装备制造与工程图纸 AI 知识库：车间查到的就是受控版

行业痛点

1. 图纸散落，现场用的是旧版

   同一零件的 PDF、DWG、STEP 和扫描件分散在个人电脑、共享盘与微信群里，没有统一入口。技术部改到 C 版之后，车间和售后手上那份常常还是 B 版，错料和返工往往从这里开始。

2. 扫描图纸查不到一个字

   老产品只剩蓝图扫描件，图号、材料、热处理要求和表面粗糙度都在像素里，搜索框一个也查不到。老师傅凭记忆翻文件夹，新人连该从哪张图看起都不知道，图纸等于没有编目。

3. 技术部被同一件事反复问

   车间问基准怎么找，品质问公差怎么判，外协问焊接符号什么意思，售后问备件对应哪张图。问题本质相同，却每次都要拉一位工程师出来回答，工艺知识停在几个人和几个聊天窗口里，人一休假就断线。

4. 检验判据和图纸对不上

   图纸升到 C 版，检验规范还停在 B 版；首件检验、来料检验和三坐标报告引用的基准不一致，NCR 开出来才发现判据本身是旧的。检验和图纸各走一套，返工责任说不清楚。

对应做法

• 图纸统一入库，版本可追溯

  PDF、DWG、STEP、扫描件按图号、零件名和项目归到同一知识库，每个知识库可以绑定自己的对象存储桶。解析后按图幅、标题栏、明细栏和条款分块，每次改动留快照，能看行级 diff 并回滚，检索只命中当前有效版本。

  对应能力：分块版本治理

• 扫描件和混排图纸都能读

  两套解析引擎分工：OpenDataLoader 处理多栏表格与图框混排的复杂 PDF，PaddleOCR-VL 处理图片和扫描蓝图。覆盖 PDF、Word、Excel、图片、EPUB、MHTML 等 10 余种格式，图号、材料、热处理与粗糙度标注都能进入检索。

  对应能力：扫描件 OCR 解析

• 回答带出处，能当场核对

  向量与关键词混合检索再加 ReRank，工程师问一句「这个件的基准在哪、热处理怎么要求」，系统直接定位到图面段落或工艺卡条款，并给出可点击的原文出处。资料里没有的内容会明确说没有，不猜尺寸，也不替图纸做判断。

  对应能力：RAG 检索引用

• 工艺与检验经验沉淀下来

  智能体把图纸、工艺卡、SOP 和历史 8D 整理成结构化、互相链接的 Markdown Wiki 页面，并生成知识图谱；页面可在线编辑、留快照、看行级 diff、回滚。老师傅的判断标准写进页面，新人从目录就能走到具体条款，不必只靠口口相传。

  对应能力：自动 Wiki 与图谱

落地场景

• 售后查备件，不再翻图纸

  售后接到设备故障描述，要先确认是哪个部件、对应哪张图、哪一版。知识库按故障现象、部件名称和图号检索，返回图纸片段与备件明细，在企微或微信里直接问，不用回办公室开电脑。

• 外协厂的标注答疑

  外协厂问「这个角焊缝符号是双面还是单面」「热处理标的是调质还是氮化」，可在有权限的知识库里查图面说明和工艺要求。图纸下发按空间隔离，谁能看哪一版由 RBAC 控制，查阅留审计日志。

• 首件检验对照图纸条款

  首件检验前，检验员按零件号调出图纸上的尺寸、形位公差与基准要求，再对照 CMM 报告逐项确认。判据来自同一份受控图纸，NCR 描述可以直接引用条款号，返工责任不再含糊。

• 图纸变更，影响面先摸清

  图纸发 ECN 变更时，工艺、检验、外协和备件都可能受影响。按图号与部件检索引用过这张图的工艺卡、SOP、检验规范和售后记录，列出需要同步修改的清单，避免改了图纸忘了工艺。

行业术语与知识实体

形位公差

规定要素形状、方向、位置与跳动允许变动量的标注方法，用公差框格给出符号、公差值和基准，用于表达尺寸公差说不清的装配要求。

基准 A/B/C

确定被测要素方向或位置的参考要素，常以 A、B、C 组成基准体系，模拟零件在检具或三坐标上的定位，检验须按同一基准建系。

表面粗糙度 Ra

轮廓算术平均偏差，取样长度内轮廓偏距绝对值的算术平均值，单位微米，是图纸上常见的表面质量要求，与加工方法和测量方向有关。

明细栏 BOM

装配图标题栏上方的表格，按序号列出零件代号、名称、数量、材料和备注，是采购、装配和备件管理的依据，与图纸版本一起受控。

首件检验 FAI

批量投产前，对首件按图纸和检验规范做全尺寸与外观确认，验证工艺、设备、工装和程序具备批量能力，报告通常需客户或品质签认。

工艺路线

从毛坯到成品的加工顺序，规定每道工序的设备、工装、切削参数和检验点，工序卡与作业指导书由工艺路线展开，变更需走受控流程。

焊接符号

图样上表达焊缝位置、型式、尺寸和坡口要求的符号，由基准线、箭头线和焊缝符号组成，画法按 GB/T 324 执行。

工程变更 ECN

图纸或技术文件发生更改时签发的受控文件，说明变更内容、原因、生效批次和影响范围，需同步更新工艺、检验与外协资料。

三坐标测量机

用测头在三个坐标方向采集零件表面点，按基准建立坐标系后计算尺寸与形位误差的设备，报告合格与否取决于建系方式与测点策略。

这些定义同时以结构化方式提供给搜索引擎与 AI 引擎，便于它们准确理解并引用行业概念。

相关落地案例

行业常见问题

图纸版本太多，怎么保证车间和售后拿到的是受控那一版？

行业做法是单一数据源加版本受控：图纸只在受控库里发布，旧版作废标注，发放用链接而不是文件副本。RatioMax 把同一零件的 PDF、DWG、STEP 和扫描件归到同一知识库条目，每次改动留快照和行级 diff，检索只返回当前有效版本；配合四级 RBAC 与空间隔离，车间、售后、外协各看权限范围，访问写入审计日志。

位置度公差后面跟一个 MMC 符号，该怎么理解？

位置度控制被测要素中心线相对理论正确位置的偏离，公差带通常是以理论位置为中心、直径等于公差值的圆柱。MMC 指孔做到尺寸下限、轴做到尺寸上限的状态；实际尺寸离开该状态可得补偿公差，但受相反方向尺寸极限约束。判断依据是图纸框格与基准，RatioMax 把国标与厂内检验规范入库，回答给出条款出处。

图纸标 Ra、客户报告给 Rz，两个值怎么对应，检验按哪个判？

Ra 是轮廓算术平均偏差，Rz 是取样长度内轮廓峰顶到谷底的高度，两者定义不同，无固定换算关系，只能按加工方法粗略估算。图纸标哪个就按哪个验收，取样长度、评定长度和测量方向要与所引标准一致，口径不一致时先确认标准，不要直接换算。RatioMax 把图纸标注、检验规范与量具作业指导书放在同一知识库，问答时给出处。

老图纸只有扫描 PDF，没有文字层，还能搜到图号和材料吗？

可以。PaddleOCR-VL 专门处理扫描件和图片，能识别图面文字、标题栏、明细栏与标注，识别结果进入检索索引。覆盖 PDF、Word、Excel、图片、EPUB、MHTML 等 10 余种格式，复杂版式 PDF 由 OpenDataLoader 解析。回答标注来源段落，识别不确定处回原图核对，不把猜测当结论。

内网环境不能连外网，这套系统能部署吗，资源怎么估？

可以。单机用 Docker Compose 部署，生产集群用 Kubernetes，四个核心服务可独立部署扩容；每个知识库可绑定私有 OSS/S3 桶，组件全部跑在内网，数据不出厂区。模型可选 20 多家厂商的云端 API，也可用 Ollama 跑本地模型。具体规格按文档量、并发和模型评估，需结合现场条件出方案。

让 AI 回答尺寸和公差，会不会编一个图纸上根本没有的数值？

这就是要看出处的原因。答案来自检索到的图面段落或工艺条款，混合检索加 ReRank 先筛出证据，再让模型基于证据作答，每个回答带可点击引用，答不出来会直接说明。平台用 Langfuse 与 W3C 跨服务追踪做端到端回放，任何一次回答都能追到当时的检索结果和提示词；尺寸与公差这类信息仍由工程师核对原图。

外协厂要图纸，怎么下发才不担心外流和用错版本？

先按项目或供应商划分空间，再用四级 RBAC 控制到单个知识库，外协只能看已下发的受控版本，访问写审计日志；OIDC 单点登录统一账号，接口走两级 API key。图纸文件可存放在每个知识库绑定的私有 OSS/S3 桶，数据源与 MCP 凭据用 AES-256-GCM 加密。外协在企微或网页组件里提问，答案同样带出处。

工艺知识都在老师傅脑子里，怎么整理成新人能用的资料？

先把散落的图纸、工艺卡、SOP 和 8D 收进知识库，再让智能体生成结构化、互相链接的 Wiki 页面和知识图谱，页面支持在线编辑、快照、行级 diff 和回滚，老师傅改一句就能审。配合可视化分块编辑器和自定义 metadata 过滤，把工序、设备、材料这些维度标出来，新人按工序就能检索到对应条款，而不是从头翻图纸。

其他行业

• 耐磨件与矿山机械 — 耐磨件制造 AI 知识库
• 改性工程塑料 — 改性工程塑料研发与品质知识库
• 政务与公共事业 — 政务内网 AI 知识库与智能问答
• 金融 — 金融行业 AI 知识库与智能体平台