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

作為17年來持續(xù)深耕智能制造的IT服務商，漢思信息從 2024 年 3 月開始，便踏上了利用開源大模型進行訓練的探索之路。當時，AI 技術在生產制造領域的應用還處于起步階段，漢思信息憑借對 IT 技術的敏銳洞察力，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)：訂單查詢與交付預測

在銷售前端，漢思信息 MES/MOM 系統(tǒng)的 AI 應用為銷售人員提供了強大的支持。當銷售人員需要查詢某個訂單的情況時，只需簡單地向 AI 提問，例如 “AI，幫我查一下XXXX客戶的訂單現(xiàn)在進展到哪一步了，預計什么時候能交付？”。AI 會迅速在系統(tǒng)中檢索相關信息，包括訂單的生產進度、物料采購情況、生產設備的排期等，并以簡潔明了的方式回復銷售人員，如 “XXXX客戶的訂單目前已完成 70% 的生產工序，預計將在 3 天后交付。”。這使得銷售人員能夠第一時間掌握訂單動態(tài)，快速、準確地回復客戶，提升客戶滿意度和銷售效率。

（二）管理決策：項目風險評估與預警

對于管理層而言，漢思信息 MES/MOM 系統(tǒng)的 AI 功能更是不可或缺的決策助手。當管理層想要了解某個項目的風險狀況時，他們可以向 AI 提出類似 “AI，請分析一下當前所有項目的情況，指出風險最高的項目是哪個？” 的問題。AI 會立即對各項目的生產數(shù)據(jù)、質量數(shù)據(jù)、成本數(shù)據(jù)、進度數(shù)據(jù)等進行全面分析，綜合評估項目的風險等級，并以可視化圖表的形式呈現(xiàn)給管理層，如 “根據(jù)分析，項目 A 的風險等級最高，主要原因是其關鍵零部件的供應商交貨延遲，可能導致項目無法按時交付。”。這幫助管理層迅速抓住重點，提前采取措施應對風險，確保項目的順利推進。

（三）設備管理：維護工單與保養(yǎng)計劃跟蹤

在設備管理模塊，漢思信息 MES/MOM 系統(tǒng)的 AI 應用讓設備維護變得更加高效、透明。管理層可以通過 AI 快速了解某個維護工單的情況，只需詢問 “AI，維護工單XXXX的處理進度如何了？”。AI 會實時查詢工單的處理狀態(tài)，包括維修人員的安排、維修所需物料的準備情況、預計完成時間等，并以清晰的圖表方式展示出來，如 “維護工單XXXX正在由維修人員張三進行處理，所需物料已全部到位，預計將在 2 小時內完成維修。”。同時，AI 還能根據(jù)設備的運行數(shù)據(jù)和歷史維護記錄，自動生成保養(yǎng)計劃，并提醒相關人員按時執(zhí)行，確保設備的穩(wěn)定運行，降低設備故障率。

漢思信息在 AI 技術領域的布局，為 MES/MOM 系統(tǒng)的智能化升級提供了堅實的技術支撐。以下是漢思信息在 AI 技術方面的一些關鍵舉措和優(yōu)勢：

（一）接入本地部署的 DeepSeek大語言模型

漢思信息已經成功接入本地部署的 DeepSeek大語言模型。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。本地部署的 DeepSeek 大語言模型能夠更好地適應企業(yè)的個性化需求，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的 AI 技術，提升 MES/MOM 系統(tǒng)的智能化水平，為企業(yè)帶來更優(yōu)質的生產管理體驗。同時，漢思信息MES/MOM也接入了其它云上大語言模型，如通義千問、文心一言等，為企業(yè)提供更多樣化的選擇。

（二）基于海量項目數(shù)據(jù)訓練大模型

漢思信息結合超過 300 個 MES/MOM 項目經驗，組織團隊創(chuàng)建和生成了大量生產領域的數(shù)據(jù)，對大模型進行訓練，使其更適用于 MES/MOM 的使用場景。這些項目數(shù)據(jù)涵蓋了不同行業(yè)、不同規(guī)模企業(yè)的生產管理需求，具有豐富的多樣性和代表性。通過對這些海量數(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應用中表現(xiàn)得更加出色。經過訓練的大模型能夠更準確地理解生產過程中的各種情況，提供更精準的預測和決策支持，幫助企業(yè)更好地應對生產中的各種挑戰(zhàn)。

（三）多元化的訓練技術應用

模型微調。漢思信息使用LLaMA-Factory平臺，基于DeepSeek-R1-Distill-Qwen-32B模型進行了多輪微調訓練。首先對實施過的MES/MOM項目數(shù)據(jù)進行整理、脫敏形成預訓練數(shù)據(jù)集，使用該數(shù)據(jù)集對大模型進行Pre-Training訓練，使大模型學習到MES/MOM相關的通用知識和特征。再由公司資深專家顧問團隊對行業(yè)內一系列通用問題的考慮因素和解決方案進行整理編制，最終形成指令監(jiān)督微調數(shù)據(jù)集、偏好數(shù)據(jù)集以及后續(xù)用于評估模型的評估數(shù)據(jù)集。再分別對模型進行SFT（Supervised Fine-Tuning）訓練以及Reward Modeling訓練。模型訓練完成后，使用lm-evaluation-harness結合編制的評估數(shù)據(jù)集對模型進行評估，最終評估數(shù)據(jù)集回答的準確率能保持在70%~80%。

RAG。為了使大模型在回答用戶問題時能獲取到實時的知識庫信息，使用RAG技術將最新的知識庫信息通過Embedding模型向量化到向量數(shù)據(jù)庫（Milvus），再結合 FAISS（Facebook AI Similarity Search）和 DPR（Dense Passage Retrieval）等工具，實現(xiàn)了高效的知識檢索和生成。使AI系統(tǒng)在處理復雜問題時，能夠從海量的生產數(shù)據(jù)中快速檢索到相關信息，并結合自身的知識與能力進行生成，提高系統(tǒng)的準確性和實用性。

ChatBI。借助大模型強大的理解、推理能力，用戶通過對話即可完成報表數(shù)據(jù)的查詢、分析。使用Text2SQL生成SQL語句從數(shù)據(jù)庫查詢出數(shù)據(jù)，再根據(jù)用戶問題的意圖使用Plotly自動繪制相應圖表展示給用戶。

Agent。使用LangChain應用開發(fā)框架，通過模塊化設計與鏈式任務編排，賦予AI大模型復雜任務的處理能力。使用AgentExecutor引擎自動分解用戶請求，動態(tài)調用工具鏈。使用封裝API、Toolkits工具包供Agent調用。通過LLMChain、SequentialChain等實現(xiàn)多步驟任務編排。在Memory模塊使用VectorStoreMemory確保Agent能夠在對話過程中實現(xiàn)長期記憶存儲，提高用戶體驗。

漢思MES/MOM 系統(tǒng)全面接入 AI 技術后，預計將為企業(yè)帶來了全方位的變革。結合漢思在汽車整車、汽配、電氣、制藥、食品等行業(yè)大量實施MES/MOM項目的優(yōu)勢，在目前制造業(yè)通用大模型深思（ThinkDeep） V2.0的基礎上，將針對具體的行業(yè)數(shù)據(jù)對模型進行微調，使其更適用于如汽車整車、汽配、電氣等具體行業(yè)，結合具體企業(yè)、場景對AI大模型的需求，使AI大模型不只是一個熱點，而是能真正為企業(yè)的降本增效帶來實質性的應用。

在使用場景上，漢思AI + MES/MOM模型也將持續(xù)擴展，如實時優(yōu)化與動態(tài)調整生產調度，通過 AI 實時監(jiān)控生產線上各設備的運行狀態(tài)、人員的工作情況以及物料的供應情況。當出現(xiàn)突發(fā)情況，如某臺關鍵設備故障或物料供應中斷時，AI 能迅速分析對生產計劃的影響，并實時調整生產調度方案。以及質量監(jiān)控的智能檢測與預警，AI 通過圖像識別、數(shù)據(jù)分析等技術，對生產過程中的產品質量進行實時檢測。當發(fā)現(xiàn)產品質量出現(xiàn)異常波動時，AI 會立即發(fā)出預警，并自動分析可能的原因。這使得質量管理人員能夠及時采取措施，調整生產工藝或設備參數(shù)，避免大批量不合格產品的產生，確保產品質量的穩(wěn)定性。等等。未來基于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景落地的想象空間。

總之，漢思信息 MES/MOM 系統(tǒng)與 AI 技術的深度融合，將為企業(yè)打造了一個智能化、數(shù)字化的生產管理平臺，推動企業(yè)從傳統(tǒng)制造向 “AI+智造” 的新階段邁進。在未來的發(fā)展中，漢思信息將繼續(xù)深化 AI 技術在 MES/MOM 系統(tǒng)中的應用，不斷拓展應用場景，提升系統(tǒng)的智能化水平，助力更多企業(yè)實現(xiàn)數(shù)字化轉型和智能化升級，共同迎接智能制造的美好未來。