工业智能体能干什么：从设备故障问答说起
设备突然停机，屏幕上跳出一个报警代码。维修工的第一反应通常是翻手册、打电话问老师傅，或者去找上次修这台设备的人。手册在柜子里，老师傅在另一个车间，上次的维修记录躺在系统某张表里没人翻。
“工业智能体”要解决的，首先就是这类问题：把散在各处的设备知识和历史数据接起来，让一线人员用一句话问到答案，并且答案有据可查。这篇从设备故障问答这个场景说起，讲清楚工业智能体到底能干什么、不能干什么，以及工厂上线前要准备什么。
一、一个故障问答，背后要接哪些数据
维修工问：“2 号线灌装机报 E23，上个月是不是也出过？当时怎么修的？”要答好这句话，智能体至少要能拿到下面五类数据：
| 数据 | 在哪 | 回答时起什么作用 | 缺了会怎样 |
|---|---|---|---|
| 设备台账 | MES / 设备管理模块 | 确认“2 号线灌装机”是哪一台、什么型号、归属哪个工作中心 | 连问的是哪台设备都对不上 |
| 故障记录 | 设备管理 / 报修记录 | 查同一设备、同类现象的历史故障 | 只能给通用建议，不知道这台设备自己的毛病 |
| 维修工单 | 维修管理 | 当时谁修的、换了什么件、用了多久 | 知道出过故障，不知道怎么解决的 |
| 设备手册、作业指导书 | 纸质或电子文档 | 报警代码含义、厂家给的排查步骤 | 回答没有依据，容易说错 |
| 实时点位 | 设备数采 / PLC | 当前温度、压力、运行状态 | 只能根据描述推测，看不到设备现在的样子 |
前四类是“历史和知识”，第五类是“现在”。多数工厂的第一步不必五类全接，台账、故障记录和手册先接上，就能回答大部分“以前怎么处理的”问题；实时点位要等设备数据采集做到位后再接。
这里的前提是：这些数据得先存在，而且是结构化地存在。故障记录只写“坏了，已修好”，智能体也总结不出东西。
二、智能体和聊天机器人、知识库检索差在哪
很多人第一次接触时会问：这不就是把手册喂给一个聊天软件吗？区别在于能不能查系统里的真实数据、能不能动手做事。
| 通用聊天机器人 | 知识库检索问答 | 工业智能体 | |
|---|---|---|---|
| 知识来源 | 模型训练时学到的公开知识 | 工厂上传的手册、文档 | 文档 + MES、设备、质量等业务系统数据 |
| 能回答“这台设备上次怎么修的”吗 | 不能 | 只有写进文档的才能 | 能，直接查故障记录和维修工单 |
| 数字从哪来 | 可能自己编 | 文档里写的 | 从数据库查出来，模型只负责组织语言 |
| 能不能做事 | 不能 | 不能 | 能调用接口：查数据、生成报表 |
| 答案能不能核对 | 难 | 能看到引用了哪段文档 | 能看到引用的文档和查询到的记录 |
工业智能体的工作方式大致是三步：先判断用户问的是什么事、涉及哪台设备哪段时间；再去对应的系统里取真实数据；最后把数据交给大模型组织成回答。模型在这里的角色是“理解问题 + 把数据说成话”，不是“凭记忆回答”。数字照数据库里的来，是这类系统能不能在车间用下去的分界线。
三、除了故障问答，它还能做哪几类事
故障问答是入口，接上 MES 数据之后，同一套机制能延伸出几类用途：
- 设备故障辅助诊断：结合这台设备的历史故障和工人描述的现象，列出可能原因和排查顺序，并附上类似故障当时的处理记录。
- 问数：车间主任问“这周哪个工作中心报工量掉得多”，智能体去 MES 取报工数据按天、按工作中心汇总后回答，不用等人导表。
- 生成日报：把当日报工、异常记录汇总成一段可读的生产日报、质检日报，数字取自系统，模型只负责写成文字。
- 质量异常归类：把一段时间的异常记录按现象、工序、人员归类，帮质量人员找出集中在哪几处，给出排查方向。
这几类事有一个共同点：都是“查数据 + 整理 + 给建议”，决定和执行仍然由人来做。哪些车间环节值得先上、哪些不值得，要按各厂的数据基础和痛点来排，后续单独写一篇。
四、做不到的，和不该让它做的
说清楚边界，比列能力更重要。以下几件事，要么目前做不好，要么即使做得到也不该交给它：
- 直接控制设备：启停设备、修改工艺参数、复位联锁，一律不交给智能体。它可以建议“检查某个参数是否偏高”，但写入 PLC、改设定值必须由有权限的人在原有控制系统上操作。
- 没有数据的判断：设备没接数采、故障记录没留，它就只能根据描述推测。这时候的回答要明确标注“无历史数据，以下为通用排查思路”，而不是说得像查过一样。
- 安全相关的放行决定：能不能带电作业、设备能不能恢复生产、批次能不能放行，按原有制度由责任人签字，智能体的输出只作参考。
- 自己产生数字：良率、产量、停机时长这类数字只能从系统里查，不能让模型估算。设计时就要把“数字来源”和“文字生成”分开。
- 替代点检和保养计划：它能提醒、能汇总，但点检该做还得做，数据是点检人员录进去的。
一句话：让它当查资料、写报告的助手，不让它当拍板和动手的人。
五、上线前要准备什么
智能体本身的开发量不一定大，时间多花在数据和规则上。上线前建议把这几件事理清：
- 数据先落地：设备台账统一编码，故障记录至少要有“设备、时间、现象、原因、处理措施”几个字段；如果这些还在纸上或微信群里，先把MES或设备管理模块用起来。
- 文档先整理：手册、作业指导书收集成电子版，过期版本清掉，同一设备只留现行版本。
- 划定范围：一期只做一两个场景，比如“设备故障问答 + 生产日报”，明确它能查哪些表、不能查哪些表。
- 权限对齐：建议上线时把智能体查数据用的权限和提问人的系统权限对齐，并在试运行前实测，避免操作工通过问答看到本不该看到的成本、人员数据。
- 部署方式：数据能不能出厂、模型放在本地还是调用外部服务，要和 IT、保密负责人先定下来。
- 有人负责：指定一位懂设备的人负责审核回答、补充知识，没有人维护的知识库很快就会过时。
六、怎么验收效果
验收不看演示时答得多流畅，看在真实问题上靠不靠得住。可以这样做：
- 准备一套题库：从近期真实的报修、报工问题里挑几十道题，由设备和生产负责人写好标准答案。
- 核对数字：凡是回答里出现的次数、时长、产量，逐条和系统报表对一遍，数字对不上的算不合格。
- 核对出处：回答引用了哪份手册哪一节、哪条故障记录，点开要能看到原文。
- 测拒答：问它系统里没有的数据、问它越权的内容，看它会不会老实说“查不到”或“无权限”，而不是编一个答案。
- 看一线用不用：试运行一段时间后，看维修工、班组长是否在主动用，问得多的是哪几类问题，答不上来的记下来补数据。
题库和数字核对是底线，过不了这两关的，不建议推给一线。
上海问源信息科技有限公司为制造企业提供MES 生产管理系统与设备数据采集的实施。问源 MES 内置设备故障问答、故障辅助诊断、生产日报、质量分析等智能助手能力，回答中的数字取自系统、知识带出处。想评估自己工厂的数据能不能支撑这类应用的，可以把设备台账和故障记录的现状发给我们，一起看从哪个场景起步。
常见问题
- 工业智能体和 MES 是什么关系？
- MES 负责记录和管理生产数据，智能体负责把这些数据“问得出来、说得明白”。没有 MES 或设备管理里的结构化数据，智能体只能回答手册里写的内容。
- 它的回答会不会编造？
- 纯靠模型回答会有这个风险。做法是让数字只从数据库取、知识只从指定文档取，回答带出处，再用题库验收；查不到时要求它明确说查不到。
- 小工厂有没有必要上？
- 先看数据基础。设备台账、故障记录都还没系统化的，先把基础数据管起来更实际；数据已经在系统里、但查起来费劲的，可以从一个故障问答场景开始试。
