“有了AI賦能，每周設備輪保計劃智能排程不僅減少了人工繁瑣工作，還提高了輪保排程的準確性和可靠性。”走進浙江中煙工業有限責任公司杭州卷煙廠，卷包車間數字化團隊正圍繞“AI賦能生產管理”展開熱烈討論。其中，大模型技術與設備運維管理深度的融合應用取得階段性成果，實現了設備輪保智能決策。

主動出擊，擁抱AI思維。“如果設備輪保排程可以根據近期的設備狀況‘一鍵智能生成’，那設備保養工作的針對性是不是會更精確？”設備管理員張弛在卷包車間數字化辦公室問道。

日常生產過程中，隨著設備運行時間的增加，零部件的磨損與零件之間的配合精度會隨之下降。為了更好地發揮設備效能，杭州卷煙廠全面推進設備全生命周期管理，實行“周輪保”制度。

設備“周輪保”，一直以來以人工安排為主，根據設備周期性的順序及設備具體情況進行排序執行，開展清潔保養、潤滑、全面檢查及預防性維修。過程中只在遇到突發停機故障時才會做出調整。

“當AI融入設備管理，會碰撞出什么樣的火花？”經過幾番討論，數字化團隊成員們決定大膽嘗試。

2024年10月，卷包車間數字化團隊在眾多大語言模型中比對，最終選擇以DeepSeek-v2開源模型技術為切入點，開展架構搭建和場景挖掘等工作。一場“人工智能+”的賦能行動迅速展開，吹響了“AI賦能生產管理”的沖鋒號角。

圖為數字化團隊為車間管理員介紹設備輪保智能決策現場。（白一清 攝）

本地融合，打通數據庫。“我們的首要任務就是完成DeepSeek開源模型在工廠內部的本地化部署。”在考慮數據安全的前提下，數字化團隊著力將大模型的語義理解能力與生產場景的確定性需求相結合。

數據打通成為當前的“攔路虎”。為了突破這一技術難點，團隊成員們分工協作，通過鏈接服務器與車間數采系統建立“橋梁”，成功“解鎖”數據鏈，實現“車間工段長交班數據”自動獲取。

在此基礎上，團隊構建了“數據清洗→模型推理→決策輸出”的三級智能處理鏈路，結合日常設備效率、設備停機時間與頻次等規則，自動識別停機項目的優先級、智能推算停時消耗，輸出最優輪保安排。

數智賦能，培育生產力。近期，隨著系統上輪保機臺的排程表以及背后緣由的出現，36臺套設備成功實現了智能排程，每個機臺都可以獲得自己的個性化定制和健康保證。

在這背后，團隊利用“動態規則約束”機制，既保留了大模型的推理優勢，又通過實際的業務規則進行輸出校準，提供“一站式”智能決策方案，也構建了一套可復制、可推廣的AI技術應用路徑。

在浙江中煙杭州卷煙廠生產線上，AI技術的探索研究正不斷向生產管理、質量管控等各個場景進行延伸拓展，持續釋放數智賦能的倍增效應。