痛点:原来怎么干的

这家注塑厂两班倒,40 台注塑机与辅机每天产生约 60 份手写巡检表,全靠 2 名设备员下班后录进 Excel,平均要花 90 分钟。异常描述各写各的,同一个故障换个人就查不到历史处置记录,重复停机每月约 6 次,单次损失产能折合 4000 元,易损件的更换周期也全靠老师傅记。

做法:分几步改

  1. 把纸质巡检表统一成固定字段模板,拍照后由图文识别转成结构化文本,人工只核对表头与读数。
  2. 用大模型按预设规则判断异常等级,温度、振动、漏油超限的自动标为待处理,并抽出设备编号与部位。
  3. 异常项自动生成维修工单草稿,字段含设备、现象、建议工序与备件需求,派发前由设备主管逐条确认。
  4. 工单关闭时把处置过程写进故障知识库,下次同类现象自动带出历史方案,供工程师参考而非直接执行。

效果:改完变成什么样

巡检录入耗时
90 分钟 → 25 分钟
同类故障查历史用时
15 分钟 → 3 分钟
重复停机次数
每月 6 次 → 每月 2 次

可以直接抄的三条

  • 先固定字段再上识别,模板越规整,抽取准确率越高,人工返工越少。
  • AI 只出工单草稿,派发权和停机决定留在主管手里,责任边界才清晰。
  • 涉及安全规程与停机判断的结论,须由持证设备主管复核签署,AI 不替代法定检测。
适用边界:该做法在本案例的规模与工具条件下成立,换到数据量更大、合规要求更严的场景需重新验证。 效果数字为案例方提供或访谈整理的参考值,不构成效果承诺。
广告
案例详情页广告位(正文下方)
阅读完成率高,适合有转化目标的工具方
查看档期与价格 →
来源:社区分享整理(案例方为化名工厂/项目),效果为用户自述参考值
涉及工具:图文识别、大模型 API、RAG 知识库 · 标签:图文识别、异常检测、知识库