大家好，我是成都小火科技公司软件产品经理，当下是2025年11月13日，星期四。前段时间前往德阳的一个机械厂，厂长带领我去参观车间，指很多进口的加工中心说道，这些东西一台得有上千万，如果坏了停止运行一天，损失就足够给全厂发放两个月的工资。半夜个电话是他最为惧怕的，在设备出现报警状况的时候，维修工赶过去之后，所发现的是传感器出现误报的情形。一年之中会出现三百多次这样的无效报警情况，使得人心惶惶。他，就说道，如果能够有样一个系统，能够提前告知哪台设备可能会出现问题，该有多好。算是工业智能体项目里最为常见的开场白了，设备预测性维护，虽然听挺玄乎的，可一旦落地就是实打实的白花花银子了。

当这个客户被我接触的时候，他已经用上了套已经上线的MES系统，不过MES系统仅仅负责执行，却不负责预测。设备数据是有了，就样放在数据库里闲置。他所提出的非常明确的需求是：去打造一个AIAgent，个在24小时里紧紧盯的设备参数，像温度、振动、电流、压力等，一旦出现异常就提前预警，还能够自动生成维修工单并派发给工程师。我的技术主管一听到后，得去运用LSTM来进行时间序列异常检测，再去运用强化学习来开展派单优化，技术栈就确定成用Python加上TensorFlow来进行模型构建，用Java来进行系统集成。可是问题就出现了，工控系统的数据协议是多种多样的，像OPCUA、Modbus、Profibus等，而且每个厂商还都有其自家的小变种。两个工程师被我派去待在车间里，使用协议分析仪进行抓包操作，随后逐一进行解析工作，经过长达两个月的时间之后数据管道才被成功打通。

开发周期整了有六个月，有人就询问起开发周期得要多久。对于这类工业项目，周期是短不了的，因为得去跟生产节奏相跟随。客户边不能停机，我测试只能够趁周末或者夜班去进行，时间就是零零碎碎的。中间需求想要进行调整，可以进行调整，但是得看看生产线的安排。客户在第四个月的时候，声称想要将质量检测也进行集成，以视觉识别来取代人工目测。这样的改动相当不小，我经过评估之后，添加了一个图像识别模块，运用YOLOv8来进行缺陷检测，准确率就达到了94%。为什么不同企业的报价会相差么多？是因为工业智能体并非普通的应用程序，得是既懂PLC又懂工控还懂设备工艺的一类。我公司曾经做过医院一体机系统，里面也有设备监控模块，可是医疗方面的标准，跟工业方面的标准可是两码事。还做过个智慧城市的系统，个数据的量级倒也差不多，不过个数据源却更加稳定。

技术人员方面，我投入了十四位人员，其中有五个算法工程师，三个做嵌入式的，四个Java后端的人员，两个前端的人员。研发人员的占比超过了80%，这里面30%以上是来自互联网大厂的，有从华为出来的，有从西门子出来的，带原厂的经验。成都的小火科技公司作为软件企业单位（证书编号：川IRQ-2025-0052）、高新技术企业（证书编号：GR202451001272）以及成都软件协会理事单位（证书编号：CDSIA-5373），这些资质在投标的时候会成为加分项。云服务器还是线下自主服务器？客户很坚决地要求本地进行部署，数据是不会上外网的，我于是搭建起一套私有云，服务器就放置在他的机房里，防火墙设置成有三层。APP是否能同时适配iOS和安卓？他并没有需要APP，给维修工配备的是工业平板，是安卓系统，还专门为其定制了离线的功能，因为车间里头信号是比较差的。

测试阶段里有一个较为大胆的尝试被我来进行，使用历史故障数据去进行回测，模拟了三百多回次的故障，查看系统是否能够提前两小时进行预警。结果发现出现了漏报两回次的情况，经过检查原来是传感器数据采样频率不够，就从每秒一次改为每秒十次，这使得算力要求有所上升，不过准确率倒是达到了标准。上线的时候如果有bug出现，我会去进行修复？会去进行修复，不过存在一个响应等级，对于影响生产的P0级的bug，我承诺在1小时内就到达现场。

维护费是如何收取的？首年是免费的，而后每年则按照合同额的20%来收取，因为工业系统的维护成本是比较高的，工程师需要去到现场。后期要是想要添加功能还需要额外花钱？是需要的比如说客户要是想要加个能耗优化的模块相关的，属于新算法，重新报了价格。代码的版权归属于客户？归属于客户但是模型训练所使用的基础框架是我所预先训练的，这一部分在合同里得单独去进行约定。

UI能够设计多少个版本？仅仅设计了一版，由于操作工所需要的是简洁，按钮要越大越好，颜色得越醒目越好，这可不是设计师用来炫技的地方。交付质量如何？系统上线之后，成功预警了四次设备故障，避免了可能出现的生产中断，客户算了一笔账，ROI是1比8。像数据大屏监测系统这类可视化要求颇高的项目我做过，而工业智能体却是重于预测与决策、逻辑更为进一层的项目。ISO/IEC27001:2002认证（编号为840251S20185R0SC）我是有的，工业数据安全是不能马虎的红线。

复盘这个项目的时候，最大的障碍是低估了现场环境的复杂性。我的算法在实验室环境里的准确率是98%，可是一到车间，电磁干扰使得传感器数据出现跳变，模型就频繁误报。之后添加了滤波与滑动窗口的内容之后，才得以稳稳地稳住。经验需要补充么一点点，工业智能体可不要去追求一下子就全部到位，先进行单点的突破相关的，比如说先把预测性维护做到一个85%准确率相关的，之后再去扩展别的功能。

重点需要提醒很多想要去应用工业AI的企业，你需要先把自家设备的数据采集做得稳稳当当的，系统就算再智能，也经不起传感器天天就掉线相关的情况。说到底工业智能体是给老师傅配备的一个数字助手，并非是将老师傅换掉。技术能够起到提升效率的作用，可是工艺方面的经验沉淀，还得依靠人。

文章来源网址：https://www.xiaohuokeji.com/archives/xitongkaifa01/2406，转载请注明出处！