技术解决方案

核心问题

• 设备各自为政，产量与状态靠人工抄录，日报滞后一天以上
• 出问题无法回溯到具体的料批、参数与设备
• 已上系统但数据不准，最终没人用

适用条件

设备具备可读取的控制器或仪表接口；存在可接受的旁路安装空间；工厂网络可改造或已有基础网络。老旧设备无接口时，我们会评估加装传感器与脉冲取数的可行性，而不是直接劝你换设备。

技术路径

先把点位摸清、把口径定义对齐，再动手施工。采集层以边缘网关做协议适配与断网续传，数据在边缘侧完成清洗与单位统一后上行；应用层先做实时看板与 OEE 自动报表，确认数据可信之后再接 MES 与 ERP 的接口。

交付物

验收指标

我们建议先不做

如果当前连基础的设备台账与工艺文件都不完整，先补齐这两样比上系统更有价值。

核心问题

• 外观依赖目检，人员流动直接带来质量波动
• 抽检漏检，客诉在客户端才暴露
• 买过视觉设备但换型失效、误检率高，被产线停用

适用条件

缺陷在成像上可稳定复现（有对比度、有稳定视角、有足够像素）；产线节拍与成像、推理时间可匹配；对「过杀」有可接受的容忍度。若缺陷完全依赖触感或内部结构，我们会明确说不适用，并给出替代检测思路。

技术路径

顺序是先光学、后算法。打光与成像方案会先在实验室用你的真实样品做验证试样，确认缺陷可分辨之后再选型与开发；模型以小样本方式构建缺陷样本库，上线后通过灰度发布持续调优，且保留一键回滚。

交付物

验收指标

我们建议先不做

若缺陷标准本身在客户与工厂之间都还没定义清楚，先统一验收标准；标准模糊时，再好的视觉系统也判不准。

核心问题

• 关键设备非计划停机，一次损失整班产量
• 过度保养与失养并存，备件库存两头为难
• 有设备数据，但没人能把它翻译成维修决策

适用条件

关键设备的失效模式具有可测量的提前退化特征（如轴承磨损的振动特征、刀具磨损的电流特征）；设备重要性足够高，改善收益能覆盖改造成本。我们会先用 FMEA 筛掉不值得做的设备，通常一批设备里只有 3 到 8 台真正值得上模型。

技术路径

从失效模式出发，而不是从算法出发。先确定要防的是哪几种故障，再决定测什么、装在哪、采样多快；特征工程与阈值标定完成后，用健康度评分与剩余寿命估计驱动维修工单，并反过来校验模型是否真的提前预警了。

交付物

验收指标

我们建议先不做

如果设备停机的主要原因是缺料、缺人、换型，那属于排程问题，预测性维护解决不了，介入顺序也会靠后。

核心问题

• 参数靠经验传承，换人即换参数
• 良率波动找不到主因，只能加大检验兜底
• 换材料批次或模具后，原有参数立刻失效

适用条件

过程参数可记录、可调整、可复现；测量系统本身可靠（先做 MSA，量具不行就先修量具）；产量足够支撑统计判断。若单批次产量过小、参数不可控，我们会改用单件追溯与工艺卡固化这类更务实的做法。

技术路径

先保证数据可信，再谈找规律。用 DOE 把关键因子从一堆候选参数里筛出来，通过响应面找到稳健窗口而不是最优单点——稳健比最优重要，因为要能顶住批次与环境的波动，最后把结果固化成工艺卡与 SPC 控制图。

交付物

验收指标

我们建议先不做

如果良率损失主要来自来料一致性，先去管供应商。工艺端的优化空间会被来料波动全部吃掉。

核心问题

• 只有总表，不知道哪条线、哪台设备在浪费
• 空压、制冷等公辅系统长期低效运行无人察觉
• 客户或监管要碳排数据，只能估算，无法核查

适用条件

用电回路可加装计量、产量数据可对齐到同一时间口径。若产量数据本身不准，碳排核算就先从产量采集做起。公辅系统通常是投入产出比最高的起点，我们会优先看空压、制冷、锅炉与照明这四块。

技术路径

先让单耗可见、可比，再谈优化。按线、机台、产品建立单耗口径，把能耗与产量、班次、订单对齐；随后按「零投入管理改善 → 低投入控制优化 → 高投入设备改造」的顺序推进，每一步都算清回收期再决定。

交付物

验收指标

我们建议先不做

如果电费在总成本中占比低于 2%，先把精力放在停机与良率上，能耗项目的相对回报会更低。