语义底座
一、为什么 Agent 需要统一语义底座
制造现场的问题通常不是一句自然语言本身难理解，而是同一句话在不同工厂、不同产线、不同系统里可能对应完全不同的业务对象和统计口径。
例如“昨天产量”“上个夜班良率”“3 号线瓶颈工位”这类问题，背后都涉及：
- 对象是谁
- 时间范围怎么界定
- 统计口径按什么规则计算
- 结果该落到哪一层级
因此，产线军师的 Agent 需要先建立一层统一语义底座，再进入分析和诊断。
二、什么是 UNS
在产线军师语境下，UNS 更适合理解为 统一语义空间（Unified Namespace / Unified Semantic Space）。
UNS 是一套用于统一解释工厂对象和业务上下文的语义体系，通常包含：
| 语义维度 | 说明 |
|---|---|
| 对象语义 | 订单、产品、工单、产线、工段、工序、工位、设备、人员等对象如何命名与识别 |
| 状态语义 | 运行、停机、报警、换型、待机、异常等状态如何统一表达 |
| 关系语义 | 设备属于哪条线、工位属于哪个工序、报警关联哪类对象 |
| 时间语义 | 自然日、班次日、白班、夜班、绝对时间窗如何对应 |
| 指标语义 | 产量、OEE、良率、节拍、MTBF 等指标如何定义与归属 |
| 层级语义 | 整线、工段、工序、工位、设备之间如何上下钻取 |
三、UNS 是多维语义空间
在工业场景里，UNS 的价值不只是把对象整理成一棵树，更重要的是把工厂组织成一个多维语义空间。
可以从三个维度理解：
| 维度 | 说明 | 典型内容 |
|---|---|---|
| 层级维度 | 对象位于工厂的哪一层 | 企业、工厂、车间、产线、工位、设备、产品 |
| 生命周期 / 价值流维度 | 对象处于哪个业务阶段 | 开发、生产、维护、交付、运维使用 |
| 层次维度 | 信息位于哪类抽象层 | 资产、集成、通信、信息、功能、业务 |
这意味着 UNS 远不止“名字统一一下”，而是要让同一个对象在不同角色、不同系统和不同业务阶段下都能被一致理解。
不同视角为什么重要
同一个工厂对象，在不同视角下关注重点并不相同：
- 生产控制视角 更关注设备状态、节拍、报警和执行过程
- 业务流程视角 更关注订单、质量、交付、协同和责任归属
- 集成视角 更关注数据来源、消息流、接口和系统边界
UNS 的作用，就是让这些视角看到同一个统一语义世界中的不同切面。
四、UNS 解决的核心问题
1. 解决“同词异义”
不同客户对“工序”“工段”“工位”“站点”“机台”可能使用不同叫法。UNS 让这些对象先被映射到一致的业务语义中。
2. 解决“同问不同口径”
“昨天产量”可能是自然日，也可能是班次归属日；“效率”可能是稼动率、性能率，也可能是 OEE。UNS 用统一口径约束后续分析。
3. 解决“跨系统不一致”
同一个设备、产品或工单，可能同时出现在 CMS、LMES、MES 和设备侧系统中。UNS 负责把这些分散标识收敛到同一业务上下文。
五、UNS 在 Agent 执行链路中的作用
在这条链路中，UNS 主要承担四类职责：
- 对象解析：识别用户说的是哪条线、哪个设备、哪个工序
- 时间解析：把“昨天”“上个夜班”“ 本周”转换为明确时间窗
- 关系补全：识别对象之间的上下级、从属和关联关系
- 口径对齐：在进入工具调用前统一指标、维度和粒度
六、为什么可以说 UNS 让工厂第一次“说同一种语言”
很多工厂已经具备数据基础，但普遍存在这些问题：
- 数据分散在不同系统中
- 各系统对同一对象命名不同
- 状态表达和业务语言不一致
- IT 语义和 OT 语义之间存在断层
UNS 的意义，就是把订单、设备、工位、产线、报警、质量、人员、项目等对象收敛到同一个语义空间里，让后续分析、诊断和协同都建立在一致语言之上。
七、UNS 对结果稳定性的意义
UNS 的价值体现在让后续所有能力都运行在同一业务语义上。
| 没有统一语义时 | 建立统一语义后 |
|---|---|
| 同一问题可能走向不同统计口径 | 相同问题在相同场景下更容易得到一致结果 |
| 多系统对象难以对应 | 对象、层级和关系更容易贯通 |
| 用户需要重复解释背景 | 上下文识别与连续分析更稳定 |
| 工具返回结果难以统一汇总 | 结构化结果更容易组合、解释和下钻 |
八、UNS 与术语表、主数据的关系
UNS 并不等于术语表，也不等于主数据，但会复用这两类基础资产：
- 术语表 用于解释名词、缩写和指标定义
- 主数据 用于识别真实对象、编码和层级关系
- UNS 则负责把这些资产组织成 Agent 可持续使用的语义上下文
因此，从产品角度看，UNS 是连接“对象事实”和“对话理解”的中间层。
九、UNS 最直观的意义
从使用者视角看，UNS 的价值最终体现在三个结果上：
- Agent 更容易听懂现场常用表达
- 相同问题在不同会话中更容易保持口径一致
- 对象识别、分析钻取和跨系统解释更稳定
这也是产线军师的 Agent 能够从“会聊天”进一步走向“会分析”的前提之一。