制造业 AI 落地

制造业 AI 落地通常围绕生产、设备、质量、供应链、售后和经营分析展开。制造企业的数据来源多、系统多、现场复杂，因此项目要从具体问题切入，而不是先做一个泛用聊天入口。

适用场景

场景	AI 可以做什么
设备运维	根据故障手册、历史工单和日志辅助定位问题
质量分析	汇总质检记录、异常批次和整改措施
供应链预警	识别延期、缺料、高库存和异常成本
售后知识库	根据产品手册和案例辅助客服处理问题
生产日报	自动汇总产量、异常、停机和待办事项

mermaid

flowchart LR
  A["MES/ERP/设备日志"] --> B["数据接入"]
  B --> C["FDE 执行引擎"]
  C --> D["知识库"]
  C --> E["指标分析"]
  C --> F["异常预警"]
  F --> G["人工处理"]

落地难点

数据分散在 ERP、MES、WMS、设备系统和 Excel 中。
指标口径不统一，容易产生解释冲突。
现场问题需要结合经验，不适合完全自动判断。
设备和生产数据对稳定性、时效性要求高。
写入生产系统前必须设置确认和回滚。

推荐路径

先做设备故障知识库、售后知识库或生产日报这类低风险高频场景。
统一关键指标口径，明确数据来源。
用只读接口接入 ERP、MES 或工单系统。
建立异常反馈和人工处理记录。

FDE 建议

制造业 AI 的价值来自贴近现场。FDE 会先进入真实流程，找到重复沟通、资料查找、异常汇总和跨系统查询的痛点，再决定接入哪些系统和模型能力。