用AI做齐套检查:从工单到缺料清单,把“开工才发现缺料”提前到开工前
周一早上八点,计划员打开电脑的第一件事往往不是排产,而是把上周的库存表、采购清单和邮件里收到的需求附件再合并一次。仓库说这批料有,车间说那批料已经领走了,采购说在途的货周三到——三份数据口径不一样,谁对谁错要先打个电话确认。等表算完,往往已经是半天之后;更麻烦的是,某个工单的缺口,可能要到真正开工那天才被发现。
这就是齐套检查的真实处境:它并不难,难的是数据分散、口径不一、变动频繁,而人只能一遍遍地重算。用AI做齐套检查:从工单到缺料清单,本质上是把“这批活能不能开工”从经验判断,变成一份可核算、可复核、可跟催的清单。本文会讲清楚这件事要哪些输入、按什么步骤推进、输出应该长什么样,以及在 Soiawork 里如何落地。
一、先厘清:齐套检查到底在算什么
齐套检查要回答的只有三个问题:这批工单要什么、现在手里有什么、还差什么以及什么时候能补上。听起来简单,但它对数据完整性的要求很高,任何一个环节口径错了,结论就会失真。
1. 齐套检查的五个关键输入
- 工单信息:产品、数量、交期、优先级。数量决定需求规模,交期决定跟催顺序,没有交期的工单排不出补齐节奏。
- 有效 BOM:必须是当前生效版本,含用量与损耗。用错版本的 BOM,算出来的缺口全是错的。
- 库存与占用:仓库库存、车间库存、已被其他工单占用的数量要分开看。账面有货不等于可用,被占用的部分不能重复计算。
- 在途采购:采购订单、供应商、预计到料时间。这决定缺口能否补齐,也决定缺口是“真缺”还是“等待即可”。
- 替代料关系:哪些物料可以互替、替代比例是多少。替代料往往能让一个“缺料工单”变成“可开工工单”。
在 Soiawork 中,这几类输入分别有对应的接入方式:需求附件和临时表放进文件空间,ERP 里的库存与采购清单通过连接器取数,BOM 版本规则和替代料对照关系沉淀在知识库,取数过程本身由工作流固定下来,避免每次换人换口径。
2. 人工计算的常见误差
- 口径不同步:计划用一套库存数,采购用另一套,讨论半天才发现前提不一样。
- 变动就要重算:需求变了、库存动了、到料延后了,Excel 公式没跟着改,结果就停在旧版本。
- 发现得太晚:缺料在开工当天才暴露,此时改排产、催供应商都已来不及。
- 只给结论不给依据:一句“缺料”,说不清缺多少、什么时候能有、该先催谁。
二、从工单到缺料清单:AI 齐套检查的四个步骤
把这件事交给 AI,不是让它“猜”缺不缺料,而是让它按固定步骤把数据对齐、把规则算清、把结论列出来。步骤本身是确定的,AI 承担的是重复取数、批量比对和成文输出。
1. 第一步:汇总需求与库存
把散在各处的数据先拉到一张底表上:工单需求、有效 BOM、仓库与车间库存、已占用数量、在途采购清单。这一步的关键不是计算,而是把数据源固定下来。
通过 Soiawork 的工作流,可以设定每次检查都从同一组数据源取数;需求附件由文件空间统一收取,避免“这次是邮件、下次是微信”的混乱。取数动作由连接器完成,取到什么、什么时候取的,都留有记录。
2. 第二步:按 BOM 展开,算出真实缺口
这一步是核心:按工单展开 BOM 汇总用料需求,再扣掉可用库存(现有 + 在途 − 已占用 − 必要安全库存),得到每个物料的缺口量。
- 按工单展开,而不是按物料汇总。同一物料可能被多个工单争抢,展开才能看清谁优先。
- 区分可用与账面。已占用数量必须扣减,否则会得出“库存够用”的错误结论。
- 保留计算口径。每个数字从哪张表来、扣了哪些项,都要能倒查回去,方便复核。
在 Soiawork 中,这套算法可以固化成一项技能:算一遍和算一百遍口径一致,换个人执行也不会走样。
3. 第三步:核对在途、到料时间与替代料
算出缺口只是第一步,还要判断这个缺口能不能补、什么时候补。
- 比对在途采购:缺口物料是否已有采购订单在途,预计到料日是哪天。
- 判断齐套日期:把最晚到料的那一项作为该工单的齐套日,与交期比对,得出风险等级。
- 检查替代料:主料不足时,是否符合替代条件,替代后是否影响其他工单。
- 标出数据疑点:BOM 版本过期、库存出现负数、到料日期为空——这些不自行处理,单独列出。
替代料是否可用、BOM 版本是否有效,这类判断涉及工艺与责任,AI 只负责把疑点找出来,最终仍由工艺、计划和采购负责人确认。
4. 第四步:输出齐套结论与缺料清单
最后落成一份能直接拿去开会的清单:哪些工单可以开、哪些缺料、缺什么、缺多少、什么时候能补齐、该找谁跟催。
用AI做齐套检查的价值,就在这一步从“一份表”变成“一份可执行的任务分派”:它不是告诉你会缺料,而是告诉你先催哪一单、找哪个供应商、哪天之前必须到。
三、一份合格的缺料清单应该长什么样
很多团队的缺料清单只有“物料号 + 缺口数量”两列,拿给采购后依然要重新问一圈。真正可执行的缺料清单,至少应覆盖以下字段:
- 工单维度:工单号、产品、数量、交期、当前齐套状态(可开 / 缺料 / 待确认)。
- 物料维度:物料号、名称、需求量、可用量、缺口量、单位。
- 时间维度:最早可齐套日期、关键缺料项的最晚到料日。
- 责任维度:对应采购负责人、跟催优先级。
- 质量维度:数据来源标记与疑点说明,方便复核。
排序逻辑同样重要。建议按交期由近及远 + 缺口影响面排序:交期最近且缺口影响多个工单的物料排在最前面,采购的跟催顺序才排得出来。
在 Soiawork 中,这类清单可以由自动任务按计划生成——比如每天早上固定时间跑一次,结果推送到工作空间,计划员上班时看到的就是当天最新的齐套状态,而不是昨天的表。
四、复现验证:一次排查从 1-2 小时到约 1 分钟
在复现验证环境中,我们按照“BOM 表 + 库存表(含在途、安全库存、供应商)+ 生产订单表”的结构做过一次验证:把三张表交给 Soia,用一句话指令按订单展开 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,输出带缺口数量和跟催优先级的预警报告。
结果是:排查耗时从原先人工的 1-2 小时/次降到约 1 分钟/次,9 种物料一次全量覆盖、未出现漏算。需要说明的是,这是复现验证环境下的结果,用于验证方法可行性;真实生产环境的表现会受数据质量、BOM 规范程度和口径复杂度的直接影响,不能直接当作客户成效引用。
同样属于演示性质的还有一个典型流程:某类制造企业每天要更新物料表——从邮件拿需求附件,到 ERP 下载仓库库存、车间库存和采购清单,合并计算后发给采购与计划人员。这个流程在演示环境中被完整走通,其价值不在于“跑得快”,而在于每天跑的都是同一套口径,中间不依赖某个人记得住步骤。
五、边界与责任:AI 给依据,人来拍板
齐套检查涉及开工决策,边界必须说清楚,否则用起来反而增加风险。
- 替代料与工艺判断:能不能替、替了是否影响质量,由工艺和质量负责人确认,AI 只负责提示存在替代可能。
- BOM 与主数据变更:版本是否有效、用量是否准确,属于主数据治理范畴,AI 不自行修改。
- 数据差异处理:账实不符、负数库存、到料日期缺失,一律列为疑点交人工核实。
- 排产与交期承诺:齐套结论是输入,不是结论。最终能不能开、要不要调序,仍由计划负责人决定。
换句话说,AI 把“查资料、对表格、算缺口”这段重复劳动接过去,把“判断、拍板、担责”这段留在人这边。这也是 Soiawork 做企业级智能体的一贯口径:不替代专业判断,只把判断所需的依据准备齐。
六、落地建议:从一个工单开始试跑
齐套检查看起来是一个大工程,实际推进不必从全厂铺开。
- 先选一条线或一类工单:产品结构相对稳定、BOM 较规范的产品最适合起步,能快速验证口径是否对得上。
- 先固定数据源,再谈自动化:把库存、采购、BOM 的取数路径稳定下来,比追求“一键全自动”更重要。
- 用复跑验证准确性:同一批数据,人工算一遍、AI 算一遍,逐项比对缺口量,找出差异原因。
- 把差异变成规则:每次对不上的地方,都是口径需要明确的地方,补进知识库或工作流。
- 再逐步扩围:从单工单到多工单、从单产线到多产线、从每日一次到需求变动即触发。
在这个过程中,Soiawork 提供的是组合能力:连接器负责取数,知识库负责存规则,技能负责复用算法,工作流负责固定步骤,自动任务负责按时运行,设备(Soia Worker)负责操作那些没有接口的本机软件。能力按需组合,不必一次性重构现有系统。
结语
齐套检查做得好不好,不取决于算得多快,而取决于结论是否可信、依据是否可查、异常是否有人接。用AI做齐套检查:从工单到缺料清单,把原本散在邮件、ERP 和 Excel 里的信息,收敛成一份每天都能复现的清单。建议不要一上来就追求全厂覆盖,而是先挑一项重复度最高的齐套工作试跑:跑通一轮,核对结果与异常,确认口径对得上,再决定是否扩大范围。有任务,找 Soia;让智能生长,让工作进化。
常见问题解答
1. 做 AI 齐套检查,要不要改造现有 ERP?
通常不需要。齐套检查读取的是 ERP 里已有的库存、采购、工单数据,属于“用”而不是“改”。有稳定接口的通过连接器取数;没有接口的老系统,可以由 Soia Worker 在授权范围内完成查询与导出。真正需要投入的是口径梳理——哪些库存算可用、已占用怎么扣,这些规则要先定清楚。
2. 数据分散在多个系统,权限怎么控制?
原则是最小必要:取哪些表、看哪些字段、结果给谁看,按角色划分。Soiawork 中数据接入与使用都在企业既有权限框架内进行,取数过程留痕,输出结果可按人分发。涉及价格的采购数据、涉及工艺的 BOM 数据,可以分表授权、分人可见。
3. AI 算错了谁负责?
先区分两类错误:一类是数据本身有问题(库存不准、BOM 过期),AI 能做的是把疑点标出来;另一类是口径没定清楚,属于流程问题。齐套结论始终标注数据来源与计算口径,供责任人复核;开工决策、交期承诺仍由计划与采购负责人拍板。AI 不承担判断责任,也不应被当作判断依据的唯一来源。
4. 和现有的 MRP、RPA 是什么关系?
MRP 解决的是“计划层面的物料需求推算”,RPA 解决的是“重复操作的自动化”,两者各有分工。AI 齐套检查补的是中间那段:把 MRP 跑出来的需求、系统里的实时库存与在途、以及各种非结构化附件对到一起,输出一份人能直接用的缺料清单和跟催优先级。它不是替代 MRP,而是让 MRP 的结论落到具体工单和具体人身上。
5. 从哪个场景切入最容易见效?
建议从“每日物料表更新”或“单产品线工单齐套检查”切入。这类场景输入明确(BOM、库存、采购清单)、输出标准(缺口清单)、频率高且重复度大,两三周就能跑出可对比的结果。等口径稳定、人员熟悉之后,再向订单评审、供应链交付巡检等相邻场景延伸,复用已有的取数路径和计算规则。



