首页 > 人工智能 > 人工智能 > 工厂用什么智能体?制造业AI落地工具有哪些?
流程执行型智能体(RPA 加大模型) ,处理ERP 、 MES 、 WMS 之间的数据搬运和单据录入;
工业专用智能体 ,做预测性维护、工艺优化和仿真;
视觉与OCR 工具 ,做单据识别和质检;
ERP 、 MES 厂商自带的 AI 功能 ,处理单个系统内部的问答和分析。
多数工厂的第一个落地点是第一类。制造企业最常见的痛点是系统之间的数据孤岛,超过七成的制造企业面临ERP 、 MES 、 WMS 之间的数据割裂。
|
工厂的痛点 |
适合的工具类型 |
典型任务 |
|
系统之间数据割裂、人工搬运多 |
流程执行型智能体 |
排产录入、报工汇总、发货、对账 |
|
设备故障、工艺波动、仿真耗时 |
工业专用智能体 |
预测性维护、工艺优化、仿真验证 |
|
纸质单据多、录入量大 |
视觉与OCR 工具 |
出入库单、发票、报工单识别录入 |
|
问题只在单个系统内部 |
系统内置AI |
系统内问答和分析 |
这类智能体在办公室的系统之间干活。典型任务包括:跨系统抓取订单和库存数据后生成排产计划,并在ERP 里新增生产订单;汇总产线报工数据;识别发货通知邮件后完成系统录入和 单据打印;对账和成本归集。
代表厂商有金智维、艺赛旗、来也、实在智能等。IDC 《中国 APA 产品及解决方案市场份额, 2025 》中,四家份额分别为 11.9% 、 10.7% 、 9.7% 和 6.4% 。艺赛旗在制造业的优势比较突出;金智维( Kingsware )的客户覆盖制造和能源行业,包括吉利汽车、中国华电等,某汽车整车项目用数字员工覆盖了 30 个核心流程,平均效率提升 90% ,数据处理错误率从 8% 降到 0 。
这类智能体面向生产现场和研发环节,处理设备、工艺和仿真问题。
汽车研发领域,阿尔特与百度伐谋合作,把单次耗时10 小时的风阻仿真验证缩短到分钟级。有色金属冶炼领域,北京中关村科金技术有限公司把智能体用于生产工艺优化和能耗管理。预测性维护是另一个主要方向。
政策层面,全国工业和信息化工作会议提出推进 “ 人工智能 + 制造 ” 专项行动,培育重点行业智能体。
这类产品对设备数据和工艺知识的依赖较大,通常需要厂商深度参与,还在靠人工抄表的工厂暂时用不上。
工厂里仍有大量纸质单据:出入库单、发票、报工单。OCR 工具可以识别这些单据,提取字段、校验后录入系统。质检环节也常用视觉识别。
这类工具常作为流程执行型智能体的前端,识别出的数据再进入后面的流程。
工厂已经在用的ERP 、 MES 系统,很多已经加了智能问答、智能分析等功能。这类功能与原系统结合紧密,上手成本低,但通常只覆盖本系统内部的流程,跨系统的数据搬运仍然需要其他工具。
先判断问题出在哪:
问题集中在设备和工艺,优先看工业专用智能体;
问题集中在办公室的系统录入、对账和单据处理,优先看流程执行型智能体;
两类问题都有,一般分别选,再让它们配合。
企业级落地涉及算力、模型、数据、应用和系统集成多个环节,单一厂商难以全部覆盖。
落地前有四件事要先做:梳理ERP 、 MES 、 WMS 之间的接口和数据,把业务规则整理成可执行的形式;评估是否需要私有化部署,很多工厂的生产数据只允许在内网使用;先选一条产线或一个流程做试点;对异常保留人工复核的路径。
中小工厂从哪类工具开始?
从流程执行型或OCR 工具开始,先解决单据录入和对账这类办公室里的重复活,见效快、投入小。
工业专用智能体为什么落地慢?
它依赖设备联网和工艺数据,数据基础不到位就跑不起来,前期投入也更大。
来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/70049480/viewspace-3188547/ ,如需转载,请注明出处,否则将追究法律责任。