1. AI 在工厂里真正能做什么
先不谈炒作。在制造业，AI 真正赚钱的地方有四种：看（电脑视觉）、预测（用传感器和生产数据做机器学习）、优化（排程、库存、能源）和理解文字（AI 助理和文件处理）。
| 能力 | 常见用途 | 主要数据来源 |
|---|---|---|
| 看 | 次品检测、标签识别、装配检查、PPE 与安全区域、视觉计数 | 相机 |
| 预测 | 机器故障、品质偏移、需求预测、良率预测 | 传感器、PLC、MES、ERP 历史资料 |
| 优化 | 生产排程、补货点、用电高峰管理、路线规划 | ERP、WMS、电表 |
| 文字 | SOP 助理、客服机器人、发票 / PO 读取、报告草拟 | 文件、电邮、聊天记录 |
2. 第一个项目怎么选
第一个项目决定整个 AI 计划的成败。要选一个痛、常发生、能量化、范围小的问题。每个候选项目按以下几点打 1–5 分：
- 价值：这个问题每年因报废、停机、人工或丢单损失多少钱？
- 频率：每班都发生，还是一季一次？常发生的问题数据多、见效快。
- 可量化：现在有没有清楚的指标（次品 PPM、停机时数、拣货准确率）？
- 数据取得：不用花半年做 IT 项目，就能拿到照片、信号或记录吗？
- 负责人：有没有生产或品质经理真的想解决这个问题？
经验法则：针对一个产品系列做视觉检测，或者对最重要的 5–10 台机器做预测性维护，都是最稳的第一个项目，价值明显，几个星期就能看到结果。
3. 数据准备清单
不需要“大数据”才能开始，需要的是对的数据。开工前检查这几点：
- 问题发生的位置可以安装或使用相机 / 传感器。
- 有好的和坏的样本（例如次品样品、以往的故障记录）。
- 有懂行的人每周花几个小时标注或确认样本。
- 机器有网络，或者可以加装边缘网关。
- 知道 AI 的结果要送到哪个系统（PLC、MES、ERP、WhatsApp、看板）。
- 管理层已经同意成功指标，也知道目前的基准数字。
4. 用财务看得懂的方式算回报
用三个价值来源建立商业案例，而且要保守估算：
- 人力生产力 = 该工作的人工时数 × 每小时成本 × 自动化比例
- 品质 = 报废、返工、退货和索赔成本 × 提早发现的次品比例
- 稼动率 = 非计划停机时数 × 每小时损失 × 减少比例
再扣掉全部成本：硬件、软件授权、系统对接、培训，以及持续支持和模型重新训练。大部分工业 AI 项目的设计目标是 18 个月内回本，好的第一个项目往往更快。可以先用我们的省钱计算器快速估算。
5. 自己做、买现成，还是找伙伴？
| 做法 | 好处 | 坏处 |
|---|---|---|
| 买现成产品 | 部署快、价格固定 | 很少完全符合独特流程；对接有限；容易被供应商绑死 |
| 自己开发 | 完全掌控，知识留在公司 | 很难请到同时懂 AI 和工厂的人；慢；第一个项目风险高 |
| 找专业伙伴 | 方法成熟、见效快、按您的流程定制、传授知识 | 要选一个信得过的伙伴，并写清楚知识产权和数据归属 |
很多工厂会混合使用：先由伙伴做前几个项目，同时培养公司内部的负责团队，之后由他们接手日常运作。
6. 马来西亚的补助与奖励
马来西亚积极鼓励工业 4.0。视公司情况，您可能可以申请 MITI 和 MIDA 的 Industry4WRD 相关计划、MIDA 管理的自动化与数字化奖励，以及 MDEC 的数字化计划。部分州政府和行业公会也有自己的补助。
计划内容、资格和金额经常变动，请直接向相关机构确认最新条件。申请通常需要的技术范围、系统架构和费用明细，我们可以帮您准备。
7. 让 AI 试行失败的五个坑
- 没有业务负责人。只有 IT 部门在推的项目，很难改变车间的做法。
- 没有基准。开始前没量指标，之后就证明不了价值。
- 实验室条件。用完美照片训练的模型，遇到真实的灯光、灰尘和震动就失灵。要在生产线上收集数据。
- 永远停在试行。试行成功了，却没人规划对接、培训和支持。从第一天就要规划正式上线。
- 做完就不管。产品、材料和机器会变。要监控模型表现并定期重新训练。
8. 90 天路线图
| 阶段 | 工作内容 | 交付成果 |
|---|---|---|
| 第 1–14 天 | 实地考察、流程梳理、数据检查、项目评分 | AI 机会地图和商业案例 |
| 第 15–60 天 | 安装相机 / 传感器、收集和标注数据、训练和测试模型 | 可运作的试行系统和指标报告 |
| 第 61–90 天 | 对接 PLC / MES / ERP、培训用户、制定 SOP 和支持 | 第一条生产线正式上线，以及扩展计划 |
由 AI Phantom Star Sdn Bhd 旗下的企业 AI 品牌 AiSolution.my 发布。延伸阅读（英文）：用 AI 提升 VMS 和 WMS、AI 图像分类。