常见问题
1. 产线军师到底是什么产品？
产线军师是一套面向制造现场的 AI 推理决策系统。
产线军师围绕工艺、设备、参数、指标和异常形成可执行的运行判断，帮助现场更快拿到改善结果。
2. 产线军师和传统 BI 有什么不同？
传统 BI 更擅长固定看板和报表展示；产线军师更强调：
- 围绕现场问题形成运行判断
- 组织规则、知识、案例和模型做协同推理
- 输出建议动作、优先级和依据
- 跟踪建议采纳和结果改善
一句话说，传统 BI 更偏“看见”，产线军师更偏“拿结果”。
3. 产线军师和通用 AI / 通用 Copilot 有什么不同？
通用 AI 更适合查资料、做总结、回答通用问题和提升个人效率。
产线军师专门解决的是制造现场问题，例如：
- 看懂工序
- 看懂设备
- 看懂参数变化
- 看懂指标波动
- 看懂异常影响
产线军师会输出：
- 调整方向
- 排查优先级
- 优化建议
- 处理动作
- 结果依据
4. 产线军师会替代 MES / LMES / CMS 吗？
产线军师作为运行推理和决策支撑层，与现有系统协同工作。
现有系统负责沉淀业务流程和事实数据，产线军师负责把这些数据进一步组织成更接近现场动作的判断和建议。
5. 产线军师最适合解决哪些问题？
当前最适合的，是三类高价值场景：
- 工艺优化：新规格上线更快调稳，参数怎么设、曲线怎么调、配方怎么选
- 运营效率优化：产量、单耗、节拍为什么变差，先优化哪个环节最有效
- 设备效率优化：运行波动怎么看，报警先查哪里，哪些设备应该提前干预
6. 产线军师可以给出行动建议吗？
可以。产线军师会给出：
- 候选原因
- 优先级判断
- 建议动作
- 主要依据
- 适用条件和置信提示
7. 产线军师会不会直接替工程师做决策？
产线军师帮助工程师更快形成判断，并支持工程师完成最终确认与执行。
通常的协同方式是：
- 系统负责组织数据、知识、案例和推理链路
- 系统负责输出建议动作和依据
- 工程师负责判断是否采纳、如何执行以及验证结果
8. 产线军师的 AI 结果怎么保证更准确？
准确性来自一条可验证、可追溯、可反馈的分析链路，包括：
- 先把问题结构化
- 先做任务拆解，再做工具调用
- 走受控 MCP 查询，保持分析口径一致
- 基于证据生成结果，提升可解释性
- 记录采纳与结果，持续校准规则和推荐逻辑
一句话说，准确性来自“问得准、查得对、证据足、能校验、会反馈”。
9. 为什么有时候系统会先反问几个问题？
因为制造现场中的同一句话，可能对应不同对象、时间口径或分析粒度。
例如：
- 你说的是整线、工序还是设备
- 你说的“昨天”是自然日还是班次日
- 你要看汇总结果，还是看拆分结构
先把问题问准，后面才可能答准。
10. 产线军师支持哪些数据来源？
常见包括：
- 设备实时数据
- 控制与工艺数据
- 质量与检测数据
- 能耗与资源数据
- 运维与维修数据
- 业务与计划数据
- 文档、案例、规则和复盘知识
实际接入范围按项目边界确认。
11. 一定要有 LMES 才能用产线军师吗？
不一定。是否能落地，关键不在于必须有某一个系统，而在于现场是否已经具备：
- 基础对象映射
- 核心指标口径
- 关键事件和参数数据
- 可用的知识和经验材料
12. 产线军师支持私有化部署吗？
支持。对于制造场景，私有化与内网部署是常见模式。
同时也支持：
- 受控模型接入
- 数据不出域
- 角色与业务域隔离
- 审计和治理
13. 为什么客户会愿意为产线军师买单？
客户购买的是更稳的生产结果和更清楚的 ROI。
最直接的收益通常体现在：
- 新规格上线更快调稳
- 运行波动和设备风险更早识别
- 减少对少数专家的依赖
- 更稳改善产量、节拍、OEE、单耗和设备表现
14. 产线军师的价值更多体现在什么地方？
主要体现在四类直接价值：
- 人效提升与专家能力复用
- 指标稳定改善
- 异常与损失降低
- 经验复制与组织复利
15. 产线军师为什么会越用越强？
因为产线军师会持续学习并持续积累：
- 哪些问题最值得优先处理
- 哪些参数调整更有效
- 哪些建议被采纳
- 哪些动作真正带来了结果改善
随着使用深入，系统会越来越贴合具体产线、工序和工况。
16. 什么样的问题不适合交给产线军师？
以下场景不属于产线军师的标准职责：
- 毫秒级底层控制
- 安全联锁和安全停机逻辑
- 高风险场景下绕过人工确认直接执行动作
这些能力仍然应由 PLC、DCS、设备控制器或经过验证的安全系统承担。
17. 产线军师会不会让 Agent 直接任意访问所有底层数据？
产线军师在授权范围和治理边界内完成分析，通过：
- 工具白名单
- 参数约束
- 权限控制
- 结果追溯
- 日志审计
来降低误用和越权风险。