【编者按】
为落实《上海市加快推动"AI+制造"发展的实施方案》,市经济信息化委会同市工业互联网协会、中国信通院上海工创中心、上海工业数字化研究院等单位,编制发布了《上海市"AI+制造"场景建设指南(第一期)》,旨在通过指南,提炼重点行业高价值应用场景,并系统描述人工智能技术在相关场景应用时的实施路径和方法论,为企业提供一套可复制、可推广的标准化操作方案,降低试错成本。
本系列逐一解读12个标杆场景,上一期我们解读了流程型制造业生产计划优化与决策环节——生产计划智能优化与决策,本期聚焦高端装备制造行业供应链环节——ETO制造供应链智能管控(受限于篇幅,内容有所压缩,完整版请于文末点击链接下载)。
01 ETO供应链的四大痛点
ETO按订单定制模式项目周期长、物料繁杂、非标件与进口长周期物料多,供应链变数大、协同难度高,物料齐套管控是制约准时交付的核心瓶颈,存在四大痛点:
(一)数据源分散割裂,齐套无法统一管控。ERP、SRM、WMS、TMS各系统独立运行,数据不通、标准不一,采购、交期、在途、库存信息形成孤岛,全靠人工核对,效率低、易出错。
(二)信息获取繁琐,数据实时性不足。计划员需多系统切换核对,还要手动查阅提单、报关单等资料,物料齐套核查耗时长,直接影响生产排程和交付履约。
(三)传统数字化系统维度单一,业务灵活度不够。无法根据灵活多变的项目进度快速获取项目缺料、物流延误影响工单等多维数据,新增分析需求需额外开发,响应慢、适配性差。
(四)风险预警滞后,只能事后被动补救。无交期、物流、用料趋势预判机制,缺料、延期问题临近投产才暴露,极易造成产线待料、紧急加购,推高成本。
02 解决方案:构建"数据融合-智能感知-主动干预"新范式
本场景由上海羚数智能科技有限公司牵头编制,上海振华重工等提供应用实践。引入大模型驱动的智能体技术,物料齐套管控从"人工跟踪、静态核对"向"动态感知、主动干预"转变。

(一)四大核心能力
数据集成与状态感知:集成ERP、SRM、WMS、TMS等系统数据,同步接入航运API、货运平台及海关系统,实时采集船舶动态、舱单、报关进度。
齐套计算与缺料预警:按投产计划窗口动态计算物料齐备率,识别缺失项、瓶颈物料及潜在断点,及时触发分级预警。
延误根因追溯与影响分析:评估受影响工单与交付节点,结合物流轨迹、报关记录精准定位问题源头,生成结构化报告。
知识沉淀与持续进化:持续沉淀齐套管理经验,构建可复用、可进化的决策知识库,从"救火式响应"迈向"预测性协同"。
(二)四类算法引擎
供应链知识图谱:构建"项目-工单-物料-供应商-运输路径"关联网络,支撑影响范围推演与根因追溯。
因果推断模型:分析交期延误、缺料等事件的根本驱动因素,识别瓶颈环节。
大模型:选用网信办备案国产模型(如Intern系列、羚数百工大模型),承担意图理解、任务拆解、逻辑推理与自然语言生成。
RAG框架:注入企业专有术语、业务规则与历史经验,构建专属向量知识库,解决大模型理解偏差。
03 应用成效:效率与精准双赢

04 实施路径
(一)数据准备

(二)算法与算力
优先选用网信办备案国产大模型(如Intern系列、羚数百工大模型)。算力侧全栈私有化部署,配置昇腾910B或其他自主算力方案。构建统一数据中间层封装RESTful/GraphQL接口,引入接口沙箱进行兼容性与压测验证,集成企业统一身份认证(SSO)。
(三)业务系统准备
确保ERP/SRM/WMS/TMS等核心系统已完成数字化覆盖并具备稳定接口输出能力。推动建立统一数据中间层,将MCP协议固化为内部服务调用标准,实现工具即插即用。
(四)安全合规
终端设备准入与双向鉴权;关键数据传输启用完整性校验;系统访问日志留存不少于一年;静态数据分层加密存储;基于最小权限原则建立细粒度分级权限体系;对商业敏感数据进行识别与分类标记。
05 实际案例
为破解ETO制造协同难题,振华重工与羚数智能团队紧密协作,以 AI Multi-Agent 架构为核心,打造了一套真正嵌入业务流程的智能协同系统,覆盖“设计—采购—制造”全链路。
以物料齐套率管理为例,该场景下包括招投标分析 AI Agent、船期跟踪AI Agent、提单跟踪Agent、成本优化Agent、采购建议Agent、报关管理Agent、数据分析AI Agent等多个子Agent。能够显著优化原有的大量人员执行流程,让项目管理、生产管理人员能够直接获取物料齐套信息,提高物料齐套率和生产计划准时率。将物料齐套管理从原本的工厂场内管控,优化到采购源头管控,物料齐套率提升15%以上,执行人力成本优化90%以上。
【获取支持】
有意向建设该场景、需要对接场景服务方的企业,请联系:市工业互联网协会 赵老师 13816395318