智能制造项目刚启动时，很多团队会把注意力放在网关、看板和系统界面上，但真正拖慢进度的，往往是更基础的三个问题：工位怎么定义，批次怎么分段，异常责任怎么落人。
这三件事如果没先说清，设备联网后采到的数据也不一定能直接用。现场看似有了信号，实际上不同工位的状态口径不一致，批次记录也可能前后拼接，到了质量追溯环节，工艺、检验和返修记录又会互相打架。对推进 制造现场数字化服务 的团队来说，这不是技术难题，而是组织和流程的问题。
更稳的做法，是先把产线上的对象收紧：哪些设备必须接入，哪些工位只记录关键动作，哪些异常需要班组长确认，哪些要直接进入 质量追溯方案。只有把对象边界画清楚，后面的采集频率、告警规则和节拍分析才有意义。否则，系统再完整，也只是把现场的混乱搬到屏幕上。
新能源制造和离散装配都一样，真正影响良率的，常常不是单点故障，而是同一批次在不同工位上的状态没有连续记录。今天有首件，明天有复判，后天有返修，但缺少一个能串起来的责任链，数据看板只会越来越大，判断却越来越慢。相关新闻 里能看到很多类似案例，关键不在“上了什么系统”，而在“谁在什么节点确认了什么”。
如果企业准备在 2026 年继续推进智能制造，我的建议很简单：先把工位清单、批次规则和异常责任表做完，再谈自动采集和智能分析。先收口，后扩张，这样项目才不会一边上线一边返工。
