采购齐套缺料预警怎么做?来料跟催智能体如何搭建与落地路径
很多制造企业的采购和计划部门每天都在重复同一件事:从 ERP 导出库存和采购清单,从邮件里翻出最新的需求附件,再把 BOM、库存表、生产订单三张表放进 Excel 里手工比对。一轮排查下来要一两个小时,订单多的时候,某个物料的缺口就容易被漏过去,等到开工前才发现缺料,交期已经压到眼前。
这篇文章想讲清两件事:采购齐套缺料预警怎么做才不至于每天重算一遍,以及来料跟催智能体如何搭建,才能让预警之后真的有人跟、有节奏跟、有据可查地跟。前者是算得准,后者是跟得住,缺一环,齐套管理就还是回到“打电话催”的老路。
一、齐套预警难,难在三个地方
1.1 不是算不出来,是每次都要从头算
齐套逻辑本身不复杂:按工单展开 BOM,汇总用料需求,扣掉可用库存,剩下的就是缺口。难的是数据每天都在动,需求一变、库存一动、到货一延,昨天的结论今天就失效了。人工算一次成本高,所以只能隔天算、抽样算,预警天然滞后。
1.2 三张表的口径对不上
- 需求侧:销售订单、生产工单、预测需求混在一起,哪张表算“有效需求”,各部门理解不同。
- 库存侧:仓库库存、车间在制、已占用数量、在途采购分属不同系统,靠人工合并。
- 时间侧:采购承诺到货日、供应商实际发货日、物流在途时间,三者常常不一致。
口径不统一,缺口数量就算不准,算出来也没人敢用。
1.3 预警出来了,跟催动作却断在半路
一份 Excel 缺料清单发到群里,接下来是逐个供应商打电话、发消息、等回复、记结果。谁催过、催到第几次、对方承诺什么时候到,全靠采购员自己记。等到下一次排查,这些信息又散在聊天记录和便签里。
在 Soiawork 中,这三件事可以拆开处理:口径用工作流固定下来,计算交给技能,跟催动作由自动任务按时触发——把“人每天重算”换成“系统每天算好、人来判断”。
二、采购齐套缺料预警怎么做:四步走通
2.1 第一步:先把数据源和口径钉死
预警准不准,八成取决于数据源清不清楚。动手之前先回答几个问题:
- 需求从哪来:是生产工单为准,还是以销售订单加预测为准?两者要有明确的优先级规则。
- BOM 用哪一版:必须锁定“有效 BOM”,版本变更要有生效时点,避免用旧版展开。
- 库存算哪几块:现有库存 + 在途采购 − 已占用 − 安全库存,每一项都要注明取数来源。
- 到料时间以谁为准:采购单承诺日、供应商发货日、物流预计到达日,建议全部保留并标注置信度。
这一步不需要改造系统。通过 Soiawork 的连接器取 ERP 的工单、库存、采购单数据,用文件空间承接邮件附件和线下表格,把分散的数据先汇到一处。
2.2 第二步:按工单展开 BOM,把“要多少”算清楚
- 以工单为单位展开,而不是以物料为单位汇总,否则无法回答“哪张工单能开”。
- 展开时保留层级归属,便于回溯某个缺口是由哪个半成品带出来的。
- 同一物料在多张工单重复出现时,按优先级分配库存,并记录分配结果。
在 Soiawork 中,这一步沉淀为一个可复用的技能:输入工单清单和有效 BOM,输出按工单归集的需求明细。技能一旦调通,后续每天调用的是同一套计算逻辑,不会因为换人做而算法漂移。
2.3 第三步:算可用库存,不是看库存表上那个数
这是缺料预警最容易出错的地方。库存表上的数字是“账面有多少”,齐套要看的是“这张工单能用多少”。
- 扣已占用:已被其他工单锁定或已发料的部分不能重复算。
- 加在途:已下采购单未到货的,按预计到货时间纳入可用量。
- 扣安全库存:低于安全线的部分不应视作可分配。
- 区分仓库与车间:车间在制和在途物料要单独标注,避免重复计算。
在 Soiawork 的场景库中,这一环节的做法是:可用库存 = 现有 + 在途 − 安全库存,并对每一笔计算保留数据来源与口径,让计划员能复核,而不是拿一个黑箱数字。
2.4 第四步:输出能直接指挥行动的预警报告
一份有用的缺料预警,不是一张“缺料清单”,而是一份带行动指向的工作单:
- 缺口数量:缺多少、缺哪个物料、影响哪张工单。
- 临界物料:暂时够用但按当前消耗速度会在几天内触线的,单独列出。
- 跟催优先级:按影响工单的交付紧急度、采购提前期、供应商响应速度排序。
- 补齐时间预估:基于在途和采购周期给出“最快何时能补齐”。
- 数据差异项:口径不一致、替代料可用性待确认的,单独标注交人工判断。
Soia 可以按订单展开 BOM 汇总需求、计算可用库存、识别缺料与临界物料,直接输出带缺口数量和跟催优先级的预警报告。到这里,“算”的部分就闭环了,接下来是“跟”。
三、来料跟催智能体如何搭建:把跟催变成可运行的任务
3.1 先想清楚:跟催智能体到底替人做什么
它不是替采购员谈判,而是替人做四件事:知道该催谁、知道催什么、按时去催、把结果记下来。
- 知道催谁:把缺口物料映射到具体采购单、具体供应商、具体联系人。
- 知道催什么:不是泛泛问“什么时候到”,而是给出具体数量、具体交期要求、具体影响的工单。
- 按时去催:按节奏自动触发,不依赖人记得。
- 记下来:每次跟催的时间、对象、对方回复、承诺日期都留痕,形成可追溯的跟催台账。
3.2 搭建的五个组成部分
(1)数据接入:连接器 + 文件空间
用连接器取 ERP 中的采购订单、到货记录、供应商主数据;用文件空间存放供应商跟催台账、历史邮件附件、对账表。数据入口统一,后续所有判断都基于同一份事实。
(2)规则沉淀:知识库
把跟催的判断依据放进知识库,而不是散在个人经验里:
- 供应商分级与合同交期条款
- 替代料的可用性规则与审批人
- 不同物料类别的跟催话术模板
- 加急、拆单、改期的处理口径
有了知识库,智能体在生成跟催内容时能引用具体条款,而不是发一条模板消息了事。
(3)计算与生成:技能
把前面第二步、第三步的齐套计算封装成技能,再叠加两个技能:跟催清单生成、跟进消息草拟。技能的价值在于可复用——这个月算 9 种物料,下个月算 90 种,用的还是同一套逻辑,不因规模扩大而失真。
(4)固定步骤:工作流
工作流负责把动作串成一条不会跳步的链路:
按工单展开 BOM → 汇总需求 → 计算可用库存 → 识别缺口与临界物料 → 按优先级排序 → 生成跟催清单 → 生成跟进消息 → 发送并记录 → 回读供应商回复 → 未响应项升级提醒。
每一步的输入输出都固定,中间结果可查,出问题能定位到具体环节。
(5)按时运行:自动任务 + 设备(Soia Worker)
- 自动任务:设定每天早上开工前跑一次齐套检查,或在库存、到货状态变动时触发重算,让预警跟着数据走,而不是跟着人的作息走。
- 设备(Soia Worker):面对仍在用客户端界面、缺少稳定接口的老系统,可以由设备完成导出报表、录入跟催记录等本机操作,把“必须人来点”的动作交给它。
- 工作空间:采购、计划、供应商管理在同一空间看到同一份结论与跟催台账,减少“你那边是什么数”的对齐成本。
3.3 跟催节奏怎么定:优先级比频率更重要
- 按影响排序:影响关键工单交付的物料,优先跟催,其余按常规节奏。
- 按提前期倒推:采购提前期长的物料提前启动跟催,不要等到缺口出现。
- 按供应商响应特征分组:历史响应慢的供应商提高跟催频次。
- 设置升级条件:连续两次无回复、承诺日期跳票、回复内容与承诺不符的,自动升级到负责人。
- 留出人工闸口:涉及价格、账期、赔付的沟通,由采购员接手,智能体只负责把信息备齐。
在 Soiawork 中,这些规则可以配置为工作流中的判断分支,也可以写成知识库里的跟催策略说明,供 Soia 在执行时引用。AI 组织在这里的意义,是让“跟催”从个人动作变成部门可复用的能力。
四、一个复现验证场景:9 种物料、零漏算
在 Soiawork 场景库中,有一个已完成的复现验证场景(在演示环境中按真实表格结构跑通,可作为方案参考,不等同于客户现场成效):
- 输入:BOM 表、库存表(含在途、安全库存、供应商)、生产订单表三张表。
- 执行:一句话指令触发,按订单展开 BOM 汇总需求 → 计算可用库存(现有 + 在途 − 安全库存)→ 识别缺料与临界物料 → 输出预警报告。
- 输出:带缺口数量和跟催优先级的预警报告。
- 结果:在复现验证中,排查耗时从人工的 1–2 小时/次降到约 1 分钟/次,9 种物料一次全量覆盖、零漏算。
- 边界:可用真实表格结构直接套用;替代料是否可用、数据差异如何处理,仍需相关人员确认。
需要说明的是,这是复现验证场景的验证结果,不代表任何具体客户的实测数据。企业实际落地时的效果,取决于自身数据质量、BOM 准确度和口径统一程度。
在 Soiawork 的制造业解决方案中,物料齐套检查与订单评审、生产排产、供应链交付巡检是打通的:同一份订单和物料数据,既用于判断能不能接单,也用于判断能不能开工,还用于判断交付有没有风险。数据不必在多套表格之间反复搬运。
五、边界在哪:哪些必须由人决定
把 AI 用在采购齐套上,最需要提前讲清的是边界:
- 替代料能不能用:涉及技术要求和客户约定,由工程和质量部门判定,智能体只负责把差异项标出来。
- 加急费用和商务让步:属于商务判断,由采购负责人决定。
- 数据矛盾时以谁为准:仓库账与车间实物不一致,需要仓储和车间确认,系统不自动裁决。
- 供应商承诺的可信度:智能体记录承诺、提示跳票,但不替人评估供应商真实产能。
- 预测不等于承诺:齐套结论基于当期数据,需求或到货变化后需重新计算。
这些边界不是能力的局限,而是让预警结果可被信任的前提:机器负责算全、算快、算一致,人负责判断例外。
齐套缺料预警和来料跟催这件事,说到底不是缺一个更复杂的系统,而是缺一条把数据、计算和动作连起来的通路。建议从一个具体品类、一张真实工单开始试跑:先让系统算一遍,再和人工算的结果逐项核对,把差异项搞清楚是数据问题还是规则问题,确认口径一致后再扩大范围。跑通一条,再复制到下一条——这也是 Soiawork 主张的“让每家企业,都能轻松构建自己的 AI 组织”的实际路径:能力不是一次性买来的,是一层层长出来的。
常见问题解答
1. 做齐套缺料预警,需要改造现有 ERP 吗?
多数情况下不需要。齐套计算依赖的是 BOM、库存、采购单、工单这几类数据,只要能导出或通过接口读取,就可以先跑起来。Soiawork 通过连接器对接已有系统,用文件空间承接线下表格和邮件附件,避免为了一个预警场景去动核心系统。
2. 数据和权限怎么控制?
原则是最小必要:连接器按需授权读取范围,工作空间按角色区分可见内容,跟催台账的编辑和发送权限单独配置。涉及供应商价格、合同条款的信息,可以只对特定角色开放。所有取数与操作留痕,便于审计。
3. AI 算错了缺料,谁负责?
齐套结论是决策支持,不是自动执行。系统输出缺口数量、数据来源和口径说明,由计划员复核;替代料、加急、改期等判断仍由责任人决定。建议在初期设置“系统算 + 人工核”的双轨期,逐项比对差异,把规则调准之后再谈自动化程度。
4. 应该从哪个场景开始?
建议从“单一品类 + 少量工单”的齐套检查切入,因为它的输入输出清晰、验证成本低。跑顺之后再叠加跟催动作,最后接入自动任务做每日巡检。相比一上来就做全品类全流程,这条路径更容易在几周内看到可核对的结果。
5. 和现有的 MRP、RPA、BI 是什么关系?
MRP 负责计划层面的物料需求运算,BI 负责把数据可视化,RPA 负责在系统之间搬运数据,各有分工。齐套缺料预警与来料跟催智能体补的是它们之间的一段:把计算结果变成带优先级的行动清单,并按时推动跟催动作、记录反馈。在 Soiawork 中,这段能力由工作流固定步骤、技能复用算法、自动任务定时触发、设备操作本机软件共同实现,与既有系统并行协作,而不是取代它们。



