[{"data":1,"prerenderedAt":165},["ShallowReactive",2],{"blog:detail":3},{"id":4,"title":5,"body":6,"description":137,"extension":145,"meta":146,"navigation":160,"path":161,"seo":162,"stem":163,"__hash__":164},"content/blog/0133-2026-10-20.md","大模型应用覆盖到 41 个工业大类，工厂侧先要补齐的是工单数据",{"type":7,"value":8,"toc":136},"minimal",[9,13,17,20,23,26,29,32,35,38,41,44,47,50,53,56,59,69,77,85,88,92,95,103,111,119,127,130,133],[10,11,12],"h2",{"id":12},"工信部的场景清单",[14,15,16],"p",{},"10 月 14 日至 16 日，2026 人工智能产业大会在济南举行，300 余家国内外 AI 头部企业到场。会上工信部发布\"人工智能赋能新型工业化高价值场景\"，覆盖石化、钢铁、汽车、消费电子等 20 个细分领域、1000 余个场景。",[14,18,19],{},"山东公布的数据更为具体：全省开展行业大模型\"揭榜挂帅\"122 个，实现 41 个工业大类全覆盖；389 个大模型通过第三方测评，遴选发布 100 个重点推广的垂域大模型。",[14,21,22],{},"这几组数字反映出产业节奏的变化：智能体正由定制开发转向批量交付。过去一个场景需要数月沟通，目前供给端先完成能力建设，再由企业选择。",[14,24,25],{},"选择权交到了工厂一侧。但工厂侧的准备工作与供给侧的推进速度并不一致。",[10,27,28],{"id":28},"智能体需要的数据",[14,30,31],{},"一个工业智能体要投入运行，需要三项条件：模型、可调用的工具，以及可读取的现场数据。",[14,33,34],{},"前两项由供给端逐步解决，第三项构成主要制约。",[14,36,37],{},"工厂中的数据大致处于两种状态。",[14,39,40],{},"第一种是可阅读的数据：PDF 格式的工艺文件、扫描归档的检验报告、拍照留存的点检单、分散在共享盘中的 Excel。人员可以打开并理解，机器读取则较为困难。",[14,42,43],{},"第二种是可执行的数据：结构化存储在数据库中、字段含义明确、取值受到约束、能与工单批次对应的记录。这类数据才能被智能体调用，用于判断、比对与触发动作。",[14,45,46],{},"差距即在此处。智能体承担的是工厂的判断工作，而判断依赖结构化事实，不是一批可以翻阅的文档。",[14,48,49],{},"以一个具体场景为例。智能体需要判断某批产品能否放行，它需要知道检验记录中每个点位的实测值、判定标准、复检情况，以及该批产品对应的工单与客户要求。这些信息若分散在四份文档中，智能体只能读取片段；若本来就存在于同一条结构化记录上，判断才具备依据。",[10,51,52],{"id":52},"车间场景的字段需求",[14,54,55],{},"工信部此次发布的场景清单覆盖 20 个细分领域、1000 余个场景。对工厂而言，这份清单更接近一张对照表，用于判断自身哪些环节已具备实施条件；对照时通常会发现，FlashTable 这类表单工具要解决的那一层，正好是大多数场景共同的缺口。",[14,57,58],{},"而在多数情况下，场景的第一道门槛不在算法，而在于该场景需要哪些字段、这些字段目前记录在哪里。",[60,61,62],"article-callout",{},[14,63,64,68],{},[65,66,67],"strong",{},"排产类场景。"," 需要工序级的开工完工时间、不良数量与设备状态。缺少这些记录，排产模型只能依靠经验参数估算。",[60,70,71],{},[14,72,73,76],{},[65,74,75],{},"质量类场景。"," 需要判定过程而非判定结果。仅有合格与否的结论，既无法训练也无法解释；具备实测值、允差与判定依据，才能定位到具体参数的偏移。",[60,78,79],{},[14,80,81,84],{},[65,82,83],{},"设备类场景。"," 需要故障现象与处置措施的对应关系。现象记录在巡检单上、原因记录在维修记录中、措施记录在交接班本上，三者无法对应时，预测性维护难以积累样本。",[14,86,87],{},"这三类场景的共同点在于，所需数据大多由人员在现场填写，而非由设备自动产生。FlashTable 处理的是这一段落差。",[10,89,91],{"id":90},"flashtable-的字段处理","FlashTable 的字段处理",[14,93,94],{},"FlashTable 是一款 AI 驱动的表单开发组件，以组件形态嵌入工厂已有的 MES、QMS、EAM、LIMS 等系统。它站在智能体所需数据的最上游，处理的是现场记录在产生那一刻的形态，也就是让记录从一开始就具备结构。",[60,96,97],{},[14,98,99,102],{},[65,100,101],{},"AI 智能组件匹配。"," 上传一张巡检表后，FlashTable 解析字段语义，\"运行状态\"匹配为枚举下拉，\"实测值\"匹配为数值并绑定范围，\"设备编号\"匹配为关联项。同一字段在全厂只有一种填写方式，智能体读取的样本才具有一致性。",[60,104,105],{},[14,106,107,110],{},[65,108,109],{},"公式计算与自定义函数。"," 允差、阈值与合格率用类似 Excel 的公式表达，计算过程写入记录。质量类场景所需的判定过程，在录入阶段即被保存。",[60,112,113],{},[14,114,115,118],{},[65,116,117],{},"动态行列渲染。"," 检测点位、样品数量、回路编号按需增减，表单数量不随产品型号扩张。",[60,120,121],{},[14,122,123,126],{},[65,124,125],{},"数据直回业务数据库。"," 通过标准 API 写入企业自有数据库，与 MES 工单、设备台账对应。智能体调用时读取的是能够关联业务对象的记录，而非一份孤立的数据表。",[10,128,129],{"id":129},"智能体的使用条件",[14,131,132],{},"场景清单列了一千多个，供给端的智能体也在批量交付，但工厂侧的准备并不同步。智能体要判断一批产品能否放行，需要的是实测值、判定标准、复检情况、工单与客户要求这些同时落在一条记录上的事实，而不是散在四份文档里的片段。排产、质量、设备三类场景看似不同，缺的字段都来自同一个位置：人在现场填写的那部分记录。",[14,134,135],{},"FlashTable 处理的就是这一层。作为 AI 驱动的表单开发组件，它嵌在 MES、QMS、EAM、LIMS 等系统里，把巡检表、检验单搬到线上，字段类型与取值范围在录入时固定，判定过程随记录一起保存，数据写回企业自有数据库。智能体读到的是能关联业务对象的记录，而不是一份需要先清洗的表格。智能体可以采购，这类记录只能自己在车间里长出来。",{"title":137,"searchDepth":138,"depth":138,"links":139},"",2,[140,141,142,143,144],{"id":12,"depth":138,"text":12},{"id":28,"depth":138,"text":28},{"id":52,"depth":138,"text":52},{"id":90,"depth":138,"text":91},{"id":129,"depth":138,"text":129},"md",{"slug":147,"order":148,"date":149,"tag":150,"summary":153,"keywords":154},"industrial-agent-scenario-work-order-data",133,"2026年10月20日",[151,152],"行业热点","应用场景","10 月 14 日至 16 日，2026 人工智能产业大会在济南举行，工信部发布\"人工智能赋能新型工业化高价值场景\"，覆盖石化、钢铁、汽车、消费电子等 20 个细分领域、1000 余个场景。山东公布的数据更为具体：全省开展行业大模型\"揭榜挂帅\"122 个，实现 41 个工业大类全覆盖；389 个大模型通过第三方测评，遴选发布 100 个重点推广的垂域大模型。场景清单已列出千余个，工厂侧的准备未必同步，缺少的通常是可被智能体调用的工单数据。",[155,156,157,158,159],"工业智能体","工业大模型","工单数据","场景清单","FlashTable",true,"/blog/0133-2026-10-20",{"title":5,"description":137},"blog/0133-2026-10-20","VOkGvpV9TgQr2KGar-wq_0_ajDi6JVxXvGsrstln_HU",1794363091253]