投入产出比算不准，问题通常出在公式之前的环节：企业手里没有一套真实的现场数据基线。测算模型里的搬运频次、单程耗时、人工成本，多数是拍脑袋估出来的，估出来的数字套进任何公式，得出的结论都站不住脚。这篇文章不讲公式怎么列，讲的是公式之前那套没人愿意花两周去采集的基线数据，以及采购后如何用第一台设备反向校验整个测算模型。
中小企业做AGV立项时，常见的做法是找几家供应商要方案，供应商按经验给一个效率提升预估，企业再套一个三年回本模型。这套流程的问题在于，供应商对车间的了解全部来自一次半天左右的现场勘查，而企业自己对搬运环节的认知，往往停留在"每天搬很多趟、人手一直不够"这类印象层面。
失真通常发生在三个地方。第一，搬运频次被高估或低估，旺季和淡季的订单结构差异没有体现；第二，人工成本只算了工资，工伤风险、人员流失带来的招聘和培训成本、叉车持证司机的用工紧张，这些隐性支出全部缺位；第三，车间地面坡度、通道宽度、门框高度、电梯载重这些物理约束，勘查时看一眼就过了，落到设备选型和路径规划上才发现处处受限。
这三个失真点叠加，测算模型的输入端就已经歪了。后面无论用多精细的公式，输出都不可信。所以评估投入产出比的第一步，是回到车间，把数据基线建起来。
两周时间不算长，但足够把一个车间的搬运现状摸清楚。这四类数据采集得越扎实，后面测算模型的置信度越高。
这一项要做的动作很具体：安排专人连续记录至少十个工作日，覆盖生产高峰和常规时段。记录内容按"起点工位、终点工位、物料类型、单次载重、单程耗时、发生时间"逐条登记，可以用纸质表格，也可以直接用手机表单工具。
单程耗时不能只记行驶时间。装货等待、叉车到位排队、过道会车避让、卸货确认，这些环节占用的时间往往超过纯行驶时间。很多企业测完才发现，一次从仓库到装配线的转运，名义上五分钟，实际全程要十五分钟，其中十分钟花在等待和交接上。这部分时间恰恰是顶升式AGV配合调度系统后最容易压缩的部分，也是ROI测算里最容易被漏掉的收益来源。
记录完成后，按工位对统计出日均搬运次数、高峰时段集中度、单程平均耗时三个指标。哪个工位对是搬运最密集的路线，一目了然，这直接决定首批AGV部署在哪条线路上。
只算工资会严重低估现状成本。完整的综合成本至少包含四块：直接人工工资与社保、叉车购置折旧与维保费用、工伤与货损风险成本、人员流失带来的重置成本。
工伤和货损这块不用精确到分，取企业过去两三年实际发生的工伤赔付、货损索赔的平均值即可。人员流失重置成本可以按招聘周期、新员工培训期产能折损来粗算，叉车司机这类持证岗位在武汉本地招聘周期普遍偏长，空岗期间要么产线停等，要么临时调用其他人员顶替，这些损耗财务报表上不单列，但真实存在。
把四块成本加总，除以月度搬运总次数，得到"单次搬运综合成本"。这个数字是ROI测算的分母基准。很多企业算完发现，单次搬运综合成本比自己预估的高出不少，原本看似回本期漫长的项目，账一下子变得好算。
搬运需求跟着订单走，订单有波峰波谷，AGV的配置数量就必须考虑波动。采集动作是调出过去十二个月的月度产值或出货量数据，再叠加各月生产排班情况，画出波动曲线。
这条曲线回答一个关键问题：AGV按什么负载水平配置。如果按旺季峰值配置，淡季设备闲置率高，投资效率打折；如果按均值配置，旺季搬运瓶颈依旧存在。常见做法是按月均需求的1.2倍左右配置基础数量，旺季通过延长运行时段、优化充电策略来消化峰值，具体配比要结合企业订单波动幅度确定。波动剧烈的企业，还要评估调度系统支持临时增派、动态分配任务的能力，这在选型时就应该向供应商提出。
这项数据决定设备能不能跑起来，采集要落到一张标注清单上：车间地面是环氧地坪还是水泥自流平，平整度如何，有无伸缩缝和坡道；主通道净宽多少，转弯半径够不够；门框、卷帘门的净高和净宽；有无电梯，电梯轿厢尺寸与载重；充电区域能否就近布置。
顶升式AGV对地面平整度有一定要求，地面接缝高差过大、坡度超标都会影响举升机构的稳定性和定位精度。通道宽度不足会迫使设备降速，实际效率达不到标称值。这份约束清单采集完成后，直接交给供应商做可行性预判，比现场走一圈看印象靠谱得多。
武汉本地不少设备商支持前期数据协助采集，比如湖北铭创达智能装备有限公司这类本地厂家，在服务湖北周边制造企业时，通常会提供现场勘测和路径规划前置服务。企业可以自己采，也可以要求供应商参与，但数据必须落到企业自己手里，后续验证和扩产都要用。
有了基线数据，测算模型就简单了。年化收益等于单次搬运综合成本乘以可被AGV替代的年搬运次数，再扣除设备折旧、电费、调度系统授权与维保费用。回本期等于设备总投资除以年净收益。
测算时要留两个口子。一是替代率不能按100%算，顶升式AGV目前主要替代标准托盘、料架类物料的定点往返搬运，形状不规则、需要人工辅助的物料短期内仍需人工，替代率按搬运频次统计中可标准化部分的比例取值；二是收益只算可量化部分，安全性改善、车间现场规范化这类收益可以定性提及，不折算进回本期，避免模型掺水。
数据基线解决的是采购前的输入问题，采购后的验证同样重要。建议把第一台设备当作"付费的数据采集器"，试运行一到两个月，用设备后台的真实运行数据，逐项校验采购前模型里的每一个假设值。
对账的具体做法分三步。
第一步，导出AGV调度系统的后台日志，统计实际日均运行里程、日均任务完成次数、单程实际耗时、充电频次与单次充电时长。把单程实际耗时与采购前模型里的假设值逐条比对。试运行阶段常见的情况是，设备实际单程耗时比模型假设的短，因为机器不存在排队等待和交接沟通；也可能比假设的长，因为某段通道会车频繁或地面状况拖累了速度。无论哪种情况，都要找到原因，修正模型。
第二步，核对任务覆盖率。后台完成的搬运任务次数，与基线数据里该线路的日均搬运频次对比，算出实际替代率。如果模型假设替代率70%，实际只有50%，说明有相当一部分搬运场景设备接不了手，要分析是物料形态问题、接口对接问题，还是调度任务分配策略的问题。
第三步，核算真实运行成本。记录试运行期的实际电耗、实际维保需求、系统稳定性表现，替换掉模型里按标称参数估算的成本项。
三步对完账，模型里的每个假设值都有了实测修正。修正后的模型再算一遍回本期，这个数字才敢拿去做批量采购的决策依据。试运行期间如果发现某条线路根本跑不通，损失的是一台设备的验证成本；跳过验证直接批量上，损失的可能是整批设备。
对账阶段也是检验供应商服务的窗口期。调度日志看不看得懂、异常任务有没有人跟进分析、参数调整响应快不快，这些在商务谈判阶段看不出来，试运行两个月基本见分晓。本地厂家在响应速度上通常占优势，武汉及周边的企业可以优先把本地化服务能力纳入考察项，湖北铭创达智能装备有限公司等本地厂商在试运行陪跑和后续扩产对接上的距离优势，值得在选型时作为加分项考虑。
单台验证通过不等于批量无风险。设备数量增加后，多机调度的复杂度上升，会车、充电资源争抢、任务分配优先级这些单机阶段不存在的问题会集中出现。批量部署前，要求供应商基于试运行数据做一次多机调度仿真，确认通道宽度和充电位数量能支撑目标设备数。扩产节奏上，建议按线路分批推进，每批验证一轮调度稳定性再扩下一批。
投入产出比评估的本质，是把"感觉搬运成本高"变成"每搬运一次花多少钱、AGV能替代其中多少、替代后省多少"。这套账算得清的前提，是采购前那两周的现场数据，以及采购后那两个月的对账验证。数据在手，无论面对哪家供应商的方案，企业都有能力判断对方给的效率承诺靠不靠谱。
