漢思信息MES/MOM全面接入DeepSeek，深思(ThinkDeep)V2.0助推企業(yè)進(jìn)入AI+智造階段

作為17年來(lái)持續(xù)深耕智能制造的IT服務(wù)商，漢思信息從 2024 年 3 月開始，便踏上了利用開源大模型進(jìn)行訓(xùn)練的探索之路。當(dāng)時(shí)，AI 技術(shù)在生產(chǎn)制造領(lǐng)域的應(yīng)用還處于起步階段，漢思信息憑借對(duì) IT 技術(shù)的敏銳洞察力，率先嘗試將開源大模型引入 MES/MOM 系統(tǒng)，并將其定義為深思（ThinkDeep） V1.0。然而，在這一過程中，漢思信息遇到了一系列挑戰(zhàn)：

（一）銷售環(huán)節(jié)：訂單查詢與交付預(yù)測(cè)

在銷售前端，漢思信息 MES/MOM 系統(tǒng)的 AI 應(yīng)用為銷售人員提供了強(qiáng)大的支持。當(dāng)銷售人員需要查詢某個(gè)訂單的情況時(shí)，只需簡(jiǎn)單地向 AI 提問，例如 “AI，幫我查一下XXXX客戶的訂單現(xiàn)在進(jìn)展到哪一步了，預(yù)計(jì)什么時(shí)候能交付？”。AI 會(huì)迅速在系統(tǒng)中檢索相關(guān)信息，包括訂單的生產(chǎn)進(jìn)度、物料采購(gòu)情況、生產(chǎn)設(shè)備的排期等，并以簡(jiǎn)潔明了的方式回復(fù)銷售人員，如 “XXXX客戶的訂單目前已完成 70% 的生產(chǎn)工序，預(yù)計(jì)將在 3 天后交付。”。這使得銷售人員能夠第一時(shí)間掌握訂單動(dòng)態(tài)，快速、準(zhǔn)確地回復(fù)客戶，提升客戶滿意度和銷售效率。

（二）管理決策：項(xiàng)目風(fēng)險(xiǎn)評(píng)估與預(yù)警

對(duì)于管理層而言，漢思信息 MES/MOM 系統(tǒng)的 AI 功能更是不可或缺的決策助手。當(dāng)管理層想要了解某個(gè)項(xiàng)目的風(fēng)險(xiǎn)狀況時(shí)，他們可以向 AI 提出類似 “AI，請(qǐng)分析一下當(dāng)前所有項(xiàng)目的情況，指出風(fēng)險(xiǎn)最高的項(xiàng)目是哪個(gè)？” 的問題。AI 會(huì)立即對(duì)各項(xiàng)目的生產(chǎn)數(shù)據(jù)、質(zhì)量數(shù)據(jù)、成本數(shù)據(jù)、進(jìn)度數(shù)據(jù)等進(jìn)行全面分析，綜合評(píng)估項(xiàng)目的風(fēng)險(xiǎn)等級(jí)，并以可視化圖表的形式呈現(xiàn)給管理層，如 “根據(jù)分析，項(xiàng)目 A 的風(fēng)險(xiǎn)等級(jí)最高，主要原因是其關(guān)鍵零部件的供應(yīng)商交貨延遲，可能導(dǎo)致項(xiàng)目無(wú)法按時(shí)交付。”。這幫助管理層迅速抓住重點(diǎn)，提前采取措施應(yīng)對(duì)風(fēng)險(xiǎn)，確保項(xiàng)目的順利推進(jìn)。

（三）設(shè)備管理：維護(hù)工單與保養(yǎng)計(jì)劃跟蹤

在設(shè)備管理模塊，漢思信息 MES/MOM 系統(tǒng)的 AI 應(yīng)用讓設(shè)備維護(hù)變得更加高效、透明。管理層可以通過 AI 快速了解某個(gè)維護(hù)工單的情況，只需詢問 “AI，維護(hù)工單XXXX的處理進(jìn)度如何了？”。AI 會(huì)實(shí)時(shí)查詢工單的處理狀態(tài)，包括維修人員的安排、維修所需物料的準(zhǔn)備情況、預(yù)計(jì)完成時(shí)間等，并以清晰的圖表方式展示出來(lái)，如 “維護(hù)工單XXXX正在由維修人員張三進(jìn)行處理，所需物料已全部到位，預(yù)計(jì)將在 2 小時(shí)內(nèi)完成維修。”。同時(shí)，AI 還能根據(jù)設(shè)備的運(yùn)行數(shù)據(jù)和歷史維護(hù)記錄，自動(dòng)生成保養(yǎng)計(jì)劃，并提醒相關(guān)人員按時(shí)執(zhí)行，確保設(shè)備的穩(wěn)定運(yùn)行，降低設(shè)備故障率。

漢思信息在 AI 技術(shù)領(lǐng)域的布局，為 MES/MOM 系統(tǒng)的智能化升級(jí)提供了堅(jiān)實(shí)的技術(shù)支撐。以下是漢思信息在 AI 技術(shù)方面的一些關(guān)鍵舉措和優(yōu)勢(shì)：

（一）接入本地部署的 DeepSeek大語(yǔ)言模型

漢思信息已經(jīng)成功接入本地部署的 DeepSeek大語(yǔ)言模型。這一舉措不僅確保了數(shù)據(jù)的安全性和隱私性，還提供了更高效、更穩(wěn)定的 AI 服務(wù)。本地部署的 DeepSeek 大語(yǔ)言模型能夠更好地適應(yīng)企業(yè)的個(gè)性化需求，為企業(yè)提供定制化的 AI 解決方案。通過與 DeepSeek 的深度融合，漢思信息能夠充分利用其先進(jìn)的 AI 技術(shù)，提升 MES/MOM 系統(tǒng)的智能化水平，為企業(yè)帶來(lái)更優(yōu)質(zhì)的生產(chǎn)管理體驗(yàn)。同時(shí)，漢思信息MES/MOM也接入了其它云上大語(yǔ)言模型，如通義千問、文心一言等，為企業(yè)提供更多樣化的選擇。

（二）基于海量項(xiàng)目數(shù)據(jù)訓(xùn)練大模型

漢思信息結(jié)合超過 300 個(gè) MES/MOM 項(xiàng)目經(jīng)驗(yàn)，組織團(tuán)隊(duì)創(chuàng)建和生成了大量生產(chǎn)領(lǐng)域的數(shù)據(jù)，對(duì)大模型進(jìn)行訓(xùn)練，使其更適用于 MES/MOM 的使用場(chǎng)景。這些項(xiàng)目數(shù)據(jù)涵蓋了不同行業(yè)、不同規(guī)模企業(yè)的生產(chǎn)管理需求，具有豐富的多樣性和代表性。通過對(duì)這些海量數(shù)據(jù)的深度挖掘和分析，漢思信息能夠不斷優(yōu)化大模型的性能，使其在MES/MOM應(yīng)用中表現(xiàn)得更加出色。經(jīng)過訓(xùn)練的大模型能夠更準(zhǔn)確地理解生產(chǎn)過程中的各種情況，提供更精準(zhǔn)的預(yù)測(cè)和決策支持，幫助企業(yè)更好地應(yīng)對(duì)生產(chǎn)中的各種挑戰(zhàn)。

（三）多元化的訓(xùn)練技術(shù)應(yīng)用

模型微調(diào)。漢思信息使用LLaMA-Factory平臺(tái)，基于DeepSeek-R1-Distill-Qwen-32B模型進(jìn)行了多輪微調(diào)訓(xùn)練。首先對(duì)實(shí)施過的MES/MOM項(xiàng)目數(shù)據(jù)進(jìn)行整理、脫敏形成預(yù)訓(xùn)練數(shù)據(jù)集，使用該數(shù)據(jù)集對(duì)大模型進(jìn)行Pre-Training訓(xùn)練，使大模型學(xué)習(xí)到MES/MOM相關(guān)的通用知識(shí)和特征。再由公司資深專家顧問團(tuán)隊(duì)對(duì)行業(yè)內(nèi)一系列通用問題的考慮因素和解決方案進(jìn)行整理編制，最終形成指令監(jiān)督微調(diào)數(shù)據(jù)集、偏好數(shù)據(jù)集以及后續(xù)用于評(píng)估模型的評(píng)估數(shù)據(jù)集。再分別對(duì)模型進(jìn)行SFT（Supervised Fine-Tuning）訓(xùn)練以及Reward Modeling訓(xùn)練。模型訓(xùn)練完成后，使用lm-evaluation-harness結(jié)合編制的評(píng)估數(shù)據(jù)集對(duì)模型進(jìn)行評(píng)估，最終評(píng)估數(shù)據(jù)集回答的準(zhǔn)確率能保持在70%~80%。

RAG。為了使大模型在回答用戶問題時(shí)能獲取到實(shí)時(shí)的知識(shí)庫(kù)信息，使用RAG技術(shù)將最新的知識(shí)庫(kù)信息通過Embedding模型向量化到向量數(shù)據(jù)庫(kù)（Milvus），再結(jié)合 FAISS（Facebook AI Similarity Search）和 DPR（Dense Passage Retrieval）等工具，實(shí)現(xiàn)了高效的知識(shí)檢索和生成。使AI系統(tǒng)在處理復(fù)雜問題時(shí)，能夠從海量的生產(chǎn)數(shù)據(jù)中快速檢索到相關(guān)信息，并結(jié)合自身的知識(shí)與能力進(jìn)行生成，提高系統(tǒng)的準(zhǔn)確性和實(shí)用性。

ChatBI。借助大模型強(qiáng)大的理解、推理能力，用戶通過對(duì)話即可完成報(bào)表數(shù)據(jù)的查詢、分析。使用Text2SQL生成SQL語(yǔ)句從數(shù)據(jù)庫(kù)查詢出數(shù)據(jù)，再根據(jù)用戶問題的意圖使用Plotly自動(dòng)繪制相應(yīng)圖表展示給用戶。

Agent。使用LangChain應(yīng)用開發(fā)框架，通過模塊化設(shè)計(jì)與鏈?zhǔn)饺蝿?wù)編排，賦予AI大模型復(fù)雜任務(wù)的處理能力。使用AgentExecutor引擎自動(dòng)分解用戶請(qǐng)求，動(dòng)態(tài)調(diào)用工具鏈。使用封裝API、Toolkits工具包供Agent調(diào)用。通過LLMChain、SequentialChain等實(shí)現(xiàn)多步驟任務(wù)編排。在Memory模塊使用VectorStoreMemory確保Agent能夠在對(duì)話過程中實(shí)現(xiàn)長(zhǎng)期記憶存儲(chǔ)，提高用戶體驗(yàn)。

漢思MES/MOM 系統(tǒng)全面接入 AI 技術(shù)后，預(yù)計(jì)將為企業(yè)帶來(lái)了全方位的變革。結(jié)合漢思在汽車整車、汽配、電氣、制藥、食品等行業(yè)大量實(shí)施MES/MOM項(xiàng)目的優(yōu)勢(shì)，在目前制造業(yè)通用大模型深思（ThinkDeep） V2.0的基礎(chǔ)上，將針對(duì)具體的行業(yè)數(shù)據(jù)對(duì)模型進(jìn)行微調(diào)，使其更適用于如汽車整車、汽配、電氣等具體行業(yè)，結(jié)合具體企業(yè)、場(chǎng)景對(duì)AI大模型的需求，使AI大模型不只是一個(gè)熱點(diǎn)，而是能真正為企業(yè)的降本增效帶來(lái)實(shí)質(zhì)性的應(yīng)用。

在使用場(chǎng)景上，漢思AI + MES/MOM模型也將持續(xù)擴(kuò)展，如實(shí)時(shí)優(yōu)化與動(dòng)態(tài)調(diào)整生產(chǎn)調(diào)度，通過 AI 實(shí)時(shí)監(jiān)控生產(chǎn)線上各設(shè)備的運(yùn)行狀態(tài)、人員的工作情況以及物料的供應(yīng)情況。當(dāng)出現(xiàn)突發(fā)情況，如某臺(tái)關(guān)鍵設(shè)備故障或物料供應(yīng)中斷時(shí)，AI 能迅速分析對(duì)生產(chǎn)計(jì)劃的影響，并實(shí)時(shí)調(diào)整生產(chǎn)調(diào)度方案。以及質(zhì)量監(jiān)控的智能檢測(cè)與預(yù)警，AI 通過圖像識(shí)別、數(shù)據(jù)分析等技術(shù)，對(duì)生產(chǎn)過程中的產(chǎn)品質(zhì)量進(jìn)行實(shí)時(shí)檢測(cè)。當(dāng)發(fā)現(xiàn)產(chǎn)品質(zhì)量出現(xiàn)異常波動(dòng)時(shí)，AI 會(huì)立即發(fā)出預(yù)警，并自動(dòng)分析可能的原因。這使得質(zhì)量管理人員能夠及時(shí)采取措施，調(diào)整生產(chǎn)工藝或設(shè)備參數(shù)，避免大批量不合格產(chǎn)品的產(chǎn)生，確保產(chǎn)品質(zhì)量的穩(wěn)定性。等等。未來(lái)基于MES/MOM的漢思AI大模型，將給制造企業(yè)提供更多的智能化場(chǎng)景落地的想象空間。

總之，漢思信息 MES/MOM 系統(tǒng)與 AI 技術(shù)的深度融合，將為企業(yè)打造了一個(gè)智能化、數(shù)字化的生產(chǎn)管理平臺(tái)，推動(dòng)企業(yè)從傳統(tǒng)制造向 “AI+智造” 的新階段邁進(jìn)。在未來(lái)的發(fā)展中，漢思信息將繼續(xù)深化 AI 技術(shù)在 MES/MOM 系統(tǒng)中的應(yīng)用，不斷拓展應(yīng)用場(chǎng)景，提升系統(tǒng)的智能化水平，助力更多企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型和智能化升級(jí)，共同迎接智能制造的美好未來(lái)。