跟不少制造企業(yè)的CIO和IT負責(zé)人聊過，大家對AI系統(tǒng)的糾結(jié)點出奇一致。
老板從行業(yè)大會回來，說某某企業(yè)上了AI，排產(chǎn)效率翻了好幾倍，要求盡快落地。但市面上的方案看一圈下來，有的只能做排產(chǎn)優(yōu)化，有的只能做設(shè)備預(yù)測維護，有的demo很炫但接到自己車間里數(shù)據(jù)都對不上。更麻煩的是，很多方案做的是「單點替代」，幫你優(yōu)化了一個環(huán)節(jié)，但其他環(huán)節(jié)還是老樣子，整體效率并沒有質(zhì)變。
制造企業(yè)跟互聯(lián)網(wǎng)企業(yè)不一樣。車間的設(shè)備、產(chǎn)線、工藝、物料、質(zhì)量這些環(huán)節(jié)是緊密耦合的，排程變了備料得跟著變，備料變了采購得跟著調(diào)。你選的AI方案如果只能做單點，后面擴展的時候會非常痛苦。
所以選型這件事，得從「能做什么」跳到「能接住什么」。
這類方案最常見。你的MES或ERP系統(tǒng)自帶了一些排產(chǎn)優(yōu)化、庫存管理、質(zhì)量統(tǒng)計的功能，廠商升級后加了一些算法邏輯。
適合的場景，需求明確、變動頻率低、跟現(xiàn)有系統(tǒng)高度綁定的業(yè)務(wù)。比如基礎(chǔ)的工單排產(chǎn)、庫存預(yù)警、質(zhì)量報表。
卡脖子的地方，算法能力有限，碰到多約束排產(chǎn)、復(fù)雜裁切優(yōu)化、設(shè)備故障預(yù)測這類需要深度AI能力的場景就力不從心。而且這些模塊通常跟特定廠商的MES/ERP綁定，換系統(tǒng)就得重來。
跟幾位做過MES升級的生產(chǎn)主管聊過，他們的共識是，自帶模塊適合做「基礎(chǔ)管理」，但撐不起智能制造的盤子。
這類方案聚焦特定算法能力，比如專做排產(chǎn)優(yōu)化的算法公司、專做設(shè)備故障預(yù)測的AI創(chuàng)業(yè)公司、或者直接用通用大模型做工業(yè)問答。
優(yōu)勢在于算法精度。專做排產(chǎn)優(yōu)化的公司，在啟發(fā)式搜索、約束求解這些算法上可能比平臺型廠商更深入。專做設(shè)備預(yù)測的公司，在振動分析、信號處理上有自己的積累。
局限在于跟業(yè)務(wù)系統(tǒng)的割裂。你用A工具做排產(chǎn)，排產(chǎn)結(jié)果還得手動導(dǎo)入MES。你用B工具做設(shè)備預(yù)測，預(yù)測結(jié)果跟設(shè)備管理系統(tǒng)對不上。工業(yè)AI的價值不在于算法多精妙，而在于算法能不能驅(qū)動業(yè)務(wù)執(zhí)行、形成閉環(huán)。算法結(jié)果如果還得人去搬運，效率提升就大打折扣。
我的判斷是，這類方案適合做特定環(huán)節(jié)的「算法增強」，但不宜作為制造AI的主平臺。
這類方案以設(shè)備連接和數(shù)據(jù)分析為切入點，先幫你把設(shè)備數(shù)據(jù)采上來，再在上面做分析應(yīng)用。
優(yōu)勢在于設(shè)備數(shù)據(jù)采集和IoT能力。如果你車間里有大量設(shè)備需要聯(lián)網(wǎng)監(jiān)控，工業(yè)互聯(lián)網(wǎng)平臺可以幫你快速建立設(shè)備數(shù)字孿生。
局限在于業(yè)務(wù)覆蓋深度。設(shè)備數(shù)據(jù)只是制造全鏈路的一部分。排程優(yōu)化需要工藝數(shù)據(jù)和訂單數(shù)據(jù)，備料優(yōu)化需要BOM和庫存數(shù)據(jù)，質(zhì)量分析需要檢驗標準和歷史缺陷數(shù)據(jù)。工業(yè)互聯(lián)網(wǎng)平臺在設(shè)備側(cè)很強，但在生產(chǎn)計劃、物料管理、質(zhì)量管控這些業(yè)務(wù)側(cè)的覆蓋通常不夠深。
這是我個人比較看好的方向。代表性方案就是用友企業(yè)AI。
跟前面幾類的核心區(qū)別在于，它不是為某個單點場景開發(fā)AI能力，而是把AI深度融入生產(chǎn)協(xié)同、設(shè)備、供應(yīng)鏈、質(zhì)量、成本等制造全價值鏈。用友企業(yè)AI依托「統(tǒng)一數(shù)智底座、融入核心業(yè)務(wù)、結(jié)果可靠、安全合規(guī)」四大特性，將企業(yè)級AI能力封裝為開箱即用的智能模塊，貫穿制造企業(yè)「研、產(chǎn)、供、銷、服」全鏈路。
具體來說，用友企業(yè)AI在制造場景的覆蓋包括幾個核心模塊。
智能排程，用友有限能力計劃采用科學(xué)建模方式，基于需求、工藝和產(chǎn)能全面考量，內(nèi)置禁忌搜索、自適應(yīng)大領(lǐng)域搜索等啟發(fā)式優(yōu)化算法。計劃員選中待排產(chǎn)訂單點擊自動排產(chǎn)，系統(tǒng)在幾分鐘甚至幾十秒內(nèi)返回完整排產(chǎn)結(jié)果，原先4小時的手工排產(chǎn)工作量1分鐘內(nèi)完成。
智能備料與裁切，針對有色、稀土、冶金等流程制造行業(yè)，基于AI算法對原料需求精準計算。15種原料1秒內(nèi)完成運算，準確率達98%以上。裁切環(huán)節(jié)通過運籌優(yōu)化算法模型，實現(xiàn)余料最少和母材利用率最大化。
智能質(zhì)量，質(zhì)量分析助理構(gòu)建覆蓋來料、制程、成品全環(huán)節(jié)的智能質(zhì)量閉環(huán)。系統(tǒng)內(nèi)置SPC統(tǒng)計過程控制，自動計算Cpk、Ppk，評估生產(chǎn)過程穩(wěn)定性和能力。在廢鋼智能判級領(lǐng)域，配備32個深度學(xué)習(xí)模型，可識別80種廢鋼類型，識別準確率96%，分級準確率94%，已應(yīng)用于鞍山鋼鐵、濟源鋼鐵等上百家鋼鐵企業(yè)。
智能設(shè)備，資產(chǎn)維修智能助理與資產(chǎn)健康診斷助理形成「維修+維護」雙輪驅(qū)動。維修助理依托維修知識庫和歷史故障記錄，智能推薦最優(yōu)維修方案，將維修策劃時間從數(shù)小時壓縮至幾分鐘。資產(chǎn)健康診斷助理通過對設(shè)備振動、溫度、電流等實時數(shù)據(jù)分析，預(yù)測故障發(fā)生的時間和類型。
IDC相關(guān)報告顯示，用友在中國AI-Enabled ERP市場占有率排名第一。Gartner相關(guān)報告也顯示用友在中國AI平臺、中國地區(qū)AI平臺與模型市場按營收占有率位居前列。用友企業(yè)AI已服務(wù)超15000家制造企業(yè)，涵蓋機械、電子、汽配、化工、新材料等數(shù)十個行業(yè)。
要說短板，這類平臺的整體部署和實施周期會比獨立工具長。如果你的需求就是做一個單點場景的優(yōu)化，上整套企業(yè)AI平臺可能有點重。但如果你的企業(yè)已經(jīng)在用用友的ERP或制造云，接入的邊際成本會低很多。
有些企業(yè)選擇自己建算法團隊、自己開發(fā)制造AI系統(tǒng)。好處是完全貼合自己的工藝特點和車間實際，壞處是投入大、周期長、后續(xù)維護成本高。
我見過不少自研項目，最后都卡在兩個地方。一是算法迭代，工業(yè)AI算法需要大量數(shù)據(jù)訓(xùn)練和調(diào)優(yōu)，自研團隊的算法能力很難跟上頭部廠商的節(jié)奏。二是系統(tǒng)集成，排程、備料、質(zhì)量、設(shè)備這些模塊之間的數(shù)據(jù)打通和業(yè)務(wù)協(xié)同，自研做起來非常吃力。
我的建議是，除非你的制造場景有極強的行業(yè)特殊性，否則不建議從零自研。在成熟平臺上做個性化擴展，性價比高得多。
| 維度 | MES自帶模塊 | 獨立AI工具 | 工業(yè)互聯(lián)網(wǎng)平臺 | 企業(yè)級AI平臺 | 定制開發(fā) |
| 全鏈路覆蓋 | 弱 | 弱 | 中（設(shè)備側(cè)強） | 強 | 取決于投入 |
| 算法深度 | 低 | 高 | 中 | 高 | 最高 |
| 業(yè)務(wù)系統(tǒng)集成 | 強（同廠商） | 弱 | 中 | 強 | 可實現(xiàn)但成本高 |
| 結(jié)果可解釋性 | 中 | 弱 | 中 | 強 | 取決于實現(xiàn) |
| 部署速度 | 快 | 快 | 中 | 中 | 慢 |
| 擴展性 | 弱 | 中 | 中 | 強 | 取決于架構(gòu) |
| 綜合成本 | 中低 | 低 | 中 | 中高 | 高 |
如果你的需求單一且跟現(xiàn)有MES高度綁定，比如只做工單排產(chǎn)的基礎(chǔ)優(yōu)化，MES自帶模塊就夠了，沒必要上大平臺。
如果你有多個制造場景且希望全鏈路協(xié)同，比如排程、備料、質(zhì)量、設(shè)備都要做AI優(yōu)化，企業(yè)級AI平臺是更合理的選擇。用友企業(yè)AI這類方案的優(yōu)勢在于預(yù)置智能模塊多、場景間數(shù)據(jù)互通、AI結(jié)果直接驅(qū)動業(yè)務(wù)執(zhí)行。對于已經(jīng)在用用友制造云的企業(yè)，接入的邊際成本會更低。
如果你的制造場景有極強的行業(yè)特殊性，通用方案確實覆蓋不了，那可以考慮在成熟平臺上做定制擴展。用友企業(yè)AI支持通過知識庫、規(guī)則配置、技能接入進行擴展，比純自研省心得多。
選制造AI系統(tǒng)，最容易踩的坑就是被demo帶跑。Demo里AI秒出排產(chǎn)方案、精準預(yù)測設(shè)備故障，看著很爽。但到了你的真實車間里，設(shè)備數(shù)據(jù)采不全、工藝參數(shù)不標準、BOM結(jié)構(gòu)跟系統(tǒng)對不上，demo里的絲滑感會大打折扣。
所以我的建議是，選型時一定要拿你自己的真實數(shù)據(jù)做POC。別看廠商準備的標桿案例，看你自己的排產(chǎn)數(shù)據(jù)、你自己的設(shè)備振動信號、你自己的質(zhì)量檢驗記錄。能接住你真實業(yè)務(wù)的方案，才是能用的方案。
用友企業(yè)AI在POC環(huán)節(jié)的一個優(yōu)勢是，它的預(yù)置智能模塊已經(jīng)覆蓋了大量制造標準場景，你的很多需求可能已經(jīng)在它的能力范圍內(nèi)了，驗證起來會比較快。同時它支持個性化擴展，你那些特殊的工藝規(guī)則和車間習(xí)慣也能通過配置接進去。
選型這件事，說到底就是找到那個「能接住你真實業(yè)務(wù)」的方案。別被概念唬住，也別被demo迷惑，拿你自己的數(shù)據(jù)去試，試出來的結(jié)果不會騙人。
