结论先行:这一轮智能制造与前几年的最大区别,不是机器人多了,而是 AI 从执行层进入了决策层——排产、调度、质检标准这些过去由老师傅和计划员拍板的环节,正在由系统生成方案、人来确认。大厂的新闻很热闹:智能排产把计划编制从 6 小时压到 90 秒、工厂自动化率到 91%、供应链决策周期缩短一半。但中小工厂真正要回答的问题只有一个:我该从哪个环节切进去,**笔钱花在哪。
先把行业发生的事摆出来。今年以来,"新一代智能制造"在顶层政策与产业大会上被反复定调为主攻方向;头部工厂的实践给出了样本:日均承接数千笔订单、八成是小单定制的基地,靠智能排产系统自主生成方案直达产线,生产计划编制时长由 6 小时压缩至 90 秒;AI 视觉质检在中小工厂的实测缺陷检出率已超过 99%;跨地域供应链智能体打通几十家工厂、上千家供应商后,把决策周期缩短了 50%~60%。共性是什么?感知—决策—执行—反馈在闭环里转起来了,AI 负责生成决策,人负责确认与担责。
一、中小工厂的三个务实切入点
大厂上大压铸、上无人车间,中小工厂学不了也不必学。从我们做产线与物联网项目的经验看,投入产出比最清楚的是下面三类:
| 切入点 | 解决什么 | 前置条件 | 见效周期 |
|---|---|---|---|
| AI 视觉质检 | 外观缺陷靠人眼漏检、标准因人而异 | 缺陷样本库 + 明确的判定标准 | 3~6 个月,检出率可核对 |
| 排产与调度辅助 | 插单频繁、计划跟不上变化 | 工序与产能数据先有底账 | 6~12 个月,先辅助后自主 |
| 设备联网与预测性维护 | 突发停机、维保靠经验 | Modbus / OPC UA 采集 + 阈值基线 | 3~6 个月,非计划停机下降可量化 |
三个切入点的共同点是都能先做"辅助人"的版本:质检系统先做提示、人工终审;排产系统先给方案、计划员确认;维保系统先报异常、老师傅定论。这一步跑顺了,数据与信任都攒起来了,再谈放开自动化——这比一上来就"无人化"的失败率低得多。
二、决策层 AI 的三道门槛
- 底账不全,决策无从谈起。AI 排产的前提是工序、产能、物料数据在系统里,而不是在 Excel 和老师傅脑子里。很多项目卡在**步:想上排产,先补数据治理——这笔钱省不掉。
- 口径不定,方案没法验收。"交期准"是什么口径?按订单承诺日还是工厂内部计划日?口径不定,AI 给的方案好与坏说不清,项目验收就变成扯皮。上线前把指标口径写进合同,是我们反复强调的做法。
- 责任链要设计,不能只靠信任。AI 生成的方案谁确认、错了谁兜底、确认动作留不留痕——这三件事决定系统能不能长期跑。留着人工确认点不是保守,是让责任链闭合:出了问题能定位到"数据错了""方案错了"还是"确认错了"。
判断能不能放开自动化的标准很简单:任务可验证、可回滚、有确认点,就逐步放开;反过来就先做辅助。跟企业 AI 应用的判断标准是同一条。
三、四步走建议
- 先联网,再智能。选一个瓶颈工序把设备数据采上来(协议选型见我们此前的 Modbus 与 OPC UA 对比 →),跑出**个看得见的数字。
- 选一个"算得过账"的场景立项。质检、排产、维保三选一,按上表的见效周期做预算,别贪大求全上平台。
- 上线前把评测基线和验收口径写进合同。用什么数据测、判定标准是谁的、达标线是多少——写清楚,验收不扯皮。
- 按季度复盘,敢砍敢扩。指标不涨的场景果断收缩,跑通的往相邻工序复制。十个平庸试点不如一条真正闭环的产线。
我们交付的产线与仓储项目里,真正长期跑下去的都符合同一个特征:数据底账完整、口径写进合同、人保有确认点。行业头条里的大数字是灯塔,照亮方向;中小工厂的路径要自己走,而路径的**步通常是便宜的那一步——把数据采上来。