从问题清晰、数据可用的场景开始

制造 AI 项目不应先从模型名称出发，而应先确认业务问题、判断对象、可用数据和结果使用方式。目标越具体，越容易设计验证方法并判断是否具备推广价值。

四类常见切入点

  • 质量预测：利用工艺与检测数据提前识别质量风险
  • 异常检测：识别偏离正常模式的设备或过程状态
  • 预测性维护：结合状态和历史记录辅助维护决策
  • 工艺优化：分析参数组合与结果之间的关系

模型上线只是运营的开始

生产条件、原料、设备状态和产品组合会持续变化。模型需要版本管理、效果监控、数据漂移检查和再训练机制，才能在真实制造环境中维持可信度。