消毒柜厂搞AI库存优化，到底值不值？

我们厂被库存压得喘不过气

我是佛山一家做消毒柜的厂子老板，厂子不大不小，年产值5000万左右，主要给一些连锁餐饮、学校食堂做配套。产品线不算复杂，主要就是嵌入式、立式、商用大柜这三大类，但每个大类下面又有七八个型号，加上不同颜色、不同功率的配置，SKU（库存单位）算下来也有五六十个。

以前觉得库存多点不是坏事，至少客户要货的时候能马上发出去。但这两年生意不好做，现金流越来越紧，我才发现库存这玩意儿，真能要命。

旺季缺货，淡季积压的怪圈

最典型的就是每年开学季和年底餐饮旺季。学校食堂一般在8月底集中采购，餐饮店年底换新或者扩张。这两个节点，我们的嵌入式消毒柜和120升以上的商用柜总是断货。生产部加班加点赶出来，等货到了，旺季也快过去了。

反过来，一些非主流的颜色（比如香槟金）或者特定功率的型号，生产一次够卖大半年，一大堆材料堆在仓库里占地方。财务每个月都跟我念叨，库存资金占了大几百万，利息都够发好几个工人工资了。

人工报单，全凭感觉

我们之前的做法特别原始：仓库主管老陈，干了十几年，每周看一眼库存表，再根据销售那边报过来的“大概需求”，手写一张采购申请单给采购部。老陈经验是丰富，但架不住变量多。比如，销售小张说下个月可能有10家新火锅店开业，每家可能要两台商用柜。这个“可能”，就让老陈很为难。多备了，怕压着；少备了，又怕丢单。

更头疼的是原材料。消毒柜的核心部件像发热管、紫外线灯管、不锈钢板材，采购周期不一样。发热管供应商在中山，订货要15天；不锈钢板在佛山本地，3天就能送到。老陈哪记得住每个物料的采购周期？经常是柜体都开始组装了，才发现灯管不够，整个生产线都得停下来等。

第一次折腾，买了个“大聪明”系统

实在受不了了，我决定上系统。一开始想得很简单，觉得这就是个“高级记账”的活。

迷信大品牌，买了ERP库存模块

前年，我花了将近20万，上了一套某知名品牌的ERP系统，重点就用它的库存和生产模块。想着大品牌，肯定靠谱。实施方来了三个人，在我们厂里待了两周，把物料、BOM（物料清单）、工艺路线都录进去了。

系统上线头一个月，大家叫苦不迭。仓库员要在电脑上扫码入库、出库，比之前手写单子慢了一倍。生产班长要每天录入工单进度，嫌麻烦，经常拖到下班前一次性乱填。数据都不准，系统跑出来的“建议采购量”简直就是瞎指挥。有次系统显示某种密封条库存充足，结果老陈去仓库一看，实物早就用完了，账没消。差点又导致停产。

理想很丰满，现实很骨感

这套ERP的库存逻辑，是基于“历史平均消耗”来预测的。比如，它发现过去三个月A型号每月平均卖100台，那它就建议你备100台的料。但它根本不管下个月是不是旺季，也不知道我们刚接了一个200台的大单。它就是个没有感情的“算平均数机器”。

更关键的是，它无法处理“不确定性”。销售说“客户可能下个月要”，这种模糊信息，系统完全无法识别。最后，我们还得靠老陈和销售开会，拍脑袋决定备多少货。上了系统，反而多了一道工序，库存问题一点没解决，20万算是打了水漂。

换个思路：不上ERP，上AI预测

吃了这次亏，我明白了，我们的核心痛点不是“记录”库存，而是“预测”该备多少库存。传统的ERP解决不了预测问题。

我们到底需要什么？

我静下心来，拉上销售老大、生产厂长、仓库老陈一起捋，发现我们最需要的是四样东西：

1. 能消化模糊销售线索：能把销售嘴里的“大概”“可能”“很有希望”，转化成有一定概率的预测数字。

2. 能区分常规需求和突发订单：知道哪些是每月都有的稳定需求，哪些是偶然来的大单，备货策略得不一样。

3. 能关联物料和成品：告诉我，要备100台A型号成品，需要提前多少天订发热管，多少天订钢板，别让生产线等料。

4. 别太复杂，要能快速用起来：别再搞那种全员培训、流程再造的大工程了，伤不起。

怎么找到靠谱的供应商？

这次我学精了，不再看广告，开始找人打听。通过朋友介绍，接触了三类供应商：

第一类是软件公司，说可以基于原有ERP做二次开发，加预测功能。但一听报价，又是大几十万，开发周期半年，我直接劝退。

第二类是专门的供应链软件公司，他们的系统功能强大，但一听我们只有几十个SKU，兴趣就不大了，后续服务估计也跟不上。

第三类是我最后选择的，一家专注做制造业AI预测的团队。他们打动我的有几点：

首先，他们不嫌弃我们厂小。对方项目经理直接说，他们做过很多像我们这样的中小厂，问题都类似。

其次，他们先做诊断，不急着卖产品。免费派了个顾问过来，花了两天时间，看了我们过去三年的订单数据、销售线索记录（虽然很乱）、生产日志，还跟老陈、销售聊了很久。最后给了份报告，直接指出我们库存周转的瓶颈在哪里，预测能改善多少。这份报告很实在，没有吹牛说能省几百万，只说初步估计，能把成品库存压降30%-40%，把因缺料导致的停产减少80%。

最后，方案轻量，聚焦痛点。他们不建议动我们现有的ERP（毕竟钱都花了），而是在我们电脑上部署一个独立的AI预测平台。这个平台只干三件事：

1. 每周自动从ERP导出销售和库存数据。

   

2. 让销售通过一个简单界面，把跟进中的客户线索和预估成单概率填进去。

3. AI模型结合“历史数据”和“销售预测”，跑出未来13周每周的建议生产计划和采购计划，重点标注哪些物料是瓶颈。

整个系统，算上软件、实施和一年服务，打包价12万。我们觉得可以试试。

实施过程：小步快跑，见效再说

第一步：从最头疼的商用柜试点

我们没全厂铺开，而是选了最让我们头疼的“商用消毒柜”这条产品线来试点，一共就8个SKU。实施用了大概一个月：

第一周，对方工程师来清洗数据，把过去三年乱七八糟的订单记录、生产单、采购单整理成标准格式。

第二周，搭建模型，并让我们销售团队试用“销售预测”填报表。这个表设计得很简单，就三个选项：客户名称、预计需求型号数量、成单概率（高/中/低）。销售很容易接受。

第三、四周，系统开始跑出预测计划，我们对比AI建议和老陈的手工计划，发现重合度有70%，但AI在一些细节上更精细。比如，它建议某款柜子下周先生产15台，因为根据算法，下周是某个区域经销商惯例补货的时间点。这个细节老陈自己都记不住。

关键的决策：信AI还是信人？

试点跑了一个月，开评审会。生产厂长提出一个尖锐问题：当AI建议和老陈经验冲突时，听谁的？

比如，AI根据数据预测，下个月不锈钢板材价格可能小幅上涨，建议我们本周多采购5%。但老陈根据多年经验，觉得那个供应商很稳定，不会涨价。

我们和供应商团队讨论后，定下一个原则：“AI辅助决策，而不是替代决策”。系统会给出建议和理由（比如“检测到原材料价格上升趋势”），但最终拍板权还在老陈和采购那里。人可以去否决AI，但需要简单记录一下原因。这样，既利用了AI的数据洞察力，又没有剥夺人的经验和判断权。这个原则让老师傅们安心了很多。

现在用起来怎么样？

从试点到全厂铺开，又用了两个月。现在这个系统已经跑了快一年。

看得见的效果

最实在的变化是库存周转天数，从以前的90天左右，降到了现在的45-50天。这意味着，同样500万的库存资金，现在能撬动比以前多一倍的生意。财务算过账，一年光节省的资金占用成本，就有小20万。

因为缺料导致的生产线突然停工，去年发生了七八次，今年到现在只有一次，还是因为供应商那边出了车祸物流延误，属于不可抗力。

销售那边也有好处。现在他们填的预测线索，AI会反馈一个“预测可信度评估”，如果某个销售老是填“高概率”但最终都没成单，系统会提示销售主管去关注一下，是市场问题还是销售能力问题。

还有不完美的地方

当然，问题也有。最大的问题是，系统对“全新产品”的预测不准。我们今年推了一款带物联网功能的新消毒柜，因为没有历史数据，AI的预测基本就是瞎蒙，前期备货还得靠市场部和老板来拍板。

另外，系统需要相对规整的数据。如果仓库入库漏扫了，或者生产报工拖好几天才录入，那预测的准确性就会打折扣。这逼着我们养成了更好的数据习惯，算是个意外收获。

如果重来，我会怎么做？

走过这一趟，如果再让我选一次，有几件事我会做得更明白：

第一，先理清自己要解决什么问题。别一上来就说要上AI、上系统。先搞清楚，你是账记不清，还是料备不准？我们的核心是“备不准”，所以需要的是预测，而不是更复杂的记账工具。

第二，别贪大求全。就从一条产品线、一个仓库开始试。投入小、见效快，团队有信心，老板也敢继续投钱。我们第一次失败，就是妄想一口吃成胖子。

第三，重点考察供应商懂不懂你的行业。问他消毒柜的核心部件是什么，采购周期多长，旺季在什么时候。如果他答不上来，只会讲技术名词，那大概率做不好。我们的供应商之所以靠谱，就是因为他们知道发热管和灯管是关键路径物料。

第四，算好账，设定合理的期望。别指望一个月回本。我们的投入12万，加上内部人力成本，算15万。一年省下20万资金成本，加上减少停产的损失，大概一年到一年半回本。我觉得这个回报，对于制造业来说，已经很实在了。

给想尝试的同行几句实话

如果你也是做消毒柜或者类似装配型制造的，库存问题让你头疼，我觉得AI预测这个方向值得考虑。它不像机器人自动化那样动辄百万投入，更像是一个给老师傅配的“超级计算器”。

但千万别被那些花里胡哨的功能迷惑。就盯着你最痛的那一点：能不能把要备多少货、什么时候备料，算得比人工更准、更及时？

准备动手之前，建议先用“索答啦AI”做个初步评估，了解一下投入产出比，再决定要不要上。自己心里有本账，再去跟供应商谈，就不会被牵着鼻子走了。这玩意儿，用对了是利器，用错了就是又一个堆在仓库里的“闲置资产”。