核燃料采购计划是否可以依据供需预测自动生成？实在Agent如何辅助采购决策

核燃料采购计划可以依据供需预测自动生成，但现阶段更适合采用“系统自动测算与起草、专业人员审核、关键事项人工决策”的模式，而不是完全无人干预地自动下单。

原因在于，核燃料采购具有长周期、高安全性、强合规和高金额等特点。系统可以根据换料计划、燃料消耗、库存水平、供应商交付周期及上游产能等数据，生成采购数量、采购时间窗口和风险提示；但涉及供应商选择、战略储备、重大合同和异常事件时，仍需要采购、技术、计划、财务及合规人员共同审查。

一、核燃料采购计划自动生成，究竟能自动到哪一步？

“自动生成采购计划”并不等于“系统自动完成采购”。两者之间至少存在四个环节：

• 需求预测：判断未来一段时间需要多少核燃料及相关服务。
• 供应匹配：核对现有库存、在途订单、供应商交付能力和上游产能。
• 计划编制：形成采购数量、采购批次、时间窗口和预算建议。
• 审批执行：由授权人员完成审核、合同管理、订单下达及异常处理。

因此，更准确的表述是：

供需预测可以自动生成采购计划草案，经过规则校验和人工审批后，再进入正式采购流程。

在标准化程度较高的年度计划、例行补货和换料采购中，自动化程度可以较高；在突发需求、设计变更、供应中断和重大国际市场波动等场景中，则必须保留人工干预机制。

二、为什么核燃料采购具备自动预测基础？

核燃料采购虽然复杂，但其需求并非完全不可预测。相较于快消品、零售商品等短周期品类，核燃料供应链具有较强的计划性。

1. 下游需求具有明确的计划来源

采购计划可重点参考以下内部数据：

• 核电机组运行计划和预计运行天数；
• 机组换料周期与大修安排；
• 反应堆功率水平和燃耗计划；
• 燃料组件型号、数量及设计要求；
• 历史采购量、消耗量和库存变化；
• 已签合同、在途物资和待交付订单；
• 燃料制造、转化及浓缩服务的计划产能。

这些数据如果能够统一口径、持续更新，就可以构建面向年度或季度的需求预测模型。

2. 采购周期长，适合提前规划

核燃料及相关服务通常涉及较长的制造、运输和质量验证周期。采购计划越依赖临时人工统计，越容易出现以下问题：

• 需求确认滞后，压缩采购和生产周期；
• 库存数据不一致，导致重复采购或库存不足；
• 多个机组之间的需求无法统筹；
• 合同、订单和实际消耗之间缺少联动；
• 市场价格变化无法及时反馈到预算和采购节奏。

通过系统自动滚动计算，可以将采购计划从一次性年度编制，逐步转变为“年度基线+月度滚动+异常调整”的动态管理方式。

三、自动生成模型需要哪些数据？

供需预测的准确性，不仅取决于算法，也取决于数据是否完整、可信和可追溯。核燃料采购计划至少需要建立四类数据层。

1. 需求侧数据

需求侧决定“需要采购什么、采购多少”。

2. 供应侧数据

供应侧决定“能否按计划采购到”。

• 天然铀可供应量及库存；
• 转化、浓缩及燃料制造能力；
• 供应商生产周期和交付承诺；
• 合同剩余数量和可执行期限；
• 运输周期、质检周期和交付节点；
• 供应商履约记录及历史偏差。

3. 外部影响数据

外部变量用于判断计划是否需要提前采购、延后采购或增加安全裕量。

• 国际铀价及相关市场指数；
• 主要供应地区的产能变化；
• 地缘政治和国际贸易风险；
• 新铀矿投产、停产或扩产计划；
• 行业供需变化和运输条件；
• 汇率、融资成本及预算约束。

4. 业务规则和约束数据

核燃料采购不能只看“预测需求”，还要满足一组硬约束：

• 库存安全下限和战略储备要求；
• 供应商资质及合规要求；
• 合同最小采购量、交付窗口和价格条款；
• 转化、浓缩、制造等环节的产能上限；
• 核安全、质量保证及审计要求；
• 采购预算、审批权限和授权边界。

这意味着，理想的系统不是简单的“预测模型”，而是“预测模型+规则引擎+审批流程+风险控制”的组合。

四、采购计划自动生成的推荐流程

一个可落地的核燃料采购智能化流程，可以拆分为以下七步：

1. 统一数据口径：将机组、燃料、合同、库存、供应商和交付数据进行编码和归集。
2. 识别实际需求：根据运行计划、换料计划和燃耗数据计算基础需求。
3. 叠加供应约束：核对现有库存、在途订单、合同可用量和供应商产能。
4. 生成多情景预测：至少形成基准、保守和压力三类供需预测结果。
5. 输出采购草案：自动生成采购品类、数量、时间窗口、预算区间和建议供应来源。
6. 执行规则校验：检查库存安全线、合同约束、预算和审批权限。
7. 人工审核与闭环：由专业人员确认后进入采购执行，并将实际结果回写模型。

可以将流程概括为：

机组运行计划
      ↓
换料与燃耗需求预测
      ↓
库存、合同、在途订单核对
      ↓
供应能力与交付周期匹配
      ↓
多情景供需测算
      ↓
采购计划草案
      ↓
规则校验与风险提示
      ↓
专业人员审核
      ↓
采购执行与结果回写

其中，“结果回写”非常关键。系统需要持续比较预测值与实际值，例如：

• 预测消耗量与实际消耗量的偏差；
• 计划交付时间与实际到货时间的偏差；
• 预计价格与实际结算价格的偏差；
• 供应商承诺产能与实际履约能力的偏差。

只有形成持续反馈，采购预测才会从一次性计算升级为动态优化。

五、实在Agent在采购部场景中可以承担什么角色？

在采购部门，实在Agent更适合被定位为“采购计划智能协同助手”，而不是替代采购负责人作出最终决策。

1. 自动汇总多来源采购数据

采购人员通常需要从多个系统或文件中整理：

• 历史采购订单；
• 库存与在途数据；
• 合同执行进度；
• 供应商交付承诺；
• 年度需求及预算计划。

实在Agent可以围绕采购任务进行数据汇总、字段核对和异常标记，减少人工查找、复制和重复比对。

2. 根据规则生成采购计划草案

在数据和规则已经明确的前提下，可以让实在Agent协助完成：

• 按机组或项目汇总预计需求；
• 扣除库存、在途和合同可用量；
• 识别采购缺口和预计缺口时间；
• 按采购周期倒排建议采购时间；
• 形成采购计划表、审批材料和说明文本。

需要强调的是，Agent输出的应是“建议计划”或“审批草案”，而不是未经授权直接执行的采购订单。

3. 识别异常和提醒风险

实在Agent可以围绕采购计划设置风险检查，例如：

• 预测需求超过供应商可交付能力；
• 库存低于安全下限；
• 合同到期时间早于预计交付时间；
• 采购数量与历史消耗出现异常偏差；
• 多个机组在同一时间窗口集中提出需求；
• 采购计划缺少必要的审批或技术依据。

对于核燃料采购而言，异常发现往往比单纯提高计算速度更有价值。系统应当明确告诉采购人员“哪里异常、影响是什么、依据哪些数据判断”。

4. 生成可追溯的决策依据

核燃料采购计划通常需要接受多部门审核。Agent生成结果时，应同步保留：

• 数据来源和更新时间；
• 采用的预测周期和计算口径；
• 库存、合同和供应商数据；
• 触发的业务规则；
• 人工修改内容及修改原因；
• 最终审批人和审批时间。

这类可追溯能力有助于提升采购流程的透明度，也便于后续审计、复盘和责任界定。

六、哪些采购计划可以优先实现自动生成？

不建议一开始就对所有核燃料采购事项进行自动化。更适合按照标准化程度和风险等级分层推进。

公开采购动态也反映出不同计划形态之间的差异。

例如，2026年上半年公开信息中出现的核燃料管理信息系统升级、天然铀供应保障子系统建设等项目，说明行业正在从基础数据管理和流程管理，逐步向供应保障、预测分析和协同决策延伸。

与此同时，紧急计划仍然具有明显的人工驱动特征。突发故障、设计变更和进度调整往往无法完全由历史数据预测，系统必须支持人工快速发起、临时变更和越权审批等机制。

框架协议则处于两者之间：企业可以先根据长期需求预测锁定供应能力和合作条件，但具体订单仍需要根据实际需求下达。系统可以辅助管理协议执行，却不能简单地将框架协议等同于自动采购。

七、自动化落地时最容易忽略的三个问题

1. 预测准确，不代表计划一定可执行

模型预测出未来需要一定数量的燃料，并不意味着供应链一定能够按时交付。计划还必须经过产能、技术、合同和合规约束的校验。

因此，系统输出不应只有一个数字，而应至少包括：

• 预测需求量；
• 建议采购量；
• 安全库存量；
• 预计交付时间；
• 供应约束；
• 预测置信区间或风险等级。

2. 黑箱模型不适合重大核燃料决策

核燃料采购金额高、周期长、影响范围大。模型即使预测准确，也需要回答：

• 为什么建议在这个时间采购？
• 为什么采购数量高于历史平均值？
• 哪些外部变量改变了预测结果？
• 如果供应延迟一个季度，系统建议如何调整？

因此，模型需要结合可解释规则和业务约束。复杂算法可以用于预测，但最终建议应能被采购、技术和管理人员理解。

3. 系统必须保留人工干预通道

自动化不是取消人工，而是把人工从“抄数据、算数量、做表格”转移到“判断风险、确认假设、处理例外”。

系统至少应支持：

• 人工修改预测参数；
• 人工调整采购数量和交付窗口；
• 对异常事件进行备注；
• 发起临时采购或紧急采购；
• 保留修改前后的版本差异；
• 设置不同角色的审批权限。

八、核燃料采购智能化的三阶段路径

第一阶段：辅助生成

系统根据历史数据、运行计划和库存情况生成采购建议，采购人员负责确认和修改。

这一阶段的重点不是追求完全自动，而是先解决：

• 数据分散；
• 统计口径不一致；
• 重复制作采购计划；
• 库存和合同信息更新不及时。

第二阶段：常规计划自动生成

对于年度换料、常规补库等规则明确的事项，系统可以自动生成计划并提交审批，仅将异常情况推送给人工处理。

此时需要建立清晰的自动化边界，例如：

• 采购金额不超过授权额度；
• 供应商范围已经通过资质审核；
• 采购数量处于历史和模型允许区间；
• 库存、预算和合同条件均满足要求。

第三阶段：动态优化与授权执行

当企业已经积累了稳定、可信的数据，并完成了流程、权限和风险体系建设后，系统才适合进一步实现动态优化。

在授权范围内，系统可以根据市场变化、库存变化和供应商履约状态，自动调整采购节奏，并触发审批或订单流程。

但对于重大合同、战略储备、供应中断和高风险外部事件，仍应坚持人工决策。

九、企业实施前的检查清单

采购部门可以先用以下问题判断是否具备自动生成基础：

• 是否拥有连续、完整且可追溯的历史采购和消耗数据？
• 机组运行计划和换料计划是否能够及时同步？
• 库存、在途订单和合同数量是否使用统一口径？
• 供应商交付周期和产能信息是否结构化管理？
• 采购计划是否具备明确的安全库存和审批规则？
• 系统能否解释采购数量和时间窗口的生成依据？
• 是否能够保留人工修改、审批和版本记录？
• 异常采购和紧急采购是否有独立流程？

如果大部分问题的答案是否定的，优先级就不应是直接上线预测模型，而应先进行采购数据治理和流程标准化。

结论：可以自动生成，但应坚持“预测自动化、决策分级化”

核燃料采购计划依据供需预测自动生成，在技术上具备可行性，尤其适用于年度采购、周期性换料和常规库存补充等规则较稳定的场景。

更稳妥的落地方式是：

让系统负责采集数据、预测需求、核对供应、生成草案和识别风险；让专业人员负责确认技术条件、评估重大风险和审批关键采购决策。

对于采购部门而言，实在Agent可以作为连接数据、流程和人员的智能协同入口，先从采购计划汇总、合同执行跟踪、库存缺口识别和审批材料生成等低风险、高频任务切入，再逐步扩展到供需预测和计划优化。

短期目标应是“辅助生成”，中期目标是“常规计划自动生成”，长期目标才是“在授权边界内动态优化”。这比直接追求完全无人化采购，更符合核燃料供应链的安全性、合规性和管理实际。

🤔 常见问题 FAQ

Q1：核燃料采购计划可以完全由AI自动下单吗？

不建议。AI可以根据供需预测生成采购计划草案，甚至在明确授权和低风险范围内触发标准流程，但重大合同、战略储备、供应中断和异常采购仍需人工审核与多部门决策。

Q2：供需预测需要哪些核心数据？

至少需要机组运行计划、换料计划、历史消耗、当前库存、在途订单、合同可用量、供应商交付周期和上游产能等数据。若要提升预测质量，还需要结合市场价格、国际供应变化和运输风险等外部变量。

Q3：实在Agent适合先应用在哪些采购工作？

建议优先应用于采购数据汇总、库存和合同核对、采购缺口识别、计划草案生成、审批材料整理和异常提醒。这些任务频率高、规则相对清晰，能够在不改变最终审批责任的前提下提升采购部门效率。

参考资料：公开采购与项目动态信息，包括中广核铀业发展有限公司“核燃料管理信息系统三期开发、BCM改造，天然铀供应保障子系统二期开发服务采购项目”询比公告（2026年2月）等；国家电投黑龙江公司“自适应双驱现货电价推演矩阵系统”相关公开信息（2025年8月启动、2026年6月上线）。本文仅依据公开资料进行行业分析，不构成核燃料采购、核安全或合同决策建议。