Manufacturing（制造业）

知识库位置：FDE Knowledge Base/08 Industries/01-Manufacturing.md

Industry Metadata（行业元数据）

Industry ID: IND-001

Industry（行业）:
Manufacturing（制造业）

Primary Value Drivers（主要价值驱动）:
Throughput（产量）
Quality（质量）
Asset Availability（设备可用性）
Cost（成本）

Data Sensitivity（数据敏感度）:
Medium to High（中到高）

Typical Integration Complexity（典型集成复杂度）:
High（高，OT/IT 边界）

AI Opportunity Level（AI 机会等级）:
High（高）

Human Oversight Requirement（人工监督要求）:
High for production control（生产控制必须人工监督）

Status: Core
Version: v0.1

1. Industry Overview（行业概览）

制造业的核心是：

将原材料、零部件、设备、人力和生产工艺组合起来，稳定、高效地生产符合质量要求的产品。

典型企业包括：

Automotive（汽车）
Electronics（电子）
Semiconductor（半导体）
Machinery（机械）
Chemicals（化工）
Food Manufacturing（食品制造）
Industrial Equipment（工业设备）

2. Business Model（商业模式）

制造企业通常关注：

Revenue（收入）
-
Raw Materials（原材料）
-
Labor（人力）
-
Equipment（设备）
-
Energy（能源）
-
Quality Loss（质量损失）
-
Downtime（停机）
=
Margin（利润）

因此核心价值通常来自：

提高产量
减少停机
提高质量
减少报废
降低库存
优化维护
降低能源成本

3. Value Chain（价值链）

典型制造价值链：

Demand Planning（需求计划）
↓
Procurement（采购）
↓
Material Supply（物料供应）
↓
Production Planning（生产计划）
↓
Manufacturing（制造）
↓
Quality Control（质量控制）
↓
Warehousing（仓储）
↓
Distribution（分销）
↓
After-sales（售后）

4. Key Business Functions（关键业务职能）

常见部门：

Production（生产）
Maintenance（维护）
Quality（质量）
Supply Chain（供应链）
Procurement（采购）
Planning（计划）
Engineering（工程）
Operations（运营）
Warehouse（仓储）
EHS（Environment, Health and Safety，环境健康安全）
Finance（财务）

5. Core Business Processes（核心业务流程）

Production（生产）

Production Order（生产订单）
↓
Material Preparation（物料准备）
↓
Machine Setup（设备调试）
↓
Production（生产）
↓
Quality Check（质量检验）
↓
Finished Goods（成品）

Maintenance（维护）

Equipment Issue（设备异常）
↓
Detection（发现）
↓
Work Order（维修工单）
↓
Diagnosis（诊断）
↓
Repair（维修）
↓
Return to Service（恢复运行）

Quality（质量）

Production（生产）
↓
Inspection（检验）
↓
Defect Detection（缺陷检测）
↓
Root Cause（根本原因）
↓
Corrective Action（纠正措施）

6. Enterprise Systems（企业系统）

FDE 常见：

ERP（企业资源计划）

负责：

Orders（订单）
Inventory（库存）
Procurement（采购）
Finance（财务）

MES（制造执行系统）

Manufacturing Execution System。

负责：

Production Order（生产订单）
Work Center（工作中心）
Shop Floor Execution（车间执行）
Production Tracking（生产跟踪）

SCADA（数据采集与监控系统）

负责：

Machine Monitoring（设备监视）
Industrial Control（工业控制）
Sensor Data（传感器数据）

CMMS / EAM（维护管理系统/企业资产管理）

负责：

Maintenance（维护）
Work Order（维修工单）
Asset Management（资产管理）

QMS（质量管理系统）

Quality Management System。

负责：

Quality Inspection（质量检验）
Non-conformance（不合格品）
CAPA（Corrective and Preventive Action，纠正与预防措施）

Historian（工业历史数据库）

保存工业时间序列数据。

7. Important Data（重要数据）

常见：

Production Orders（生产订单）
Machine State（设备状态）
Sensor Data（传感器数据）
Downtime（停机记录）
Quality Inspection（质量检验）
Maintenance History（维修历史）
Work Orders（维修工单）
Inventory（库存）
Material Lot（物料批次）
Operator Logs（操作员日志）
Energy Usage（能耗）

8. Business Metrics（业务指标）

OEE（设备综合效率）

Overall Equipment Effectiveness。

通常包含：

Availability（可用率）
×
Performance（性能率）
×
Quality（质量率）

Downtime（停机时间）

设备停机时间。

Yield（良率）

合格产出率。

Scrap Rate（报废率）

报废率。

Cycle Time（周期时间）

单位生产周期。

MTBF（平均故障间隔）

Mean Time Between Failures。

MTTR（平均修复时间）

Mean Time to Repair。

9. Common Pain Points（常见痛点）

非计划停机
维修依赖专家经验
设备数据孤岛
质量缺陷发现太晚
供应链预测不准
生产计划频繁变化
一线员工获取 SOP（Standard Operating Procedure，标准作业程序）困难
工厂系统之间无法集成
老旧设备没有现代 API（应用程序编程接口）

10. AI / Data Use Cases（AI/数据用例）

Predictive Maintenance（预测性维护）

预测设备风险。

Quality Inspection（质量检测）

视觉或数据检测缺陷。

Production Copilot（生产副手）

帮助操作员查询：

SOP（标准作业程序）
Alarm（报警）
Troubleshooting（故障排查）

Root Cause Analysis（根本原因分析）

辅助分析：

Machine（设备）
+
Material（物料）
+
Operator（操作员）
+
Process（工艺）

与质量问题关系。

Production Optimization（生产优化）

优化：

Scheduling（排产）
Throughput（吞吐量）
Setup（换型）

Industrial Knowledge Assistant（工业知识助手）

利用：

Maintenance Manuals（维修手册）
SOP
Service Notes（服务记录）

11. Reference Architectures（参考架构）

主要关联：

12. Integration Landscape（集成全景）

典型：

ERP
↕
MES
↕
SCADA / Historian（数据采集监控/历史数据库）
↕
Machines（设备）

另有：

CMMS（维护管理）
QMS（质量管理）
Warehouse（仓储）
Data Platform（数据平台）

制造业常见难题：

OT（Operational Technology，运营技术）与 IT（信息技术）的边界。

OT 环境通常比普通 IT 系统：

更敏感
生命周期更长
网络限制更多
不能随意重启或升级

13. Security Considerations（安全考量）

特别关注：

工厂网络隔离
Production Safety（生产安全）
Industrial Control（工业控制）
Vendor Access（供应商访问）
On-premise（本地部署）
Device Identity（设备身份）
Remote Access（远程访问）

FDE 不应轻易让实验性 AI 直接控制生产设备。

14. Discovery Questions（调研问题）

业务：

哪个生产问题成本最高？
一小时停机损失多少？
哪些设备最关键？
最大质量损失来自哪里？

数据：

Sensor（传感器）数据保存多久？
Maintenance History（维修历史）质量如何？
Equipment ID（设备编号）是否统一？

系统：

MES 是什么？
Historian 是什么？
是否有 OPC / API / Database Access（工业协议/接口/数据库访问）？

运营：

工厂能接受多少系统延迟？
系统失效时是否影响 Production？

15. Warning Signals（警示信号）

「我们有很多传感器数据，所以一定能做 Predictive Maintenance。」

不一定。

必须确认：

Failure Labels（故障标注）
Maintenance Records（维修记录）
Sufficient History（足够历史）
Predictive Signal（可预测信号）

「必须毫秒实时。」

先验证业务需求。

16. Common Failure Modes（常见失败模式）

Sensor Data 很多但没有 Label（标注）
Machine ID 无法跨系统对应
Maintenance Record 质量差
IT 与 OT 团队没有共同 Owner（责任人）
直接试图覆盖整个工厂
模型指标很好但无法改变维护流程

17. Sample Scenario（客户情景示例）

Problem（问题）:
Critical machines frequently stop unexpectedly.（关键设备频繁意外停机。）

Target（目标）:
Reduce unplanned downtime.（减少非计划停机。）

Architecture（架构）:
Sensor Data（传感器数据）
→ Data Pipeline（数据管道）
→ Prediction（预测）
→ Maintenance Workbench（维护工作台）
→ Technician Review（技师复核）

CS-004 Manufacturing Predictive Maintenance（制造业预测性维护）