从总表走向工序
很多工厂知道当月电费，却不知道一吨合格品具体消耗了多少电。原因往往是同一配电回路覆盖多台设备，MES 的工单结束时间又与电表采样时间不一致。若直接将总电量平均分摊到所有订单，得到的碳强度看似精确，实际掩盖了设备空转和返工。
优先布点的不是所有设备，而是耗能高、运行模式变化明显且能与产量对应的工序。表计编号、校准记录、采样频率和时区都应进入数据字典；停机、换线和试生产要单独标记。这样才能比较“同类工况下”的单位能耗。
让系统识别异常而不是制造噪声
AI Agent 可以每天拉取电表曲线、设备状态和工单，找出夜间基载上升、空压机频繁启停或冷却系统负荷与产量不匹配的时段。规则阈值适合处理明确异常，统计模型适合发现逐步漂移，两者结合比只让大模型读图更稳妥。
现场工程师必须能追到原始读数。传感器断线、计量倍率填错、生产记录延迟，都会造成“高耗能”假象。系统应先做缺测与异常值标记，遇到计量质量不足时暂停自动建议，而不是用插值填满所有空白。
峰谷电价与碳排放不是同一道题
当电价分时变化，系统可以建议把可延后的压缩空气制备、冷库蓄冷或非关键工序移到低价时段。然而低价不一定等于低碳；电网排放因子也可能随时间变化。排产还受交期、良率、人员和安全约束。
试点应以“建议模式”运行，比较建议方案与实际执行的电费、能耗和产出，不应只展示理论节省。若调整导致设备频繁启停或废品率上升，综合成本可能更高。连续炉窑、热处理等工艺尤其需要工艺工程师设定不可触碰的边界。
先选对试点，再谈规模化
适合起步的工厂通常已有分项计量、稳定的产量记录和愿意复核数据的现场团队。第一阶段可只覆盖一条线和一个月的历史基线，验证数据对齐与告警质量。第二阶段再引入电价、排放因子与订单预测。
投资回报应把仪表、网络、数据清洗和运维算进去。对于能源成本占比低、产品切换频繁的小厂，先改进设备维护与计量台账，可能比部署复杂调度智能体更有价值。
现场团队还要明确告警由谁接收。空压机基载异常若只发给总部可持续团队，往往错过处理时机；若每次波动都打断维修人员，又会形成告警疲劳。可按持续时间、偏离程度和设备重要性设置分级，先由班组确认工况，再由能源工程师分析趋势。试点报告应展示被采纳和被驳回的建议，记录原因。对计量误差较大的设备，优先校准和改造仪表，避免算法将噪声当成节能机会。
电价与碳排放目标之间还可能出现冲突。企业可以将方案同时放在“成本最低”和“排放较低”的坐标上，让生产负责人选择可接受的组合。对预测误差较大的时段，系统应给出区间而不是单点数字。试点结束时，按照相同产量和产品组合比较前后表现，避免把淡旺季变化误记为算法收益。
班组还应记录告警触发后的实际动作与结果。只有可重复的现场处置，才算把实时数据变成管理能力。
现场试点应怎样记录成本
以一条装配线为例，先连续记录基线：每班的合格品、停机时间、表计读数与主要设备状态。不要在基线采集期间频繁更换生产规则，否则难以分辨系统建议与生产波动的影响。工程师可在班后核对高负荷时段，标记换线、试机或设备故障。一个月后才讨论是否需要分钟级告警。
数据管道必须处理时钟漂移和断点。电表可能每十五分钟上传，MES 在工单结束时一次性回写。如果直接按同一时间戳连接，夜班跨日和设备停机很容易被错配。可以设置允许延迟、补传窗口和人工确认标记，并在图上清楚显示不确定区间。
调度建议的成本表除了电价与碳因子，还应包含产品良率、设备磨损、加班费和交期违约风险。对需要连续加热的设备，为追求谷时电价而停炉重启可能反而增加能耗。系统要把这些工艺禁忌写成硬约束，让算法只能在安全可行的方案中选择。
当试点结束，财务部门应核对节省是否真实反映在账单或单位产品成本中。若只有可视化曲线变漂亮，却没有可重复的异常处理动作，就还不是成功的能源管理项目。