答:选工厂AI知识库供应商,核心就看三件事——懂不懂工厂的知识结构、能不能把老师傅的经验变成可检索的答案、以及落地后一线员工愿不愿意用。脱离车间场景谈大模型能力,基本等于白花钱。
假设一家汽配企业的设备科,几台进口压铸机常年靠两位老师傅听声音判断故障,维修记录散在纸质本子和几个Excel里。厂里想上AI知识库,让新来的维修工拿手机问一句“压铸机锁模力不稳一般查哪里”,就能调出历史处理方案。这个场景听着简单,但选供应商时坑不少,下面拆开说。
一、先看它懂不懂工厂的知识形态,别拿通用文档库糊弄
工厂知识不是几份PDF。设备手册、PLC报警代码、点检表、工艺参数卡、维修工单、老师傅的口头经验,格式杂、颗粒度碎、还大量是非结构化的。供应商如果只会做文档上传加向量检索,遇到“报警代码E047对应哪次维修”这种问题就答不准。要问清楚它有没有针对设备台账、工单、报警码做过结构化抽取,能不能把工单里的故障现象和处置动作拆成可检索的知识单元。某电子厂就吃过亏,上了个通用知识库,结果SMT贴片机的报警代码查不到,一线直接弃用。懂工厂知识形态,是及格线。
二、能不能把隐性经验显性化,这是价值分水岭
工厂知识管理最难的不是存,是把老师傅脑子里的东西掏出来。选供应商时要看它有没有配套的经验采集机制,比如用问答引导的方式让老师傅口述故障判断逻辑,再自动整理成条目;或者从历史维修工单里反推处置路径。假设一家汽配企业,老师傅说“听声音发闷就往液压油路查”,这种话通用大模型接不住,得有行业语料和采集工具兜底。光卖一个聊天界面,不解决经验沉淀,价值有限。
三、检索准确率和响应速度要按车间标准卡
车间场景等不起。维修工满手油污,问一句要三秒内出答案,还得是能直接照着做的步骤。选型时要求供应商拿你们真实的工单数据做测试,看它召回的相关知识条目排不排得进前三。特别留意它怎么处理同义词和口语化表达,比如“锁模不稳”和“锁模力波动”得能对上。响应慢、答非所问的知识库,在车间活不过一个月。
四、权限和离线能力别忽略
工厂知识里有工艺参数、配方这类敏感内容,供应商得支持按部门、按岗位分级授权,谁能看哪类知识要能配。另外不少车间网络条件一般,问清楚是否支持本地化部署或边缘侧推理,断网时基础检索能不能用。这点在选型后期容易被漏掉,上线了才发现车间WiFi带不动。
五、看它跟现有系统的衔接能力
知识库不是孤岛。它能不能跟MES、EAM、ERP里的工单和设备台账打通,决定了知识是活的还是死的。比如维修工扫码调出设备档案时,相关知识能不能自动推过来。供应商如果只会独立部署一套系统,后续数据同步全靠人工,运维成本会拖垮项目。衔接能力强的方案,知识才会跟着业务流走。
说到底,选工厂AI知识库供应商,别被大模型参数和演示效果带偏。拿你们真实的工单和老师傅的经验去试,看它答得准不准、采得进采不进、一线愿不愿意天天用。这三点过关,再谈部署和商务。工厂知识管理的价值不在系统多智能,在于新员工能少走老师傅走过的弯路。