光学玻璃厂上AI预测系统，买现成的还是找人定制？

我们为什么被逼着搞AI预测

我是苏州一家光学玻璃厂的负责人，厂子不大不小，年产值8000万左右，主要做手机镜头、安防监控镜片用的光学玻璃毛坯。

前两年，我们被库存和生产计划折腾得够呛。

你可能也遇到过：客户订单说变就变，今天要100K，下周可能只要50K；不同型号的玻璃，原料配比、熔炼、退火周期都不一样，生产排期像一团乱麻。最头疼的是月底，销售催着交货，仓库里堆的却不是客户要的货。

当时我们面临三个具体问题：

1. 库存压资金：为了保证交货，只能多备货。光是成品库存就占了大几百万流动资金，有些特殊规格的玻璃放久了还会产生应力，品质下降，最后只能低价处理。

2. 生产频繁换线：因为预测不准，生产计划一周变三次是常事。工人刚熟悉一个工艺，又要换另一个型号，效率低，次品率也上来了。熔炼炉频繁启停，能耗也高。

3. 丢单和赔钱：旺季的时候，热门规格的玻璃排不上产，眼看着订单被同行抢走。淡季的时候，又为消化库存头疼，搞促销还得赔本赚吆喝。

说实话，那时候就知道，光靠老师傅的经验和销售拍脑袋，这问题解决不了。

一开始想的太简单，走了弯路

我们最初的想法很简单：找个软件，把历史销售数据输进去，让它告诉我们下个月该生产啥。

第一段弯路，是迷信“大牌ERP”。我们花了二十多万，上了一套行业里名气挺响的ERP，带预测模块。实施了大半年，用起来才发现，它的预测逻辑太僵化了，基本就是“去年同期乘以一个系数”。对于我们这种客户订单波动大、产品迭代快的光学玻璃行业，根本不好使。预测准确率没怎么提升，反而给财务和计划员增加了大量录入核对的工作。

钱花了，效果没见着，大家都很沮丧。

第二段弯路，是找了家“万能型”的软件公司。他们啥行业都做，拍着胸脯说他们的AI算法很先进。结果一深入聊，对方连光学玻璃的“熔炼批次”“退火曲线”是啥都不清楚，给出的方案就是把我们当快消品公司来预测，完全没考虑我们生产工艺长、切换成本高的特点。方案书做得漂亮，但我们心里知道，这又是白花钱。

这时候我才明白，找供应商，不是看它牌子多大，而是看它懂不懂你这行生产的“脾气”。

怎么找到对路的方案

吃了两次亏，我们调整了思路。不再追求“大而全”，而是先想清楚：我们最需要预测解决什么？答案是：未来3个月，每个产品规格的“周需求趋势”。有了这个，排产和备料就有谱了。

我们开始有针对性地找供应商，主要看三点：

1. 有没有做过类似流程制造业（比如陶瓷、特种玻璃、半导体材料）的项目？

2. 能不能把我们生产环节的约束条件（比如设备产能、换模时间、原料采购周期）考虑到预测模型里？

3. 方案是卖一个现成的软件盒子，还是愿意跟我们的人一起磨合、调整？

后来，我们接触了一家在无锡给陶瓷厂做过类似项目的团队。他们没吹牛，而是先派了个工程师在我们厂里跟了一周，从销售接单、计划排产、到车间投料、入库发货全走了一遍。

关键决策点就在这里：他们提出来，我们的预测模型不能只分析销售数据，必须把“生产反馈数据”和“市场线索数据”加进去。

比如，车间记录显示某规格玻璃的良品率最近在下降，那么预测时就要自动增加一些安全余量。再比如，销售从客户那里了解到，某款新手机镜头在设计阶段，那么对应规格的玻璃需求可能在半年后起来，这个“未来线索”也要作为权重因子放进模型。

这个思路一下子把我们点醒了。这才是懂生产的搞法。

实施过程我们分了四步，每一步都很小心：

第一步：数据清洗和对接（1个月）

这是最枯燥也最重要的一步。我们把过去三年的订单数据、生产工单数据、库存数据都倒出来，发现很多记录不规范，比如同一个产品有多个编码。双方团队一起蹲在会议室里，花了整整一个月时间，才把基础数据理清楚，接入了他们的系统。

第二步：单点模型验证（2个月）

我们没全面铺开，而是选了销量最大、也最让我们头疼的3个手机镜头玻璃型号做试点。用新模型跑未来8周的预测，然后和实际发生的订单对比，每周复盘调整一次。这两个月，模型参数调了不下几十次。

第三步：小范围推广（1个月）

3个型号的预测准确率稳定在85%以上后，我们才把模型推广到占我们80%销量的15个核心型号上。这时候，生产计划部的同事已经有点信心了。

第四步：全面上线与流程固化（持续）

把所有产品线都纳入系统，并且把“看AI预测建议”固化为每周生产计划会的第一个议程。现在，计划员的工作从“猜生产什么”变成了“验证和微调AI的建议”。

现在用起来到底怎么样？

系统跑了快一年，说几个大家最关心的实际效果：

预测准确率：从原来凭经验的60%左右，提升到了现在平均85%。对于那15个核心型号，能做到90%以上。这意味着，我们生产的东西，十有八九是马上能卖掉的。

库存变化：成品库存金额下降了差不多30%，折算下来，释放了200多万的流动资金。库存周转天数从105天缩短到了75天左右。

生产稳定性：因为需求看得更准了，生产计划变动减少了大概70%。车间主任反映，工人熟练度上来了，整体良品率也微涨了接近1个百分点。熔炼炉的启停次数明显减少，一年算下来，燃气费能省个小十万。

当然，也不是所有问题都解决了。

第一，面对突发超级大单，系统还是会懵。 比如上个月，突然接到一个出口急单，量是我们平时月销量的三倍。AI基于历史数据的预测根本覆盖不到这种情况，最后还是靠人工紧急干预，协调原料和产能。

第二，对新产品的预测，还是弱。 没有历史数据，模型主要靠销售输入的“市场线索权重”来猜，这个权重设多少，很大程度还是靠人的判断，有一定偏差。

第三，系统需要“养”。 它不是一劳永逸的。市场在变，产品在变，需要我们的人（尤其是计划员）持续地把新的市场信息和生产异常反馈给系统，它才能越用越聪明。这对员工的素质有要求。

如果重来，我会怎么做

走过这一遍，再让我选择一次，有些地方的做法会不一样：

1. 别贪大，先止血：一开始就应该聚焦在最痛的一两个产品线上，快速验证效果。看到好处了，再投钱推广，大家也更有信心。我们前期在ERP上浪费了太多时间和钱。

2. 供应商要“门当户对”：别迷信大公司。对于年产值几千万到几个亿的厂子，找那些专注在几个特定行业、有成功案例的中小团队，反而更靠谱。他们更愿意深入你的业务，方案也更灵活。

3. 自己人必须深度参与：绝对不能当甩手掌柜。我们最大的收获，是培养了自己的一个计划员，他现在半懂业务半懂系统，成了厂里的“预测专家”。没有自己人懂，系统再好也用不起来。

4. 算账要算综合账：别光盯着软件多少钱。要算库存降了多少钱、资金周转快了多少、生产浪费少了多少、丢单少了多少。我们这套系统总投入在50万左右，综合算下来，回本周期在14个月，是能接受的。

给想尝试的同行几点实在建议

如果你也在光学玻璃或者类似的精细化工行业，被需求预测搞得头疼，想试试AI，我建议你按这个顺序想想：

先看数据：把你过去两三年的销售、生产、库存数据拉出来看看，是不是能理得清？如果数据本身一塌糊涂，那先别急着上AI，花点时间把数据基础打好。

再找痛点：是库存太高？还是换线太频繁？或者是老丢单？找准最想解决的一两个问题，带着问题去找方案。

然后选伙伴：跟供应商聊的时候，别光听它讲功能多厉害。多问它：你对我们的生产流程了解多少？你打算怎么把我们的工艺约束做进模型？你之前做的案例，后来效果怎么样，有没有复购？

最后小步跑：一定要做试点。投个几万、十几万，先在一两条产品线上跑通。看到实实在在的效果，再决定要不要扩大投入。这样风险最可控。

写在后面

上AI预测，对我们这种传统制造厂来说，不是赶时髦，而是被市场逼着做的生存选择。它不能解决所有问题，但确实能把你从那种“盲人摸象”式的生产决策里拉出来一大截。这个过程肯定有折腾，但方向对了，每一步都算数。

如果还在纠结要不要做、找谁做，可以先在“索答啦AI”上咨询一下，它会根据你的实际情况给建议。

这条路，我们走过来了，你也行。