AI知识问答在工厂的核心价值,是把分散在设备手册、工艺文件、老师傅经验里的隐性知识,变成一线员工用自然语言就能调取的答案,减少停机排查和误操作带来的损耗。它本质上是一套跑在工厂内网或云端的检索增强生成系统,对接MES、EAM、QMS等业务系统的数据,让"问一句就有答案"替代"翻手册、打电话、等人来"。能不能落地,关键看知识库治理质量和与现有系统的对接深度,而不是模型参数大小。
一、AI知识问答到底解决工厂里的什么问题
工厂里最耗时的环节往往不是干活,而是找信息。一台贴片机报警,操作员要先翻报警代码手册,再找工艺工程师确认参数,一来一回半小时过去了。AI知识问答要干的事很具体:把设备手册、SOP作业指导书、历史维修工单、报警代码表、质量异常记录这些非结构化文本,做成可检索的知识库,员工用口语提问,系统给出带出处的答案。
它和传统关键词搜索的区别在于能理解意图。问"回流焊炉温曲线偏移怎么处理",关键词搜索只能匹配到含"回流焊"的文档列表,问答系统会直接给出排查步骤,并注明引自哪份工艺文件第几节。对多品种小批量的产线来说,这种能力对换线效率的影响很直接。
二、这套系统的技术原理和关键能力是什么
拆开看是三层。底层是知识加工层,把PDF手册、Word工艺卡、Excel参数表、工单文本做切分、向量化,存进向量数据库,同时保留原文段落做溯源。中间是检索层,用户提问后先做语义检索召回相关片段,再交给大模型做归纳生成。上层是应用层,通过网页、企业微信、工控机终端甚至语音入口触达一线。
关键能力有三个。一是溯源能力,答案必须能点回原文出处,工厂场景不敢用没有依据的回答。二是权限隔离,工艺参数、成本数据这类敏感知识要按岗位分级,普通操作工和工艺工程师看到的答案范围不一样。三是多模态处理,现在不少厂商支持图片输入,员工拍一张设备报警屏幕的照片,系统识别代码后直接给处置建议,这对老旧设备尤其有用。
技术指标上值得关注的是检索召回率和答案忠实度。召回率低意味着该找到的文档没找到,忠实度低意味着模型在编答案。业界通常用RAGAS这类框架做评测,工厂验收时可以准备一批真实问题做抽检,看答案是否都能追溯到知识库原文。
三、在制造业有哪些典型应用场景
设备维修辅助是最常见的落点。假设一家汽配企业的压铸车间,设备型号杂、老设备多,维修工遇到液压系统压力异常,过去要等老师傅到场。上了问答系统后,维修工描述现象,系统调出该型号设备的历史维修工单和液压原理图说明,给出先查滤芯、再查溢流阀的排查顺序。这里的前提是历史工单得先数字化,纸质的得先扫描录入。
第二个场景是新人培训与上岗支持。某电子厂SMT产线换线频繁,新员工记不住上百种物料的贴装参数和静电防护要求。问答系统接入IPC-A-610这类验收标准文件和厂内SOP后,新员工问"0402封装电阻贴装偏移允许多少",能直接拿到标准条款和厂内加严要求。这比集中培训更贴近实际工位需求。
第三个场景是质量异常追溯。假设一家注塑企业出现批次性缩水缺陷,品质工程师问"PC材料缩水常见原因",系统汇总历史异常报告、材料干燥工艺参数、模具温度记录,给出排查清单。注意这类场景对数据时效性要求高,知识库得跟QMS系统做增量同步,否则给出的还是半年前的经验。
四、选型和落地要注意哪些实际问题
对接方式是第一个要问清楚的。工厂现有系统五花八门,MES、EAM、SCADA用的协议可能是OPC-UA、Modbus或者厂商私有接口。问答系统能不能通过API拉取工单数据、能不能读取MES里的物料批次信息,直接决定答案的准确度。只做文档问答、不接业务系统的方案,适合先跑通概念验证,但很难深入到工序级应用。
硬件配置取决于部署方式。纯内网部署要备GPU服务器,7B到14B参数量的模型推理,单卡显存建议不低于24GB,具体看并发人数;知识库向量化对存储有一定要求,几十万份文档的规模要提前规划。云端部署省硬件,但工厂网络隔离策略得先确认,很多制造企业生产网不允许直连外网。
实施周期上,知识库治理占大头。模型部署一两周能完成,但把散落在各科室的工艺文件收齐、清洗、切分、标注权限,往往要一两个月。常见误区是低估这部分工作量,以为买个系统就能用。另一个误区是追求大而全,一上来就想覆盖全厂所有知识,实际更稳妥的做法是先选一个车间、一类设备跑通,再横向扩展。
成本构成主要是三块:软件授权或订阅、算力硬件、知识治理的人力投入。第三块最容易被漏算,建议实施前就明确由哪个部门牵头做知识梳理。
五、适合哪些场景,不适合哪些场景
适合的场景有共性:知识密度高、文档基础较好、提问重复率高的环节。设备维修辅助、SOP查询、质量标准查阅、新员工上岗支持,这几类需求明确、知识来源相对固定,落地见效快。产线节拍稳定、来料一致性较好的工序,问答给出的处置建议也更容易标准化。
不适合的情况也要说清楚。知识还大量停留在老师傅脑子里、没有文本化基础的工厂,先做知识沉淀比上系统更实际。涉及安全联锁、高压操作、消防应急这类高风险决策,问答系统只能做辅助参考,不能替代持证人员的现场判断和既定规程。强实时性场景也不合适,比如毫秒级响应的运动控制,那是边缘控制器和PLC的活,不是问答系统能碰的。
另外,工艺参数类问题要谨慎。模型生成的答案即使有文档出处,也不能直接下发到设备,必须经过工艺工程师确认。把问答系统定位成"找信息的加速器"而不是"做决定的替代者",这个边界划清楚了,落地阻力会小很多。
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、覆盖国内外市场的管理软件厂商,近两年也在把问答能力嵌进制造执行和设备管理模块,思路基本一致:先有数据底座,再谈智能问答。工厂选型时不妨按这个顺序倒推,先看自己的知识资产盘点清楚没有,再看系统能不能接上现有数据,最后才比模型能力。