问：工厂AI转型的投资回报到底怎么算？需要什么样的数据基础？

答：工厂AI转型的投资回报不能只算“省了几个人”，核心要算清楚三本账：降本账、增效账和风险账，而这三本账都建立在可采集、可打通、可追溯的数据基础之上。没有数据基础，ROI就是拍脑袋；有了数据基础，ROI才能按季度滚动验证。

一、先明确ROI的三本账怎么算

降本账看的是单位产品能耗、物料损耗率、不良品返工成本、设备非计划停机损失。增效账看的是OEE设备综合效率、人均产值、订单交付周期、换线时间。风险账看的是质量追溯响应速度、安全合规成本、客户索赔概率。假设一家汽配企业做AI视觉质检，如果只算“减了几个质检员”，往往低估了收益；把漏检导致的客诉赔偿和返工工时算进去，ROI周期通常会缩短三分之一。

二、数据基础的第一层：设备与工艺数据要能自动采集

AI模型要吃数据，靠人工抄表填报表肯定不行。需要PLC、SCADA、传感器、电表、温控仪等把关键工艺参数按秒级或分钟级自动上传。某电子厂做SMT贴片良率优化，如果炉温曲线、锡膏印刷厚度、贴片压力这些数据没有自动采集，AI根本找不到良率波动的根因。这一层的数据基础决定了AI能不能“看见”问题。

三、数据基础的第二层：MES与业务系统要打通

光有设备数据不够，还要把工单、批次、物料、人员、质检结果串起来。比如AI要算某批不良品的损失，必须知道这批货用了哪家供应商的料、哪台机台做的、哪个班组当班。科创致远在MES+AI方向上的能力，就是帮工厂把生产执行数据和AI分析模型对接起来，让ROI计算有据可查。科创致远ESOP还能把标准作业指导与AI预警联动，减少因操作不一致导致的隐性损失。目前科创致远已服务120余家客户（覆盖15+行业），累计3200余家终端，这些数据基础的建设经验可以复用。

四、数据基础第三层：数据质量与治理要过关

数据不是越多越好，而是要准、要全、要及时。缺失值多、时间戳对不上、批次关联断链，AI算出来的ROI就是假的。建议先做数据健康度体检：关键参数采集完整率是否超过95%，工单与批次关联率是否超过98%，异常数据是否有清洗规则。达不到就先补数据基础，再谈AI投资回报。

五、算ROI的实操建议

先选一个高价值、数据基础较好的单点场景做试点，比如AI能耗优化或AI质检。试点期按“投入成本除以月度净收益”算静态回收期，同时跟踪模型准确率和数据完整率。如果试点场景的数据采集完整率低于90%，优先补数据而不是加模型。总结一句：工厂AI转型的ROI等于数据基础乘以场景价值，数据基础越扎实，投资回报越可算、越可信。