菲特工业智能体部署指南：从调研到上线四步走

项目启动会开得很热闹，第三周就卡住：接口要收费、数据对不上、车间不愿意配合采集。这类卡点几乎都能在调研阶段提前发现，只是当时没人问。

第一步 调研：四个问题问清楚

调研不该只找IT。工艺、设备、质量三方各出一人，坐下把一条线的痛点讲一遍，往往能听出真问题：说的是检测漏检，实际卡在来料波动。人对了，问题才问得准。

第一个问题，痛点能不能落到一个指标上。说不清“哪条线、哪类缺陷、现在多少、想做到多少”，就先别立项。指标不清的项目，验收时一定扯皮。

第二个问题，数据在不在。这类缺陷涉及的数据存在哪几个系统、有没有历史记录、能不能导出，现场看一眼就知道。数据不全，模型再好也学不会。

第三个问题，接口通不通。设备有没有通讯口、仪表有没有模拟量或总线输出、老系统有没有开放接口，这三条决定了工期和预算。

第四个问题，谁授权。预警范围内系统能不能自动停车、自动调参，需要哪个层级签字。这一条不问清，系统上线后只能当看板用。

第二步 准备：四件东西先落地

预算要留一截给采集。相机、光源、网关、主站这些硬件不在软件报价里，却占了不小的比例。采购前把点位清单列全，按点位报价，比按项目打包更容易控制。

标识体系。同一个工件、同一颗电芯在不同系统里叫什么，靠什么字段对上，先做一张对照表。这一步最枯燥，也最省后面的钱。

接口与采集。能走OPC UA的直接读，走不了的上IO-Link主站或加采集模块，需要视觉的先把相机位置和光源定下来。

权限设计。按角色分起步：工艺看参数、质量看判定、管理层看汇总，细则等场景跑起来再收。一开始就做字段级授权，项目会卡在评审。

知识库初始化。把作业指导书、判定标准、历史异常处理记录导进去，让智能体有可查的依据。这一步决定它答得实不实。

第三步 试点：一条线、一个指标、一个季度

试点期间每天留十分钟做数据回标：模型判错的样本，当天标出来，第二天进训练集。这一步做得勤，准确率爬得快；不做，模型三个月还在原地。

场景优先选质量，理由是数据最密、判定标准最硬、账建议算。试点范围收窄到一条产线、一类缺陷，验收指标写成区间：检出率不低于某个值、误报率不高于某个值、人工复检量下降多少。三条同时达标才算过。

试点期间不要急着扩场景。扩展的冲动往往来自参观压力，而不是数据支持。指标没稳住就铺开，后面每个场景都要返工。

第四步 运营：口径、模型、人

口径要有人维护。指标定义会随工艺变化，知识库要定期更新。这个岗位不必专职，但必须指定，否则半年后系统给的数没人敢用。

模型要监控。工况漂移、传感器老化，准确率三个月后往下掉是常态。谁负责盯、多久复核一次、掉了多少算不合格，写进运维条款。

人要跟着换。质检员从看片子转成复核异常，工艺员从翻记录转成定规则，培训要提前排，不要等上线当天。

四步走完再看要不要扩。菲特的建议是由点到线再到面：单点站住，再用计划、采购、设备、品质几条线串起来，最后才收拢成工厂大脑。跳过前面两步直接谈全局，往往在第二年重新立项。

部署这件事，真正决定成败的是第二步那四件枯燥的准备工作。它们不产生演示效果，但决定了系统能不能在第三个月还被人打开。