工业AI这个提法这几年在制造业圈子里已经被说烂了但真要问一句它到底在车间里干了什么活能说出具体名堂的人其实不多。我在产线侧摸爬滚打了七八年看过不少所谓智能工厂的样板间也亲手落地过几个不大不小的项目。今天不聊概念、不画大饼就站在车间门口拆一拆工业AI在工厂里真正在做的几件事它是怎么盯质检的、怎么管设备的、怎么调工艺的以及一套系统从调研到上线中间要趟过哪些坑。这篇东西适合三类人看一是工厂里做生产、设备、质量管理的老师傅想搞清楚AI到底能不能帮自己省事二是做技术选型的工程负责人需要一份接地气的落地参考三是刚入行或转行做工业智能的开发者想知道课本里的模型到了车间现场会遭遇什么。1. 工业AI在工厂里的四副面孔很多人一听到工业AI脑子里浮现的是机器人手臂跳舞、无人车间黑灯生产。实际上现阶段工厂里真正产生价值的AI应用远没有那么科幻反而朴素得有点不起眼。我习惯把当前工业AI的落地场景归成四大类视觉质检、设备预测维护、工艺参数寻优、以及安全与能耗管理。这四类基本覆盖了工厂里看得见转得动调得准守得住四件事。1.1 视觉质检最成熟也最赚钱的方向工业视觉是AI在工厂里落地最广、ROI最直观的领域。传统产线上质检靠老师傅肉眼盯或者用老式的光电传感器配合规则判断。前者的问题是疲劳和主观性一条节拍30秒的生产线质检员一天要看上千件产品漏检率是客观存在的生理极限后者的问题则是只能检测有没有判断不了好不好。工业AI视觉做的事本质上是把老师傅的经验变成可批量执行的算法。具体来说用标注过的缺陷样本训练目标检测或图像分类模型部署到工位上相机拍照、算法推理、输出OK/NG判定。比如某零部件制造车间的表面划痕检测以前靠两台人工检测台每班两人检出率大概在92%左右波动换上线扫相机加缺陷检测模型之后单台设备就能覆盖同样的节拍检出率稳定在98%以上而且能把缺陷按类型和严重程度分级方便后道工序做返修决策。这里有一个容易被外行忽略的点工业视觉的真正难点不在模型精度而在稳定性和可解释性。产线的光照会变、来料批次有色差、产品型号换型频繁这些都对模型的鲁棒性提出很高要求。我见过不少项目实验室里跑测试精度99%上了产线不到一个月就频频误报最后被人力拉下来。这个后面实操部分会细讲。1.2 设备预测维护从坏了再修到提前知道要坏第二张面孔是设备健康管理和预测维护。传统工厂的设备维护分为两种坏了修的事后维修和按计划保养的事前预防。事后维修的问题是停机损失大一条连续产线停一小时损失可能是几万到几十万预防性保养的问题是过度保养很多设备状态还很好就被拆开换件既费钱又可能引入新的装配问题。预测维护的思路是用振动、温度、电流、油液等传感数据训练模型让算法学会识别设备退化过程中那些人听不出来、摸不出来的细微征兆。我以前参与过一个电机轴承的监测项目方案不复杂在关键电机上加装振动传感器采集加速度信号做特征提取用机器学习模型对轴承退化状态做分类。项目上线后的第四个月模型对一个电机的健康评分连续一周缓慢下降异常评分从0.3爬到了0.7。现场人员半信半疑地安排了一次停机检查打开轴承座一看润滑脂已经明显发黑发干滚动体表面出现了轻微的点蚀。那次预判替工厂避掉了一次生产线非计划停机。不过这行话要说回来预测维护是最容易被吹过头、也最容易做砸的方向。核心原因在于故障数据太少了。正常设备的数据一天能攒几个G故障数据可能一年攒不出几条因为设备真的没怎么坏过。没有故障样本很多监督学习模型根本无从训练所以实际项目里更多用无监督的异常检测思路或者用仿真数据、同类设备迁移数据来补。这些细节选择方案之前最好心里有数。1.3 工艺参数寻优让老师傅的经验算法化第三类场景是工艺优化说直白点就是用AI帮忙找生产参数的最优组合。工厂里有大量工艺参数是靠老师傅试出来的比如注塑机的模温、压力、保压时间数控加工的进给量、主轴转速热处理炉的升温曲线。这些参数和设备状态、原材料批次、环境温湿度都有耦合关系人工调参往往只能做到局部最优而且高度依赖个人经验。AI做工艺寻优的思路通常是用历史生产数据建立参数-质量的映射模型再配合寻优算法贝叶斯优化、遗传算法等在参数空间里搜出更优的组合点。某压铸车间就做过一个挺典型的事用两年多的生产记录训练了一个良率预测模型然后对关键的压射速度、浇注温度、模具温度做了上千次虚拟试错最后给出的参数组合把该产品的一次压铸良率从83%提到了89%。注意是一步到位的那种提升没有靠现场一遍遍试模烧钱。但工艺优化有个前置条件很多工厂其实迈不过去数据质量要够。历史工单得能对上工艺参数、物料批次、设备编号、质量结果缺哪个字段都对不上。数据治理的功夫通常比建模本身大得多。1.4 安全监测与能耗优化容易被忽略的隐性价值第四类场景看着不起眼但最容易被基层接受因为不太改变既有生产习惯。安全帽检测、区域入侵识别、疲劳状态监测这些基于视觉的行为识别应用本质上就是给传统的安监系统装上了一个会思考的眼睛能耗管理则是用AI做用能预测、设备启停策略优化、空压机与制冷机组群控在一些耗能大户里省下的电费一年就是一笔不小的数。我在一个做机加工的厂里见过一个很务实的能耗优化做法厂里几台大功率空压机常年满负荷运行其实车间用气量波动很大。项目组用历史用气量、班次计划、环境温度训练了一个用气需求预测模型再据此制定了空压机加载/卸载策略。改造完成之后电费单上那一栏每月少了差不多一成。这种项目技术难度不高但胜在边界清晰、收益可量化非常适合作为企业工业AI落地的第一个练手项目。2. 落地一套工业AI系统技术上到底在做什么讲完场景我们来拆一层更硬核的东西一套工业AI系统从技术上到底由哪几块组成。很多文章喜欢堆概念什么边缘计算、数字孪生、工业大脑听着膨胀实际落地时跑不掉的就五件事数据采集、数据治理、模型训练、边缘推理、结果闭环。2.1 数据采集车间的方言比想象中难懂工业数据采集是第一个劝退很多技术人的环节。车间的设备来自不同年代、不同厂商通信协议五花八门。新一点的设备支持OPC UA或Modbus TCP老一点的设备只有串口还有不少设备根本不上网数据得靠人工抄表或者后加传感器。这就像一群人坐在一起开会有人讲普通话、有人讲方言、还有人只会打手势你得先找一个能听懂所有人说话的翻译。实操中我们一般分三层去解决。第一层是设备层能直接走协议的走协议不能走的加传感器振动、电流、温度或者用IO采集模块去读设备PLC的信号第二层是边缘网关层用网关盒子做协议转换和数据缓存因为车间网络经常抖动数据必须能够在本地暂存断网续传是刚需第三层是平台层统一把数据汇到工业数据中台或者时序数据库里做清洗和对齐。这里有个非常容易踩的坑数据的时间对齐。产线上设备和质检工位的时间基准如果不一致后面做参数和质量关联分析时就全是垃圾进、垃圾出。我在一个项目里发现设备PLC的时间比服务器快了7分钟原因是PLC的时钟电池失效没人换过导致大批历史数据的工艺参数和质量记录对应不上。后来所有采集点统一接了NTP对时才把这个问题解决。2.2 数据治理脏数据是模型的慢性毒药数据采上来了不等于能用。工厂数据的脏和你做互联网推荐遇到的数据脏完全不是一个量级。缺值、重复、传感器漂移、人工录入错误、换型期间的空档各种情况交织在一起。一组压铸机的数据里模具温度字段可能在某些时段直接归零因为热电偶探头松了一个品检员可能在连续几小时里只录同一个品号因为操作习惯不同。处理工业数据的脏我的经验是先做业务规则清洗再做统计清洗。业务规则清洗就是把明显违背物理规律的数据剔除比如温度瞬间跳变超过100度、电流在设备停机时非零等统计清洗则是用3σ原则、孤立森林这类方法去识别异常点。顺序不能反过来因为统计方法不知道业务逻辑很容易把真正的故障特征当噪声洗掉那预测维护模型就直接废了。数据治理这件事建议从项目一开始就当成一个正式工作包来做配专人负责。很多项目失败不是模型不行而是训练数据本身就是一堆没有对齐、没有清洗的历史包袱。2.3 模型训练别迷信花哨算法先看业务约束模型训练环节外界讨论最多但恰恰是工业AI项目里最不稀缺的环节。因为工业项目的算法瓶颈远小于数据瓶颈和工程化瓶颈。绝大多数场景用经典模型就够了缺陷检测用目标检测网络加迁移学习异常检测用隔离森林或自动编码器时序预测用XGBoost或者轻量的LSTM寻优问题用贝叶斯优化。选模型的时候有两条业务约束比精度更重要。第一是推理速度约束产线节拍30秒你的模型必须在2秒内出结果否则就得加硬件或者换轻量模型第二是可解释性约束现场工程师不会因为你说神经网络学出来的特征就信任你他得知道为什么被判为缺陷所以很多项目宁可牺牲一点精度也用Grad-CAM热力图、特征规则辅助解释或者干脆用规则加模型的双通道方案。我自己在项目里的习惯是先跑一个能用的基线模型把整个链路跑通再谈优化。很多团队一上来就奔着SOTA去结果模型没调完现场的产线已经等不了了。先让系统转起来哪怕精度只有90%后面逐步迭代到95%、98%这种增量式落地在工厂里远比一步到位靠谱。2.4 边缘部署与推理算法要住在车间里工业AI的推理端绝大多数情况不能放在云端因为车间网络环境差、数据敏感、实时性要求高。典型架构是边缘盒子工业相机或者边缘服务器现场传感。边缘盒子是预装推理框架和模型的工业级设备支持GPU或NPU加速能扛住车间的温度、粉尘和电压波动。部署环节有些细节值得记下来。一是模型量化把FP32模型转成INT8推理速度能提升一两倍精度损失通常控制在1%以内视觉项目基本都能接受二是冗余设计边缘设备最好做双机热备因为推理设备一旦宕机整条产线的自动判定就得停摆退回人工会直接影响节拍三是远程更新通道模型需要迭代现场又不能频繁派人去U盘拷贝所以得在隔离网段里开一条受控的远程模型下发通道。2.5 结果闭环AI判定必须回到业务流程里最后一步也是很多项目最后一公里失败的地方AI输出的结果怎么和现有业务流程接上。你算法说这个产品有缺陷然后呢是自动分拣到返修区还是在显示屏上提示人工复核你预测某台设备两周后可能故障然后呢工单系统会不会自动生成一个维护任务如果不解决这个闭环AI就只是一个昂贵的报警器无法创造实实在在的业务价值。做闭环设计时要非常注意人的因素。一线工人对AI的判断天然有抵触心理他们会担心机器说我干的活不行。所以在系统设计上要给人工复审留一个确认环节AI给建议、人做最终裁决同时在绩效考核上不要让AI的判定直接惩罚工人。我在项目里反复强调一个理念AI是给工人配的增强眼镜不是盯着工人的电子监工。这个理念很大程度上决定了项目在车间里是顺利推进还是处处受阻。3. 一个真实项目的完整解剖从需求调研到上线验收纸上谈兵说了这么多用一个我经手的模拟项目来完整走一遍流程。为了便于描述我们把场景设定为某中型精密零部件加工厂主要产品是某种铝合金结构件产线包括压铸、机加工、清洗、在线检测四道工序。工厂面临三个痛点检测工位人工漏检率高、关键机床非计划停机多、压铸一次良率长期徘徊在84%左右。这三个痛点正好对应前面说的视觉质检、预测维护、工艺优化三类AI应用是一个典型的组合型项目。3.1 需求调研先算清投入产出比这笔账项目启动后的头两周我们不做任何技术工作就是调研和算账。每一类应用都要回答三个问题当前基线损失是多少AI能做到什么程度投入产出比是否可接受以视觉质检为例我们统计了该厂过去半年的客诉和内部返工数据算出因漏检流出的不良品造成的损失包括客诉赔偿、退货运费、返工工时平均每月折合约十几万元。而一套双工位视觉检测系统的投入包括工业相机、工控机、光源、算法开发和产线改造一次性投入加首年运维大约三十万出头。保守估计漏检率从92%提到97%以上每年减少损失在六位数回收周期一年之内。这笔账算清楚之后厂里拍板就快多了。调研阶段还有一个容易被忽视的任务梳理清楚现有的工艺文档、质量报表、设备台账长什么样。这些东西决定了后期数据治理的工作量。很多工厂的报表是Excel加手工填的字段命名混乱、版本管理靠文件名后缀后面做数据建模时全都要重新整理。3.2 试点选择拿最容易出成果的环节建立信任组合型项目我从来不建议三线并进一定是先选一个最容易出成果、最不容易翻车的场景做试点。在这个项目里我们选了视觉质检作为第一个试点。原因很直接视觉质检的数据链路最短相机装上、模型训好、判定结果马上能看到对现场人员来说看得见摸得着最有利于建立整个团队对AI的信心。试点工位选在压铸件毛坯检验台检测的是表面的缩孔、冷隔、飞边三类缺陷。这个工序在整条产线上属于上游缺陷发现得越早后道加工浪费越少。我们花了大概一周时间采集了超过两万张零件图像请厂里的质检班长带着我们把缺陷类型标了一遍然后训练了一个初步的检测模型。这里有个细节标注工作一定要让一线质检员参与因为很多缺陷形态的细微差别只有他们知道判定边界在哪里。算法工程师自己凭感觉标标出来一定水土不服。3.3 产线改造与联调把AI设备塞进现有工位试点方案确定之后产线改造花了约两周。视觉工位的硬件安装看着不难其实坑不少。首先是光源工厂车间的顶部灯管一开一关环境光波动很大必须用遮光罩加恒定光源把拍摄环境罩起来否则同一个缺陷在不同光照下会得到完全不同的判定结果。其次是相机安装角度和焦距要和零件定位工装配合好确保每个零件都拍在画面同一区域否则检测模型会被位置偏移干扰产生大量误报。再次是触发信号相机必须和产线PLC联动零件到位信号触发拍照不能用定时拍照不然产线变速时拍出来的全是空帧。联调那几天我们几乎是住在车间里的。模型在办公室跑得好好的一装到现场就各种幺蛾子误报率从实验室的1.2%飙到现场的7.8%。排查了半天原因是现场的工业相机自动增益没关光线稍变相机就自动调节曝光导致图像亮度和训练集分布不一致。把这个参数改掉之后误报率立刻降回了1.6%。这类问题,纯粹是实验室环境模拟不出的真实细节。3.4 现场验收用数据说话也用流程留后路试点系统稳定运行一个月后进入验收环节。验收标准在项目启动前就写进了合同检出率不低于97%误报率不高于3%单件检测耗时不超过节拍要求。我们拉了近两周的生产数据对比AI判定和人工复判结果最终检出率98.3%误报率2.1%几项指标全部达标。但我还想说验收通过不是项目的终点而是运维的起点。模型需要监控数据分布会漂移现场的光源会老化缺陷形态会随模具磨损而变化。所以交付时我们给厂里留下了三样东西一份模型再训练的操作手册、一个每周自动生成的数据质量报表、一个和厂里IT人员对接的远程支持通道。项目上线不等于万事大吉把运维能力交到客户手里这个项目才算是真的落地了。4. 常见问题与排查技巧实录写这部分之前我想先说一句总结性的话工业AI项目里难度从来不在算法而在那些课本上不会写、PPT里不会画的具体问题。这节把我在项目里反复遇到的几类典型问题整理成一份速查表每个问题都附带排查思路和解决办法拿走就能用。4.1 视觉项目的误报海啸先怀疑环境再怀疑模型问题表现模型在测试集上误报率很低一上产线就疯狂误报一天能报几百个假缺陷现场工人被搞到崩溃直接关系统。排查思路先别急着调模型按环境-成像-标注-模型的顺序排查。第一检查成像一致性自动曝光关没关、光源有没有老化衰减、相机增益是不是固定值第二检查零件定位有没有因为工装磨损导致拍照位置偏移第三检查标注一致性不同的人标注同一类缺陷时标准是否统一最后再考虑模型本身的问题。根据我的经验大概七成以上的误报问题出在前两个环节真正需要动模型的反而不多。4.2 预测维护模型瞎报警故障样本不足的解药问题表现模型上线初期频繁报警点检人员跑了十几次现场设备都好好的慢慢地报警就被无视了形成狼来了效应。排查思路这是典型的训练数据不均衡导致的模型偏置。解决方法有几个层次第一把报警阈值调严宁可漏报也不过度报警因为过度报警的代价是系统信誉崩塌第二引入设备当前工况信息做上下文约束比如换型调试期间的振动本来就比正常生产大这段时间应该自动屏蔽报警第三持续积累故障案例哪怕是虚惊一场的记录也要归档用来后续重新训练模型。我后来在项目里都加了一个报警复核按钮现场人员点一下可以反馈正常/异常这些反馈回传后就能不断校准模型。4.3 数据断档与缺失车间网络比你想的更脆弱问题表现模型训练到一半发现历史数据有大量时段缺失对应的正好是某台设备停机维护、或者网络交换机重启的时段。数据时间轴跟个漏水的筛子一样。排查思路工业现场网络中断是常态而不是异常。对策是每一级采集节点都做本地存储断网时数据缓存在边缘网关网络恢复后自动补传。同时数据采集要带心跳监测也就是采集程序周期性上报自身状态平台侧能及时发现哪条链路断了。缺失时段的数据在训练时要打上标记或者剔除不能让模型学会把静默当成一种正常工况。4.4 现场人员不配合技术之外的隐形阻力问题表现系统功能一切正常但车间班组就是不愿意用甚至故意制造干扰比如把相机镜头挡住、断电重启设备。排查思路这是工业AI项目里最技术之外、也最致命的问题。根因通常是工人担心AI是来监控和考核他们的或者觉得系统增加了操作复杂度却没给自己带来好处。破解办法有三条一是把AI系统的界面语言做成协助视角输出结果是建议判断请复核而不是判定为不合格二是让质检班长参与系统参数的设定和调优给一线人员拥有感三是设置正向激励比如系统稳定运行期内质检岗位的计件单价不降、误判防护奖励照发。技术团队如果只盯精度指标忽视人心项目迟早要黄。4.5 换型频繁场景的模型失效让AI学会切换频道问题表现工厂是多品种小批量生产一天换好几次型号。A型号模型精度正常换到B型号之后误报率暴涨模型好像不认识新产品了。排查思路这是柔性产线部署AI最常见的难题之一。解决思路是建立型号-模型的映射机制每个产品型号对应一套专属的检测模型或参数配置PLC换型信号自动触发模型切换每次切换时间控制在100毫秒以内对产线节拍没有感知。如果换型太频繁、每种型号样本量不足就得走基座模型加增量微调的路线用一个大模型做底座每个型号用少量样本做适配层好处是产出新模型很快坏处是需要一个稳定的模型管理平台支撑。具体走哪条路看工厂的实际产量结构。5. 关于工业AI落地几句心里话项目做多了我对他山之石可以攻玉这句话有了另外一层理解。外人总以为AI是块神奇的石头拿过来往工厂里一放问题就自己解决了。实际上这块石头能不能攻出玉来取决于你愿不愿意花时间搞清楚玉的结构、纹路和质地。工业AI项目成功的要素在我看来排序是这样的业务理解与流程再造占四成数据治理占三成场景选择与项目管理占两成算法模型占一成。很多人把顺序搞反了先去找模型再去找场景结果自然是水土不服。还有一条选择场景时我个人的建议是永远从高频、高损失、规则复杂到人难处理的地方切入。高频保证AI有足够数据学高损失保证投入产出算得过账规则复杂到人难处理保证AI真的比人强——而不是为了上AI而上AI。最后再分享一个我踩过几次坑之后养成的习惯每个工业AI项目在启动时就要明确退出条件。什么叫退出条件就是如果这个项目在预定的周期内没有达到约定的量化指标双方可以怎样体面地收场数据、硬件、算法如何处置责任如何划分。这个条款写进合同的那一刻双方反而会格外认真地对待项目目标项目实施过程中的扯皮大幅减少。对工业这种讲究确定性的行业来说把丑话说在前面本身就是一种专业。