某機(jī)械制造企業(yè)的計(jì)劃員老張，過(guò)去每周一最怕的事就是排產(chǎn)。
車間里30多臺(tái)設(shè)備，幾十個(gè)產(chǎn)品型號(hào)，每個(gè)型號(hào)工藝路線不同，交期不同，物料齊套情況也不同。老張每周花4個(gè)小時(shí)在Excel里手工排產(chǎn)，算物料、算產(chǎn)能、算交期。排完還得跟采購(gòu)確認(rèn)物料、跟車間確認(rèn)產(chǎn)能，一個(gè)環(huán)節(jié)變了就得全部重來(lái)。
上了用友企業(yè)AI的有限能力計(jì)劃之后，變化是這樣的。
系統(tǒng)摒棄了傳統(tǒng)的經(jīng)驗(yàn)式猜想，采用科學(xué)建模方式，基于需求、工藝和產(chǎn)能進(jìn)行全面考量。內(nèi)置禁忌搜索、自適應(yīng)大領(lǐng)域搜索等啟發(fā)式優(yōu)化算法。老張選中待排產(chǎn)訂單，點(diǎn)擊自動(dòng)排產(chǎn)，系統(tǒng)在幾分鐘甚至幾十秒內(nèi)返回完整排產(chǎn)結(jié)果。原先4小時(shí)的手工排產(chǎn)工作量，1分鐘內(nèi)完成。
但排產(chǎn)優(yōu)化不只是「算得快」。生產(chǎn)分析助理還做三件事。
訂單進(jìn)度實(shí)時(shí)追蹤。 系統(tǒng)快速整合大量生產(chǎn)訂單數(shù)據(jù)，實(shí)時(shí)追蹤每筆訂單的完工進(jìn)度，自動(dòng)識(shí)別逾期風(fēng)險(xiǎn)。當(dāng)某訂單可能延期時(shí)，秒級(jí)鎖定逾期訂單TOP10及關(guān)聯(lián)產(chǎn)品，自動(dòng)標(biāo)注根本原因，比如某工序延誤、某物料未到。
物料短缺歸因與模擬。 物料短缺時(shí)，系統(tǒng)實(shí)時(shí)掌握短缺狀態(tài)，通過(guò)歸因分析定位是采購(gòu)延遲、檢驗(yàn)滯留還是庫(kù)存扣減錯(cuò)誤。對(duì)受影響的訂單進(jìn)行模擬分析，預(yù)測(cè)最早可行交期，給計(jì)劃員調(diào)整決策提供科學(xué)依據(jù)。
全過(guò)程追溯與分析。 提供完整的生產(chǎn)運(yùn)算日志和報(bào)表體系，包括物料需求記錄、能力需求記錄、訂單執(zhí)行明細(xì)等。管理層隨時(shí)調(diào)閱，快速定位交付風(fēng)險(xiǎn)源頭。
實(shí)際效果，老張不用再做「救火隊(duì)」了。排產(chǎn)方案AI幾十秒出，物料沖突提前預(yù)警，逾期風(fēng)險(xiǎn)實(shí)時(shí)追蹤。老張的角色從「手動(dòng)排產(chǎn)」變成了「審核AI方案+處理異?！?，把精力花在真正需要人判斷的地方。
某有色冶金企業(yè)的采購(gòu)總監(jiān)，過(guò)去最頭疼的就是備料。
原料種類多，價(jià)格波動(dòng)大，替代關(guān)系復(fù)雜。采購(gòu)員根據(jù)歷史消耗量和「感覺(jué)」下采購(gòu)單，多買了庫(kù)存積壓占資金，少買了產(chǎn)線停工等料。裁切方案也是憑經(jīng)驗(yàn)，同一批母材，老師傅切和新人切，利用率差好幾個(gè)點(diǎn)。
供應(yīng)鏈和物料成本占制造業(yè)總成本的60%~80%，但很多企業(yè)仍在憑經(jīng)驗(yàn)估算。
用友企業(yè)AI的智能備料介入后，流程變了。
系統(tǒng)基于AI算法對(duì)原料需求精準(zhǔn)計(jì)算。15種原料1秒內(nèi)完成運(yùn)算，準(zhǔn)確率達(dá)98%以上。采購(gòu)員拿到的不再是「大概需要多少」的估算值，而是基于BOM解析、工藝約束、物料替代等多重變量計(jì)算出的精準(zhǔn)需求。
裁切環(huán)節(jié)通過(guò)運(yùn)籌優(yōu)化算法模型，綜合考慮原料種類、用量、裁切方式三大決策變量，實(shí)現(xiàn)余料最少和母材利用率最大化。系統(tǒng)自動(dòng)生成最優(yōu)裁切方案，避免人工試錯(cuò)帶來(lái)的材料浪費(fèi)。
供應(yīng)網(wǎng)絡(luò)計(jì)劃覆蓋從需求計(jì)劃、物料計(jì)劃到交付計(jì)劃的全閉環(huán)流程，將AI嵌入需求預(yù)測(cè)、安全庫(kù)存優(yōu)化、采購(gòu)策略推薦等環(huán)節(jié)，幫助企業(yè)建立敏捷精準(zhǔn)的供應(yīng)體系。
實(shí)際效果，該有色冶金企業(yè)應(yīng)用后，在保持產(chǎn)品質(zhì)量穩(wěn)定的前提下，每月降低原材料成本200萬(wàn)元。另一家新材料企業(yè)實(shí)施智能裁切后，原材料綜合節(jié)省2.8%，每年節(jié)約成本840萬(wàn)元。
采購(gòu)總監(jiān)跟我說(shuō)，以前備料靠「拍腦袋」，現(xiàn)在靠「精準(zhǔn)計(jì)算」。庫(kù)存積壓和物料短缺同時(shí)減少了，錢花在了刀刃上。
某電子元器件企業(yè)的質(zhì)量經(jīng)理，過(guò)去最怕的就是客戶投訴。
檢驗(yàn)員從批次里抽幾件來(lái)測(cè)，發(fā)現(xiàn)不合格了，整批已經(jīng)生產(chǎn)完了。報(bào)廢的報(bào)廢，返工的返工。更頭疼的是根因分析，是來(lái)料的問(wèn)題？工藝參數(shù)的問(wèn)題？設(shè)備精度的問(wèn)題？還是操作人員的問(wèn)題？拿著檢驗(yàn)報(bào)告翻來(lái)覆去也定位不到根因。
發(fā)現(xiàn)問(wèn)題時(shí)往往已造成批量報(bào)廢，這就是事后抽檢的致命弱點(diǎn)。
用友企業(yè)AI的質(zhì)量分析助理介入后，模式變了。
實(shí)時(shí)監(jiān)控與深度分析。 系統(tǒng)自動(dòng)生成不同檢驗(yàn)類型的日?qǐng)?bào)、周報(bào)、月報(bào)，基于多維數(shù)據(jù)揭示質(zhì)量問(wèn)題的根源和演變趨勢(shì)。質(zhì)量工程師只需自然語(yǔ)言提問(wèn)，就能快速獲取不良率TOP5工序、缺陷類型分布等關(guān)鍵指標(biāo)，不用手動(dòng)導(dǎo)出Excel做透視表。
正反向精準(zhǔn)追溯。 基于批次或序列號(hào)實(shí)現(xiàn)產(chǎn)品全生命周期追溯。一旦出現(xiàn)質(zhì)量異常，可秒級(jí)定位問(wèn)題產(chǎn)品對(duì)應(yīng)的生產(chǎn)批次、操作人員、設(shè)備參數(shù)及原材料來(lái)源，明確責(zé)任歸屬，大幅縮短排查時(shí)間。
統(tǒng)計(jì)過(guò)程控制SPC。 系統(tǒng)內(nèi)置計(jì)數(shù)型和計(jì)量型數(shù)據(jù)處理模型，自動(dòng)計(jì)算過(guò)程能力指數(shù)Cpk、Ppk，評(píng)估生產(chǎn)過(guò)程穩(wěn)定性和能力。當(dāng)過(guò)程出現(xiàn)偏移趨勢(shì)時(shí)，系統(tǒng)提前預(yù)警，引導(dǎo)企業(yè)采取預(yù)防性調(diào)整，而非事后補(bǔ)救。
在鋼鐵行業(yè)，用友企業(yè)AI的廢鋼智能判級(jí)系統(tǒng)表現(xiàn)也很突出。系統(tǒng)以AI大模型為核心，配備32個(gè)深度學(xué)習(xí)模型，可識(shí)別80種不同廢鋼類型，識(shí)別準(zhǔn)確率96%，分級(jí)準(zhǔn)確率94%，已成功應(yīng)用于鞍山鋼鐵、濟(jì)源鋼鐵等上百家鋼鐵企業(yè)。
實(shí)際效果，該電子元器件企業(yè)應(yīng)用后，制程不良率降低32%，返工成本下降45%。質(zhì)量經(jīng)理說(shuō)，以前是「出了問(wèn)題找原因」，現(xiàn)在是「過(guò)程偏了就預(yù)警」，廢品在產(chǎn)生之前就被攔截了。
某汽車零部件企業(yè)的設(shè)備主管，過(guò)去最怕的就是半夜接到車間電話。
「設(shè)備停了」這三個(gè)字意味著生產(chǎn)線節(jié)奏被打斷，交期可能延誤，維修成本和產(chǎn)能損失加在一起，一次非計(jì)劃停機(jī)的損失可能高達(dá)幾十萬(wàn)。
傳統(tǒng)設(shè)備管理依賴定期檢修和故障后搶修。定期檢修是「過(guò)度維修」，設(shè)備沒(méi)問(wèn)題也按規(guī)定拆開(kāi)檢查。故障后搶修是「措手不及」，備件沒(méi)準(zhǔn)備好、方案沒(méi)想清楚，停機(jī)時(shí)間被拉長(zhǎng)。
用友企業(yè)AI的資產(chǎn)維修智能助理與資產(chǎn)健康診斷助理形成「維修+維護(hù)」雙輪驅(qū)動(dòng)閉環(huán)。
維修智能助理。 依托企業(yè)內(nèi)部積累的維修知識(shí)庫(kù)、歷史故障記錄及大模型社會(huì)級(jí)知識(shí)，在設(shè)備故障發(fā)生時(shí)迅速進(jìn)行故障原因深度分析，智能推薦最優(yōu)維修方案。將維修策劃時(shí)間從數(shù)小時(shí)壓縮至幾分鐘。
資產(chǎn)健康診斷助理。 面向設(shè)備運(yùn)行管理人員，提供設(shè)備運(yùn)行問(wèn)數(shù)、數(shù)據(jù)分析、養(yǎng)護(hù)周期優(yōu)化和故障預(yù)測(cè)能力。系統(tǒng)通過(guò)對(duì)設(shè)備振動(dòng)、溫度、電流等實(shí)時(shí)數(shù)據(jù)的分析，結(jié)合設(shè)備故障圖譜，準(zhǔn)確預(yù)測(cè)故障發(fā)生的時(shí)間和類型，給出針對(duì)性維護(hù)建議。
用友企業(yè)AI的AIoT平臺(tái)更利用云端大數(shù)據(jù)與人工智能分析能力，對(duì)海量設(shè)備數(shù)據(jù)進(jìn)行深度挖掘與智能建模，實(shí)現(xiàn)預(yù)測(cè)性維護(hù)、工藝參數(shù)優(yōu)化等高級(jí)應(yīng)用。
實(shí)際效果，該汽車零部件企業(yè)部署后，設(shè)備非計(jì)劃停機(jī)時(shí)間減少58%，年度維護(hù)成本節(jié)約超200萬(wàn)元。設(shè)備主管說(shuō)，以前是「壞了再修」，現(xiàn)在是「沒(méi)壞先養(yǎng)」，半夜接電話的次數(shù)少多了。
這四個(gè)場(chǎng)景看起來(lái)各不相同，但背后的邏輯是一致的。
全鏈路協(xié)同。 排程變了備料跟著變，備料變了采購(gòu)跟著調(diào)，質(zhì)量異常關(guān)聯(lián)到設(shè)備和物料。用友企業(yè)AI不是為某個(gè)孤立場(chǎng)景開(kāi)發(fā)AI能力，而是把AI深度融入制造全價(jià)值鏈。
結(jié)果可解釋。 每個(gè)AI輸出都有運(yùn)算日志和關(guān)鍵指標(biāo)報(bào)表。計(jì)劃員、質(zhì)量工程師、設(shè)備主管都能理解AI的決策邏輯，并根據(jù)實(shí)際反饋調(diào)整參數(shù)和規(guī)則。
閉環(huán)執(zhí)行。 AI不只給建議，而是在流程中做閉環(huán)。AI輸出的優(yōu)化結(jié)果直接驅(qū)動(dòng)業(yè)務(wù)執(zhí)行，形成「數(shù)據(jù)-算法-執(zhí)行-反饋」的閉環(huán)。
持續(xù)進(jìn)化。 用友企業(yè)AI構(gòu)建了從數(shù)據(jù)層、模型層、平臺(tái)層到應(yīng)用層的全鏈路貫通體系，企業(yè)的智能化能力持續(xù)迭代、日益增強(qiáng)。
全鏈AI要真正落地，AI不能做外掛工具，得跟企業(yè)的業(yè)務(wù)系統(tǒng)、數(shù)據(jù)資產(chǎn)、工藝規(guī)則深度連接。
用友企業(yè)AI依托「統(tǒng)一數(shù)智底座、融入核心業(yè)務(wù)、結(jié)果可靠、安全合規(guī)」四大特性，將企業(yè)級(jí)AI能力封裝為開(kāi)箱即用的智能模塊，貫穿制造企業(yè)「研、產(chǎn)、供、銷、服」全鏈路。
更重要的是，用友企業(yè)AI與制造云的其他模塊天然集成。主需求計(jì)劃、物料需求計(jì)劃、生產(chǎn)訂單、成本核算等模塊與AI智能模塊無(wú)縫銜接，AI輸出直接驅(qū)動(dòng)業(yè)務(wù)執(zhí)行，避免信息割裂。
用友企業(yè)AI已服務(wù)超15000家制造企業(yè)，涵蓋機(jī)械、電子、汽配、化工、新材料等數(shù)十個(gè)行業(yè)，并聯(lián)合生態(tài)伙伴成立「AI制造業(yè)大聯(lián)盟」。IDC相關(guān)報(bào)告顯示，用友在中國(guó)AI-Enabled ERP市場(chǎng)占有率排名第一。Gartner相關(guān)報(bào)告也顯示用友在中國(guó)AI平臺(tái)、中國(guó)地區(qū)AI平臺(tái)與模型市場(chǎng)按營(yíng)收占有率位居前列。
這些資質(zhì)和數(shù)據(jù)說(shuō)明，用友企業(yè)AI的全鏈智造不是實(shí)驗(yàn)室里的概念驗(yàn)證，而是經(jīng)過(guò)市場(chǎng)驗(yàn)證的可落地方案。
四個(gè)場(chǎng)景跑通之后，制造企業(yè)的運(yùn)營(yíng)體系發(fā)生了質(zhì)變。
計(jì)劃員從「救火隊(duì)」變成「戰(zhàn)略家」，排產(chǎn)不再靠經(jīng)驗(yàn)猜，而是靠算法算。
設(shè)備維護(hù)從「被動(dòng)搶修」變?yōu)椤钢鲃?dòng)保養(yǎng)」，故障不再突然發(fā)生，而是被提前預(yù)測(cè)。
采購(gòu)備料從「拍腦袋」進(jìn)化為「精準(zhǔn)計(jì)算」，庫(kù)存積壓和物料短缺同時(shí)減少。
質(zhì)量檢驗(yàn)從「事后抽檢」升級(jí)為「過(guò)程預(yù)控」，廢品在產(chǎn)生之前就被攔截。
管理者從「憑感覺(jué)」升級(jí)為「看數(shù)據(jù)駕駛艙」，真實(shí)產(chǎn)能和成本狀況隨時(shí)可見(jiàn)。
從排程優(yōu)化切入，逐步擴(kuò)展到備料、質(zhì)檢、設(shè)備維護(hù)，這是很多制造企業(yè)正在走的路。用友企業(yè)AI的預(yù)置智能模塊讓這個(gè)擴(kuò)展過(guò)程比較順暢。場(chǎng)景之間的數(shù)據(jù)互通和業(yè)務(wù)協(xié)同在平臺(tái)層面已經(jīng)解決了，企業(yè)要做的主要是把自己的工藝參數(shù)和車間規(guī)則配置進(jìn)去。
智能制造的核心在于「智」和「能」，智是算法與數(shù)據(jù)的智能，能是產(chǎn)能與資源的能量。用友企業(yè)AI正是架接二者的橋梁，助力中國(guó)制造企業(yè)駕馭AI浪潮，完成從傳統(tǒng)運(yùn)營(yíng)向數(shù)智化、柔性化、綠色化的全面躍升。