- 博客(300)
- 收藏
- 关注
RSS订阅原创 「制造新解法」AI转型路径规划：从场景地图到价值验证
不画场景地图，凭感觉选场景是路径混乱的根源。第一步是发动各业务口把可想到的AI场景全部提出来，按"业务域 × 痛点强度 × 数据条件"三个轴归类，形成一张完整的场景清单。最尴尬的不是试点没成功，而是说不清"为什么选这个、不选哪个"，复盘只能回到"领导当时想试"。闭环的价值在于把"失败也说得清楚"：哪怕试点终止，复盘时能基于数据而非感受判断"这条路走不通"，本身就是组织资产的积累。在逐米时代梳理的制造新解法中，AI转型路径不清晰，本质是缺少一张覆盖全厂的"场景地图"，加上统一的优先级评分与价值验证机制。
2026-11-04 10:46:23
184
原创 老板想知道哪个产品最赚钱，为什么算不出来
财务给的表是按大类分的，车间报的是产量，仓库管的是库存，采购管的是进价。要算到产品级，需要把领料、报工、能耗、返工这些数据都按产品、按批次、按工序记录。很多企业这些数据是有的，但散在不同系统里，口径也不统一，拼不到一起。能耗、设备折旧、管理费用、返工损失，这些费用怎么分摊到具体产品上，是个难题。如果领料数据能按产品、按批次记录，如果报工数据能按工序、按产品归集，如果能耗和返工能分摊到具体产品上——那成本就能算到产品级。他说他厂里做几十种产品，有的量大，有的量小，有的看着毛利高，有的看着不赚钱。
2026-11-03 14:11:12
177
原创 WorkBuddy智能体搭建实操：文档生成、数据分析与自动流程
覆盖的方向包括三类：文档生成，把重复的报表、说明、纪要类工作交给智能体起草；数据分析，对表格类业务数据做汇总、对比和初步解读；自动流程，把跨系统的重复操作串成可复用的流程。
2026-10-27 09:00:00
128
原创 从试点验证到协同深化：制造业AI转型三年路线图设计方法
麦肯锡基于30多个案例的研究（Rewired 2.0）显示，成功转型的企业可将EBITDA提升约20%，但前提是围绕AI重构业务流程，而非在旧流程上叠加工具。
2026-10-25 08:30:00
216
原创 制造业AI项目投入产出测算：成本构成、基线与验收指标
德勤报告显示，44.4%的企业无法明确核算AI项目的实际投资回报率，60.4%尚未建立体系化的价值衡量框架。算不清账，不是财务能力问题，是测算口径从一开始就不完整。
2026-10-24 10:30:00
229
原创 制造业AI七类应用场景的技术路径与落地条件
德勤2026年9月《决策者视角下的企业AI应用》报告中，“与现有系统集成困难”以56.6%位居部署障碍首位，而场景不清、价值难量化同样是高频问题。
2026-10-21 11:10:34
509
原创 从诊断到行动方案：制造业AI转型落地路径究竟该怎么设计
他们不讲通用方法论，只针对你企业当下的问题：现有业务场景怎么选、数字化基础到什么水平、数据能不能用起来、组织上该谁牵头。我们会和你一起梳理现有的业务场景、数字化基础、数据条件与组织能力，找出那些投入可控、见效明确、团队接得住的第一批场景，而不是罗列一份看起来很全、却落不了地的功能清单。战略规划讲了三个五年，预算表列了十几项，可真正要落地的时候，问题一个接一个冒出来：先做哪个场景？10月29日，成都，专家陪你把企业的问题逐条拆开，把方案一节一节做实。很多企业的AI转型方案，是从一份PPT开始的。
2026-10-19 17:39:05
202
原创 制造业AI落地复盘（一）：为什么大多数项目死在‘第一步‘
本文基于十余个制造业AI项目实操经验，指出多数项目失败根源在于“场景选择错误”而非技术问题。核心症结为：盲目追热门技术、忽视数据基础、低估组织阻力。提出“四维评估法”——数据可得性、痛点强度、见效周期、团队接受度，以筛选可落地场景。推荐排产优化、AI质检、设备预警等90天内可见效的优先场景，并强调需计入人员投入、数据治理与效果衰减成本。建议从单线试点起步，避免全厂铺开，强调AI应融入业务流而非独立系统。最终提醒：选对场景是成功第一步，需兼顾业务、数据、技术与组织四维协同。
2026-10-18 11:30:00
282
原创 制造业研发数字化：工艺参数与经验沉淀的技术解法
如果图纸、BOM、参数、试验记录都有统一的位置和版本，如果每次改动都带审批人、带依据、带时间，如果相似项目能直接调用成熟结构而不是先考古——那前面那些问题，至少能少一半。这五件事做好，研发效率的提升往往比"多买一套软件"更明显——因为它减少的是返工、等待和重复劳动，而不是打字速度。——谁、何时、改了什么、为什么改，都能查。——项目、任务、变更走同一条流程，权限清晰，谁能看到什么、谁能改什么，是规则而不是人情。——图纸、BOM、参数、试验记录都有统一的位置和版本，不依赖某个人电脑上的某个文件夹。
2026-10-14 09:36:53
335
原创 备件需求预测消除缺货积压
第一步是多源需求分析：系统从四个维度分析备件需求——装机量和设备台账（该型号设备在哪些客户有多少台在运行）、各部件基于实际运行数据的故障概率（通过预测性维护的健康度数据得出）、计划维保的备件清单（定期保养和预测性维护需要的备件）以及历史领用的趋势。第二步是供应约束评估：系统评估满足需求所需的供应条件——当前库存和在途采购数量、各备件的供应商交付周期、备件之间的替代关系（备件A缺货时备件B能否替换）。系统还计算每个备件的呆滞风险——库存远超预测需求的备件标记为呆滞风险并建议调拨或减量采购。
2026-10-08 16:32:34
159
原创 交付产品预测性维护升级
第三步是维护窗口智能推荐：系统结合客户的生产计划和设备运行日历，推荐最合适的维护窗口——在客户安排停产检修的时间段或非生产时段安排预测性维护，最大限度地减少对客户产能的影响。预测性维护智能体作为主智能体，负责设备健康状态的持续评估、失效风险预测和维护窗口推荐。售后诊断智能体作为协同智能体，在预测性维护智能体输出健康评估和风险预测结果后，提供具体的维护方案建议和故障知识支持——在设备健康度下降时，售后诊断智能体基于同类设备的维修经验推荐最适合的维护措施和检查项目。维护的时机由设备实际状态决定，而非固定日历。
2026-10-08 16:30:34
182
原创 远程运维诊断减少到场率
第二步是多源故障定位：系统综合分析设备日志中的错误代码、运行参数的异常趋势、历史维修记录和故障知识库中的相似案例，按置信度排序输出可能的故障原因列表。售后诊断智能体作为主智能体，负责设备数据的接入管理、多源故障分析和分步诊断指导的生成。两者的协同是：售后诊断智能体提供数据和流程支持，故障诊断智能体提供核心的诊断推理能力。不必要到场的主要原因是在电话沟通中无法获取设备实时状态和故障现场数据——客户的口头描述往往是"机器不工作了"，缺乏具体的技术信息，诊断需要到场才能做。电话指导的过程中操作和结果都没有留痕。
2026-10-08 16:28:05
228
原创 智能视频监控：从事后回看到实时预警主动防控
系统加载了针对制造业典型场景的行为识别模型：PPE穿戴检测（安全帽、护目镜、防护服、防砸鞋）、危险区域闯入检测（叉车通道、自动化设备运行区、高压电柜区域）、违规作业检测（高处作业未系安全带、动火作业无人监护）、烟火与泄漏检测（火焰、烟雾、液体泄漏扩散）。更关键的是，发现异常后的告警证据回收和处置任务分配没有贯通——看到违规了，截图保存、电话通知、口头描述，整个过程零散低效。EHS安全管控智能体作为主智能体，统管多源感知数据的融合处理、行为识别模型的运算调度、告警分级和处置任务的全生命周期管理。
2026-09-29 09:30:00
167
原创 消防联网监测：设施状态和火情识别双轮驱动快速联动
系统通过IoT网关将分散的消防设施数据统一汇聚到一个平台：火灾报警控制器的每个探测回路的状态、消防水泵的运行/停止/故障信号、消防水池的液位、管网各节点的水压传感器读数、防火卷帘门和防火阀的开启状态。火情确认后，系统按预设的应急预案自动执行联动动作：向指定值守人员和消防责任人推送告警（含报警点位、区域编号、平面图位置）、自动开启报警区域的应急广播和疏散指示、联动消防水泵启动和防火卷帘门关闭。所有的联动动作在系统日志中完整记录——什么时间、谁确认火情、触发了哪些联动动作、每个动作的执行结果。
2026-09-29 09:30:00
372
原创 供应链风险预警与韧性调度
第一环节是多源风险监测：系统持续从多个维度采集风险信号——供应商财务报表变化和经营异常、自然灾害和区域管控对物流路径的影响、关键物料的全球供应格局变化。第二环节是影响评估：当风险信号触发后，系统自动追溯受影响的在途订单和计划订单，评估影响的物料种类、数量和时间跨度。供应商管理智能体作为主智能体，承担风险监测、影响评估和方案推演的核心职能。订单履约智能体和采购协同智能体作为协同智能体，分别在订单调整和替代采购两个维度配合执行——当方案涉及切换替代供应商时，采购协同智能体自动触发生成新的采购需求；
2026-09-23 13:40:32
291
原创 BOM智能构建：全链路一致性自动校验
更深层的问题在于BOM的"隐藏一致性"——物料是否满足环保法规、替代料在当前交期下是否可用、设计层级与制造层级是否对齐——这些维度人工几乎无法逐一核查。第二步，智能推荐物料编码和结构。推荐不是简单的"这个零件最常用"，而是综合考虑了可用性（该物料当前供应商能否交付）、合规性（是否满足RoHS/REACH等法规）和技术匹配度（参数与设计需求的对齐程度）三个因子的综合排序。逐米时代制造新解法的思路是解析产品配置与设计上下文，自动推荐物料和结构，同时对编码、替代关系、合规性和可制造性四个维度进行一致性校验。
2026-09-20 10:24:27
162
原创 数字样机评审：沉浸式协同发现装配问题
数字样机同时作为设计评审和工艺评审的共同底座，避免了传统方式中两份样机信息不一致的问题，评审发现的问题在两个视角下可以统一管理。评审模式支持同步和异步两种方式——重大问题集中讨论时用同步模式，一般性检查可以异步进行，大幅降低专家时间协调的成本。自动检查不是替代人的判断，而是把人从"找问题"中解放出来，聚焦于"判断问题严重性"和"提出解决方案"。基于PLM中的设计数据，自动生成可交互的三维数字样机。逐米时代制造新解法的核心是基于受控版本的数字样机，组织沉浸式协同评审，让空间问题和装配问题在设计阶段前置发现。
2026-09-20 10:23:55
177
原创 专利智能分析：语义检索与聚类全景洞察
理想的输出是：全量专利经过语义聚类缩小至3-5个技术方向，每个方向再筛选出10-15篇核心专利附带分析线索，将专利人员的研判范围从"千级别"压缩到"十级别"。语义模型理解"技术实质"而非"词面意思"——"弹性连接件"和"柔性联接装置"在语义空间中距离很近，而不仅是关键词的包含关系。法务风险提示智能体是主智能体，负责专利检索策略制定、聚类分析和风险线索生成。逐米时代制造新解法的思路是用语义理解替代关键词匹配，实现从"找到包含某词的专利"到"找到涉及某技术方案的专利"的跨越，并通过聚类分析提供竞争全景洞察。
2026-09-20 10:23:18
117
原创 研发知识复用：构建可追溯的决策知识体系
以产品、零部件、参数、失效模式、验证状态为节点，以"适用条件""替代关系""设计依据""验证记录"为边，将分散的知识资产结构化为关联网络。知识图谱的独特价值在于它不只存储知识本身，还存储知识之间的关系——某条试验报告的结论适用于哪些零部件，某次失效分析启发了哪些设计规范修订，某款材料在哪些工况下有验证数据。逐米时代制造新解法的核心是围绕产品、零部件、参数、失效模式和案例五大节点，建立可追溯、可验证的结构化知识关联，让工程师在设计任务上下文中获得精准的知识推荐。100%是底线，不可追溯的知识有风险。
2026-09-18 11:33:48
190
原创 多学科仿真：打破专业壁垒的并行优化
更隐蔽的问题是：顺序模式下各学科各自为战，优化目标常常相互矛盾——结构要增加壁厚，流体要减薄通道，热要增大散热面积——学科间的权衡缺乏全局视角，最终方案往往是各学科妥协的次优解。其计算速度比全精度仿真快数百倍甚至上千倍，可以在设计空间内进行成千上万次探索，快速生成帕累托前沿，使工程师直观看到"在这个设计方案下，性能提升10%对应的重量增加和成本变化"。第二步，编排多学科求解流程。逐米时代制造新解法的核心是改变"串行排队"的工作方式，建立多学科统一仿真管理平台，实现模型共享、并行求解和多目标联合优化。
2026-09-18 11:33:14
188
原创 生成式产品设计：约束驱动的多方案并行探索
约束集包含几何约束、材料约束、性能约束、接口约束和规范约束五大类，每类需附带优先级和可松弛区间。新产品启动时，工程师从模板库中选择相近产品的约束集作为起点，基于差异化需求增删修改，将约束构建时间压缩至纯手工方式的30%以下。生成过程不是随机组合，而是引导搜索——模型依据历史方案的实际性能和仿真反馈动态调整策略，从"大海捞针"转变为"定向捕捞"。与参数化设计不同，核心思路是把客户需求、设计规范、材料库、接口标准和性能目标统一转化为机器可读的约束集，让工业大模型自动生成多套差异化且可编辑的候选方案。
2026-09-18 11:14:10
207
原创 质量分析与改进：如何让根因分析和CAPA闭环不再脱节
缺陷发生了，记录在案，但真正的改进往往卡在两个地方。一是根因分析依赖"开会讨论"，各说各的推断，缺乏数据支撑——"可能是设备问题""可能是参数跑了""可能是来料批次差异"，没有人能拿出具体的数据证据。二是CAPA措施定了但没人跟踪执行，执行了但没人验证效果，上一个CAPA还没关闭又开了新的，积累一堆半成品。根因分析与改进措施之间的脱节让同样的问题反复出现。逐米时代的制造新解法，将根因分析从"经验推断"升级为"数据关联+证据驱动"，将CAPA管理从"纸面记录"升级为"任务编排+效果验证闭环"。核心方法是：自动
2026-09-17 13:54:04
350
原创 全链路质量追溯：如何从供应商到客户双向追溯
数据节点包括：供应商来料批次信息（来料日期、检验结果、关键性能数据）、制程工序数据（工序名称、设备编号、操作人员、关键工艺参数记录）、在线检测数据（各工序检测结果、SPC控制图数据）、成品检验数据（综合判定结果、性能测试报告）、仓储物流数据（入库时间、库位、发运时间、客户信息）。产品出问题后的第一反应永远是"这批影响多少"——这个物料批次用在了哪些产品上、这些产品经过了哪些工序、设备参数当时是什么状态、又是谁操作的——而要回答这几个问题，往往需要跨N个系统翻看日志和数据，不同系统之间的数据链路靠人脑拼接。
2026-09-17 13:53:26
393
原创 实验检测智能管理：LIMS如何让检验任务排程和资质校验自动化
人员资质校验：确认分配的分析师持有该检测方法的操作资质、资质证书在有效期内。系统在接收检测委托时，自动校验必要信息的完整性：委托方信息、样品描述、检测项目、检测标准/方法编号、紧急程度和期望完成时间。系统考虑多个约束条件进行任务排程优化：任务的紧急程度和承诺完成时间、设备和人员的工作日历和已有任务负载、同类检测的批量合并机会（减少设备切换和等待）、样品前处理等准备时间。核心方法是：自动校验委托和样品信息的完整性与有效性，智能匹配有效方法、可用设备和具备资质的分析人员，优化任务排程并向相关人员推送待办。
2026-09-17 13:51:26
455
原创 质量成本智能分析：如何定位高价值改进机会
每个质量成本科目与财务科目和业务事件建立三方映射关系：业务事件（如"产线报废100件产品A"）→质量成本科目（内部损失-报废）→财务科目（生产成本-材料损耗），确保同一事件在三套体系中可追溯。对损失成本进行多维度分析：按产品线（哪些产品损失成本最高）、按缺陷类型（哪些缺陷造成了最大损失）、按工序/设备（哪个环节的损失成本最集中）、按客户（哪些客户的投诉成本最高）。质量追溯智能体作为协同智能体，提供质量损失事件的业务归因（这个报废事件对应的工序、设备、物料批次、根因），让成本数据具备业务上下文。
2026-09-16 13:41:33
198
原创 SPC智能预警：如何让质量波动在失控前被识别
预警分级：黄色预警（出现趋势性异常但未超控制限），橙色预警（出现判异准则但数据仍在控制限内），红色预警（数据超出控制限或连续判异）。计算内容包括：控制限（UCL/LCL的实时更新，反映过程实际波动水平）、过程能力指数（Cp/Cpk的滚动计算，反映过程满足规格要求的能力）、过程性能指数（Pp/Ppk，反映长期过程性能）。SPC不应是"事后统计"，而应是"实时预警"。核心方法是：在线实时计算控制限和过程能力指数，自动识别漂移、周期、连串等异常模式，在控制图失控前发出预警，并关联可疑因素触发复核任务。
2026-09-16 13:40:42
114
原创 客诉与CAPA闭环：如何让客户投诉不再信息反复补录
系统接收客户投诉的原始描述（文字、照片、视频附件），使用NLP技术抽取结构化信息：问题描述（异常表现、发生时间/频次、使用条件）、产品信息（产品型号、序列号/批次号、购买日期）、问题严重程度（影响使用的程度、是否有安全隐患）。结构化后的投诉信息成为全流程的唯一信息源，后续环节不再需要重新描述问题。基于解析出的产品序列号或批次号，系统自动在追溯体系中查询该产品的全链路数据：使用了哪个批次的物料、经过了哪些设备和工序、哪些批次的产品使用了同一批物料、该客户是否有同类投诉历史、同类产品是否有类似缺陷记录。
2026-09-16 11:47:41
202
原创 冷链温湿度监控保证合规
第二步是偏差识别与影响分析：系统持续监测温湿度数据，一旦检测到超出预设阈值的偏差，立即计算偏差持续时间和影响范围——哪些库区、哪些货架、哪些批次的货物受到了影响。第四步是合规证据链：系统自动生成从温度采集到处置闭环的完整记录，包括温度曲线、偏差时间点、影响批次、处置措施和执行人，满足行业GMP和HACCP等合规要求所需的审计追踪。仓配运营智能体作为协同智能体，在偏差事件发生后承担处置执行的角色——它接收能耗优化智能体发出的偏差告警和影响范围分析结果，自动触发生成隔离指令和处置工单，并跟踪至处置闭环。
2026-09-15 10:11:02
167
原创 机器视觉加机械臂替代人工分拣
第二步是动作编排：系统根据识别结果和包裹物理特征（尺寸、重量、易碎性），动态编排输送线传送、机械臂抓取、分流通道分配和码垛动作序列。缺陷检测智能体作为协同智能体，承担视觉识别的核心分析工作——它负责对采集到的包裹图像进行深度学习推理，输出包裹的身份信息、状态信息和目的地信息。两者通过标准化的数据接口协同：厂内物流调度智能体发送"需要识别这个包裹"的请求，缺陷检测智能体返回识别结果后，厂内物流调度智能体继续编排后续动作。分拣是仓储作业中劳动密集度最高的环节之一，传统上依赖人工识别标签、搬运包裹和码垛。
2026-09-14 10:56:08
228
原创 多车共享通道避免拥堵空驶
第一步是任务滚动分配：系统接收生产线的叫料需求和工单变更信息，结合每台AGV的实时位置、电量、载货状态和当前任务，滚动计算最优的任务分配方案。第三步是充电协同：系统根据各AGV的电量、任务优先级和充电桩状态，为AGV安排充电窗口——优先安排低电量和低优先级任务的AGV充电，确保高优先级任务不会因缺电中断。充电协同则根据各AGV电量预测——电量低于30%的AGV优先安排充电，电量在30%-60%之间的AGV在任务间隙穿插充电，确保任何时候可用车辆不少于15台。多车协同规划，虚拟占区和交通管制。
2026-09-14 10:55:24
69
原创 库位与路径随库存动态调整
第一环节是库位动态推荐：系统综合考虑物料物理属性（尺寸、重量、温控要求）、周转频次（基于ABC分类滚动更新）、订单波次预测和设备存取能力，动态推荐入库上架库位。第二环节是拣选路径优化：系统根据订单波次聚合拣选任务，计算最优拣选顺序和行走路径，最小化空走和迂回。第三环节是设备协同编排：对于自动化仓库，系统统一编排堆垛机、穿梭车和输送线的任务序列，执行入库、出库和盘点任务。当仓库中存在多种自动化设备时，设备控制智能体作为协同智能体，负责将仓配运营智能体输出的任务指令翻译为各设备的控制指令并监控执行状态。
2026-09-14 10:53:40
130
原创 安全风险分级管控与隐患闭环：从重复问题中找管理根因
安全风险辨识、隐患排查、整改任务和复查销项在大多数工厂中由不同的表单和记录管理——风险清单在安全科的Excel里、隐患排查记录在检查员的纸质表中、整改任务在微信里通知、复查结果在另一个Excel里。系统将四个来源的安全数据汇聚到一个统一平台：风险辨识数据（各区域的风险点和风险等级）、安全检查记录（日常巡检、专项检查、季节性检查中发现的不符合项）、告警事件数据（视频AI识别到的违规行为、消防报警等）、事故和未遂数据（已发生事故和幸免事件的调查结论）。第二步是风险的动态分级和管控清单管理。
2026-09-11 11:29:30
150
原创 人员定位与SOS：秒级确认受困人员数量和位置
系统将UWB精准定位、人脸/刷卡门禁记录和危险作业许可信息三源融合——有定位标签的员工使用UWB定位，无标签的员工和访客依靠门禁和许可记录推断所在区域，形成覆盖所有人员的位置全景。当发生区域事故——如化学品泄漏、设备爆炸、结构坍塌——应急救援面临的第一道难题就是：危险区域里有几个人、他们是谁、在哪一个具体位置。逐米时代的制造新解法构建了"定位+门禁+许可"三位一体的人员位置全景图，不仅支持日常的安全管理（越界、滞留、区域人数统计），更关键的是在应急场景下能够秒级输出受影响人员清单和精准位置。
2026-09-11 11:28:52
143
原创 工控网络安全：安全与连续性双目标下的精准防护
更棘手的是工控网络的安全处置和IT网络有本质区别：在办公网络中发现可疑连接可以直接阻断，但在工控网络中阻断连接可能同时切断PLC与控制中心的通信，导致生产线意外停机——安全保障与生产连续性之间的失衡决策责任巨大。对识别出的每一条安全威胁，系统在给出处置建议（隔离设备、阻断连接、限制协议、重置账号）的同时，评估该项处置对生产连续性的潜在影响——影响的产线、预计的停机时间、是否在关键交付窗口期。数据治理智能体作为主智能体，负责OT资产的盘点与变更管理、通信行为基线的建立和维护、以及威胁数据的关联分析。
2026-09-11 11:28:14
358
原创 产品数据增值向服务化转型
实施路径分为四个步骤。第一步是数据服务产品设计：基于产品IoT采集的运行数据，设计和定义可订阅的增值服务产品——设备健康报告（向客户定期呈现设备健康状况和风险）、能效优化建议（分析能耗数据和优化空间）、预测性维护服务（从卖备件到卖设备可用时间）和产出效率分析（报告设备的OEE和改进建议）。第二步是商业模式设计：根据服务产品特性设计定价和计费模型——按使用计费（按设备运行小时数收费）、按效果计费（按设备可用率或产出指标收费，未达标退款或补偿）、按保障水平计费（提供不同级别的服务SLA对应不同的价格档位）。
2026-09-11 10:12:25
85
原创 AR加知识库提升一次修复率
第二步是知识情境推送：系统基于识别到的设备型号和故障代码，结合故障知识库自动向现场人员的AR视野中推送相关诊断步骤和操作指导，叠加在设备实物上。第三步是专家标注与指引：远程专家可以在现场人员的AR视野中进行标注和指引——在设备实物上标记需要检查的位置、画出操作的方向箭头、圈出需要更换的部件。描述的过程天然存在信息衰减——现场人员看到的实物和口头表达的不完全一致，远程专家听到的和理解的不完全一致。售后诊断智能体作为主智能体，负责AR远程协同的整体调度——它管理AR会话的建立、专家匹配和设备数据的安全接入。
2026-09-11 10:11:22
91
原创 客户体验管理与服务旅程关联
第一步是NPS自动采集引擎：系统在服务旅程的关键接触点上自动触发NPS调查——报修完成后、备件交付后、维修工单关闭后、回访电话完成后。第二步是服务旅程全景分析：系统将零散的接触点数据串联成完整的服务旅程——客户从"遇到问题→发起报修→客服响应→诊断→维修→解决→回访"的每一个节点的时间、质量和结果都被记录。客户服务智能体作为协同智能体，在投诉或低分事件发生后承担快速响应角色——当回访满意度智能体检测到某个客户给出低分NPS后，自动通知客户服务智能体触发回访流程，在客户负面体验尚未固化前进行挽留和改进。
2026-09-11 10:08:25
142
原创 在线综合质量判定：多维度检测结果如何综合放行
问题是"时间对齐"——外观检测在工序A做完，尺寸测量在工序C，性能测试在工序G，当质量人员拿到三份报告时，需要确认它们对应的是同一件产品还是同一批次。综合判定引擎一次性处理所有维度数据，给出统一的判定结果。确认界面展示所有维度的检测数据汇总和判定依据，质量人员可以钻取查看任一项的原始数据，但不需要重新汇总判断。逐米时代的制造新解法，通过构建产品级检测数据链，实现多维度检测结果的自动汇聚和综合判定。核心方法是：以产品序列号或批次号为纽带，将各工序的检测结果关联到同一产品对象，按产品版本和放行规则综合判定。
2026-08-27 09:47:55
232
原创 来料智能检验：如何让供应商批次和检验标准不再错配
匹配要素包括：抽样标准（如GB/T 2828.1，明确AQL水平和检验水平）、检验项目清单（外观、尺寸、性能、化学成分等每项的检验方法和技术要求）、特殊检验要求（首件条件、客户特殊规范）。判定分为四档：合格入库（所有项目达标）、让步接收（部分非关键项目超差但不影响使用，有历史让步记录支持）、隔离待审（数据异常或边界值，需要质量工程师复查）、退货（关键项目不合格）。第四步，供应商绩效关联。每次来料检验的结果自动关联到供应商绩效档案，更新该供应商在该物料上的质量统计数据（批次合格率、缺陷类型分布、让步频次）。
2026-08-27 09:46:59
196
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人