制造业 × 工业互联网 × AI：智能制造实战

1
# OEE = 可用性 × 性能 × 质量
2
# 这是衡量一台设备/一条产线效率的最核心指标
3

4
# 假设这是某台注塑机一个班次的生产记录
5
data = {
6
    '计划运行时间_分钟': 480,     # 8小时
7
    '故障停机_分钟': 35,          # 修设备花了35分钟
8
    '换模_分钟': 25,              # 换模具花了25分钟
9
    '实际产量_件': 850,
10
    '理论节拍_秒每件': 30,        # 理论上一件30秒
11
    '合格品_件': 820,
12
    '废品_件': 30
13
}
14

15
# 计算
16
运行时间 = data['计划运行时间_分钟'] - data['故障停机_分钟'] - data['换模_分钟']
17
可用性 = 运行时间 / data['计划运行时间_分钟']
18

19
理论产量 = 运行时间 * 60 / data['理论节拍_秒每件']
20
性能 = data['实际产量_件'] / 理论产量
21

22
质量 = data['合格品_件'] / data['实际产量_件']
23

24
OEE = 可用性 * 性能 * 质量
25

26
print(f"📊 设备综合效率 OEE = {OEE:.1%}")
27
print(f"   可用性: {可用性:.1%}（计划480分钟，实际运行{运行时间}分钟）")
28
print(f"   性能:   {性能:.1%}（实际产出是理论产能的{性能:.0%}）")
29
print(f"   质量:   {质量:.1%}（废品率{1-质量:.1%}）")
30

31
if OEE >= 0.85:
32
    print("   ✅ 世界级水平（≥85%）")
33
elif OEE >= 0.75:
34
    print("   👍 良好水平（≥75%）")
35
elif OEE >= 0.60:
36
    print("   ⚠️ 一般水平（≥60%）- 有提升空间")
37
else:
38
    print("   🔴 需要改善（<60%）- 损失严重")

1
# 不需要训练模型，直接调用云服务
2

3
# 场景：产线上的摄像头拍下每件产品，上传到AI视觉云服务
4
# AI自动判断是否合格，不合格的自动踢出
5

6
def auto_quality_check(image_url):
7
    """模拟AI视觉质检流程"""
8
    # 实际使用：调用百度AI/阿里云工业视觉/AWS Lookout for Vision
9
    # result = cloud_vision_api.detect_defect(image_url)
10

11
    # 这里用文字模拟
12
    result = {
13
        '判定': '不合格',
14
        '缺陷类型': '表面划痕',
15
        '严重程度': '中等',
16
        '位置': '产品正面右下角 (x:320, y:450)',
17
        '建议': '抛光返修'
18
    }
19
    return result
20

21
check_result = auto_quality_check('产品照片_042.jpg')
22
if check_result['判定'] == '不合格':
23
    print(f"🔴 {check_result['判定']}: {check_result['缺陷类型']} "
24
          f"({check_result['严重程度']}) - {check_result['建议']}")
25
else:
26
    print(f"🟢 {check_result['判定']}")