智能选型
输入客户需求，自动匹配产品线、核验规格、给出技术依据与风险提示。产品判断与计算由固定规则完成，不依赖模型自由发挥。
企业知识问答检索 + 引用溯源
基于企业产品手册、资质证书、工程业绩构建的知识库，用自然语言提问，自动定位依据作答。每条回答下方摊开它依据的知识库原文（含文件、章节、相关度），可点开比对——检索不到证据时它明确拒答，而不是编一个。
施工工艺速查
焊接参数、施工规范、问题排查一站式查询。施工人员在工地打开就能用，不用翻手册、不用等技术部回电话。
投标书初稿生成
输入项目信息，自动组装公司概况、产品方案、技术参数、质量保证、业绩证明等章节，输出可直接编辑的技术标初稿。
合规证照管理
证照到期预警、投标资格审查、常见废标风险提示。把"靠人记"变成"系统管"。
销售话术应答
客户嫌贵、要账期、比竞品、质疑强度……输入客户原话，给出有依据的应答话术，新人也能像老销售一样接得住。
项目情报分析
输入项目信息，从产品匹配度、资质符合性、业绩支撑、潜在风险、报价策略五个维度给出投标可行性判断。
会议纪要整理
粘贴会议记录或口述内容，自动输出规范的会议纪要，包含议题结论、待办事项（含责任人）和风险提示。
报价单导出配置校验 + 一致性核对
选型算价完成后一键生成带企业抬头的正式报价单（Word 可编辑 + HTML 可打印），金额自动转大写，含税与税额自动计算。出价前先过两道闸：① 14 条配置硬规则逐条校验（矿用/负压/涉水/介质/口径/压力档位），互斥组合直接阻断；② 与历史成单报价横向比对，同规格离散度超过 5% 就亮灯——避免"同一款管子，不同业务员报出两个价"。
node 生成报价单.js "煤矿井下通风 dn200，1.0MPa，3000米"，输出至 out 目录。政策补贴测算把"要不要做"算清
填一个改造预算，自动套用山东省 / 市级 / 县域可申报政策，算出预计净投入区间。奖补都不是自动到账——须先自评估、先投入、后申报、竞争性评审；这一页把"能不能报、能报多少、前置条件是什么"全部摊开写清，并给出本省县域标杆。
data/policy/政策清单.csv（由 gen-policy-data.js 打包）。换成你们自己整理的申报政策表，测算口径自动跟着变。ISO 体系助手
覆盖 ISO 9001（质量）/ 14001（环境）/ 45001（职业健康安全）三体系：条款速查、内审检查表生成、不符合项根因分析与 CAPA、管理评审、改版应对。全部基于公开标准知识，不依赖企业内部数据。
数据资产盘点
制造业数据治理顾问：数据源盘点、六维度质量体检、数据目录与主数据标准、数据资产化路径。明确边界——AI 做"数据治理"，不替代"会计入表"。
检测报告生成
输入产品信息与检测数据，自动生成符合 GB/T 13663.2 等标准的规范检测报告（含检测依据、逐项判定、签署栏）。数据缺失项自动标注"待补充"，绝不编造数值。
质量追溯与交付一批一码 · 扫码可查
输入或点选一个批次号，摊开这批管的完整履历：原料进厂 → 挤出参数 → 出厂检验 → 发运物流 → 现场安装点位。一批一码、编码唯一，客户扫二维码即可自助查询、在线看检测报告，不用再打电话问销售；多个批次还能聚合成一个发运母码，适配市政工程"分段供货、多点位"的现实。
data/trace/批次履历.csv（由 gen-trace-data.js 打包，共 — 个批次）。二维码为示意图形，真实系统中由「批次短码 + 签名」生成，防止被规律遍历或伪造。安全培训出题
按主题自动生成安全培训考核题（单选/判断/简答），贴合管材生产实际（挤出高温、机械绞伤、粉尘、噪声、叉车搬运等），含参考答案与培训建议。
AI 价值路线图
从"省时间"到"省钱"的三层跃迁：知识型 AI（现在就能用）、数据型 AI（3-6个月）、生产型 AI（6-18个月）。含同行实测对标数据与落地路径。
我们现在演示的 15 项能力全部属于"知识型 AI"——问答、文档、话术、配置校验。它们的价值是让销售、质量、管理层立刻省时间，投入极小、见效极快、零风险。
但行业里真正赚钱的大头不在这一层。同行头部企业投入重心在 "生产型 AI"——视觉质检、米重控制、排产调度。这一层才是"省钱"的地方。
两者不是替代关系，而是先后关系。先易后难是对的——但不能停在易的这一层。
| 能力 | 状态 / 价值 |
|---|---|
| ✅ 现有 15 项能力 | 选型/报价（含配置校验）/政策测算/知识/工艺/投标/合规/话术/纪要/情报/ISO/数据资产/检测/质量追溯/安全 |
| 🆕 政策补贴测算 | 省级梯度奖补 + 市级配套 + 贴息/技改三层叠加，直接算出预计净投入区间；把"要不要做"从"感觉贵"变成"算得清" |
| 🆕 质量追溯与交付 | 一批一码 + 扫码可查全生命周期履历 + 在线检测报告 + 发运母码；对标汇昌 HC-Trace（1000+ 工程、复购率约 65%） |
| 🆕 语音 AI Agent | 智能外呼 + 智能客服，7×24 响应询价（伟星正在押注此赛道） |
| 🆕 智能体平台化 | 用 Dify 重搭，业务人员可自行维护，不再依赖开发 |
| 🆕 经销商赋能平台 | 对标伟星「星管家」——把服务变成品牌溢价与客户粘性 |
| 能力 | 前提 | 预期价值 |
|---|---|---|
| ⭐ 米重/壁厚稳定控制 | 产线称重 + 设备参数采集 | 对标中财：年省原料 100 万+ |
| AI 排产助手 | 订单/库存/产能数据打通 | 交付周期 -25% |
| 工艺参数知识库 | 历史工艺记录结构化 | 调试周期缩短 |
| 设备点检 + 故障知识库 | 点检记录 + 维修案例 | 老师傅经验不流失 |
| 质量根因分析智能体 | 质检数据 + 工艺参数关联 | 不良率持续下降 |
| 能力 | 硬件需求 | 预期价值 |
|---|---|---|
| ⭐ AI 视觉在线质检 | 工业相机 + 光源 + 边缘算力 | 检测员 40→2 人，效率 +60% |
| 预测性维护 | 振动/温度传感器 | 非计划停机 -15~30% |
| 能耗优化（AI 温控） | 温控系统改造 | 综合节能 16% |
| 数字孪生车间 | 全域传感网络 | 体系性效率提升 |
| 企业 | AI 应用 | 实测效果 |
|---|---|---|
| 中财管道 浙江新昌 | AI 视觉质检（识别 0.4mm 杂质）+ 数据驱动米重稳定控制 | 米重异常 每月十余次→1次 废料 1吨→0.1吨 年省原料 120~135 万元 |
| 崂山管业 青岛，32年 | AI 视觉质检（毫秒级全量）+ AI 智能排产 | 检测员 40人→2人 效率 +60%，合格率 99.5%+ 交付周期 -25% |
| 公元股份 A股上市 | AI 视觉在线检测 + 数字孪生 + 打通 PLM/APS/MOM | 人均效率 +72.1% 不良率 -31.51% 研发周期 -近四成 |
| 联塑 行业龙头 | 「联塑云」全链路：订单→排产→生产→物流 | 人均产值 +3 倍 不良品率 <0.1% |
| 伟星新材 A股 002372 | 「全栈 AI + 智算引擎」：RichAIBox 平台 + 语音 AI Agent + AI 监理 | 会员复购率 40% （高于行业均值） |
| 阶段 | 做什么 | 验收标准 |
|---|---|---|
| 第一步 现在→1个月 | 知识型 AI 平台化（Dify 重搭）、接入真实企业知识、上线语音 Agent 试点 | 销售/客服日常真的在用 |
| 第二步 3-6个月 | 补数据采集（关键！）→ 建企业知识库 → 米重控制试点 1 条线 → 设备点检知识库 | 某条线米重异常、废料量可观测下降 |
| 第三步 6-18个月 | AI 视觉质检产线部署 → 预测性维护 → 能耗优化 → 排产系统对接 | 硬指标：不良率 / 非计划停机 / 吨能耗 |
左侧导航「生产智造（概念）」提供三个可交互的演示：它们都真的在读文件、真的在跑算法（数据源目前为仿真生成的 data/ 文件，换成企业真实导出即为自家工具），专门用来在现场打开"下一步"的话题：
| 演示 | 用来回答客户什么问题 |
|---|---|
| 🆕 米重控制看板 读 CSV 采集数据 | "原料成本怎么降？"——对标中财，年省原料 120~135 万 |
| 🆕 在线视觉质检 读图片清单 + 真值对照 | "质检能不能少用人？"——对标崂山，检测员 40→2 人 |
| 🆕 AI 智能排产 读工单表 · 两种排法对比 | "交付周期怎么缩短？"——换模 10→3 次，投入仅 3~5 万 |
米重控制看板概念演示 · 回放 CSV 采集数据
对标中财管道「数据驱动米重稳定控制」。PE 管米重直接决定原料成本——米重偏高，多出来的料就是废料。本页不再用随机动画，而是按工业采集格式逐行读取 CSV 回放：同一条挤出线，前 3 小时人工控制、后 3 小时 AI 闭环控制，曲线与全部指标都由数据算出，可逐行核对。
| 指标 | 人工控制段 | AI 控制段 |
|---|---|---|
| 平均绝对偏差 | — | — |
| 平均正偏差（折算原料超耗） | — | — |
| 超内控带条数 / 占比 | — | — |
| 触报警线条数 | — | — |
| 折算原料超耗率降低 | — | |
| 指标 | 人工控制 | AI 控制 |
|---|---|---|
| 米重异常频次 | 十余次 / 月 | 1 次 / 月 |
| 废料产生 | 约 1 吨 / 月 | 0.1 吨 / 月 |
| 年省原料 | — | 120 ~ 135 万元 |
在线视觉质检概念演示 · 读取图片清单
对标崂山管业、中财管道的 AI 视觉在线质检。本页读取一份真实的检测图片清单逐根过线：图片、坐标、真值标注都来自 data/defects/，AI 判定与人工真值逐条对照，检出率、漏检率、误检率全部真算。崂山管业上线后检测员从 40 人减到 2 人。
| 企业 | 效果 |
|---|---|
| 崂山管业 | 检测员 40 人 → 2 人，效率 +60% |
| 中财管道 | 可识别 0.4mm 杂质 |
| 公元股份 | 不良率 -31.51% |
| 联塑 | 不良品率 <0.1% |
AI 智能排产概念演示 · 读取工单表
对标崂山管业 AI 智能排产（交付周期 -25%）。本页读取一份真实的工单表，用同一套算法跑两遍：先按人工习惯排（订单顺序、谁先空给谁），再按 AI 规则排（料色归并 + 交期优先 + 均衡分配）。换模次数、准时率、换模废料、加班机时全部真算，可逐项核对。
| 前提 | 说明 |
|---|---|
| 工单数据化 | 工单含 产品颜色原料数量交期 |
| 产能基础数据 | 各机台节拍、换模耗时标准（本页用 0.75h 示意，实际需实测） |
| 换模成本可量化 | 换模废料米数、停机工时——用来算 ROI |