手写送货单自动识单：物资进场数据无感录入系统
上午九点，仓库门口同时停了三辆送货车，司机举着手写送货单催着签收，仓管员一边点数一边往本子上抄，等回到办公室再一个字一个字敲进系统——这是很多制造、建筑、商贸企业每天都会上演的场景。单子一多，抄错规格、漏记批次、单位写混几乎是常态，到了月底对账，采购、仓库、财务三方各执一份“版本不同”的数据，核账往往要耗上好几天。
Gartner在智能文档处理领域的调研中多次指出，企业非结构化文档中约有七成以上的数据从未被有效结构化利用，而手写单据正是其中最典型的一块“数据洼地”。本文要讨论的，就是如何用手写送货单自动识单能力，把物资进场环节从“人眼识别、手工誊抄”升级为物资进场数据无感录入系统，让货物进门的同时，数据也自动进门。
一、物资进场的“最后一公里”，为什么总卡在一张纸上
物资进场是企业供应链的起点，却常常是数字化最薄弱的一环。ERP、WMS、SRM建得再完整，只要前端那张手写送货单没被结构化，后面的库存、应付、成本核算就都建立在“二次录入”之上。
1.1 手写送货单带来的三重困境
- 单据形态原始，信息密度高但规范性差：一张送货单上往往挤着供应商名称、物料名称、规格型号、数量、单位、批次、车号、签收人等信息，手写连笔、简写、行业俗称混用，同一物料在不同供应商笔下可能有三四种写法。
- 录入环节割裂，数据靠“人肉搬运”：仓管员先纸质签收，再回办公室录入系统，中间存在时间差和记忆偏差，高峰期货等单、单等货，录入滞后几小时甚至一两天，库存数据长期“慢半拍”。
- 对账周期长，异常发现太晚：数量短缺、规格错发、单价与合同不符等问题，往往要等到月末对账才暴露，此时货物早已入库甚至投产，追溯和索赔成本极高。
这些问题的根源，不是员工不认真，而是“识别—校验—录入”这条链路完全依赖人工。通过实在Agent这类智能体接管链路中的重复环节，企业可以在不改变供应商开单习惯、不更换现有系统的前提下，把这段“人工搬运”变成自动流转。
1.2 传统OCR为什么“认字”却“读不懂单”
不少企业此前已经尝试过通用OCR工具，结果是“识别出来一堆字，还是要人来整理”。原因在于：
- 手写体识别率不稳定：工整印刷体识别率可达99%，但面对连笔、涂改、复写纸压痕、拍照光线不均的手写单，通用模型准确率会明显下滑。
- 缺乏版面与语义理解：OCR只输出文本行，不知道哪一行是物料名称、哪一列是数量，更无法判断“DN50”是规格还是编号。
- 无法与主数据对齐：识别出的“螺丝 8*20”与系统里的“内六角螺栓 M8×20”对不上，仍需人工做映射。
- 识别完就结束，不负责录入：OCR止步于“给出文本”，而业务需要的是“数据已经进了ERP”。
真正可用的方案，必须把识别、理解、校验、录入四件事连成一条闭环。
二、手写送货单自动识单：让数据自己走进系统
手写送货单自动识单，是指通过图像采集设备获取纸质送货单影像，借助多模态大模型完成手写文字识别、表格结构还原与字段语义抽取，再经过业务规则校验和主数据匹配，最终由软件机器人自动写入ERP、WMS等业务系统的全过程自动化能力。它与传统OCR的核心差别，是从“识字”升级为“懂单”，从“输出文本”升级为“完成录入”。
2.1 一套完整的无感录入链路包含什么
物资进场数据无感录入系统的“无感”，指的是仓管员只需完成“拍照或扫码”这一个动作，后续的识别、核对、写入、归档全部由系统完成。一条完整链路通常包含四个环节：
- 采集：门岗或仓库使用高拍仪、手机、PDA对送货单拍照，支持多联复写单、褶皱单、多页单。
- 识别：多模态模型同时完成手写体识别、表格线还原、字段归类，输出结构化JSON。
- 校验：与采购订单、供应商主数据、物料主数据、历史价格进行比对，标记数量超收、单价异常、物料不匹配等风险。
- 录入：通过界面自动化或接口方式写入业务系统，并生成收货单、质检单等关联单据，全程留痕可追溯。
2.2 与传统方式的效率对比
- 人工录入：单车单据平均耗时5—10分钟，错误率通常在1%—3%。
- 通用OCR+人工复核：耗时缩短至2—3分钟，但复核工作量依然很大。
- 手写送货单自动识单闭环：单车单据处理压缩到30秒以内，人工只需处理系统标记的异常单据。
在已落地的场景中，物资进场单据的录入效率普遍提升80%以上，因录入错误导致的账实不符问题大幅下降。
三、方案拆解：五个环节跑通“无感录入”
3.1 图像采集：把好入口质量关
- 支持高拍仪、手机、PDA、微信小程序等多种采集方式，门岗签收时顺手一拍即可。
- 内置图像质量检测，对模糊、反光、缺角、遮挡的图片实时提示重拍，避免“垃圾进、垃圾出”。
- 对多页送货单自动切边、去底、纠偏，输出统一规格影像。
3.2 智能识别：手写体与表格结构同步还原
- 采用多模态大模型对手写文字进行识别，对连笔、涂改、简写具备较强容错能力。
- 自动识别表格线、合并单元格和无框表格，还原“物料—规格—数量—单价—金额”的字段对应关系。
- 对供应商常用写法建立行业词库，例如将“∮”“Φ”“D”统一映射为直径符号，将“PCS”“只”“个”统一为单位。
3.3 语义校验：让数据在入库前先“过一遍筛子”
- 与采购订单自动比对，校验供应商、物料、数量、单价是否在合同范围内。
- 对超收、短交、以次充好、价格偏离等情况自动打标，推送采购或质检人员处理。
- 支持多单合并、分批到货、退货冲销等复杂业务场景。
3.4 自动录入：不改造系统也能写入
这是很多企业最关心的一环。现实中，大量ERP、WMS版本较老、接口缺失或改造成本高昂。实在Agent可以通过模拟人工操作的方式，在现有系统界面中完成单据录入，无需接口开发，也无需停机改造；对于具备标准接口的系统，则可直接走API通道，兼顾效率与稳定性。
3.5 归档与审计：每一步操作都可追溯
- 原始影像、识别结果、校验记录、系统写入日志四者关联留存，形成完整证据链。
- 支持按供应商、物料、时间段检索，应对内审、外审和供应商对账。
- 异常处理形成闭环工单，责任到人、处理留痕。
四、为什么是实在Agent：在“识别”之外解决“落地”
识别准确率只是方案的一部分，真正决定项目成败的，是能不能在复杂的企业IT环境中稳定跑起来。
4.1 识别与执行一体化
很多OCR厂商只提供识别能力，企业还要自己找人开发录入机器人。实在Agent把“看懂单”和“写进系统”放在同一个智能体中，识别结果可直接驱动后续操作，减少多厂商拼接带来的联调成本。
4.2 兼容老旧系统与异构环境
制造和工程类企业普遍存在多套系统并存的情况：总部用一套ERP，工厂用另一套WMS，项目部还在用表格台账。通过实在Agent的界面识别与流程复刻能力，可以在不改变现有系统的前提下完成跨系统数据流转，把送货单数据同时写入多个台账。
4.3 可配置、可运营、可扩展
- 字段模板可视化配置，新增供应商或单据样式时，业务人员经过简单培训即可维护。
- 校验规则支持自定义，例如设置“数量超采购订单5%自动拦截”。
- 同一套能力可复用到发货单、质检单、过磅单、领料单等相邻场景，边际成本递减。
五、三类典型场景与落地成效
5.1 制造业原材料进场
某装备制造企业的原材料供应商以中小厂商为主，送货单几乎全部手写，规格写法五花八门。上线自动识单后，仓库收货数据当天即可进入ERP，采购对账周期从月末集中核对缩短为按周核对。由于系统会自动比对采购订单，短交和错发问题在收货现场就能被发现。
5.2 建筑工程物资验收
工程项目部物资进场频次高、地点分散，过去靠现场人员拍照发微信群、回到驻地再补录。通过移动端拍照加自动识单，现场签收即完成数据采集，公司层面可以实时看到各项目部的到货情况，材料成本核算的颗粒度明显提升。
5.3 商贸流通企业到货入库
某区域商贸企业的到货单据来自上百家供应商，格式各异。系统上线后，单据识别与入库单生成实现自动化，仓库人员从“边点货边打字”中解放出来，日均处理单据量提升两倍以上，因录入错误导致的退货纠纷显著减少。
六、落地路线图与投入产出
6.1 建议分三阶段推进
- 第一阶段（2—4周）：选取1—2家单据量大的供应商做试点，验证识别准确率与系统兼容性。
- 第二阶段（1—2个月）：扩展到主要供应商和全部物料品类，接入校验规则与异常处理流程。
- 第三阶段（持续）：向发货单、过磅单、退货单等相邻场景延伸，形成物资全生命周期的数据闭环。
6.2 效益测算参考
- 人力成本：单据录入岗位工作量下降70%以上。
- 差错成本：录入类错误基本归零，减少的退货、补货、对账差异损失通常在数月内覆盖投入。
- 资金效率：到货数据实时化后，应付账款核算与发票匹配周期明显缩短。
七、写在最后
手写送货单看似是小事，实则是企业物资数据链条的源头。源头不准，库存、成本、应付就都算不清。手写送货单自动识单的价值，不只是省下几个录入员，而是让物资进场数据在发生的那一刻就进入系统、进入流程、进入决策。对于正准备推进供应链数字化的企业，建议从一个仓库、一类单据开始试点，用实际准确率和处理效率说话，再逐步扩展到全场景。数据的入口打通了，后面的智能化才有坚实的基础。
常见问题解答
Q1：手写字太潦草，识别准确率能保证吗？
A：识别准确率与单据清晰度、书写规范度相关，通常整单字段准确率可达95%以上。更关键的是系统设有校验环节，识别结果会与采购订单、物料主数据比对，异常单据自动拦截转人工，不会“错了也直接入库”。
Q2：需要更换现有的ERP或WMS吗？
A：不需要。对于有标准接口的系统可走接口对接，对于老旧系统可通过界面自动化方式完成录入，原有系统保持不动，改造成本和上线风险都比较低。
Q3：供应商单据格式五花八门，需要一家家做模板吗？
A：不需要逐家定制。系统基于版面理解与语义抽取，对格式差异有较强适应性；对于个别特殊单据，业务人员可通过可视化配置补充字段规则。
Q4：原始单据有涂改、多联复写、盖章遮挡，怎么处理？
A：方案在采集端做质量检测，识别端对大模型进行针对性训练，同时在校验端设置逻辑规则（如数量与金额是否勾稽、单价是否偏离历史区间），多重机制共同兜底。
Q5：上线周期大概多久？
A：单场景试点通常2—4周即可看到效果，全面推广视供应商数量和系统复杂度而定，一般在1—3个月内完成主要品类覆盖。
