极简 · 极速 · AI就绪
一、三个终端，各司其职
工厂数字化，我拆成了三个终端：
| 终端 | 用户 | 核心任务 |
|---|---|---|
| 仓库APP | 仓管员 | 扫码出入库、领用、盘点 |
| 车间平板APP | 操作工 | 工单执行、设备监控、物料领用、报工 |
| 企微小程序 | 管理者 | 自然语言查询、AI对话（内外网通吃） |
不是功能堆砌，是每个终端只做自己最擅长的事。
二、仓库APP：极简到只有扫码
2.1 100毫秒，不是噱头
扫码 → 解析 → 调接口 → 回显。整个链路100毫秒以内。
工人扫完码，手还没收回来，数据已经出来了。没人愿意等一秒。
2.2 零权限
除了扫码，这个APP不请求任何权限：
- 不读通讯录
- 不看相册
- 不问定位
- 不弹任何授权框
打开就用，零学习成本。
2.3 扫码是唯一交互
不需要打字。所有字段：
- 扫码自动填充
- 下拉选择
- 只输数字
解耦设计：每个表单独立运行。报工挂了，入库还能用。出问题的影响面永远是一个功能，不是整个系统。
三、企微小程序：内外网通吃的AI助手
没有菜单、没有tab、没有导航。打开就是一个聊天框。
3.1 自然语言问一切
“A产品还有多少库存？”
→ “3420件，低于安全库存线，建议补货。”
“今天入库了多少？”
→ “PET膜3200平方米，原纸15卷，合计6笔。”
“热压机今天的平均温度？”
→ “185.3℃，运行正常。”
3.2 内外网通吃：小程序在外网，数据在内网
管理者不一定在工厂。出差、在家、在路上，都要能查数据。
解决方案：小程序连外网，通过MQTT订阅内网数据
管理者手机（外网）──MQTT over WSS──→ 内网MQTT Broker ──→ 后端服务
- 小程序部署在企业微信云（外网可达）
- 通过MQTT over WebSocket（WSS）订阅内网数据
- 内网MQTT Broker配置认证和授权，保证安全
管理者不需要VPN，不需要连内网，打开微信就能查工厂实时数据。
3.3 技术极简：小程序只做渲染
<input v-model="question" @confirm="send" placeholder="问点什么..." />
<rich-text :nodes="htmlResult"></rich-text>
小程序只做两件事：
- 把问题发给本地DeepSeek
- 把返回的HTML直接渲染
3.4 为什么本地部署DeepSeek？
- 数据安全：工厂核心数据不出内网
- 低延迟：内网调用，50ms响应
- 可定制：微调模型，更懂你的业务
四、车间平板APP：工单执行 + 数据采集 + AI训练
这是三个终端里功能最全、价值最大的一个。
操作工上班，打开平板就知道一切。但它更重要的身份是：AI的数据喂养终端。
4.1 工单管理：知道现在干什么、下一步干什么
平板首页第一屏就是工单队列：
| 顺序 | 工单号 | 产品 | 目标数量 | 已报工 | 状态 | 原材料 |
|---|---|---|---|---|---|---|
| 当前 | WO001 | 地板A | 1000 | 620 | 🔄 进行中 | ✅ 已领 |
| 下一步 | WO002 | 地板B | 500 | 0 | ⏳ 待开始 | ⏳ 待领 |
| 后续 | WO003 | 地板C | 800 | 0 | ⏳ 待开始 | ⚠️ 缺料 |
操作工一眼就知道：
- 现在干哪个
- 下一个干哪个
- 料来没来
4.2 物料领用：扫码绑定工单
点“领料” → 扫描物料二维码 → 系统自动绑定到当前工单。
物料和工单绑定后：
- 仓库知道这批料被哪个工单用了
- 成本可以精确到工单
- AI知道这个产品的物料消耗规律
4.3 设备参数实时监控
平板实时订阅设备数据：
| 设备 | 温度 | 湿度 | 转速 | 状态 |
|---|---|---|---|---|
| 热压机-03 | 185.3℃ | 45% | 120rpm | ✅ 正常 |
数据来自MQTT订阅（传感器 → 服务器 → 平板），参数异常自动标红。
4.4 报工：干了多少，实时更新
点“报工” → 输入数量 → 提交。
平板立即更新进度。如果达到目标，工单自动完成，下一个变成“当前”。
4.5 核心价值：把一切数据喂给AI训练
平板产生的所有数据，都会被收集、清洗、标准化，然后喂给AI模型训练。
训练什么？
1. 排产优化
AI学习历史工单数据：
- 每个工单实际耗时 vs 计划耗时
- 物料准备时间、换模时间
- 设备空闲与拥堵规律
→ AI学会预测：“WO005什么时候能开工？什么时候能做完？”
2. 异常监管
AI学习设备参数和故障的关联：
- 温度超过190℃持续10分钟 → 后续30分钟内容易出次品
- 湿度低于40% → 胶水干燥过快
→ AI学会预警：“热压机温度偏高，建议在15分钟内检查。”
3. 原材料预警
AI学习物料消耗与工单进度的关系：
- 当前工单已完成62%，原材料已消耗620张
- 剩余380张预计还能做2小时
→ AI自动提醒：“WO002的原材料需要2小时内送到。”
4.6 数据流向
传感器 ──MQTT──→ 服务器 ──→ 平板APP（实时订阅）
工单进度 ──HTTP──→ 服务器 ──→ 平板APP（实时订阅）
物料消耗 ──HTTP──→ 服务器 ──→ 平板APP（实时订阅）
└──→ 训练数据集（每天汇总）
↓
AI模型训练
（排产/异常/预警）
平板APP既是执行终端，也是数据采集器。
每一秒的设备参数、每一个报工记录、每一次物料领用，都在为AI积累训练数据。
五、三个终端的分工
| 终端 | 用户 | 核心任务 | 关键特点 |
|---|---|---|---|
| 仓库APP | 仓管员 | 扫码出入库 | 100ms响应、零权限 |
| 车间平板APP | 操作工 | 工单执行 + 数据采集 | 工单队列、实时参数、喂数据给AI训练 |
| 企微小程序 | 管理者 | 自然语言查询 | 内外网通吃、MQTT订阅、本地DeepSeek |
仓库APP负责“进”，平板APP负责“做+喂”，小程序负责“查”。
六、为什么这样设计
解耦 = 容错
独立运行：平板APP挂了，仓库还能扫码。小程序连不上，车间还能报工。
没有单点故障。
极简 = 快
- 仓库APP：100ms响应
- 小程序：打开即问
- 平板：操作工不看说明书
每个终端只做一件事。
AI是大脑，终端是手脚 + 感官
- 仓库APP：拿数据（原材料）
- 平板APP：执行工单 + 洗数据 + 喂给AI训练
- 小程序：查数据（内外网通吃）
脏活累活终端干，学习优化AI干。
七、写在最后
这套东西的核心思想就一句话：
终端越瘦，系统越稳。数据越干净，AI越聪明。
- 100ms响应，是靠“只扫码”换来的
- 自然语言查询，是靠“只渲染HTML”换来的
- 工单执行不混乱，是靠“当前/下一步/原材料状态”清晰展示换来的
- AI能优化排产、预警异常，是靠“平板每天喂干净数据”训练出来的
不要在终端里塞太多逻辑。分开，才能跑得快。
不要给AI喂脏数据。洗干净，它才能学得聪明。
如果你也在做工厂数字化，希望这个“极简、解耦、AI驱动”的思路对你有用。
