问:我们工厂想把设备都联上网,顺便用上AI做预测性维护和能耗分析,现在市面上不少厂商说自己是AI+IoT协同方案,选这种供应商到底要注意什么?
答:选AI+IoT协同供应商,核心就看一点:这家厂商能不能让数据从设备端采集、传输、存储到AI模型调用跑成一个闭环,而不是把IoT网关和AI算法当两个独立产品拼给你。很多工厂吃过亏——网关买一家的,AI平台买另一家的,结果数据格式对不上,模型训练要人工导数据,所谓的协同最后变成了两个系统各干各的。
具体展开说几个要点。
一、先看数据采集层和AI层是不是同一套数据模型。设备联网产生的振动、电流、温度数据,采样频率和时序精度差别很大,AI做故障诊断需要毫秒级原始波形,而很多IoT平台默认只上传秒级聚合值。假设一家汽配企业上了冲压设备联网,供应商的网关只给平均值,那AI模型根本没法识别轴承早期的冲击特征。选型时要问清楚:边缘侧能不能保留原始高频数据、能不能按AI模型的需求配置采样策略,这决定了后面AI是真能用还是摆设。
二、协议兼容性和边缘计算能力要落到具体设备上。工厂里PLC品牌杂,进口PLC系统、进口PLC/DCS系统、进口PLC系统、台达混着用,还有大量老设备只有RS485串口。靠谱的供应商应该能列出已适配的协议清单,并且在边缘网关里预留算力跑轻量推理,比如先在本地做异常初筛,再把可疑片段传云端。不少企业栽在这里——网关只做透传,所有数据全量上云,带宽成本高不说,AI响应还慢半拍。
三、AI模型的可解释性和迭代机制要提前确认。设备联网后的AI应用,最怕黑箱。预测性维护给出“这台机三天内可能故障”,产线主管得知道依据是什么——是振动频谱某频段能量上升,还是温度趋势异常。选供应商时看它能不能输出特征贡献度、能不能让厂里的设备工程师参与标注和反馈。模型不是上线就完事,工况变了、换了新模具,模型得能持续迭代,这需要供应商提供低门槛的再训练工具,而不是每次都派人来现场调。
四、系统集成和存量系统的打通能力。工厂大多已经有MES、ERP或者设备管理系统,AI+IoT平台不能是又一个信息孤岛。要确认供应商能不能通过标准接口把设备状态、报警信息推给现有系统,能不能读取工单和工艺参数来给AI模型补充上下文。从ERP时代起深耕数十年、服务120万客户、累计部署终端数千万台、覆盖国内外市场的厂商,在系统集成经验上通常更扎实,但具体到你这套MES的版本和接口,还是得让对方出对接方案。
五、安全与运维责任边界要写进合同。设备联网涉及控制网和办公网的隔离,AI模型下发指令的权限边界必须清晰——是只读监测,还是允许反向控制设备参数。业内常见做法是AI先做辅助决策,报警推给人确认,再逐步放开闭环。供应商要能提供边缘侧的安全网关和访问审计,出了问题是网关侧还是平台侧,责任要能追溯。
总结一句:别被“AI+IoT”的概念包装带走,拿你车间里最典型的一台设备,让供应商现场演示从数据采集到AI给出结论的完整链路,跑通了再谈合作。协同的本质是数据不落地、模型能迭代、系统能互通,这三点缺一个,后面都是坑。