AI 原生钢厂

质检与异常检测智能体

它接到的输入

过程数据 + 质检测量

→

它交出的产出

质检 / 异常报告 + 根因分析

人工把关质检员代理

① 负责什么业务

钢出来之后,要回答两个问题:这批合不合格,以及如果出了偏差,问题出在哪一环。质检与异常检测智能体用统计过程控制(SPC)持续检测过程数据与成品测量,生成质检报告;发现异常时出异常报告,并给出根因分析。

它的判定只是建议。合格与否、如何处置,由质检员代理把关确认——这是链条最后一道人类闸门。更关键的是,质检智能体无权修改上游任何一份文件:它只负责发现和报告偏差,至于要不要修订、修订协议还是要点还是工艺卡,由治理裁决决定。

从缺陷反查工艺的行业方法、时空对齐的门槛,见原场景页质量溯因:从缺陷反查工艺;异常回流的闭环逻辑,见工艺定型与一贯制质量设计。

本步穿层速览

第 7 步「质检与异常」在四层与四条总线上各发生了什么。完整七步对照见 产销研主页的交互图。

  • 应用智能体层

    质检与异常检测智能体用 SPC 检测过程与成品数据,出质检 / 异常报告并做根因分析;质检员代理把关判定。

    业务智能体人类代理智能体人机协同闸门
  • A2A

    出现异常时通知工艺卡、控制要点智能体准备修订。

    A2A
  • MAB

    上行「判定本批质量」或「上报异常」。

    MAB
  • AIP + 治理智能体

    偏差超出规则 → 触发治理事件交治理智能体;裁决交回 AIP 转为运行控制(冻结、复检、修订)。

    治理智能体运行控制 · 执行准入审计与回退
  • MOB

    规则校验:判定规则、历史案例。

    MOBL 孪生(逻辑)企业知识库与案例库
  • 智能内核层

    推理子域:根因分析。计算子域:SPC 控制图、性能预测对比。

    推理子域计算子域
  • MCP

    读取质检测量与实验室数据。

    MCP观测接口
  • 数字资产界面层

    物理反馈:质检数据回写统一状态;偏差触发治理事件。

    物理反馈与全量回流统一状态与对象状态机

② 经 MAB 上行的业务请求

正常批次与异常批次上行的是两种请求:

intent: 判定本批质量            # 业务意图(正常路径)
target: heat#示意炉次          # 目标对象:炉次
context:                       # 现场工况
  measurements_ref: 质检测量引用
  lab_results_ref: 实验室数据引用
# ——异常路径——
# intent: 上报异常
# context 追加 deviation: 偏差项与偏离量级(示意)
# 请求里不写「应该改哪份文件」,那是治理裁决的内容

③ AIP 怎样放行

正常路径下,AIP 按判定规则放行质检报告,交质检员代理确认。

偏差超出规则时,路径完全不同:

  1. AIP 不自己处理,而是触发治理事件,交给治理智能体;
  2. 检察官调取 D 孪生里的实时工况与本批次记录,把事实固定下来;
  3. 法官依据 L 孪生里的判定规则与历史案例,判定偏差是否成立、责任在哪一环;
  4. 警察把裁决转成可执行的运行控制:冻结批次、复检、改判;
  5. 裁决交回 AIP,经 MAB 下发给控制要点或工艺卡智能体发起修订。

修订回流到哪份文件,由裁决决定,不由质检智能体决定。全过程进入审计。

④ 用到的本体与知识

  • 判定规则:L 孪生里的合格判定与分级规则;
  • 历史案例:同类偏差以往的根因与处置方式,为推理和裁决提供证据;
  • 批次记录:D 孪生里该炉次从冶炼到成品的全程记录,是根因分析与取证的事实底座。

⑤ 推理子域与计算子域

  • 推理子域:根因分析——把偏差和上游工序的工况关联起来,提出「可能是哪一环」的候选解释;
  • 计算子域:SPC 控制图判断过程是否失控;性能预测模型把实际工况代入,对比预测值与实测值,量化偏离(阈值与偏离量级均为示意)。

⑥ 读写哪些 DAS 接口

  • 读:经观测接口读取质检测量与实验室数据;
  • 写(物理反馈):质检数据经物理反馈回写统一状态,炉次对象进入「已判定」或「待处置」;
  • 事件:偏差一旦越过判定规则,由统一状态的变化触发治理事件,而不是由智能体自行决定是否上报。

⑦ 先读哪些行业底座

必懂概念 / 4 张

建议先读的行业章节

原场景页:S2 质量溯因 Agent:从缺陷反查工艺