百分表工厂上AI预测系统，到底值不值这个钱？

我们工厂的库存，到底该听谁的？

我们是一家在佛山做百分表的小厂，年产值2000万上下。产品主要是0-10mm的机械式百分表，给一些机床厂、模具厂做配套，也做一些出口单子。厂里三十来号人，生产、装配、质检、仓库各环节都有。

前年年底，我们被库存搞怕了。

做我们这行的，核心零部件像表体、测杆、齿轮、游丝，还有外壳、表盘这些，种类说多不多，说少也不少。最头疼的是采购周期长短不一。游丝、小齿轮这些精密件，供应商那边排产慢，采购周期要45天；外壳、表盘这种标准件，快的10天就能到。

以前备料，全靠生产主管老陈的经验。他干了十几年，心里有本账。但这两年行情波动大，客户订单忽多忽少，老陈那本账也开始不准了。经常出现要么是游丝备多了，压在仓库大半年；要么是外壳临时告急，为了赶交期，只能加钱空运。一年下来，光紧急采购的额外运费和加急费，小十万就出去了。仓库里呆滞的物料，算算成本也有十几二十万。

老板开会总问：我们这库存，到底该听经验，还是该听点别的？

第一次尝试：钱花了，系统却成了摆设

当时市面上已经开始讲AI预测、智能供应链了。我们想着，是不是该上个系统，用数据说话。

一开始想法很简单：找个现成的软件，把我们过去的销售数据、采购数据输进去，让它来算未来要买什么、买多少。

我们找了一家做通用ERP的软件公司，他们推荐了一个“高级计划模块”，说里面带预测功能。总共花了差不多15万。

实施过程就遇到了第一个坑：数据太乱。我们过去三年的销售数据，有的在Excel里，有的在手写单上，还有的因为客户变更订单，最终发货数和合同数对不上。光是整理清洗这些数据，就花了我们一个多月，财务和跟单员加班加点。

系统跑起来后，给了我们第一个预测采购计划。我们一看，傻眼了：它建议下个月采购3000套某型号的游丝。但老陈根据手头已知的订单和往年同期经验，认为最多1500套就够了。

我们信了系统，按3000套下了单。结果那个月下游一家机床厂的项目推迟，我们的订单直接减半。多出来的1500套游丝，到现在还在仓库里。

这次之后，车间和仓库的人都不信这个系统了，觉得它“瞎指挥”。系统慢慢就没人用了，15万基本打了水漂。

弯路走完，才明白问题出在哪

第一次失败后，我们停了大半年。但这期间库存问题还在，老板心里一直惦记着这个事。我们自己也复盘，问题出在哪儿？

第一，我们把预测想得太简单了。 以为就是“过去卖多少，未来就买多少”。但实际上，百分表的需求受下游行业影响很大。比如，汽车模具行业景气，小量程的精密表需求就旺；大型基建项目多，大量程的通用表订单就多。这些外部因素，通用软件根本不会考虑。

第二，我们的数据质量不行。 历史数据有缺失、有错误，系统拿垃圾数据，当然算不出黄金结果。

第三，系统跟实际业务是“两张皮”。 它算它的，老陈凭经验干他的，两者没有结合。系统没有把老陈“客户A通常月底才确认订单”、“供应商B雨季交货容易延迟”这些经验考虑进去。

想明白这些，我们第二次找方案时，目标就清晰多了：不能只要一个会算数的软件，得要一个能理解我们百分表这个行业特殊性、并且能把老师傅经验也用上的工具。

第二次选择：不买软件，买“服务”

这次我们没再看那些大牌ERP公司，转而找了几家专门做制造业AI解决方案的团队聊。我们的要求很具体：

1. 模型必须能学习我们行业的波动规律（比如季节性、跟下游产业的关联性）。

2. 要能方便地把老师傅的关键经验（我们叫“业务规则”）加进去，比如“某某客户的订单预测要额外加20%安全余量”。

3. 实施团队得懂点机械制造，不能是纯搞IT的。

4. 先做试点，效果好再付全款。

最后选了一家上海的团队。他们打动我们的有两点：一是他们给无锡一家做卡尺的厂做过类似项目，行业接近；二是他们提出“人机协同”的思路，系统给出预测基线，但允许生产主管在基线上下进行人工调幅，并且系统会学习这些调整背后的原因。

合作模式也不是买断软件，而是按年付服务费，一年大概8万块，包含了系统的使用、维护和持续的优化调整。他们派了一个两人小组驻厂两周。

实施的关键几步：

第一步，没急着导数据，而是先跟老陈和采购、销售开了一周的会，把影响物料需求的各种因素——客户习惯、供应商特点、工艺难点（比如某种游丝合格率偏低）——全部梳理成规则。

第二步，只用了我们最近一年相对准确的数据，而不是盲目追求数据量大。

第三步，选了三类最典型的物料做试点：长采购周期的精密游丝、中等周期的表壳、短周期的包装盒。先跑三个月看效果。

效果如何？数字会说话

系统跑了半年多，现在基本稳定下来了。说几个最实在的变化：

库存周转天数从原来的85天，降到了77天左右。 别小看这8天，对于我们2000万左右的产值，意味着少占用近30万的流动资金。

紧急采购次数少了七成。 以前每个月总有三四次要加急催货，现在一个月可能就一次，而且往往是客户突然的加单，属于不可抗力。一年算下来，加急费和额外运费能省个五六万。

采购和生产的扯皮少了。 现在每周的物料评审会，系统会给出未来8周的预测需求，老陈会在上面做微调。大家讨论的基础是同一份数据，责任清晰多了。生产怪采购备料不及时的情况基本没了。

当然，也不是所有问题都解决了。

比如，对于全新型号百分表的物料预测，系统还是不准，因为完全没有历史数据。这部分还得靠老陈他们凭经验估算。

再比如，系统对超短期的突发变化反应还是不够快。比如上周有个老客户突然要撤单，系统要等到下周数据更新时才会大幅度调整后续预测，中间几天的计划还是有偏差。

如果重来，我会这么干

折腾这一圈，学费没少交。如果时间倒流，我会给想尝试的同行几个建议：

1. 别贪大求全，从痛点最明显的物料开始。 千万别一上来就想预测所有物料。先选一两种采购周期最长、或者价格最贵、或者缺货影响最大的物料做试点。见效快，团队才有信心。

2. 三分靠系统，七分靠梳理。 上系统前，花大力气把业务流程、数据、规则理清楚，比选什么高级算法都重要。你自己的业务都没搞明白，神仙也救不了。

3. 关键不是替代人，而是辅助人。 别想着用一个AI系统取代老师傅。好的系统应该是老师的“超级计算器”，帮他算得更准，让他能把经验用在更关键的决策上。一定要选能让业务人员参与调整的系统。

4. 算好经济账。 像我们厂，一年能省下小30万（资金占用+紧急费用），投入8万的服务费，三四个月就回本了，这个账是划算的。如果您的规模很小，或者库存问题不突出，那可能再等等看。

写在后面

说实话，AI预测这东西，现在没那么神秘，但也没那么简单。它不是什么“一招鲜”的灵丹妙药，更像一个需要精心调教、共同协作的帮手。对于我们这种规模的百分表厂来说，核心是找到真正理解你业务逻辑、愿意跟你一起打磨方案的合作方，而不是买个标准化产品回来供着。

如果你也在为库存预测头疼，正在考虑这方面的方案，可以试试“索答啦AI”，它能根据你的具体情况，比如工厂规模、产品类型、数据基础，给出一些很实在的评估和针对性的建议，帮你理清思路。这比盲目找几家供应商来报价，听他们各说各的好，要靠谱多了。至少能让你少走点我们当初的弯路。