我的AI工厂
落地指南
从立项到推广：6 步流程
把“做 AI”拆成工程动作，每一步都有交付物，做完才能进下一步。
01 · 立项
算清价值
交付物：一页纸，写清问题、现况指标、目标指标、预计收益、负责人。收益算不出来就不做。
02 · 数据
先能用再谈多
交付物：数据字典 + 采集/标注规范 + 一份 500 条的样本集。先做小样本闭环，别一上来建数据中台。
03 · 基线
用最笨的方法试一遍
交付物：规则或传统算法基线。如果规则能到 80 分，先上规则，AI 只解决剩下的长尾。
04 · 建模
小步迭代
交付物：可复现的训练脚本 + 验证集结果 + 失败样例分析。验证集必须覆盖真实工况。
05 · 集成
进流程才算数
交付物：与 MES/PLC/看板的接口 + 处置 SOP。模型输出要触发动作，否则只是报表。
06 · 验收
拿数据说话
交付物：验收报告（对比上线前后 4 周）+ 复制手册。试点跑通再复制到第二条线。
验收指标怎么写
指标要在立项时写死，避免上线后各说各话。
| 类型 | 示例 | 注意 |
|---|---|---|
| 业务指标 | 漏检率 3% → 0.8%；停机 12h/月 → 4h/月 | 要和财务口径对齐 |
| 模型指标 | 召回 0.95、误报 ≤ 2 次/班 | 单独看准确率没有意义 |
| 工程指标 | 推理延迟 < 200ms、可用率 99% | 决定现场愿不愿意用 |
| 使用指标 | 班次覆盖率、处置闭环率 | 预测“没人用”的最好信号 |
经验：一次只挂 3 个指标——1 个业务、1 个模型、1 个使用。指标多了，等于没有指标。
最常见的五个失败原因
1
场景选错
收益小、数据差、没责任人，做到一半停掉。
2
数据泄漏
训练集和验证集来自同一批订单，线下 99%、线上 60%。
3
不做基线
上线后才发现规则就能解决，白花三个月。
4
不进流程
模型结果没人看，或看了也没法处理。
5
没有监控
工况漂移后指标下滑，没人知道，半年后项目被质疑。