智能制造系统集成，是让业务计划、生产执行和现场监控系统按照共同的数据含义与处理规则协同工作。SCADA、MES与ERP接口能够传送数据，只说明通信链路可用；只有工单、物料、工序和生产结果在各系统中保持可解释的关联，订单下发与实际报工才算完成业务衔接。 工厂常见的集成困难并非没有接口，而是同一条报工被重复计数、工单改版后现场仍按旧版执行，或者发送端显示成功而接收端尚未入账。解决这些问题，...

工业数据治理是围绕生产数据的定义、责任、质量、安全和变更建立共同规则，使不同设备与系统产生的数据能够被正确关联、解释和使用。工厂接入了设备数据，并不意味着数据已经可用：同一个“产量”字段可能分别表示累计计数、当班完成量或检验合格量，直接汇总会得到不同结果。 对已经建设生产看板、质量追溯或工业人工智能应用的团队，治理工作的起点是明确一项业务结果需要哪些可信记录。工业大数据讨论数据的规模、...

工业智能体是围绕工业任务，获取业务信息、选择并调用工具、根据执行结果继续处理的软件系统。当前制造业讨论的AI Agent，很多由大模型参与理解任务和安排步骤，再连接知识库、分析程序与业务系统。它的价值不只是回答“发生了什么”，还包括在明确权限内把信息查询、分析和后续处理连起来。 本文讨论的是这类大模型驱动的工业软件智能体。它不等同于机械臂，也不意味着大模型直接接管设备的实时运动或安全控...

工业数据中台是面向多个工业业务应用，统一组织数据接入、治理、加工和共享服务的一组能力。它把分散在设备、制造执行系统、企业管理系统及工程文件中的数据，整理成含义清楚、质量可检查、权限可控制、能够复用的数据服务。 “中台”不是一套所有工厂都必须照搬的软件清单。它通常要解决的问题是：质量、生产、设备等团队反复取用同一批数据，却分别开发接口、解释编码和计算指标。与其每次重新整理，中台把这些共性...

工业大数据覆盖工业产品与服务从设计、制造到经营、运维等环节产生和使用的数据。它既包括温度、振动等设备信号，也包括图纸、工艺参数、工单、检验结果和维修记录。工信部在2020年发布的工业大数据指导意见解读采用了产品与服务全生命周期的定义，因此不能把工业大数据缩成“传感器上传的一堆数字”。 与常见互联网业务中的用户行为分析相比，工业数据分析通常更需要把结果放回设备、产品和工艺条件中解释。不过...

2D视觉主要从图像的亮度、颜色、纹理和轮廓获取信息；3D视觉进一步获取目标表面的深度或三维坐标。读出零件上的字符、检查印刷缺损，通常需要清楚的2D图像；判断端子是否高低不齐、胶条是否塌陷，则需要能反映几何变化的数据。两者的区别在于测到了什么，而不是“二维只能看平面、三维一定更精准”。 2D与3D提供不同类型的信息。高度图中的伪彩用于表示几何变化，不是工件的真实颜色。 在工业检测中，成...

中国工业软件产业正在扩大应用、积累专用技术成果，但产品收入增长与复杂工业场景中的可用性，需要分别判断。前者反映产业经营活动，后者取决于底层算法、工业知识、工程验证以及软件之间能否可靠协同。 截至2026年10月27日，本文核实并采用的工信部统计显示，2026年1—8月工业软件产品收入同比增长8.3%。同年9月，工信部在新闻发布会上肯定我国基础软件和工业软件底层能力的进步，同时指出核心技...

RAG是检索增强生成（Retrieval-Augmented Generation）：系统先从外部文档或数据源中查找与问题有关的内容，再把这些内容连同问题交给大模型，生成有资料依据的答案。在工业知识库中，它可以把设备手册、检验规范、作业指导书和维修记录接入问答，而不只依靠模型训练时记住的知识。 RAG是一种应用方式，不是某款大模型，也不等于向量数据库。它是工业大模型接入企业知识的一条路...

工业软件是支撑产品研发、制造运行和工业企业管理的软件。按主要工作任务，可以把常见应用分为三大类：研发设计类帮助定义产品、分析性能和准备制造工艺；生产控制类帮助监视过程、控制设备并组织车间执行；经营管理类处理订单、采购、库存、资源计划和财务等业务。CAD、CAE、CAM、SCADA、MES、ERP等名称，描述的正是其中不同的职责。 这是一种理解常见应用的分类方式，各类之间有交叉，也不能覆...

工业数据采集，是从设备、控制系统和传感器取得生产数据，并保留其对象、时间、质量与业务含义，使其能够用于监测、统计和追溯。实施通常沿着一条链路展开：先定义要回答的业务问题和点位，再核对数据来源与通信接口，安排采样、传输和缓存，最后完成语义关联与试点验收。设备能连通、平台能显示数值，只完成了其中一部分。 例如，产线希望知道“这班完成了多少件、停了多久”，就需要确认完成计数的触发条件、设备状...

AI质检可以替代一部分重复性目视检查，例如在固定工位识别表面划伤、装配缺件或印字异常。能否进一步减少人工，要看它是否在实际产线条件下稳定完成检测，并把不确定结果、漏检追踪和异常处置交给明确的流程。一个模型“看对了图片”，还不等于这个工位已经能够独立放行产品。 这里讨论的是制造现场的AI视觉质检：利用图像判断产品外观或可见装配状态。质量部门还要处理性能试验、质量标准、原因分析和批次处置，...

CAD、CAE、CAM分别是计算机辅助设计（Computer-Aided Design）、计算机辅助工程（Computer-Aided Engineering）和计算机辅助制造（Computer-Aided Manufacturing）。CAD定义产品的形状与设计要求，CAE分析产品在设定条件下的性能，CAM规划怎样制造，并为相应设备生成加工指令。 三者可以是不同软件，也可以集成在同一...

工业大模型可以在研发中辅助技术检索和代码编写，在生产中查询工单与解释异常，在质检中整理检测结果和追溯批次，在运维中结合告警、手册与历史记录提出排查建议。它适合参与跨资料、跨系统的信息处理，但实际检测、专业计算和设备动作仍要由相应系统及业务流程完成。 这里重点讨论以语言理解、知识检索和工具调用为核心的应用。工业大模型与视觉模型、预测模型的关系，可参阅工业大模型的定义与应用方式。看具体场景时...

工业边缘计算是在设备、产线或工厂附近部署计算与存储能力，就近处理工业现场数据的一种计算方式。边缘节点可以先完成数据整理、状态分析或图像判断，再把需要汇总的结果传给云平台。边缘与云的分工，取决于任务需要多快得到结果、能否等待网络，以及是否需要多台设备和多个工厂的数据。 靠近现场的处理与集中分析相互配合，具体分工由任务要求决定。 “边缘”在哪里，和一台普通网关有什么区别 边缘是相对于数据来...

机器视觉是利用光学成像和计算处理，让设备获取物体信息并完成识别、测量、检测或定位的技术。在产线上，它不仅要拍到工件，还要把图像中的特征转成可执行的结果：零件有没有漏装、尺寸是否超差、条码是否匹配，以及机器人下一次应抓向哪里。 机器视觉把成像、判断与产线动作连接起来。概念示意。 一套机器视觉系统通常包括光源、镜头、相机、图像处理单元和控制接口。它可以采用传统图像算法，也可以引入深度学习；是...