制造企业的 AI 价值不在「多一个聊天窗口」，而在节拍、良率、库存与交付的可量化改善。痛点往往来自数据散落在 MES/ERP/设备侧，而决策仍依赖人工经验与跨系统抄录。
从产线到供应链，把 Agent 嵌进计划、质检与设备运维。
宏观趋势、价值链与数字化阶段——先理解行业全貌，再讨论 AI 能落在哪一层。
制造业涵盖离散装配、流程化工、装备制造等形态，核心价值在「多品种、快节拍、高质量、低成本」的平衡。过去十年数字化重心从 ERP 上云延伸到产线联网（IIoT）、MES 普及与供应链协同，但大量决策仍停留在车间主任经验与跨部门会议。
当前行业共同面临：定制订单增多、供应链波动加剧、能耗与碳排约束上升、熟练技工短缺。AI 被寄予厚望，但若脱离 OT/IT 分层与责任边界，很容易沦为产线旁的「演示屏」。
典型系统分层与数据流向。Agent 不是悬空的能力，而是嵌在具体层级之间的协同节点。
典型架构呈「OT 现场层 — 制造运营层 — 企业管理层 — 数据与集成层」自上而下；横向还有 PLM、SCM 与主数据贯穿。数据在设备高频采集与 ERP 低频事务之间断层，是 Agent 需要桥接的核心缝隙。
设备、传感器、PLC/SCADA、工控网络，毫秒~秒级数据。
排产、执行、质量、设备运维，连接现场与订单。
财务、采购、销售、主数据与集团管控。
数据中台、API、消息总线，统一语义与权限。
Agent 通常部署在「运营层 ↔ 集成层」之间：读取 MES/设备语义，调用 ERP/知识库，输出可解释建议并由产线负责人签核。不替代 MES 事务引擎，不直连 PLC 控制。
与 AI 相关的业务瓶颈——问题是什么，为什么传统手段不够，AI 为何能切入。
高速产线（SMT、注塑、装配）上，人工目检疲劳导致漏检率上升；缺陷类型多、样本不均衡，传统规则视觉难以覆盖新缺陷。一次批量召回的成本往往远高于单点 AI 投入。
多模态模型可学习细微纹理/焊点异常，并结合产线上下文（工位、批次、工艺参数）做归因；比固定阈值规则更易迭代，且可把误判样本回流成持续改进的数据飞轮。
关键设备（CNC、空压机、涂装机）告警码分散在 PLC、SCADA 与纸质维保记录中。年轻工程师排障慢，非计划停机直接吞噬 OEE；备件与工单系统不同步，重复维修常见。
Agent 可聚合异构告警、检索维保手册与历史工单，生成可解释的排障路径；自然语言降低知识检索门槛，但维修执行与授权仍由人完成，符合安全要求。
订单在 CRM/ERP，产能与物料在 MES/WMS，预测在 Excel。计划员每周花大量时间对齐数据，仍频繁出现「有单缺料」或「原料呆滞」。插单响应慢，客户交期承诺缺乏数据支撑。
Agent 可跨系统读取约束并模拟排产方案，用可解释语言说明「为何建议推迟某订单」；人机共审后写回 ERP，比黑盒优化器更易被业务接受。
具体业务情境、工作流步骤、交付物与衡量指标——可直接作为 PoC 立项参考。
某电子制造企业 SMT 贴片线，每分钟 40+ 板过站，现有 AOI 对虚焊、偏移类缺陷误报率高。质检员需在 MES 里手工录缺陷代码并触发复检，高峰时段排队严重。
漏检率下降 30%+、误报率下降 20%+、单板质检人工耗时减少 50%、召回批次次数同比下降。
不替代最终放行权责；模型变更需 A/B 与人工签核；图像数据按产线权限隔离存储。
注塑车间 12 台大型注塑机，日均告警 200+ 条。维保团队需在 SCADA 弹窗、微信群里碎片信息间切换，平均故障定位时间超过 45 分钟。
平均故障定位时间缩短 40%、非计划停机小时数下降、重复维修工单减少、技师自助解决率提升。
不远程控制 PLC；高危操作仅提示步骤，执行需双人复核；审计日志保留 3 年以上。
离散制造企业，每周产销会需对齐 3 个工厂、800+ SKU。计划员提前 2 天从 ERP 导出、MES 抄产能、采购跟催物料，会议仍大量讨论「这个料到底哪天到」。
缺料导致的停线次数下降、库存周转天数优化、插单响应从「天」缩短到「小时级」、计划员数据准备时间减少 60%。
不自动下发 ERP 变更；敏感客户交期数据按角色脱敏；模拟结果标注数据来源与时间戳。