Machine Blue Book / 制造技术 / 面向制造业的工业AI
目录背景：MBB将AI视为贯穿制造全流程的技术，而非一种机床类别。它通过数控系统、传感器、检测系统、自动化、维护证据和市场情报与目录相关联。
工业 AI 能赢得信任的地方
常见用例包括外观检测、异常检测、预测性维护、工艺窗口监控、刀具寿命支持、报价辅助、排产、文档信息提取和需求情报。在选定模型之前，业务论证应写明决策内容、基线、错误代价、响应时间和人工负责人。
在选择模型之前先做好数据准备
梳理源系统、时间戳、标识符、采样、缺失数据、标签质量，以及计划产量与实际产量之间的差异。避免在结果泄漏数据或模型运行时并不存在的数据上训练。保留机床、零件、版本、刀具、班次和质量上下文，以便报警可以被调查。
人工监督与运行边界
明确谁可以接受、否决或上报某项输出；不确定性如何呈现；数据源中断时如何处理；以及哪些决策仍被禁止。影响重大的建议需要可追溯的输入、版本管理、监控和回退路径。
衡量生产价值
与真实基线进行比较：误判合格与误判不合格、非计划停机、平均修复时间、排产达成率、报价时间、良率、废品率或转化率。试点结果应将模型准确率与工作流程的采用情况，以及其他工艺改进带来的变化区分开来。
制造商常问的问题
工业 AI 就是对传感器数据做机器学习吗？
不是。工业 AI 可以包括视觉、语言、优化和规则，但价值来自受控的决策工作流。
AI能取代检验吗？
它可以使检验自动化或分出优先级，但验收方法仍必须满足图纸、合同、质量体系和客户要求。
第一份治理文件是什么？
一页纸的用例记录，写明决策内容、负责人、数据、限制条件、绩效指标、升级路径和回退路径。
主要来源与延伸阅读
MBB 使用这些来源提供一般性的工艺和安全背景。链接不代表认可、关联，也不能替代制造商的最新文档。
译自英文参考版本。如版本之间存在差异，以英文版为准。 英文版