规范业务对象
把物料批次、订单、设备、测试、库存、流转、班次、能源、维护和异常映射到负责人和记录系统。
制造业 AI 实施
制造企业应该怎样把 ERP 和现场数据连接到 AI？
先建立可信信息路径，再增加预测或 Agent。安全和实时工业控制应该留在授权运营系统；AI 只通过明确接口与权限进行解释、预测、建议和发起受控业务流程。
作者 Onyx Devs Lab · 发布 · 更新
可信数据物料、质量、设备、能源和订单
安全隔离AI 不负责 PLC 或安全控制
受控动作读取、建议、批准、执行、验证
建立工业信息边界
ERP、MES、化验、地磅、车辆、能源和 PLC 数据有不同时间、责任和安全后果。
时间与质量语义
保留时间戳、单位、校准、来源设备、采样、迟到、修正、缺失值和谱系，而不是把信号压成一张表。
OT 与安全隔离
使用已经批准的读取路径和工业网关；联锁、紧急处理、确定性控制和安全权限不能交给模型决策。
分阶段引入 AI 权限
系统应该先证明信息质量和操作人员价值，再取得高影响写入权。
读取与解释
从搜索、追溯、看板、异常上下文、班次摘要和基于证据的授权数据问答开始。
预测与建议
用基线、限制、操作员决策和延迟结果验证需求、库存、质量、维护或能源建议。
受控流程动作
已经批准的业务动作需要执行身份、限额、确认、幂等、审计、目标状态验证和回退，并且与安全控制隔离。
怎样分阶段集成 ERP 与 AI
梳理系统与权限
盘点 ERP、MES、PLC、化验、设备、表格、接口、负责人、更新频率、写入路径和安全分类。
建设可信数据层
解决标识、时间、单位、质量规则、谱系、权限、迟到数据、对账和可观测性。
试点一个运营决策
选择具有基线、操作员、证据集、失败后果、建议门槛和复核窗口的有限决策。
不跨越安全边界地发布
逐步扩大用户和动作，验证最终记录，监控漂移和异常，保留人工与确定性降级。
常见问题
AI 应该直接写入 PLC 吗？
不应该负责安全或实时控制。这些决策应该留在已经验证的工业控制和授权人员，只按照风险暴露精心设计接口。
必须先替换 ERP 吗？
通常不需要。非侵入式数据与流程层可以集成支持的 API、副本、事件、导出或网关，同时保留 ERP 作为记录系统。
制造业数据什么时候算 AI 就绪？
对象标识、时间与单位语义、来源谱系、质量状态、权限、对账、代表性历史和负责人都清楚时。