一、MES 的数据常见困境：录了很多，用得很少

很多工厂的 MES 并不缺数据——工单、报工、质检、设备状态都在录。问题是这些数据主要用来做两件事：应付检查和月底算报表。等报表出来的时候，能改的都已经晚了。

数据真正发挥作用的时刻，是它能在当天变成某个人的动作。这才是 AI Agent智能体 在车间场景的价值切口。

二、三类值得实时提取的信号

信号一：进度偏离计划。 不看绝对进度，看偏差——某工单计划今天完成 500 件，实际到下午三点只报了 200 件。这类偏差要在当天上午就发现，而不是月底。做法是用固定时间点做计划/实际比对，超过阈值就提醒到班组和计划员。

信号二：质量指标波动。 单次不良不说明问题，连续趋势才说明问题：某个工位连续三批不良率高于自己历史水平，或某台设备的返工率连续两天上升。这类信号适合做「相对自身基线」的对比，不需要复杂的模型——简单的统计规则往往比复杂算法更准、更好解释。

信号三：设备停机与异常停机。 记录停机开始时间、时长、原因分类。真正的价值不在统计总停机时间，而在区分"计划停机"和"异常停机"，并把异常停机按设备、班次、原因归类——这样才知道该修设备、换刀具还是调整排产。

三、从"看到"到"做到"：中间要补什么

在给客户做巡检类系统（如消防救援大队的巡检平台）时，我们总结出一条经验：光有数据看板，一线不会持续看；把数据变成"要你做什么"，才会被真正使用。

具体补三样东西：

1. 责任人：每条提醒必须落到具体的人，而不是"发给管理群"。发到群里等于没发；

1. 动作指引：提醒里要带下一步——"该工单落后计划 40%，建议调整明日报工或拆分工序"，而不是只报数字；

1. 处理闭环记录：谁处理的、怎么处理的、结果如何，要记回来。这一条是后续能不能做更深度自动化的前提。

四、实施建议：从一条线开始，不要全厂铺

• 第一步：选一条工序完整、数据录入质量最好的产线，做进度偏差提醒；周期通常 2–4 周；

• 第二步：加上质量趋势与异常停机分类，形成每日一报（自动生成、早上推送）；

• 第三步：与 ERP 的订单数据关联，让交期回答变准——"这批货能不能按时交"成为系统能给答案的问题，而不是靠班组长凭经验说。

五、两个容易踩的坑

• 坑一：把看板当成果。 大屏做得再漂亮，没人看的看板就是装饰。验收标准要定在"提醒的响应率"，不是"看板有没有上墙"；

• 坑二：忽略了数据录入的那一环。 MES 数据质量取决于工人是否按时按实报工。如果报工本身是事后补录的，任何实时分析都建立在假数据上。先解决录入习惯，再谈智能分析。