问：AI Agent在工厂管理中的潜力需要什么样的数据基础？

答：AI Agent想在工厂管理里真正发挥作用，前提不是算法多强，而是设备、工单、质量、物料、人员这几类数据能不能做到“高频、干净、可关联”。缺了这个底子，Agent再聪明也只能在会议室里做演示。

一、设备与产线数据：要的是秒级或分钟级的时间序列

某电子厂想用Agent做设备异常预警，结果发现注塑机只有日报表，温度、压力、节拍全靠班组长手抄。这种数据基础下，Agent连“正常波动”和“异常漂移”都分不清。真正能支撑Agent的设备数据，至少包括PLC/DCS采集的实时运行参数、启停状态、报警代码、OEE相关的时间戳数据。数据采样频率建议不低于每分钟一次，关键工序做到秒级。没有这个密度，Agent做根因分析就像用一张模糊照片去认人。

二、工单与工艺数据：要的是结构化、带上下文

工厂里最容易被低估的是工单数据。假设一家汽配企业，生产工单只记录了“开始、结束、数量”，但没记录“哪台设备、哪套模具、哪个操作员、用了哪批原材料”。这种工单对Agent来说就是一张白纸。Agent要回答“为什么这批件不良率偏高”，必须能把工单和工艺参数、设备状态、物料批次串起来。所以数据基础里，工单必须结构化，并且和MES、ERP、QMS里的字段有稳定的主键关联。

三、质量与物料数据：要的是闭环，不是孤岛

不少工厂的质量数据存在Excel和纸质检验单里，物料批次信息在仓库系统，供应商来料记录在另一个表格。Agent想追“某批不良品是不是因为换了供应商”，根本追不动。实践来看，质量数据要能闭环，至少做到：检验记录带时间戳和工单号，不良代码标准化，返修/报废/让步接收有明确去向。物料数据要能追到批次，甚至到卷号或炉号。没有这个，Agent的“质量归因”就是猜。

四、人员与排班数据：常被忽略，但影响很大

Agent在排产、调度、异常响应里，经常要回答“这个工位现在有没有人”“谁有资质处理这台设备”。如果排班数据还在微信群里发，人员资质在HR系统里不对外开放，Agent的调度建议就落不了地。所以人员数据要包括：实时在岗状态、技能矩阵、资质有效期、班次规则。这些数据不一定高频，但必须可查询、可更新。

五、数据治理比数据量更重要

从实践来看，很多工厂不是没数据，而是同一台设备在MES里叫“注塑机01”，在设备台账里叫“IM-01”，在能耗系统里叫“一号机”。Agent做关联时直接卡死。所以数据基础里，主数据管理、设备编码统一、时间戳对齐、单位统一，这些“脏活”比买大模型重要得多。厂商在帮客户落地时，通常先花大量时间做数据映射和清洗，而不是急着上Agent。

总结建议：如果你现在评估AI Agent在工厂管理的潜力，先别问“用哪个模型”，先盘一盘设备数据有没有分钟级采集、工单能不能关联工艺和物料、质量数据是否闭环、人员状态是否可查。这四样里缺两样以上，建议先补数据基础，再谈Agent。该方案在120余家客户（覆盖15+行业）的落地经验也表明，数据基础扎实的工厂，Agent上线周期和效果稳定性明显更好。