织信AI赋能制造业：从应用全景到生产、采购管理

整理一份生产日报，要查报工记录、核对检验结果，再把未完成的任务和异常情况写清楚。做一次采购比价，要读报价单、确认规格，把价格、交期和付款条件放在一起比较。

这些工作需要业务判断，也包含不少重复整理。AI已经能读文件、查数据、写摘要，制造企业自然会关心：它能不能帮助生产和采购人员完成这些事情？

在织信，我们提供两方面的能力：帮助企业建设适合自身流程的业务系统，让AI在系统中参与查询、分析和处理。前者解决数据和工作放在哪里，后者解决员工怎样更方便地使用这些信息。

从制造业的应用范围讲起，再看生产、采购的具体工作，就能理解两者怎样配合。

一、制造业AI，既在设备旁，也在日常管理中

视觉检测、设备故障预测、生产排程，是制造业AI中比较熟悉的方向。它们分别涉及识别产品缺陷、分析设备状态，以及在物料和产能约束下安排生产，需要相应的图像、传感器数据或专业算法。

还有一类应用，发生在业务人员每天使用的资料和管理系统中。

研发要查产品技术要求，生产要整理进度和异常，采购要比较报价、跟踪订单，质量要查检验记录，售后要核对维修历史。这些工作都需要阅读、查找、核对和归纳信息。

同样叫制造业AI，识别一张缺陷照片，和整理一份生产日报，使用的数据与实现方法并不相同。企业可以根据具体工作，选择相应的技术和工具。

织信主要围绕业务系统建设与业务管理提供能力。企业可以用低代码构建ERP、MES、PLM、SRM等系统，把订单、生产、采购、质量等记录组织起来，再配置AI查询数据、理解资料、参与流程。

这里的应用，也不局限于简单的表单和审批。复杂的产品结构、工序管理、批次追溯、跨部门协作，可以结合数据模型、流程、脚本与接口开发。视觉检测结果、设备报警等信息，则可以通过集成进入业务系统，交给相应人员处理。

对生产和采购人员来说，报工记录、报价资料和订单进展，就是AI能够辅助处理的一部分日常信息。

二、生产管理：更方便地查进度、整理异常

生产主管了解进度，通常既要看完成数量，也要知道哪些任务没完成、遇到了什么问题。报工、检验和异常记录放在不同页面时，整理日报就需要逐项查找。

在织信中，企业可以建立生产订单、工序任务、报工、检验和异常记录之间的关联。AI数据智能体支持自然语言查询、条件筛选、分组统计和结果解释，员工可以用日常语言提出查询要求。

图1：在生产工单界面打开AI助手，按车间汇总计划、合格、待检数量和未完成工单

例如，输入“按车间汇总生产工单的计划数量、合格数量、待检数量和未完成工单数”，AI可以查询已有记录，返回分组结果。要进一步了解未完成的原因，还可以继续查询关联的异常记录，区分缺料、设备停机、质量待判等情况。

原先需要在几个页面中分别筛选的信息，能够按同一个问题组织起来。主管看到某张工单异常时，也能回到原始记录核对，决定下一步由谁处理。

固定看板仍然用于日常监控。临时想了解某个车间、某类产品或某段时间的情况时，可以通过对话细化查询，减少为一次性问题反复导出表格、重新整理的工作。

生产日报同样可以按这个方式配置：系统先取得当天的报工、检验和异常数据，再由AI整理成文字，说明完成情况、未完成任务及待处理事项。已完成加工、等待检验、检验合格等状态分别呈现，避免把不同含义的数量合成一句“已经完成”。

AI整理得快，前提是现场记录能说明实际发生了什么。班组没有提交报工，系统就缺少这部分进度依据；异常记录只写“有问题”，AI也无法据此确定原因。应用需要保留更新时间、问题描述和处理状态，资料不完整时明确标出。

员工也可以直接询问“哪些生产异常还没处理完”，让AI列出对应工单、处理状态和负责岗位，便于逐项跟进。

除了进度，质量人员还可以配置AI汇总某类不良的记录，查看涉及的产品、批次、工序和处理结果。相同问题是否反复出现，哪些记录需要进一步调查，都可以先整理出来。最终的原因判断和质量处置，仍由专业人员结合现场验证。

图2：在生产异常界面查询尚未处理完的异常，AI返回关联工单、状态与处理岗位

作业指导书、产品手册等资料，也可以按授权范围放入织信知识库，供智能体检索。员工查询某项操作要求时，AI辅助查找对应资料。企业需要维护有效版本，回答涉及工艺和质量要求时保留资料依据，方便员工核对执行要求。

对生产人员而言，这些应用的价值很具体：少一些重复找记录和写汇总的工作，把时间留给现场协调和问题处理。

三、采购管理：把比价和跟进需要的信息整理齐

报价单上的单价，很少能单独决定采购选择。规格是否一致、报价是否含税、运费由谁承担、交期怎样约定，都影响比较结果。采购人员需要先把这些条件核对清楚。

对已经录入系统的报价，采购人员可以直接让AI按同一物料规格，汇总各供应商的单价、交期、付款条件和待确认项，先把比较需要的信息放在一起。

在织信的采购应用中，可以配置AI读取报价资料，提取物料名称、规格、数量、价格、税费、交期和付款条件，整理成便于核对的结果。没有写明的内容保留为待确认项，采购人员补问后再确认。

图3：在采购报价界面查询三家供应商的报价条件，未填写的信息保留为“未记录”

这样，采购不必反复从附件里抄同一组信息，也能较早发现几份报价的条件差异。涉及采购总额、税额等精确计算，使用确认过的公式和程序，AI负责阅读与说明。

整理结果可以与原报价附件一同保存在应用中。采购复核时，能够查到某项条件来自哪份资料，确认后的内容再用于后续审批和订单，避免一份AI摘要成为唯一依据。

订单跟进则需要连续的记录。采购订单、供应商回复、到货和检验信息关联后，员工可以查询尚未到齐的订单，按承诺到货日排序，同时查看订购数量、已到货数量、检验状态和跟进状态。

图4：在采购订单界面查询未到齐订单，AI按北京时间列示承诺到货日、订购与到货数量、检验及跟进状态

供应商回复里的时间尤其需要读清楚。“周五发货”和“周五到厂”含义不同。AI可以辅助提取日期与承诺内容，信息模糊时提出待确认事项，再由采购人员确认是否更新订单。

供应商评价也能使用这些数据。企业先确定交付及时性、检验合格情况等指标的计算口径，系统按规则统计，AI帮助整理表现变化和相关记录。采购据此安排沟通、评价或整改，比仅凭印象更有依据。

这些信息还会被生产使用。在权限允许的范围内，计划人员能够查看物料的采购进展、实际到货及检验状态，减少重复向采购询问。物料什么时候能用于生产，也就有了具体记录作为判断依据。

采购人员少花时间整理信息，才能更充分地核实条件、与供应商协商。AI提供的比较结果和跟进摘要，最终服务于这些专业工作。

四、织信怎样让AI参与这些工作

要实现上面的应用，先需要一套能表达企业业务的系统。

织信的智能体对话开发支持自然语言需求，也支持读取Word、Excel等文件，辅助生成数据表、字段、关联关系、工作流、仪表盘和脚本。企业可以先描述生产、采购需要管理哪些内容，再通过生成的应用检查需求、逐步调整。

例如，采购应用需要从申请、询报价、订单管理延伸到收货检验，生产应用需要管理工单、工序、报工和质量记录。两者通过物料、订单等关联，员工的操作和后续查询才有共同依据。复杂规则可以结合脚本和接口实现，生成后由业务与IT共同核对、测试，再投入使用。

已有ERP或MES的企业，也可以通过API、脚本、外部数据源等方式连接相关数据，建设需要的协作应用。具体哪些记录由原系统维护、哪些在织信中处理，需要在实施时确定，避免同一笔业务重复录入。

应用运行后，AI既可以接受员工的查询，也可以放进配置好的自动化中。织信的“调用智能体”步骤，能够把需要理解的文本交给AI，再将结果交给后续步骤使用。

图5：织信自动化中的“调用智能体”设置

比如，一条生产异常提交后，先由AI整理问题描述、提出分类建议；系统检查返回内容，必要时交负责人确认，再按配置规则通知处理人员。采购回复也可以经过提取、核对、确认，再更新相关记录。这样，整理出的信息能继续用于工作安排。

这里要分清读取与执行。AI数据智能体只读取和分析数据；写入记录、发送通知、推进流程，需要相应的执行配置与权限。织信提供角色、数据、字段及AI能力授权，企业可以按岗位确定可用范围。采购能查询和处理哪些订单，生产能看到哪些价格资料，都应按实际职责设置。

图6：智能体调用的只读权限、数据授权和JSON输出设置

织信把应用建设和AI使用放在同一个业务环境里。企业既能调整表单、流程和规则，也能让AI使用这些应用中的数据。随着管理要求变化，新增检验环节、修改采购审批、调整日报内容，可以在原有应用上继续完善。

五、先选一项工作，把使用效果看清楚

第一次应用AI，可以从生产日报、报价资料整理或采购跟进清单中选一项。它们发生频繁，输入和输出也比较容易核对。

选定后，把任务写清楚：使用哪些记录和资料，需要输出什么内容，哪些结果由人确认，确认后交给谁继续处理。拿实际资料测试时，既看信息齐全的情况，也看缺少规格、没有交期、尚未报工等情况。

应用效果可以从员工的工作中判断：整理耗时是否减少，漏项是否减少，输出能否回到原始记录核对，接手人员是否获得了需要的信息。单纯生成一段流畅的文字，还不足以说明这项工作已经做好。

我们希望通过织信，让企业更方便地建设适合自己的生产、采购系统，也让AI参与员工每天需要完成的工作。从读懂一份资料、查清一组记录，到辅助整理并交给下一位负责人，逐步减少重复劳动，为专业判断提供更充分的依据。