【导航】➡️制造业数据与AI践行者老蒋的技术博客全系列文章汇总四阶段学习路径版-持续更新兄弟们做制造业数字化分享这么多年我最大的困扰从来不是技术而是 “能不能说”。 真实项目的架构、数据、客户名称统统不能对外讲但空泛地讲概念、套模板又对不起自己这么多年踩过的坑、趟过的路。 怎么办我干脆虚构了一座工厂 —— 智联工坊把所有真实项目里踩过的坑、验证过的方案全搬进去。一文读懂【智联工坊】一座虚拟灯塔工厂的数字化全景蓝图 文章摘要智联工坊是一座基于真实项目经验提炼的虚拟灯塔工厂承载了制造业数据架构搭建、数据治理、AI Agent 落地的全场景实战案例。本文全景解析其组织产线、核心业务系统、湖仓一体数据底座、四层 AI 应用地图并附从数据底座建设到工业 AI 落地的完整案例索引与学习路径可作为中小制造企业数字化转型的参考蓝图。开篇为什么要虚构一个“智联工坊”兄弟们做数据这行二十多年我最大的困扰不是技术难题而是“能不能写”。真实项目里的数据、架构、客户名称统统不能往外写。但我又特别想把这些年踩过的坑、趟过的路分享出来。怎么办虚构一个工厂把所有真实场景“移植”进去。这就是“智联工坊”的由来。它不是某个真实工厂的翻版而是我在线缆制造、物联网硬件、集团数据平台等多个真实项目中提炼出来的一个“理想型”制造企业模型。所有案例都基于它展开所有数据都是脱敏或模拟的但所有痛点、方案、踩坑过程全部来自真实经历。一、智联工坊是什么维度设定定位一个智能硬件“灯塔工厂”的AI实践蓝图主营产品商用智能交互屏、智能环境监测终端、资产追踪定位器生产模式多品种、小批量、软硬一体离散制造智能工厂等级冲刺国家智能制造能力成熟度三级集成级核心痛点设备数据采集不全、质量追溯困难、知识传承断层、海外运维成本高、多系统数据割裂、排产依赖人工经验简单说智联工坊是一家做智能硬件的工厂产品不算复杂但品类多、批量小数据来源杂管理难度高。这正是中国大量中小制造企业的真实写照。二、组织与产线智联工坊有三条核心产线产线名称主营产品关键设备交互屏组装A线商用智能交互屏贴片机、组装工位、质检台环境监测校准B线智能环境监测终端传感器校准台、老化测试架定位器贴片C线资产追踪定位器SMT贴片线、焊接工位核心角色班组长小刘一线管理者每天要查OEE、处理设备报警、协调排班是所有AI案例的“第一用户”设备主管老王负责设备维护和备件管理关心故障闭环和预测性维护质量工程师小李负责质量追溯和质检数据分析IT负责人老张负责数据平台建设和系统集成三、核心业务系统智联工坊运行着多套核心业务系统数据分散、标准不一这是所有数据问题的根源系统全称核心功能数据特征ERP企业资源计划订单、采购、库存、财务结构化T1MDM主数据管理物料、供应商、客户主数据结构化需治理CRM客户关系管理客户信息、售后服务结构化SRM供应商关系管理供应商绩效、采购协同结构化MES制造执行系统工单、报工、质量记录结构化分钟级SCADA数据采集与监控设备状态、工艺参数时序数据秒级CAPP计算机辅助工艺规划工艺路线、BOM结构化WMS仓储管理系统出入库、库存结构化核心矛盾ERP管订单MES管生产SCADA管设备WMS管库存——数据散落在8个系统里没有统一的数据底座分析全靠人工拼Excel。四、数据架构蓝图博文关联补充说明1、「完整选型逻辑见智联工坊数据底座选型实战」2、「步步部署教程见智联工坊数据底座搭建全记录」智联工坊的数据架构采用“湖仓一体 分层建模”的设计智联工坊的数据架构采用 “湖仓一体 分层建模”数据分层说明层级全称职责数据特征ODS贴源层原样接入各系统数据与源系统一致DWD明细层清洗、标准化、关联明细粒度DWS汇总层轻度聚合按主题汇总宽表ADS应用层面向报表和AI应用指标化日均数据量级数据源日均增量采样频率SCADA设备时序约500万条/日1秒/条关键设备MES工单报工约5万条/日分钟级ERP订单/库存约2万条/日T1质量检测记录约3万条/日批次级核心KPI指标体系指标全称说明OEE设备综合效率可用性 × 性能率 × 良品率直通率一次合格率首次检验通过比例设备综合效率OEE全称衡量设备产出效率的核心指标平均修复时间MTTR设备故障后平均修复时间平均故障间隔MTBF设备两次故障间的平均运行时间五、AI应用地图智联工坊的AI应用围绕“数据底座 → Agent能力 → 业务场景”三层展开第一层工具调用AgentCase01点击阅读场景班组长查OEE、查手册、查排班要切换三个系统。方案构建一个工具调用Agent整合OEE计算、设备手册检索、排班查询三大能力。核心工具calculate_oee、search_manual、query_shift第二层记忆系统Case02点击阅读场景Agent每次对话都像“第一次见面”记不住用户之前说过什么。方案引入BufferMemory、WindowMemory、SummaryBufferMemory三种记忆模式。核心收获记忆能保存跨轮次事实但本地小模型在指代消解上仍有局限。第三层多工具协同Case03点击阅读场景设备故障需要“查手册→查排班→查备件→生成工单”完整闭环。方案多工具协同Agent自主完成任务链编排。核心工具search_manual、query_shift、query_spare_parts、generate_work_order第四层数据质量巡检Case04点击阅读场景传感器数据脏空值、重复、异常、延迟算出来的OEE没人信。方案数据质量智能巡检Agent自动检测四大质量问题。核心工具空值检测、重复检测、异常值检测3σ原则、延迟检测六、案例索引按学习路径 按学习路径排序新手建议从阶段一开始按顺序阅读体系最完整。阶段一制造业数据治理入门序号文章标题链接01一文讲清制造企业为什么需要湖仓一体架构阅读02智联工坊数据底座选型实战为什么选DorisDolphinScheduler阅读03智联工坊数据底座搭建全记录从零部署Apache Doris DolphinScheduler步步实操版阅读04DolphinScheduler重启丢数据从H2内存数据库切换到MySQL的完整避坑指南阅读05DolphinScheduler数据源连接报错“com.mysql.cj.jdbc.Driver”JDBC驱动的“路径战争”阅读06DolphinScheduler的DATABASEmysql环境变量一个被忽略的profile激活陷阱阅读阶段二Python数据分析实战序号文章标题链接01老攻城狮的AI开发环境搭建全记录从零到跑通本地大模型阅读02基建实战篇02-人工智能开发的硬件32GB内存跑AI的可行性论证阅读03AI应用基础篇01-多模态AI实践从零搭建本地“以文搜图”系统阅读04AI应用基础篇02-RAG知识库实战从零搭建“十五五”规划智能问答系统阅读阶段三工业AI-Agent落地序号文章标题链接01智联工坊实战制造知识库工具调用Agent从零搭建阅读02智联工坊实战LangChain Agent记忆系统从零搭建阅读03智联工坊实战多工具协同Agent让AI像人类一样规划与执行复杂任务阅读04智联工坊实战制造业数据脏到算不准OEEAgent智能巡检自动揪出空值/异常/延迟阅读05LangChain ReAct Agent嵌套JSON报错args_schemaNone解决Field required阅读阶段四数字化项目管理与转型序号文章标题链接01制造业数字化项目立项从“领导拍板”到“科学论证”规划中02数智化项目ROI测算一个让财务信服的量化模型规划中03从2026年制造业数智化政策风向看企业数据底座建设的3个新要求规划中七、开源与未来开源策略智联工坊的所有案例代码已开源至Gitee当前采取“展示目录 逐步开放”策略当前展示核心目录结构和关键代码片段500粉后逐步开放非核心模块1000粉后基础代码全面开源Gitee仓库https://gitee.com/jvee/javy21_manufacturing_ai_practice未来规划案例主题预计时间Case05数仓分层设计助手SDI→DWI→DWR→DMQ3Case06数据血缘解析与影响分析AgentQ4Case07多Agent协作查评改流水线Q4总结怕你忘了我再啰嗦一遍智联工坊是一个虚拟工厂但它承载的是真实的制造业数据与AI落地经验。它不是某一个项目的翻版而是多个真实项目痛点的“集合体”。三个核心认知智联工坊是“案例底座”所有文章都发生在这个场景里读者理解了智联工坊就理解了所有案例的业务上下文。数据架构是“地基”湖仓一体 Doris DolphinScheduler 四层建模是支撑所有AI应用的数据底座。AI应用是“上层建筑”从工具调用到记忆系统从多工具协同到数据质量巡检都是建立在稳固数据底座之上的能力。智能工厂对标整套体系严格对标 GB/T 39116-2020 智能制造能力成熟度模型重点覆盖“生产作业”能力域主域和“数据资源”能力域辅域两大核心能力域可直接用于企业智能制造等级自评与建设规划。有感而发做了二十三年制造业 IT我始终觉得比单个技术更重要的是完整的体系。智联工坊就是我把这些年的项目经验拆成架构、数据、AI、排坑一个个模块再重新拼成的一个可落地的样板。系列导航本文所属系列[制造业数据与AI落地实战]上一篇无博客文章全景介绍篇下一篇《智联工坊主数据入湖实战黄金维度表的拉链设计》即将发布互动与交流你对智联工坊的哪个场景最感兴趣是数据底座搭建还是AI Agent落地欢迎评论区交流我会逐一回复——说实话虚构一个工厂不难难的是让每个案例都经得起推敲。关于作者制造业数据与AI践行者老蒋23年IT老兵。聚焦制造业数据架构与AI融合落地。全流程实战全源码开源。标签#智联工坊#制造业数字化#智能制造#数据架构#湖仓一体#AI Agent#工业互联网#灯塔工厂