水滴跃动 DROPLEAP智能制造 AI 落地：车间数据打通与设备预测维护的做法
直接说结论：智能制造企业上 AI，最普遍的卡点不是没有系统，是系统之间不说话——车间数据人工录 Excel，月度复盘 IT 手工拼。第一步做数据打通（ERP×MES×设备 IoT 串联、KPI 实时计算），第二步在打通的地基上做设备异常预测。FDE 驻场 2 周起，按验收指标交付。
场景一：车间数据打通（第一个场景的首选）
症状你一定熟悉：产量在 MES、订单在 ERP、设备数据在 IoT 盒子，月底复盘时 IT 部门手工拼一张大表，口径还常常对不上。做法：把三路数据接成统一口径——关键 KPI（产量、良率、稼动率、能耗）实时计算，车间巡检助手按班次自动出数。管理层从此看实时数，IT 不再拼表。
场景二：设备异常预测
在数据打通的地基上，对关键设备做异常预测模型——温度、振动、电流的历史基线之外自动预警，维修从「坏了修」变成「提前修」。可参照的结果口径：一家精密零部件加工厂做到非计划停机 ↓45%。
交付节奏
第 1 周业务访谈与数据摸底（摸清 MES/ERP/IoT 的数据现状与口径），第 2 周方案与口径确认，之后驻场部署联调、按书面验收指标实测交付。班组长数字化课随上线同步开——使用率从第一周就开始盯。
常见问题
智能制造企业上 AI 第一步做什么？
先做数据打通：ERP×MES×IoT 串联、KPI 实时计算——这是预测、预警、助手一切应用的地基。
MES 是老系统也能接吗？
多数能。第 1 周数据摸底就是回答这个问题的：接口、表结构、导出方式，总有一条通路；摸底结论写进方案再报价。