1. 工业AI到底在工厂里干什么：先看清它的真实面目
很多人第一次听到“工业AI”这四个字，脑子里浮现的画面要么是科幻电影里全自动运转的无人工厂，要么是PPT上那些炫酷但落不了地的概念图。我在制造业信息化这个圈子里摸爬滚打了十来年，进过不少车间，也跟不少一线工程师聊过，说实话，工业AI在工厂里的真实样子，远没有宣传片那么光鲜，但也远比很多人想象的要扎实和具体。
它做的事情，说白了就一句话：用数据和模型，替工厂里那些靠老师傅经验、靠人眼判断、靠反复试错才能搞定的环节，找到一个更稳定、更高效、更省钱的解法。注意，我说的是“更稳定、更高效、更省钱”，不是“颠覆”，不是“革命”。工业场景最怕的就是不稳定，任何新技术进厂，第一关不是看它多先进，而是看它能不能在粉尘、油污、震动、高温、电磁干扰的环境里，连续跑上几个月不出岔子。
这篇文章适合谁来读？如果你是工厂里的设备工程师、工艺工程师、生产主管，或者你是做工业软件、自动化集成的技术从业者，再或者你只是对“AI到底怎么在实体行业里赚钱”这件事感兴趣，那接下来的内容应该能给你一些实在的参考。我不会堆砌算法名词，也不会画那种看起来很厉害但落不了地的架构图，我会把工业AI在工厂里最常见的几类活儿拆开，讲清楚它为什么这么干、具体怎么干、干的时候会踩哪些坑。
先给一个整体判断：目前工业AI在工厂里的落地，主要集中在质量检测、设备维护、工艺优化、生产调度这四个方向。这四个方向有一个共同点——它们都是工厂里长期存在、靠传统方法很难再往上提效率的“硬骨头”。AI不是凭空创造需求，而是接过了那些传统自动化搞不定、人工又太贵太慢的活儿。
2. 工业AI的四大主战场：从质检到调度的完整拆解
2.1 质量检测：机器视觉替代人眼的边界在哪里
质量检测是工业AI落地最密集的场景，没有之一。原因很简单：人眼检测有物理极限。一个工人盯着流水线上的零件看两个小时，漏检率会明显上升；看八个小时，基本就是在靠惯性动作了。而机器不会累，不会走神，只要光照和相机参数稳定，它可以一直保持同样的判断标准。
但这里有一个很大的误区，很多刚接触这个领域的人会以为“装个摄像头加个AI模型”就完事了。实际远不止如此。工业质检的AI系统，核心难点往往不在模型本身，而在成像方案的设计。我见过太多项目，模型在实验室的测试集上准确率能到99%，一到产线就掉到80%以下，问题几乎都出在成像环节。
举个例子，检测金属表面的微小划痕。实验室里用环形光打上去，划痕清晰可见。但产线上零件是运动的，角度有微小变化，环境光会波动，金属表面还会反光。这时候你需要考虑的是：用什么样的光源组合？是暗场照明还是明场照明？相机是面阵还是线阵？曝光时间怎么设？触发信号怎么同步？这些光学和机械层面的问题，比选什么深度学习模型重要得多。
实操心得：做工业质检AI项目，前期的光学方案验证至少要占整个项目周期的三分之一。不要急着标数据、训模型，先把成像搞稳定。成像不稳定，后面全是白费功夫。
具体到算法层面，目前工厂里用得比较多的有几类。一类是分类模型，判断产品是OK还是NG，适合缺陷类型固定、特征明显的场景。一类是分割模型，把缺陷区域从图像里抠出来，适合需要知道缺陷面积、形状的场景。还有一类是异常检测模型，只拿正常样本训练，任何偏离正常分布的都判为异常，适合缺陷样本极少、无法穷举缺陷类型的场景。
这三类模型的选择，取决于你的数据和业务需求。如果缺陷样本充足且类型固定，分类或分割模型效果更可控。如果缺陷样本稀缺，比如一个月才出现几次的偶发缺陷，那异常检测是更现实的选择。但异常检测的误报率通常偏高，需要配合后处理逻辑来过滤。
2.2 设备预测性维护：从“坏了再修”到“快坏就修”
设备维护是工业AI另一个重头戏。传统工厂的设备维护有两种模式：一种是事后维修，坏了再修，代价是停机损失；一种是定期维护，不管设备状态如何，到时间就换件、保养，代价是过度维护和备件浪费。预测性维护想做的，是在设备真正故障之前，提前给出预警，让维护动作刚好卡在“该修但还没坏”的时间窗口。
这个逻辑听起来很顺，但落地难度不小。核心难点在于故障数据的获取。设备正常运行的样本一大堆，但故障样本少得可怜。一台关键设备可能一年就坏一两次，你拿什么去训练模型？所以工业界做预测性维护，很少直接用“故障/正常”做标签，而是走退化指标的路线。
具体来说，就是从设备的振动、温度、电流、声音等信号里，提取出能够反映设备健康状态的特征指标。比如轴承磨损会导致特定频率的振动能量上升，电机绝缘老化会导致电流谐波发生变化。这些特征的变化趋势，比“故障”这个二值标签要丰富得多，也更容易建模。
注意事项：做预测性维护，传感器选型和安装位置比算法重要。振动传感器装错了方向，采到的信号信噪比极低，后面怎么处理都救不回来。加速度传感器的频响范围要覆盖你关心的故障特征频率，别拿一个低频传感器去测高频轴承故障。
实际落地时，通常的做法是分两步走。第一步是先做异常检测，用无监督方法找出设备运行中的异常时段，这一步不需要故障标签。第二步是在异常时段里，结合维护记录和专家经验，逐步标注出具体的故障类型和严重程度，再训练有监督的模型。这个过程是迭代的，不可能一次到位。
2.3 工艺参数优化：把老师傅的“手感”变成可复制的模型
工艺优化是工业AI里最“值钱”但也最难做的方向。说它值钱，是因为工艺参数直接决定产品质量和生产效率，优化一点点，带来的经济效益可能非常可观。说它难做，是因为工艺过程往往涉及复杂的物理化学反应，变量多、耦合强、非线性严重，而且很多关键参数无法在线测量。
我见过一个注塑成型的案例。同一个产品，不同班次的工人调出来的工艺参数不一样，质量波动很大。老师傅凭经验知道“料温高一点、保压时间长一点”能改善某个缺陷，但具体高多少、长多少，说不清楚。后来他们用历史生产数据训练了一个模型，输入是原料特性、模具温度、环境湿度等变量，输出是推荐的工艺参数组合。模型上线后，新员工也能调出接近老师傅水平的参数，批次一致性明显提升。
但这个案例能做成，有几个前提条件。第一，历史数据要足够多，而且要有质量标签。第二，影响工艺的关键变量要能被记录和采集。第三，优化目标要明确，是提升良率、缩短周期，还是降低能耗。如果这三个条件不满足，工艺优化项目很容易变成“数据有了，但不知道怎么用”的尴尬局面。
实操心得：工艺优化项目，先别想着上深度学习。很多时候，简单的回归模型或者决策树就能给出有价值的建议。工业场景要的是可解释、可信任，一个能说清楚“为什么推荐这组参数”的简单模型，比一个黑箱深度学习模型更容易被现场接受。
2.4 生产调度与排程：AI在计划层面的渗透
生产调度是工业AI里相对“软”的一个方向，但它对工厂整体效率的影响非常大。传统排程靠计划员用Excel或者ERP系统里的排程模块，面对多品种、小批量、插单频繁的场景，很容易顾此失彼。AI排程的思路，是把排程问题建模成一个优化问题，用强化学习或者启发式算法来求解。
这个方向落地的一个关键障碍是数据质量。排程依赖的数据包括设备产能、模具状态、物料齐套情况、人员排班、交期优先级等等。这些数据分散在不同系统里，格式不统一，更新不及时。如果数据不准，再好的算法也算不出合理的排程。
所以实际做排程AI的项目，前期大量时间花在数据治理上。把ERP、MES、WMS里的数据打通，建立统一的数据口径，确保设备状态和物料库存是实时准确的。这一步做完了，排程算法本身反而没那么复杂。很多工厂用简单的规则引擎加约束求解器，就能比人工排程提升不少。
3. 工业AI落地的核心技术栈与选型逻辑
3.1 数据采集与边缘计算：工厂现场的“神经末梢”
工业AI的第一步永远是数据。没有数据，什么模型都是空中楼阁。工厂里的数据来源大致分几类：设备PLC里的运行状态和工艺参数、传感器采集的振动温度电流等物理量、相机采集的图像、以及MES/ERP里的生产记录和质量数据。
这些数据的采集方式各不相同。PLC数据通常通过OPC UA或者Modbus协议读取，传感器数据需要经过数据采集卡或者边缘网关，图像数据走GigE或USB接口。采集频率也差异很大，温度可能几秒采一次，振动可能几万赫兹采一次，图像可能几十毫秒一帧。
注意事项：数据采集方案设计时，一定要考虑时间同步问题。不同来源的数据如果时间戳对不齐，后面做关联分析会非常痛苦。建议在边缘侧统一打时间戳，精度至少到毫秒级。
边缘计算在工业AI里扮演的角色越来越重要。原因有两个：一是实时性要求，质检和预测性维护往往需要在毫秒级给出结果，数据传到云端再传回来，延迟不可接受；二是数据安全，很多工厂不希望原始生产数据离开厂区。所以典型的架构是：边缘侧做数据采集、预处理和模型推理，云端做模型训练和版本管理。
边缘设备的选型要看具体场景。质检场景通常需要带GPU的边缘服务器或者工控机，因为图像推理对算力要求高。预测性维护场景，如果只是提取振动特征做简单分类，一个高性能ARM网关就够了。选型的原则是：够用就好，不要过度配置，工业现场的设备越简单越稳定。
3.2 模型选型：为什么工厂里很少用最先进的模型
这一点可能跟很多人的直觉相反。在学术圈，大家追求的是SOTA，是最新的架构、最高的准确率。但在工厂里，模型选型的首要标准是稳定、可解释、易维护，而不是先进。
我见过一个项目，团队用了一个非常新的目标检测模型，准确率确实比传统方法高了两三个百分点。但问题是，这个模型对输入图像的尺寸和光照条件非常敏感，产线上稍微换个批次的产品，或者车间窗户透进来的自然光变化，模型输出就波动。后来他们换回了一个更成熟的、对光照鲁棒性更好的传统卷积网络，准确率略低一点，但稳定性大幅提升，现场维护人员也更容易理解模型的判断逻辑。
工业场景里，模型的可解释性也很重要。当模型判了一个NG，现场工程师需要知道它为什么判NG。如果模型只给一个分数，说不出理由，工程师就不信任它，最后要么弃用，要么只当参考。所以很多工业AI系统会配合可视化工具，把模型关注的区域标出来，让工程师能快速判断模型是否靠谱。
3.3 MLOps在工业场景的特殊性
MLOps在互联网行业已经比较成熟了，但工业场景有它的特殊性。最大的特殊性在于数据分布会漂移。互联网的用户行为变化相对缓慢，但工厂里换个原料供应商、调整一下设备参数、甚至季节变化导致车间温湿度不同，都可能让数据分布发生明显变化，导致模型性能下降。
所以工业AI的MLOps，核心不是自动化部署和监控，而是模型迭代的闭环。具体来说，需要建立一套机制：当模型在生产现场表现下降时，能够快速收集新的样本，重新训练或微调模型，验证通过后更新到边缘设备。这个闭环的速度，决定了AI系统能不能长期稳定运行。
实操心得：工业AI项目上线只是开始，真正的挑战在上线之后。建议在项目规划阶段就预留模型迭代的人力和流程，不要指望一个模型能用一辈子。
4. 实操案例拆解：一个表面缺陷检测项目的完整落地过程
4.1 项目背景与需求定义
假设有一个做精密金属结构件的工厂，产品表面需要检测划痕、凹坑、脏污三类缺陷。原来靠三名质检员在灯箱下目检，每人每天检两千件左右，漏检率在3%到5%之间，而且不同质检员的判断标准有差异，客户投诉时有发生。工厂希望用AI视觉检测替代人工，目标是把漏检率降到1%以下，同时检测节拍要匹配产线速度。
这个需求定义看起来很清晰，但实际执行时，需要进一步细化。比如“划痕”的定义是什么？长度超过多少算缺陷？宽度有没有要求？凹坑的深度怎么量化？脏污是可擦拭的还是不可擦拭的？这些标准如果不明确，后面标数据时会出现大量争议样本，模型很难收敛。
4.2 成像方案设计与验证
前面说过，成像方案是质检AI项目的重中之重。这个项目里，零件是金属材质，表面有反光，缺陷类型多样。团队最初尝试了环形光和条形光，效果都不理想，划痕在有些角度下几乎看不见。后来改用低角度暗场照明，让光线从侧面掠射到表面，划痕和凹坑的边缘会产生散射，在暗背景下形成亮线，对比度大幅提升。
相机选的是500万像素的工业面阵相机，配合远心镜头，保证不同位置的放大倍率一致。曝光时间设得很短，因为产线是运动的，曝光太长会有运动模糊。触发方式用的是光电传感器加编码器信号，确保每次拍照时零件位置一致。
这个阶段花了将近两周时间，反复调整光源角度、相机高度、曝光参数，最终拍出来的图像，缺陷特征清晰，背景均匀，为后续的模型训练打下了很好的基础。
4.3 数据标注与模型训练
成像方案确定后，开始采集数据。团队连续采集了三天，覆盖了不同班次、不同批次的产品，总共收集了约五千张图像。然后组织质检员进行标注，标注内容包括缺陷类别和缺陷区域。
标注环节有一个细节值得注意：标注标准要统一。团队先让三名质检员各自标注同一批图像，然后对比差异，讨论有争议的样本，最终形成一份标注规范文档。这份文档里明确了各类缺陷的判定标准，比如划痕长度超过0.5毫米才算缺陷，脏污面积超过1平方毫米才算缺陷等等。
模型选的是基于卷积神经网络的语义分割模型，输入是图像，输出是每个像素的缺陷类别。训练时做了数据增强，包括随机旋转、亮度调整、对比度调整等，提升模型对光照变化的鲁棒性。训练集和验证集按8比2划分，训练了大约两百个epoch，最终在验证集上的分割IoU达到了0.85左右。
4.4 现场部署与调优
模型训练好之后，部署到产线旁的边缘服务器上。边缘服务器配了一张中端GPU，推理一张图像大约需要30毫秒，加上前后处理，单件检测时间在50毫秒以内，满足产线节拍要求。
但上线第一天就遇到了问题。产线运行一段时间后，车间温度上升，相机传感器发热，图像噪点增多，模型开始出现误报。团队后来给相机加了散热风扇，同时在预处理环节增加了降噪滤波，问题才解决。
另一个问题是过杀。模型对某些正常样本也判了NG，导致良品被误判。分析后发现，这些样本表面有轻微的加工纹理，在暗场照明下和浅划痕很相似。团队补充了这类样本到训练集里，重新训练模型后，过杀率明显下降。
实操心得：工业AI项目上线后的前两周，一定要安排人现场值守，随时处理突发问题。很多问题在实验室里根本想不到，只有到了现场才会暴露出来。
5. 常见问题与排查技巧实录
5.1 模型在现场表现不达预期怎么办
这是最常见的问题。模型在实验室里表现很好，一到现场就拉胯。排查思路可以按以下顺序来：
| 排查项 | 可能原因 | 验证方法 | 解决方向 |
|---|---|---|---|
| 成像质量 | 光照变化、镜头脏污、相机参数漂移 | 对比现场图像和训练图像 | 固定光照、定期清洁、锁定相机参数 |
| 数据分布 | 新产品、新批次、新原料导致分布偏移 | 统计现场数据的特征分布 | 补充新样本、重新训练或微调 |
| 推理环境 | 边缘设备算力不足、内存泄漏 | 监控推理延迟和资源占用 | 优化模型、升级硬件、修复代码 |
| 后处理逻辑 | 阈值设置不合理、逻辑冲突 | 检查后处理代码和参数 | 调整阈值、梳理逻辑 |
这个表里的排查顺序是有讲究的。先看成像，再看数据，再看环境，最后看逻辑。因为成像问题最直观也最容易解决，而逻辑问题往往最隐蔽。
5.2 标注数据不够怎么办
工业场景里，缺陷样本稀缺是常态。几个应对策略：
- 数据增强：对现有缺陷样本做旋转、缩放、亮度调整、添加噪声等变换，扩充样本量。但要注意，增强后的样本不能偏离真实分布太远。
- 异常检测：如果缺陷样本实在太少，改用只训练正常样本的异常检测方法。虽然误报率会高一些，但至少能跑起来。
- 迁移学习：用公开数据集或者相关领域的数据预训练模型，再用少量工厂数据微调。这个方法在图像领域效果比较好。
- 主动学习：让模型先跑起来，把置信度低的样本挑出来，人工标注后再加入训练集。这样可以用最少的标注量获得最大的模型提升。
5.3 现场人员不配合怎么办
这个问题很现实，但很多技术团队会忽略。AI系统上线，意味着现场人员的工作方式要改变，甚至可能触动一些人的利益。如果处理不好，系统再好也推不下去。
我的经验是，让现场人员参与进来。在项目早期就邀请质检员、设备工程师参与需求讨论和方案评审，让他们提意见。系统上线后，先做辅助工具，不做替代工具。比如质检AI先只做初筛，把可疑样本标出来，由质检员复核。等质检员对系统建立信任后，再逐步提高自动化程度。
注意事项：不要一上来就宣称“AI要替代人工”。工业场景里，人机协作比无人化更现实，也更容易被接受。
5.4 模型更新频率怎么定
模型更新频率没有固定标准，取决于数据分布的变化速度。如果产品种类稳定、原料稳定、设备稳定，可能半年更新一次就够了。如果产品换型频繁、原料批次差异大，可能需要每月甚至每周更新。
一个实用的做法是监控模型在生产现场的置信度分布。如果置信度整体下降，或者低置信度样本比例上升，说明数据分布可能在漂移，需要触发模型更新流程。
6. 工业AI的边界与从业者的现实选择
6.1 哪些场景不适合上AI
工业AI不是万能的。以下几种场景，我建议谨慎考虑：
- 缺陷样本极度稀缺且无法模拟：比如某些安全相关的缺陷，一年可能就出现一两次，根本没有足够数据训练模型。
- 工艺机理完全未知：如果连人都说不清楚工艺参数和产品质量之间的关系，AI也很难学到。
- 投入产出比不划算：有些场景人工检测成本很低，或者缺陷率本身就很低，上AI系统的投资回收期太长。
- 现场环境过于恶劣：极端高温、强腐蚀、强电磁干扰的环境，电子设备本身都难以稳定运行，更别说AI系统了。
6.2 从POC到规模化推广的关键因素
很多工厂做AI，第一个POC项目效果不错，但推广到其他产线或其他工厂时就卡住了。原因通常有几个：一是每个产线的成像条件不同，模型需要重新调；二是现场维护人员缺乏AI技能，出了问题不知道怎么处理；三是缺乏统一的平台和工具，每个项目都是定制开发，成本降不下来。
要解决这些问题，需要在做第一个项目时就有平台化思维。把数据采集、标注、训练、部署的流程标准化，把可复用的组件沉淀下来。这样第二个、第三个项目的周期和成本才能降下来。
6.3 给入行者的几点实在建议
如果你刚进入工业AI这个领域，我的建议是：先懂工业，再懂AI。不要一上来就研究最新的算法，先去车间里待一段时间，看设备怎么运行，看工人怎么操作，看数据怎么产生。很多工业AI项目的失败，不是因为算法不行，而是因为做项目的人不懂工业现场的实际约束。
另外，学会算账。工业客户最关心的是投资回报率。你要能说清楚，上了这套AI系统，能省几个人、提升多少良率、减少多少停机时间，折算成钱是多少，多久能回本。说不清楚账的项目，很难拿到预算。
最后，保持耐心。工业AI项目的周期通常比互联网项目长得多，从需求调研到上线运行，半年到一年是常态。现场调试和迭代优化的时间，往往比开发时间还长。急不得。
我在这个领域做了这些年，最大的体会是：工业AI的价值不在于技术有多炫，而在于它能不能真正解决工厂里那些日复一日、看似不起眼但消耗大量人力和成本的问题。一个能稳定运行、让现场人员愿意用的简单模型，远比一个实验室里准确率很高但现场跑不起来的复杂模型有价值。这个行业需要的是能沉下心来解决实际问题的人，而不是追逐热点的人。
