行业 LLM 负责语言与编排；专业模型覆盖异常检测、剩余寿命（RUL）与视觉。
KUNWU 自进化工业 AI 平台
扎根车间的工业 AI。
KUNWU 连接设备数据、运营知识与受控工作流，覆盖设备、生产与客户服务—— 不替代您已信任的 PLC、CNC 与安全系统。
01 / 公司
上海易序智能：为已在运转的工厂而建。
我们打造 KUNWU——自进化工业 AI 平台。将分散的设备事件、文档与车间经验， 转化为覆盖设备服务、生产与客户运营三大领域的可运行智能层。
KUNWU 介于设备、人员与企业系统之间。建议始终落在专家边界内； 确定性控制仍由现有系统执行；独立安全联锁保有最终否决权。
名称由来：昆吾，传说中的矿脉之山，所出青铜可削玉如泥。 以数据为矿、模型为炉，将智能锻造成可用之器。
- 01贴近工艺从一台具名设备与一项可量化损失起步。
- 02连接，而非替代对接 OPC UA、MQTT、Modbus、PLC/CNC、MES、ERP、CRM 及现有系统。
- 03受控行动影子模式、审批、审计、版本与回滚——在写回之前完成治理。
- 04边缘就绪工厂数据不能离场时，支持本地推理与现场部署。
02 / 平台
从设备信号到受控行动。
不是通用聊天机器人，而是感知现场、理解业务、调用系统、并从结果中学习的智能体平台。
- 感知设备、事件、上下文
- 推理数据、规则、知识
- 行动工具、流程、系统
- 反馈审批、边界、结果
- 进化案例、模型、标准
设备、排程、齐套、库存与服务智能体——理解、推理，并相互协同。
知识库与检索、流程引擎、优化求解、API 调用、权限与审计。
经标准接口对接传感器、PLC 与 CNC、MES、ERP、CRM 及售后服务系统。
-
构建事实底座
持续更新的制造现实记录：设备状态、工艺参数、质检、物料流转、能源、订单与成本。
-
部署智能体
预测性维护、质量根因、动态排程、能耗与排放、供应链韧性等智能体读取实时信号， 并调用优化、预测与 SPC 工具进行推理。
-
与系统闭环
绑定 MES、SCADA、PLC、AGV 与仓储，使感知、判断、执行、反馈成为一条受控回路， 而非四次互不关联的会议。
-
复盘与进化
执行、复盘、学习、进化。制造经验被沉淀、复用与改进， 不再随掌握它的操作工一起离开工厂。
工厂的共同语言
设备、工单、配方、质量事件、维护案例与人员，处于同一受控运营上下文中。 分析、知识与流程读取同一套车间事实。
设备
工单
配方
质量
维护
人员
受控上下文
03 / 改变什么
每家工厂都熟悉的六个问题。
故障发现太晚
停线之后才发现，停机变成计划外。
坏了再修变为分级、可路由的状态监测与早期预警。
工艺经验难以规模化
参数依赖少数资深操作工，人走经验也走。
个人经验变为可检索知识库与标准作业。
质量根因难追溯
缺陷反复出现，因为原因数周后才找到——甚至找不到。
事后调查变为实时定位到工序与责任人。
排程跟不上变化
订单变更、设备停机或物料短缺，计划立刻失效。
经验式排产变为带约束优化、人工审批的调度。
能源管理粗放
能耗与排放缺乏成本与报告所需的颗粒度。
月度总量变为按产线、按班次计量与定向降耗。
服务知识分散
维修历史、手册与客户上下文散落在不同系统和邮箱里。
逐案救火变为可沉淀的设备档案，反哺产品洞察。
04 / 详细案例
可现场演示的三条闭环。
设备服务、生产与客户运营中，已有十一个高频场景形成可运行原型。 以下是其中三条。
设备服务：从报警到验证修复
设备智能体是入口。检测、解释、派工、受控修复与学习成为一条记录， 而非五个互不关联的步骤。
-
检测
在现有报警之上叠加时序异常检测、视觉巡检与健康预测。
-
解释
检索手册、SOP 与历史案例，返回可能原因及证据链。
-
派工
数字工单携带责任人、优先级、备件与进度，送达正确班次的正确人。
-
修复
仅限授权边界内的受控动作：复位、参数恢复、工艺降额、旁路。
-
学习
结果回写设备履历、案例库，以及提出方案的模型。
生产：现场一变，计划重算
订单变更、设备停机、物料短缺。系统不只是标出风险—— 它重算计划，并在写入 MES 之前展示推理过程。
-
排程
订单、交期、工艺路径、设备与人力约束作为多目标问题一并求解。
-
齐套
投放前核验物料齐套；短缺则触发采购、调拨或改排。
-
预测
BOM、库存、在途与交期汇成关键路径、交付窗口与风险等级。
-
库存
动态安全库存、呆滞预警，以及与实时计划绑定的补货建议。
-
执行
MES 与 ERP 前保留确认节点。人工审批后，结果进入下一轮计算。
服务与增长：售后沉淀的知识资产
对机床厂商而言，装机量就是资产。报修接入、设备履历与保养提醒， 让服务成为续约与产品反馈闭环。
-
接入
各渠道报修落到设备档案，而非通用工单。
-
解决
产品知识检索支持配件查询、配置与现场排障。
-
维保
服务历史驱动保养提醒、备件计划与预测性合约。
-
续约
根据使用与服务信号，提前识别续约、升级与扩展机会。
-
回馈
反复出现的现场故障作为证据回传工程，支撑下一版产品。
运行界面
界面来自实际部署。客户标识已脱敏，界面文案为中文； 海外项目交付时提供英文本地化。
05 / 交期管控
在客户发现之前看到交期风险。
订单驱动型企业的交期，常失在 ERP、车间与客户沟通之间的空隙。 本平台读取您系统中已有的信息，定位风险，并推送给具名责任人—— 不替代 ERP 或 MES。
读取什么
- ERP 订单客户、数量、承诺交期
- 排程明细型号、表面处理、数量、工艺路径
- 生产实绩产量、缺口、库存、发货
- 工装与设备模具寿命、试模、故障、维保
- 沟通记录客户会话、工作群、知识库
三级交期风险预警
-
L1
整单未排程
临近交期却从未进入计划的订单。
-
L2
行项未排程
哪个型号、哪种表面处理、可用模具有多少。
-
L3
生产受阻
相对计划的缺口、物料停滞、零件反复返工。
客户进度协同
- 按客户推送的生产进度表，定时送达
- 关键词全天候查询，无需等人回复
- 一名销售可同时跟进多个客户线程而不掉队
关键资源智能
- 模具寿命到期提醒，提前触发备模采购
- 反复试模、异常产量与高废品提前暴露
- 基于历史废品与退货记录的机台规避
管理简报
- 每日生产报告：产量、达成率、班次表现
- 必办清单、客户雷达与影响业务的事实
- 从会话中提炼商机、待办、投诉与风险
06 / 客户运营
发现、筛选、应答，并留住客户。
外贸销售常败在三处：凭感觉选潜客、询盘回复不一致、交接时客户流失。 服务车间的同一套知识库，也可以服务销售台。
-
发现
产品知识转化为检索词，再得到目标企业与具名联系人清单。
-
调研
公开来源构建公司画像、采购信号与匹配判断。
-
应答
原始询盘加知识库起草具体回复；人工确认后再发送。
-
留存
每次往来落入客户档案：摘要、商机阶段与建议下一步。
对机床厂商为何重要
- 新人也能按最佳应用工程师的标准应答
- 规格问题对照真实产品数据，而非凭记忆
- 客户关系不因负责该客户的销售人员离职而中断
单据合规审核
- 定时采集与批量接入待审文档
- OCR 处理混合格式，关键字段抽取为结构化数据
- 四级可配置规则，由规则引擎与模型联合校验
- 定位并标注错误，人工只审例外而非全部
07 / 运营纪律
AI 需要底层运营体系支撑。
下方参考工厂按 JIPM 审核标准执行了四年 World Class Manufacturing 项目。 收录于此，是为说明数据层必须支撑什么：具名基线、拆解后的损失、 防止问题复发的标准作业，以及按元核算的收益。
两大基础之上的六大支柱
基础 1 · 5S 整理、整顿、清扫、清洁、素养——异常一目了然。
基础 2 · 日常管理 班组看板与 42 个改善小组，让改善每天发生，而非每季一次。
五级会议
- 月度管理委员会审批支柱进度与资源
- 月度六大支柱会复盘指标与跨部门堵点
- 周度42 个改善小组汇报进度，现场辅导
- 日度班前会跟踪安全、质量、交期与成本
- 滚动5S 巡检配合红牌作战与闭环整改
三项改善，及其发现过程
- 损失
- 切换供应至灌装机时，用水顶出管线余奶。损失分解显示这是最大的单一奶损来源。
- 原因
- 五个为什么发现：操作工凭感觉判断顶料时间，水压不稳导致欠清或过顶。真正变量是压力稳定性。
- 对策
- 加装稳压装置，按实测流量设定顶料时间，方法写入一点课，并推广至所有前处理线。
- 损失
- 为确保净含量合规，故意偏高灌装。每包多几克，日产百万包，损失巨大却不易察觉。
- 原因
- 箱线图与分布分析量化波动。量具 R&R 确认测量可信后，隔离出八个设备侧来源。
- 对策
- 清理管路、稳定压力、润滑容积凸轮、校正封口重叠，并校准灌装参数。目标锁定 212.5 g，净含量合规率保持 100%。
- 损失
- 清洗、灭菌、升温、等料与爬坡占全部 OEE 损失的 18%——十六项中最大单项。
- 原因
- 录像加卷纸分析将开机拆到秒级：人等机、机等人、无效走动暴露无遗。
- 对策
- 四轮取消、合并、重排、简化。内部作业外移，串行改并行。开机损失从总损失的 18.0% 降至 11.9%。
按后果分级的保全策略
按安全与质量影响对设备分级，再匹配成本最低且适用的策略。 注意力集中在真正能造成伤害的 16% 设备上。
- A · 16%重大安全或质量影响。状态监测 + 纠正性再设计。
- B · 12%中等影响。按固定周期的时间基维保。
- C · 72%轻微影响。用到坏，配合操作工自主保全。
- 125 台设备纳入七种状态监测，含电机温度指示、张紧器限位可视化、风刀电流与滤芯压差
- 2,000 → 4,000 h刀片更换周期，经分布分析证实真实寿命后延长
- 人民币 179 万元通过呆滞备件退供释放，另削减期初库存 35 万元
留下了什么
现场
08 / 参考成果
纪律化运营能交付什么。
某匿名流程工厂四年 World Class Manufacturing 项目—— 440 名员工、22 条无菌灌装线、日产约 690 吨。 这正是我们平台设计所要支撑的运营纪律：基线定义、损失可视、标准作业与可验证结果。
| 指标 | 改善前 | 改善后 | 变化 |
|---|---|---|---|
| 设备综合效率 | 57.0% | 80.3% | +23.3 个百分点 |
| 吨制造成本 | 人民币 9,373 元 | 人民币 7,437 元 | −20.7% |
| 月故障次数 | ~300 | 79 | −74% |
| 故障时间占比 | 5.5% | 1.01% | −82% |
| 吨维修成本 | 人民币 99.92 元 | 人民币 79.50 元 | −20% |
| 产品缺陷率 | 0.82% | 0.25% | −70% |
| 每十万包投诉 | 0.35 | 0.11 | −69% |
| 物料损耗率 | 10.6% | 7.45% | −30% |
| 包装良品率 | 98.01% | 98.83% | +0.82 个百分点 |
| 年安全事故 | 36 | 0 | 清零 |
| 水耗 | 6.7 t/t | 5.33 t/t | −20% |
| 电耗 | 157.2 kWh/t | 151.4 kWh/t | −4% |
| 天然气消耗 | 38 m³/t | 29.5 m³/t | −22% |
| 劳动生产率 | 0.37 吨/人/天 | 0.47 吨/人/天 | +27% |
- 人民币 1,560 万元焦点改善累计收益，对应千元级一次性投入
- 超过 1:100改善投入回报率（按项目排序清单）
- 零自第三年起安全事故归零并持续保持
归因边界：本案例为匿名客户复盘中的参考制造转型案例， 并非 KUNWU 部署成果，数字亦不作为平台结果呈现。
09 / 如何起步
贴近真实流程做工程。
驻场交付从一条可度量流程开始：接入真实数据、跑受控试点、验证结果， 只保留能沉淀为可复用能力的模式。
- 现场调研
- 基线
- 受控试点
- 结果验证
- 可复用能力
AI 负责建议与优化。确定性 PLC/CNC 控制负责执行。 独立安全联锁保有最终否决权。
10 / 创始人
与 Starry Wang 直接交流。
Starry 创立 KUNWU，构建连接设备协议与边缘计算、领域知识、智能体与企业流程的工业 AI 系统。 他在华中科技大学学习机械与计算机专业，曾参与英特尔中国云基础设施、 苹果硅谷团队 iOS 核心模块建设，并在大型制造企业负责平台建设。
- 工业互联：OPC UA、MQTT、Modbus、REST、事件
- 边缘与私有化 AI、本地部署、知识治理
- 面向服务、维护、计划与车间协同的智能体
科研合作。Starry 担任华中科技大学工业技术创新中心特聘首席工业 AI 专家（HUST）。 联合研究与产业资源加速技术验证与落地。