摘要金蝶AI套件在装备制造ETO/MTO场景下的4个已落地AI应用智能排产建议、物料齐套预测、项目成本预警、知识库智能问答。本文从技术实现角度剖析每个场景的算法逻辑、数据输入、输出形式和实际效果含系统截图描述和配置建议。「AI赋能制造业」喊了三年大多数落地都在标准品流水线场景质检视觉识别、预测性维护等。对于项目型装备制造ETO/MTOAI能做什么金蝶AI套件已经在装备制造场景跑通了4个应用。本文从技术层面剖析实现原理。应用一智能排产建议业务场景装备制造的排产难度远超标准品20个项目同时跑共用同一批设备和人力每个项目的工序依赖关系不同、物料到货时间不同、客户交期优先级不同。算法逻辑输入 ├─ 项目WBS 工艺路线工序依赖关系 ├─ 设备产能矩阵每台设备可加工的工序类型、日产能 ├─ 人员技能矩阵每人可操作的设备/工序 ├─ 物料齐套状态每个工序的物料是否齐备 ├─ 客户交期优先级权重 └─ 当前在制状态 算法核心多约束优化Constraint Satisfaction 启发式搜索 ├─ 硬约束工序依赖关系、设备一次只能做一件事、物料不齐不能开工 ├─ 软约束交期偏好越早交越好、设备负载均衡、换线次数最少 └─ 目标函数min(加权交期延误 设备空闲率 换线成本) 输出 ├─ 排产方案A交期优先所有项目按交期紧迫度排可能设备过载 ├─ 排产方案B均衡优先设备负载均衡部分项目交期延后 ├─ 排产方案C成本优先最少换线合并同类工序交期可能延后 └─ 每套方案的风险评估哪些项目有延期风险、延几天系统输出形式┌─────────────────────────────────────────────────────────┐ │ 智能排产建议2026年6月第3周 │ │ │ │ ⭐ 推荐方案B均衡优先 │ │ - 20个项目均按时交付概率89% │ │ - 设备综合利用率84% │ │ - 预警PRJ-045的底座加工存在2天延期风险 │ │ - 建议将CNC-03的PRJ-038工序后移1天腾出PRJ-045 │ │ │ │ [查看甘特图] [对比方案A] [对比方案C] [采纳方案B] │ └─────────────────────────────────────────────────────────┘实际效果车间主任决策时间从每天2小时缩短到30分钟设备利用率提升从72%到84%因排产冲突导致的等待工时减少45%应用二物料齐套智能预测业务场景装备制造最常见的停工原因就是「料没到齐」。MRP算出的需求日期是理论值实际供应商交期有波动。算法逻辑输入 ├─ MRP计算的物料需求清单需求日期 ├─ 供应商历史交期数据承诺交期 vs 实际到货日期的偏差分布 ├─ 在途采购订单状态 ├─ 当前库存 └─ WBS节点开工时间 预测模型 ├─ 对每颗物料 │ actual_delivery promised_delivery supplier_delay_distribution │ P(on_time) P(actual_delivery required_date) │ ├─ 对每个WBS节点 │ kit_probability ∏(P(on_time) for each material in BOM) │ if kit_probability 80%: → 齐套风险预警 │ └─ 关键路径影响分析 if delayed_node is on critical_path: project_delay node_delay → 项目级预警 else: impact 浮动时间消耗量 → 次级预警 输出 ├─ 齐套风险看板红/黄/绿标记每个WBS节点的齐套概率 ├─ TOP5风险物料清单哪5颗料最可能延迟 ├─ 建议动作催货/换供应商/调整工序顺序 └─ 预警推送给项目经理供应商交期偏差学习# 供应商交期偏差分布建模简化示意defbuild_supplier_delay_model(supplier_id,material_category): 从历史采购数据中学习供应商的交期偏差分布 historical_ordersPurchaseOrder.filter(suppliersupplier_id,material_categorymaterial_category,status已到货,delivery_date__gteone_year_ago)delays[]fororderinhistorical_orders:delay(order.actual_delivery-order.promised_delivery).days delays.append(delay)# 拟合正态分布或更复杂的分布mean_delaynp.mean(delays)# 平均延迟天数std_delaynp.std(delays)# 延迟标准差return{mean_delay:mean_delay,std_delay:std_delay,on_time_rate:sum(1fordindelaysifd0)/len(delays),worst_case:np.percentile(delays,95)# 95%分位的延迟天数}实际效果缺料停工次数月均8次→月均2次减少75%提前预警时间从「当天发现缺料」到「提前2-3周预警」项目经理响应时间有预案不再被动救火应用三项目成本智能预警业务场景项目周期3-6个月如果不做过程监控结项时才发现亏损。算法逻辑输入 ├─ 项目预算基线分成本要素WBS节点 ├─ 已发生实际成本实时归集 ├─ 项目进度WBS完成百分比 ├─ 同类历史项目的成本曲线形态 └─ 外部因素物料价格趋势、汇率变动 AI预测逻辑 ├─ 基于EAC公式计算完工估算 ├─ 基于同类项目成本曲线做Pattern Matching │ - 如果当前项目的成本消耗速度显著快于同类项目同阶段 → 异常预警 ├─ 结合物料价格趋势预测剩余物料成本 │ - 如果关键物料钢材/铜价格上涨趋势明显 → 提前预警 └─ 综合评分输出项目健康度 输出 ├─ 项目成本健康度评分0-100 ├─ 预警等级绿/黄/红 ├─ 预测完工成本EAC和毛利预测 ├─ TOP3成本风险点 └─ 建议动作预警推送示例┌─────────────────────────────────────────────────────────┐ │ ⚠️ 成本预警 - PRJ-2026-0045自动化焊接产线 │ │ │ │ 项目进度42% │ │ 预算消耗51%超前9个百分点 │ │ 预测完工成本¥1,285,000预算¥1,130,000超支13.7% │ │ 预测毛利14.3%目标24.7%缺口10.4% │ │ │ │ TOP3风险点 │ │ 1. 机器人本体采购价超预算12%供应商涨价 │ │ 2. 设计变更追加3件铸铁件ECN-0045-03 │ │ 3. 机加工工时消耗超预算18%首件试切耗时 │ │ │ │ 建议动作 │ │ → 和客户协商设计变更追加费用 │ │ → 后续铸铁件考虑更换供应商SUP-012报价低15% │ │ → 机加工后续批次应可提速首件已验证 │ │ │ │ [查看详细报告] [标记为已处理] │ └─────────────────────────────────────────────────────────┘实际效果项目经理发现成本异常的时间从结项后3-6个月→ 进度40%时1-2个月亏损项目比例从30%降到10%以下客户追加费用协商成功率65%因为有数据支撑应用四知识库智能问答业务场景新来的项目经理想了解「同类设备历史上安装调试通常遇到什么问题」——以前只能问老师傅现在可以问AI。实现方式知识来源 ├─ 项目复盘库结构化的经验记录 ├─ ECN变更记录变更原因和教训 ├─ 质量问题记录不良品原因分析 ├─ 项目周报/月报非结构化文本 └─ BOM和工艺路线数据 技术实现 ├─ RAG检索增强生成架构 ├─ 向量数据库存储知识片段 ├─ 用户自然语言提问 → 语义检索相关知识 → LLM组织答案 └─ 引用来源标注来自哪个项目的哪条记录问答示例Q: 6轴焊接产线的安装调试一般需要多久常见问题有哪些 A: 基于过去8个同类项目的数据 - 平均调试周期18天范围12-26天 - 常见问题TOP3 1. 客户现场电源容量不足出现率37%平均延误3天 2. TCP标定精度不达标需多次调整出现率50%平均延误2天 3. 焊接参数需针对客户工件重新调优出现率62%平均延误4天 - 建议预留调试周期22天 参考来源PRJ-2025-0032、PRJ-2025-0019、PRJ-2024-0078本文由【智造ERP规划】原创专注项目型装备制造ETO/MTOERP选型与实施服务金蝶AI套件客户。更多内容知乎/抖音/视频号搜索「智造ERP规划」。
