AI提行业效率

AI把熟料强度预测做到85%,制造效率账

中国工信新闻网11月11日记录芜湖海螺熟料强度预测准确率超85%、单厂年减碳4500吨;科亿智能检测精度2微米、50张样本1小时完成部署。本文拆清实测值、装备参数与企业自述口径,并给中小工厂三条落地顺序。

2026-11-11 14:25:10 · Editor: 刘立永

熟料强度预测准确率超过85%,一条5000吨/日熟料产线单厂每年减少二氧化碳排放4500吨以上;AI视觉检测装备测量精度可达2微米,仅需50张样本图片、1小时完成样本标注、模型训练并部署上线。这三组数字来自中国工信新闻网2026年11月11日「数智江淮」媒体调研行报道,分别出自芜湖海螺水泥与安徽科亿智能,均为媒体实地调研记录的企业披露值。

一、三组数字,三种不同口径

第一组是工艺判定准确率。芜湖海螺制造一分厂副厂长方家龙介绍,过去熟料强度判定依靠「事后化验调整」,存在时间滞后,现在依托大模型做「实时工艺调控」,预测准确率超过85%。报道同时写到,这座5000吨/日产线上烧成全局寻优大模型自动匹配工况,烧成标煤耗实现下降,单厂年减二氧化碳排放4500吨以上。注意:4500吨是减排量,不是效率提升值;报道未给出标煤耗下降幅度,也未给出判定偏差带来的废品率变化。

第二组是装备性能参数。科亿智能董事长颜天信表示,自研轻量化模型检测装备测量精度可达2微米,攻克高速产线毫秒级检测难题。2微米是设备能力指标,不等于客户产线的良率提升。

第三组是模型部署时长。同篇报道写到,其AI智能分选装备基于「云边端」协同架构,仅需50张样本图片、1小时即可完成样本标注、模型训练并部署上线,用于中药材、五谷杂粮、废旧塑料与金属等分选。1小时是训练部署耗时,不是单件检测耗时,更不是产线节拍。

二、企业自述的「综合效益」要单独看

中国产业经济信息网2026年11月2日刊发的TCL案例给出另一类数字:通过「AI+仿真」及星智大模型,单个项目研发周期平均缩短1—2个月,产品问题解析效率提升20%,材料开发效率提升30%;ADC自动缺陷分类技术让漏检率下降85%;近三年AI应用创造综合效益超25亿元,目前约500名「硅基员工」、上线智能体超1万个。

以上均为企业自述口径,未见第三方审计。尤其「超25亿元」是近三年累计综合效益,不是某条产线的年度效率值,不能与海螺的减排量、科亿的精度相加。同一篇稿件还引述央视新闻口径:近一半「人工智能+」应用场景停留在试点阶段、没有实现放量推广——这个分母更值得中小企业参照。

三、报道没有给出的四个数

中国经济新闻网11月11日盘点的四类企业AI实践同样只描述流程、未给量化效率:上传发票后AI补全字段、家电企业用历史订单调整供应链计划、电子制造企业把AI视觉部署在装配工位。几篇材料合看,缺失的数据是共通的:改造投入、误判率与漏检率的绝对百分点、良率或成本下降值、投资回收周期。没有这四项,85%的准确率值多少钱只能靠估。把「准确率」「精度」「部署时长」「累计效益」混算成一个「效率提升百分比」,是这类报道最易被误读之处。

四、给中小制造企业的三条落地顺序

第一,先固化判定口径,再谈模型。海螺能把「事后化验」换成「实时预测」,前提是工艺参数连续、可比、可追溯。我们在给山东中小制造企业做ERP与MES实施时,通常先统一物料编码、工序定义、检验项与不良代码,再接数据采集;口径不统一,模型输出无法回写台账。

第二,用现有台账做基线。上线前先量三个数:单轮化验或检测耗时、因判定滞后产生的工艺调整次数、单位产品能耗;上线后按同一口径复测。没有基线,AI带来的变化只能停留在演示层面。

第三,单点试点并保留人工复核。按科亿「50张样本」的思路,只挑一个高发缺陷或一条产线起步,异常件转人工,预测值与实际化验值一并归档,才能过客户审核与质量追溯。先跑通一个可核验的场景,比一次铺满全工序更省钱,也更容易在ERP里对上账。

参考来源:
1. 中国工信新闻网,《从机房到车间:江淮大地的智能跃迁》,2026年11月11日,https://www.cnii.com.cn/rmydb/202611/t20261111_768865.html
2. 中国产业经济信息网(转自北方网),《全链路AI赋能:TCL近三年超25亿元综合效益》,2026年11月2日,https://www.cinic.org.cn/zgzz/qy/1660045.html
3. 中国经济新闻网,《2026年企业AI应用实例盘点,四个场景看AI如何进入真实业务》,2026年11月11日,https://www.cet.com.cn/xwsd/10659385.shtml