗口，改工艺要走变更流程（汽车零部件供应商还要过客户审批）。周期常超过 6 周，要在计划里写明原因。

  4. 质量和安全一票否决

    AI 只能做提示、初筛、建议，放行和停机的决定权留在质量、设备、工艺负责人手上，写进验收标准。

  5. 决策链分厂区

    集团 IT 管预算，厂长和车间主任管落地。只说服集团没用，车间不用就等于没做。

5 个案例

每张卡片上的引言是客户的原话。点进去看好 FDE 怎么把它换成真问题。

  • 6.17 周 · 5 个阶段 · 3 处踩坑

    产线视觉质检

    客户嘴上要的「上一套 AI 视觉，把目检工位的 6 个人换掉，漏检降到零。」

    真正要解决把外观目检的初筛交给相机，人只看可疑件

  • 6.212 周 · 5 个阶段 · 3 处踩坑

    设备预测性维护

    客户嘴上要的「给冲压线每台设备加装振动传感器，用 AI 预测什么时候会坏。」

    真正要解决在关键设备停机前，把异常提前报给点检员

  • 6.36 周 · 5 个阶段 · 3 处踩坑

    设备维修知识助手

    客户嘴上要的「把这几年 9000 条维修工单和设备手册喂给大模型，做一个维修知识库，夜班机修能自己查。」

    真正要解决让每次维修都留下可复用的记录，夜班机修查得到、用得上

  • 6.46 周 · 5 个阶段 · 3 处踩坑

    生产排产计划

    客户嘴上要的「用 AI 优化算法自动排产，替代计划员的 Excel，换型次数和交期都要最优。」

    真正要解决让计划员每天排出能执行的计划，而不是理论最优的计划

  • 6.58 周 · 5 个阶段 · 2 处踩坑

    工艺参数优化

    客户嘴上要的「用 AI 分析历史数据，找出最优工艺参数，把注塑件良率从 92% 提到 97%。」

    真正要解决在工艺窗口内，按来料批次给出参数补偿建议

制造还有没写到的场景？

描述你手上的制造项目，或者建议补充这个行业缺少的案例。