FSEDFEWF

根据你们 A16 小组的主题 Smart Factories and Connected Manufacturing（智能工厂与互联制造），我找到了 3 个比较适合填写到表格中的英文资料。

我特意按照老师的要求选择了 Secondary Evidence — Ideas for Solutions，也就是能够启发解决方案的资料，而不只是描述制造业目前存在的问题。

Part 1 — Source Finding / Secondary Evidence

以下内容可以直接复制到表格中，英文难度也做了适当控制。

Source Title	Source Type	Credibility (H/M/L)	AI Assistance + Verification	Idea It Gives Us for a Solution	Link to Source
Extended Digital Thread (NIST, 2025 update)	Government Research Website	H	AI helped summarise the source. Information was checked against the official NIST website.	Connect machines and production systems through shared digital data. This can improve communication and help factories make faster decisions.	NIST
Machine Vision in Manufacturing SMEs: A Review (2025)	Academic Journal Article	H	AI helped identify key ideas. The information was checked against the published academic article.	Use AI cameras to automatically detect product defects. Low-cost hardware and open-source software can make this solution more affordable.	Springer
GlobalFoundries – Singapore – Productivity (2025)	Industry Case Study	M	AI summarised the case study. The technologies and reported results were checked on the World Economic Forum website.	Use AI for predictive maintenance and quality control. One Singapore factory reported a 40% improvement in labour productivity and 30% shorter prototyping time.	WEF

这三篇资料均有原始出处，分别来自美国国家标准与技术研究院、学术期刊和世界经济论坛。

image

NIST

+2

三条证据分别说明什么？

Endee - AI Search and Intelligence Platform

1. 工厂设备互联（Connected Manufacturing）

将设计、生产和检测环节的数据连接起来，减少信息孤岛。这是 NIST 研究项目提出的技术方向，并非已经量化验证的生产率提升。

image

NIST

Advance Sensing | Machine Vision Company in India | Industrial Automation & Sensor Solutions Bengaluru

2. AI 自动质量检测（AI Quality Inspection）

使用工业摄像头及计算机视觉系统识别产品缺陷。2025 年的一篇系统性文献综述分析了 770 篇相关研究，并讨论了中小型企业采用低成本硬件和开源软件的可行方向。

image

Springer Nature Link

TSMC Accelerates Arizona Fab Expansion as AI Chip Demand Surges | The Tech Buzz

3. AI 预测性维护（Predictive Maintenance）

新加坡 GlobalFoundries Fab 7 部署了超过 60 个工业数字化应用场景，包括机器学习预测性维护、远程支持及质量控制。其案例报告显示，劳动生产率提升 40%，新产品原型开发时间缩短 30%。这些是整个数字化改造项目的结果，不能单独归因于预测性维护。

image

Productivity

小组后续可以提出的解决方案

结合以上资料，你们可以选择一个比较具体的研究方向：

Our proposed solution is to develop a connected smart factory system using IoT sensors, AI-based quality inspection, and predictive maintenance. These technologies could help manufacturers monitor equipment, identify defects, and improve production efficiency.

中文：我们建议建立一个结合物联网传感器、AI 质量检测和预测性维护的智能工厂系统。这些技术可以帮助制造商监测设备、识别产品缺陷并提高生产效率。

填写建议： 如果老师只要求至少两篇资料，优先使用第 2、3 篇，因为它们分别提供了学术研究依据和实际工厂案例。第 1 篇适合补充工厂设备互联的数据架构思路。

另外，表格中的 AI Assistance + Verification 应如实反映 AI 的辅助情况和已完成的核对；目前已核对所列出版页面的主要内容，但尚未对每篇资料的全部研究数据进行独立复核。