行业痛点
插单一多，排产全靠老师傅经验，交期说不准
质检记录靠纸笔，问题追溯慢、口径不一
设备异常发现晚，计划外停机损失大
采购与库存信息分散，缺料和积压同时存在
岗位 AI 化
「转型」指以 AI 员工执行为主、人抽检；「增强」指 AI 起草与提示、人决策定稿。
| 岗位 | 方式 | AI 做什么 / 人保留什么 |
|---|---|---|
| 计划员 / 排产员 | 增强 | AI 起草排产方案与插单影响，计划员定稿 |
| 质检记录员 | 转型 | 拍照 / 语音生成质检记录，AI 自动归类与预警 |
| 设备点检员 | 增强 | AI 汇总传感器与点检数据，异常自动派单 |
| 采购专员 | 增强 | 补货建议、供应商对账由 AI 起草，人审批下单 |
| 统计 / 报表员 | 转型 | 日报周报、产量报表由 AI 自动生成 |
部门 Agent
超级 AI 工作台
演示界面，数字为占位。
各部门 AI 任务完成率（示意）
AI 助手 · 周一经营简报
FDE 行业实践
以下为公开报道中的第三方案例，与上方 BOOK.AI 示例案例无关，供了解行业做法参考。
案例信息整理自公开报道，数据为原文口径，版权归原权利人；BOOK.AI 未参与上述项目。
FDE 强度 强FDE / 用户访谈驱动的共建
“10-15% Reduction in machine ‘wrench time’ … per ticket”
来源：Palantir · 2025 · 服务商发布口径
电池工厂每月数万张维修工单，新老技师能力差距大。
从一线技师访谈出发，设计新老员工都能直观使用的前端界面，在AIP上构建维修辅助应用并迭代。
来源称从用户访谈到车间价值创造“<6 mos.”，每张工单机器维修时间（wrench time）减少10-15%。
先访谈一线、再设计界面：让新老员工都能直接上手，是工具真正被用起来的前提。
查看原文 ↗Panasonic Energy of North America × Palantir AIP Impact Study
FDE 强度 中联合共创（联合研发）
强度预测准确率超85%，年减碳4500余吨
来源：华为 · 2025-04 · 服务商发布口径
水泥生产依赖老师傅经验，质量检测滞后、能耗与碳排压力大。
双方自2024年4月联合研发，梳理出15类200余个场景，把大模型嵌入质量预测、工艺参数优化和安全识别等生产环节。
来源称强度预测准确率超85%，标准煤耗在一级能效基础上再下降1%，年减碳4500余吨，20余类场景识别准确率达95%。
制造业落地先“盘场景”：把生产环节逐一列成场景清单，再由联合团队嵌入产线逐个攻关。
查看原文 ↗海螺集团携手中国建筑材料联合会及华为发布水泥建材行业首个大模型 - 华为
FDE 强度 中集团内服务商嵌入
“设备运维的效率大概提升85％”
来源：湖北省经信厅转载报道 · 2025-06-15 · 政府媒体报道口径
FDE 强度 中联合共创（“联合羚数智能”打造）
物料齐套率“提升幅度超过15%”；“人力成本优化90% 以上”（服务商口径）
来源：羚数智能 · 未标注（2025年前后） · 服务商发布口径
FDE 强度 中联合共创（产学研共同攻关，“平台+引擎+模板”一体化交付）
“缺陷流出率下降80%”；焊装“传统3小时排查压缩至5分钟”（服务商口径）
来源：广域铭岛 · 2025-09-12 · 服务商发布口径
汽车焊装与车身尺寸缺陷排查耗时，紧急插单时排产调度复杂。
服务商牵头联合车企与高校共同攻关多模态数据传输与融合，以12类智能体实时联动排产、仓储、物流、设备、质量。
来源称焊装缺陷排查由3小时压缩至5分钟，缺陷流出率下降80%，排产周期由6小时缩至1小时。
质检与排产是制造业数据最扎实的两类 Agent 场景，适合作为切入点。
查看原文 ↗AI大模型在汽车工业的应用：广域铭岛的创新实践
FDE 强度 弱内部嵌入团队
14个智能体覆盖38个核心场景，首检15分钟→30秒
来源：美的 · 2025 · 企业自述口径
