注塑车间里,最让人头疼的不一定是设备老化、订单不稳,而是资深调机师傅手里那套 “只可意会” 的本事。加工薄壁件时,模温差两度就变形或者充不满,保压切换时机稍微偏移,缩水、飞边问题接踵而至。能稳定把良品率维持在 97% 以上的老师傅,不用盯着数据曲线,凭射胶的声响、产品飞边形态就能快速微调参数。这些宝贵经验没有写进作业指导书,也没有录入 MES 参数库。
一旦换上手,哪怕是有基础的调机员,也很难复刻这套水准。系统里模温、压力、周期数据一应俱全,可缺失了关键的隐性判断逻辑。保压时间差半秒,良品率就可能断崖式下跌,遇上急单批量不良,返工、交期违约金叠加,企业损失动辄几十万。
这种场景在中小制造企业十分普遍。人员流动带来的真正损失,藏在看不见的地方:骨干离职后,良品率缓慢下滑、新人处理异常耗时变长、客户同类投诉反复出现。这些问题初期很难预警,往往等到批量不良爆发,企业才反应过来,核心经验已经跟着人走了。
很多管理者会疑惑,工厂 PLM、MES、ERP 一套套系统都上了,数据并不少,为什么留不住经验?核心短板有三点:可信的数据治理、顺畅的知识流转通道、支撑 AI 读懂业务的语义地基。同一个设备,在不同系统里编号、叫法各不相同,数据打通了,业务语义却是割裂的。企业 85% 以上的核心经验,比如调机判断逻辑、故障排查路径、报价口径,都存于人脑、零散文档里,机器读不懂,新人学起来慢。这也是 Gartner 统计里,72% 企业 AI 项目卡在试点阶段的核心原因:数据量大,但机器看不懂业务。
针对这个痛点,主数据与数据治理头部企业中翰软件,给出了轻量化思路,依托业务智能盘点平台 v2.0,不要求企业先投入重金搭建大中台,而是把业务梳理做成向导式零代码工具,让业务骨干自己完成隐性经验的转化。
回到注塑调机的例子,老师傅不需要撰写冗长文档,跟着向导录入薄壁件、模温异常、保压切换这类业务场景,平台依靠 AI 语义自动识别实体、抽取关联关系、生成初步规则,拿不准的内容再由人工核验确认。原本只属于个人的调机诀窍,转化成标准业务词典和本体模型,新人遇到同类工况,直接检索就能拿到参考判断依据。
这套方案底层源自 FDE 业务梳理方法论,把原本依靠专业人员完成的业务翻译工作产品化。五步梳理流程,交由 AI 预抽取、业务专家复核,人工确认的样本持续回流训练模型,越用越精准。单业务域建模周期,从以往数月缩短至一两周。同时平台采用解耦架构,可对接企业现有各类中台,不用推翻已经落地的数字化投入。
经验沉淀只是第一步,知识还要持续活起来。搭配 HANBOTS 小翰 AI 助手,员工日常咨询、问题排查的交互记录,自动沉淀进企业私有知识库。知识不再是项目验收后封存的交付文档,而是持续生长的组织记忆。
在大模型快速迭代、人员流动频繁、供应链波动不断的当下,算力、模型都可以外购,企业独有的业务知识资产,才是难以复制的护城河。做知识化、数据化,不是用系统替代老师傅,而是把个人判断力转化为组织资产,人走了,经验留下。对于预算有限、缺少专职数据团队的制造企业来说,先跑通小闭环、沉淀核心业务知识,远比宏大的数字化规划,更能守住生产的竞争力。
来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/70051142/viewspace-3188923/ ,如需转载,请注明出处,否则将追究法律责任。