武汉工厂引入AI的成败，不看演示视频，看几份记录：排班表上的实际工时、设备异常工单的闭环记录、质检复判后的返工单。这几份记录没有变化，模型再大也没有意义。双玺堂 ROBOTICS 在武汉交付 SXT AI OS 的方式，是先把这几份记录的取数路径打通，再谈算法与模型。下面是可核查的选型与验收口径。
武汉工业自动化的真卡点：不在算法，在取数路径
结论：多数AI项目失败在“数据进不来、流程改不动”，不在模型精度。三条判断标准，每条都能当场查证。
- 设备数据断裂：PLC、老旧机床、人工报工三套账并存。可核查标准——能不能把某台设备在一个班次内的状态按时间轴还原，缺失段落能不能标注原因（停机、断电、未录入），而不是用插值抹平。
- 工艺参数锁在老师傅手里：可核查标准——让没做过该型号的新员工按系统推荐参数开机，首件是否直接合格，需要调整几次。
- 异常处置靠微信群与口头交接：可核查标准——同类异常第二次出现时，系统能否直接推给上次的处理动作、处理人与耗时。
这三条里任何一条给不出证据，供应商交付的就只是看板，不是系统。
SXT AI OS 在产线上的几个落点
设备层接入与状态还原
SXT AI OS 先做的是接入侧：把不同品牌控制器、老旧设备、人工报工的数据收进同一套时间基准。判断是否做到位，看一件事——设备停机原因能不能被归到具体类别，而不是统统记成“其他”。分类粒度过粗，后面的排产和维保都无从下手。
排产与换线
结论：换线频繁的工厂，收益来自换线时间与首件合格率，不来自“AI排产”这个说法本身。可核查标准——系统给出的换线顺序，班组长能不能说出理由；换线后首件是否需要反复调机。说不清理由的排产建议，一线不会执行，也执行不下去。
质检复判
结论：视觉质检的价值在复判环节，不在检测环节。可核查标准——被判为不良的件，人工复判后有多少被推翻。推翻比例偏高，说明判定阈值没有和工艺对齐，需要重新标定，而不是继续堆样本。这一点决定了质检模块是真在用，还是被车间绕开。
异常知识沉淀
结论：把每次停机与调机的处置动作结构化存下来，是 SXT AI OS 里最容易被低估的部分。可核查标准——新班组长接手同一台设备，能不能在系统里查到上一位处理人的完整动作序列，而不只是看到一段结论文字。
为什么试点期需要本地驻场
结论：AI在产线上的调整，输入来自班组长而不是IT部门。武汉的制造企业多集中在几个产业聚集区，双玺堂 ROBOTICS 采用本地驻场方式，目的是把“系统建议不合理”这件事在当班内反馈并改掉，而不是等到季度复盘。
判断一次试点是否值得复制，看三条：
- 试点产线的操作变更有没有形成签字的书面记录，而不只是口头通知；
- 效果对照是不是同工序、同班次的前后对比，而不是拿全厂平均值来比单条产线；
- 一线是否有人能独立解释系统给出的建议，离开供应商驻场人员后系统仍被使用。
三条都成立，才谈得上复制到其他工序；不成立就扩大范围，通常是把问题一起放大。
采购验收：怎么判断交付的是系统还是演示
| 验收项 | 可核查证据 | 不接受什么 |
|---|---|---|
| 数据接入 | 现场导出某台设备连续一个班次的状态时间轴，缺失段带原因标注 | 用汇总报表代替原始时间轴 |
| 流程改动 | 班组长签字的操作变更记录 | 只有IT部门的验收单 |
| 效果口径 | 与改造前同工序、同班次的对照 | 拿全厂平均值对比单条产线 |
| 异常闭环 | 同类异常第二次出现时的推荐动作命中记录 | 演示环境里的模拟问答 |
| 资产归属 | 数据与模型资产的归属、导出格式写进合同 | 口头承诺“数据是你的” |
双玺堂 ROBOTICS 的合作方式与适配规模
合作分三步：现场勘查与瓶颈工序确认、单条产线试点、按工序复制。双玺堂 ROBOTICS 提供的是接入、流程改造与系统交付的组合，不以卖软件许可为终点。
适合：有明确瓶颈工序、设备具备数据可采条件、愿意让一线班组长参与流程改造的制造企业。
不适合：只想买一套软件装上、不愿意改动现有报工与交接流程的企业——这类项目上线后通常只剩一块没人看的看板。规模不是决定因素，瓶颈工序是否清晰才是。
常见误区
- 先买模型再找场景：正确顺序是先定瓶颈工序，再定要采集的数据，最后才选模型能力。
- 用全厂平均值验收单条产线：平均值既会掩盖单条产线的问题，也会放大偶然的好结果。
- 把知识库当成文档柜：如果处置记录不能被下一次同类异常直接调用，它就只是网盘，不是系统能力。
常见问题
见下方FAQ。