智能制造是什么

智能制造在膜类厂的可落地含义

不是先上算法，而是先让数据可信：工单状态真实、批次链完整、工艺参数可关联、检验与设备事件有时间轴。在此之上，排程优化、涂布量漂移预警、换型时间分析才是"智能"，否则模型训练的是噪声。

安徽光太 14 条线若连"哪条线正在跑哪个 SKU"都要电话问，谈智能排产为时过早。先把 MES 跑稳，比采购一个"AI 制造平台"更务实。智能项目的立项材料应写清：依赖哪些一期数据、哪条产线试点、失败如何回退。

三类高价值场景

排程与换型：APS + 实际换型反馈，减少插单震荡和洗槽占产。质量：SPC + 在线检测摘要，提前发现涂布量/张力漂移。效率：OEE + 安灯闭环，针对 Top 损失项做工艺或维护改善。

深圳永达辉可在单厂验证场景后，把参数模板（非客户保密配方）复制到其他厂。复制的是方法和阈值结构，不是裸抄算法模型。每个场景要有 owner：排程归计划、质量预警归质量、设备异常归设备，避免"智能项目无人养"。

成效怎么评估

用业务指标，不用"模型准确率"唬人：交付达成率、客诉追溯时长、损耗率、OEE、换型均值、批量不良次数。每项设基线期和目标期，厂长和财务都认的口径。

智能项目 6 个月未见可核对改善，应暂停扩面，回头查数据质量和流程是否被执行绕过。很多"智能"失败不是算法差，是现场仍手工补录。成效评审邀请生产与财务同桌，避免 IT 单方面宣布成功。

组织与人才

需要"懂工艺的数据翻译者"：能把断膜、失粘、涂布纹与参数曲线对应起来的人，比纯算法工程师更稀缺。内部培养工艺+MES 双背景骨干，比完全外包更可持续。

智能制造是长期运维，不是一次性项目。应把模型阈值、规则引擎、报表的定义权逐步收回企业，避免每次改一个预警都要找供应商排期。年度预算里应单列"数据治理与规则维护"人力，而不是只买软件 license。

膜类厂三类可落地的智能应用

换型助手：用历史 MES 换型计时与产品族，预测下一单洗槽窗口，APS 排程自动扣时。安徽光太若深换色均值 95 分钟、计划仍填 60，智能再先进也排不准。质量预警：涂布量 I-MR 结合烘箱偏差，在规格限内提前提示调刀，减少 3000 米卷尾整卷降级。设备健康：断膜、张力报警频率对刀辊里程做简单规则，提示保养窗口，不必先上复杂预测模型。

深圳永达辉试点智能场景时，选"数据已齐 6 个月以上"的线：MES 报工可信、SPC 在跑、安灯闭环。算法输出必须可解释：告诉班长"建议下一单排 7 号线"的三条约束理由，而不是黑盒。6 个月对比基线：交付达成、客诉追溯时长、换型均值、损耗率至少一项改善 ≥10%，否则暂停扩面回头修数据。智能规则由工艺与质量共管，IT 只负责部署与监控。

智能制造培训对象首先是班长与计划员，不是只培训 IT。安徽光太应建立"规则变更台账"：谁在何时改了换型预测系数、SPC 预警阈值，变更前后各跑两周对比。没有台账，智能系统会退化成少数人的黑箱，人员流动后无人敢改参数。

智能排程与人工经验冲突时，应有" override 留痕"：计划员强制改 APS 结果须填理由，系统记录改前改后差异，供月度复盘是模型不准还是特殊约束未建模。深圳永达辉用此机制发现某类小单必须跟大客户同线生产的人为规则，随后补进 APS 约束，模型命中率明显提升。

智能制造扩面之前，先定"数据质量门槛"：报工与 PLC 对齐率、批次链完整率、SPC 闭环率各达约定值才启动下一算法场景。安徽光太曾跳过门槛直接上排程优化，结果模型学到大量补录噪声，反而不如计划员 Excel。