制造业AI的下一个金矿，不是设备，是“人”
一、动作层：
人在工位上“怎么做”的 AI 感知
装配动作合规识别
（无穿戴、普通摄像头）
关键工具：专家判断、项目管理信息系统（PMIS）。
场景：总装/维修工位，螺栓拧紧顺序、垫圈漏放、插接头未到位。
做法：RGB 相机+人体骨骼关键点（OpenPose/MediaPipe）+ 动作时序模型，对照标准作业组合票（SOS）。
MES 闭环：动作错→工位屏红闪→不良品自动入可疑队列，不进下流。
效果：人为装配错漏降 40–60%，尤其对“老师傅凭手感跳步”有效。
MES场景：PMIS可以是我们的项目管理平台，统一跟踪所有任务、问题和变更。
2. 手势/持具识别防错
场景：SMT 维修站拿错烙铁头、汽车零部件拿错套筒。
做法：手部检测+工具分类，和当前工单 BOM 绑定。
效果：用错工具次数趋零，扭力不合格连带下降。
3. 工时与微停顿挖掘
（不需要 MES 打点）
场景：标准工时虚高/虚低，线平衡算不准。
做法：视频抽帧做人姿静止/走动/弯腰分类，自动出“有效作业/寻找/等待”占比。
效果：发现隐性等待（找物料、等指令）占 18–25%，比 PLC 信号算出来的准 2 倍。
二、认知层：
人“怎么判断”的 AI 辅助
4. 一线异常自然语言结构化
（LLM 真正落点）
场景：工人报修写“声音不对”“有点抖”，MES 里全是废文本。
做法：终端语音/打字 → LLM 抽取成 {设备, 现象, 疑似模块, 严重度} → 自动建工单+推历史相似案例。
效果：报修到派单从 15min→2min，新班长也能写标准描述。
5. 作业指导书动态生成
场景：非标装备/售后改装，纸质 SOP 永远滞后。
做法：MES 拉 BOM+图纸+该工人技能等级 → LLM 生成“只含本工单相关 3 步”的图文指引，投到工位屏。
效果：新项目首件作业查阅时间降 70%，跳步率降一半。
6. 经验工人“隐性知识”抽取
场景：老钳工调模一句话“听声音给 0.02 进给”，没人记下来。
做法：让他边做边口述→语音转文本+对齐设备参数→知识图谱节点。
效果：3 个月抽 200 条，新人调机不再只能拜师。
三、协作层：
人之间“怎么交接”的 AI 优化
7. 班组长排班与技能匹配
场景：多能工工时浪费，关键岗缺人会停线。
做法：MES 人资模块+技能矩阵+实时考勤+产线负荷 → 组合优化算“谁去哪岗”。
效果：跨岗移动距离降 15%，关键岗覆盖 100%，不再靠班长吼。
8. 交接班知识稀释阻断
场景：夜班发现问题，白班不知道，重复发生。
做法：AI 把交班记录摘要成“未闭环 3 项+风险 1 项”推给接班者，并关联昨天同岗报警。
效果：跨班重复异常降 35%。
9. 安灯（Andon）升级：
从“拉绳”到“预测喊人”
场景：工人发现异响但没到停线程度，不拉灯。
做法：声纹+工人停留时长→预测“他正在纠结要不要报”→提前推班长。
效果：微小异常拦截提前 3–5 分钟，避免变成批量。
四、管理层：
人因绩效的 AI 解耦
10. 绩效归因
（别再把设备问题算到人头上）
场景：OEE 低，班组长骂工人慢，其实是来料不良。
做法：将工单工时拆成 设备等待/来料/人效/换型 四类，ML 归因权重。
效果：人效考核误差从 ±20% 收到 ±5%，工人服气。
11. 疲劳与离岗风险预警
场景：夜班玩手机、站立位长时间静止（晕眩前兆）。
做法：工位角相机做头姿/离岗识别，不存脸只存状态。
效果：夜班事故率降 25%，合规上比穿戴手环易推行。
12. 培训路径个性化
做法：MES 记每人错漏类型→推荐他该练哪 3 个动作视频+仿真。
效果：多能工认证周期 90 天→55 天。
一句总括
设备端 AI 解决“机准不准”，人的作业 AI 解决“人为啥这么做、咋让他做对、做错了咋拦住”——后者在离散制造里省下的钱，往往比预测性维护还多。
END
Leantek.cn
微信号 | 精易会智造
官网 | leantek.cn
电话 | 400-690-8780
邮箱 | info@leantek.cn
地址 | 江苏省苏州工业园区裕新路168号脉山龙大厦1号楼402室
