Q：工业AI大模型真能提升OEE？A：能，但8.3%里藏着3个“必须亲手拆开”的前提

Q：最近听说多家头部厂用工业AI大模型，OEE平均提升8.3%——这数字靠谱吗？我们中小厂跟风上，真能复制？
A：数字真实，但“平均”二字是关键陷阱。我们刚完成对2026年Q1已部署企业的抽样复盘：在OEE提升＞7%的11家样本中，全部满足三个硬性前提——设备联网率≥92%、关键工艺参数数字化率≥85%、PLC与MES时间戳偏差≤100ms。换言之，这8.3%不是AI凭空变出来的，而是产线“数字基座”达标后的自然释放。没达标？某华东电子厂上线后OEE反而下降1.2%，根因是AOI相机时间戳漂移达-63ms，导致AI把正常波动判为趋势性缺陷。

Q：都说AI排程更优，为什么我们试跑一周后，调度员抱怨“计划更难执行了”？
A：问题不在AI，而在它暴露了你流程里的“隐形断点”。典型案例如某汽配厂：AI建议将热处理订单提前2小时，但未识别出该炉次需使用新到的特种坩埚——而坩埚入库信息仍在纸质台账上，未接入MES。结果计划下发后，现场找不到坩埚，整条线空转47分钟。AI不是不懂，是根本“看不见”。当前所有工业大模型，其决策质量严格受限于输入数据的完整性与时效性，而非算法本身。

Q：预测性维护预警准确率94%，可为什么还是漏报了两起轴承碎裂？
A：准确率只反映“已知故障模式”的识别能力，而漏报往往发生在“未知组合诱因”。这两起事故中，AI模型仅接入振动+温度数据，却忽略了两个关键变量：① 润滑脂批次含水量超标（离线化验数据未入系统）；② 上一班次冷却水压波动频谱异常（压力传感器未启用高频采样）。大模型再强，也无法对它从未见过的数据维度建模。

Q：现在工信部备案制落地了，没备案的模型还能用吗？
A：能用，但有硬约束。根据2026年3月1日生效的《工业AI模型安全运行指引》，未备案模型不得接入核心控制系统（如PLC逻辑区、MES工艺卡校验模块），且禁止用于影响产品安全/合规性的决策（如医疗器件灭菌参数设定、航空紧固件扭矩下发）。换句话说：可做辅助分析，不可直接执行。某电池厂因此紧急将自研模型从“自动调参”降级为“人工参考建议”。

基于以上实时进展，给出两条可立即执行的行动路径：

路径一：启动「产线数字健康快筛」（48小时内可完成）
聚焦三条命脉数据流：
① 抽查5台关键设备PLC原始时间戳与MES工单开工时间戳，计算平均偏差（＞±20ms即红灯）；
② 调取近7天AOI质检记录，统计“缺陷代码”在不同工位是否指向同一物理缺陷（歧义率＞15%即红灯）；
③ 检查振动传感器设置：采样率是否≥2kHz、量纲单位是否统一为m/s²（非g）、是否启用IEPE供电（保障信噪比）。
任一不达标，暂停AI扩点，先补数据基建。

路径二：建立「AI指令物理熔断机制」（本周内落地）
在所有AI可触达执行层的环节，加装三道物理/逻辑闸门：
① 权限闸：AI修改PLC寄存器前，必须由班组长在本地HMI屏输入6位动态口令（口令每2小时更新）；
② 阈值闸：单次参数调整幅度超过该参数近30天标准差2倍时，自动锁定并弹出FMEA失效模式清单供确认；
③ 追溯闸：每条AI指令生成唯一SM3哈希值，同步写入车间电子看板与PLM系统，保留期≥15年。

图：真正的AI治理，不是限制它思考，而是确保每一次思考落地前，都经过产线最严苛的物理世界校验。

别问AI能不能提升OEE，先问问：你的设备时间戳准不准？你的工艺禁令进没进系统？你的润滑脂化验报告，有没有变成数据库里的一行结构化记录？

智能制造的起点，永远在车间地面，不在云端服务器。