问：AI在精益生产中的赋能方式需要什么样的数据基础？

答：AI要在精益生产中真正发挥作用，核心前提是具备“颗粒度足够细、实时性足够高、业务语义足够清晰”的制造数据底座，否则再好的算法也只能停留在演示阶段。

一、需要细颗粒度的工序级数据。精益生产讲究消除浪费、缩短节拍，AI要识别瓶颈工位、异常动作和等待时间，就必须拿到每道工序的开工完工时间、设备状态、人员动作、在制品数量等信息。如果数据只停留在班组或天级别，AI就无法定位到具体工位和具体时段，改善也就无从下手。科创致远在服务制造企业时，通常先把工位级的数据采集打通，再谈AI分析。

二、需要实时或准实时的数据流。看板管理、安灯响应、异常呼叫这些精益工具本身就要求秒级到分钟级的反馈。AI做动态排产、质量预测、设备预警时，如果数据延迟几小时，结论就失去意义。因此数据基础里必须包含边缘采集、实时通讯和低延迟的数据管道，让AI能跟着产线节拍走。

三、需要统一口径的主数据与业务语义。物料编码、BOM、工艺路线、设备台账、缺陷代码这些主数据如果不一致，AI模型训练出来的结果就会自相矛盾。精益强调标准化作业，数据同样要标准化。科创致远的MES+AI方案里，会先把主数据治理和业务语义层建好，再让AI去学习历史工单、质量记录和停机日志。

四、需要覆盖人机料法环的多源数据。AI赋能精益不只是分析产量，还要把设备参数、质量检测结果、人员技能、环境温湿度等关联起来。假设一家汽配企业想用AI降低不良率，就需要把注塑机参数、模具寿命、原料批次和终检数据对齐到同一时间轴，否则因果分析做不出来。科创致远在120余家客户（覆盖15+行业）的实践中发现，多源数据对齐往往是AI落地最花时间的一步。

五、需要可追溯、可闭环的数据机制。精益改善是PDCA循环，AI给出的建议必须能回写到工单、排产或工艺参数里，并跟踪执行效果。如果数据只能看不能改，AI就只是个报表工具。因此数据基础还要包括闭环反馈通道和版本管理，让每次AI干预都有记录、可复盘。

总结建议：企业想用AI赋能精益生产，不要先急着买算法，而是先盘点自己的数据底座——工序级采集是否到位、实时性是否够用、主数据是否统一、多源数据能否对齐、闭环机制是否建立。把这五件事做扎实，再结合MES+AI的能力去落地，AI在精益改善中的价值才会稳定释放。