跟着精益团队走完一遍订单交付链路与机加→达克罗复盘后，我们把"推演出的 47 UC"升级为现场看到的 37 个真实落地点。每个场景都对应飞沃当下的具体痛点、数据缺口与可量化价值。
| 场景 | 现场痛点 | AI 解决方案 | 关键数据 | 价值预期 | 优先级 |
|---|---|---|---|---|---|
| 订单评审 AI | 订单准确性仅 50%。邮件 / 正式订单 / 备库三入口，规格、编码、交期常缺漏 | LLM 自动解析三入口订单文本，校验规格-编码-数量-交期完整性；缺项自动回复跟单员；自动落 ERP 收单 | 客户邮件、订单 PDF、产品编码主数据、客户主数据 | 准确性 50% → 95%校验耗时 −60% | P0 |
| 插单影响评估 AI | 插单占 40%。每次插单导致排产被迫重排，原订单交期顺延 | 插单触发自动模拟：在产订单影响 / 产能占用 / 物料齐套 / 交期变化 → 输出 GO/NO-GO 与补救方案 | MES WIP、ERP 库存、安全库存、原计划排程 | 决策 小时 → 分钟插单延期 −50% | P0 |
| 客户交期分级 AI | 客户给 7-20 / 10-30 天混合交期 → 全当紧急处理 → 后工序仅剩 4 天 | LLM 按客户 + 产品规格 + 历史交付数据自动分级"紧急 / 常规"；分级直接落主计划 | 客户主数据、历史订单交期 vs 实交、工艺路线 | 分级准确率 ≥ 90%非必要紧急 −70% | P0 |
| 主计划 Copilot | 主计划员仅 3 人，周五人工排交付计划，月计划准确率个位数 | AI 基于产能 / 安全库存 / 物料齐套 自动生成主计划草案；计划员只 review 和微调 | BOM、工艺路线、产能数据、物料库存、订单池 | 工作量 −60%准确率 个位 → 60%+ | P0 |
| 车间计划 Copilot | 前推式从入库倒推到原料；产能不足时再排，常导致过早生产 | AI 多目标求解：满足交期 + 最小化在制 + 最大化设备利用率 的车间级排产 | 主计划、设备状态、工序工时、换型时间、SMED | 在制 −30%设备利用率 +10% | P0 |
| 生产协调会 AI | 车间例会 / 协调会 / 周例会 多套但效果"有待提高"；上传下达靠口头 | AI 自动整理异常 → 形成议程 → 会中实时记录决议 → 自动派发待办 + 超时升级 | 会议录音、MES 异常日志、车间钉钉/微信群消息 | 会议时长 −40%决议落地 +50% | P1 |
| 场景 | 现场痛点 | AI 解决方案 | 关键数据 | 价值预期 | 优先级 |
|---|---|---|---|---|---|
| 达克罗设备故障预测 | 达克罗设备故障导致上下工序抖动（下午会议核心议题） | 基于设备运行数据 + 历史故障 训练预测模型；提前 24-72h 预警 + 维保工单自动派发 | 设备运行参数、历史维修记录、保养计划 | 非计划停机 −50%上下工序抖动 −70% | P0 |
| 产品规格搭配排产 AI | 达克罗排产需考虑规格搭配以提高线体利用率；目前人手操作未达最高效 | AI 求解器：相邻批次最小化换型 + 规格相近优先合批 → 输出达克罗专用排程 | 产品规格、达克罗工艺参数、换型时间 | 线体利用率 +15%换型频次 −30% | P1 |
| 扒皮设备根因 AI | 扒皮设备异常多 + 五厂调制产能瓶颈（实际需求 > 产能） | 设备异常日志聚类分析 + 根因推断；产能瓶颈自动识别并给扩产建议 | 扒皮设备运行日志、调制工序产出、订单需求量 | 排查 天 → 小时瓶颈识别 提前 1 个月 | P1 |
| 工序间 WIP 拉通 | 上工序做的不是下工序要的；MES 无排产功能，靠人传递 | AI 实时分析 WIP 与下工序需求差异 → 自动预警偏差 + 调整投料指令 | MES WIP 实时数据、车间计划、下工序需求 | WIP 错配 −60%半成品库存 −25% | P0 |
| 场景 | 现场痛点 | AI 解决方案 | 关键数据 | 价值预期 | 优先级 |
|---|---|---|---|---|---|
| 多周期安全库存动态调整 | 钢材 45d / 涂料 4mo / 刀具 15-30d / 膜变片 35d，采购周期差异巨大 | AI 按需求预测 + 采购周期 + 波动率 动态计算每物料安全库存；超阈值自动触发回货 | 历史用量、采购周期、需求预测、价格波动 | 断料 4-5次/周 → <1次/月呆滞 −30% | P0 |
| 缺料预警 | PMC 数据：原材料 / 外购件 配套性差，常导致排产中断 | AI 提前 45 天扫描在产 + 计划订单 vs 物料到货 → 缺口自动预警 + 推送采购 | 订单池、BOM、采购在途、库存 | 500-1600 万 / 年 ROI | P0 |
| 供应商交付预测 | 钢厂不按计划送货 + 分批送，影响现场管理和批号 | LLM + 历史数据 预测供应商实际交付日期；偏差大的供应商自动评分降级 | 采购订单、供应商交付历史、QCPS 评估 | 到货准时 +20%现场积压 −30% | P1 |
| 外购件齐套 AI | 螺栓 / 螺母 / 垫圈 配套件采购周期不同，齐套率低 | AI 套料算法：按订单 BOM 自动匹配齐套到货时间；缺失件自动催采 | BOM、外购件采购周期、采购在途 | 齐套率 +30%插单缺件 −50% | P0 |
| VMI 保质期监控 | VMI 模式下飞沃承担过保 / 呆滞成本 | AI 监控 VMI 库存 入库日期 + 保质期 → 临期自动预警 + 推送使用建议 | VMI 库存清单、保质期主数据 | 过保损失 −80%呆滞成本 −40% | P1 |
| 销售预测 AI | 月计划准确率个位数；销售预测不精准导致呆滞 + 采购周期长 | 历史销量 + 客户在手订单 + 市场指标 → 月度需求预测 + 与生产联动 | 历史销量、客户主数据、订单池、行业指数 | 准确率 个位 → 60%+安全库存依据更准 | P0 |
| 场景 | 现场痛点 | AI 解决方案 | 关键数据 | 价值预期 | 优先级 |
|---|---|---|---|---|---|
| 新品工艺评估 AI | 新品无打样流程 → 紧急外协频发；AB 类直接上量产产线验证 | LLM + 工艺知识库：新品 SPEC 自动判断"能否量产 / 需打样 / 需外协" | 新品 SPEC、工艺路线库、设备能力清单 | 紧急外协 −50%打样周期 −40% | P1 |
| 新品分级 AI | C 类小尺寸改动常被错当量产；技术保交付，生产排期常不及时 | AI 按规格变更幅度 + 工艺差异 + 历史经验 自动分级 ABC；分级直接落计划 | 产品 BOM 变更、工艺路线、历史交付偏差 | 分级一致性 +90%C 类排期延误 −60% | P1 |
| ECN 流程数字化 | ECN 流程缺失 / 执行不到位 → 编码错误、状态不明（如五厂叶片喷自干→达克罗） | 全链条 ECN AI：变更影响自动扫描计划/库存/供应商；未确认不能落地 | ECN 变更记录、BOM、库存、采购合同 | 编码/状态错误 −80%ECN 闭环 −50% | P0 |
| 场景 | 现场痛点 | AI 解决方案 | 关键数据 | 价值预期 | 优先级 |
|---|---|---|---|---|---|
| 黄单 SLA 看板 | 通知 0.5h / 确认 24h / 返工 24h 时效目前无系统跟踪 | AI 看板自动追踪每张黄单时效；超时自动升级 + 推送责任人 | 黄单数据、流程节点时间戳、责任人 | SLA 达成 +40%处理时长 −30% | P1 |
| 质量损耗 AI 计算 | 损耗率未定义；报废率统计为总值，无法精确到品控/工序；尾数影响大 | AI 基于历史送检/报废按品控建损耗预算；新订单自动算预算并跟踪 | 历史送检记录、报废记录、品控分类 | 预算偏差 −50%8/11 标准制定支撑 | P1 |
| 处置建议 AI | 返工 / 返修 / 让步 / 改制 / 报废 5 种结果，靠技术工艺人工判定 | AI 学习历史处置 → 给出处置建议 + 风险评分；技术工艺只做最终签核 | 历史不合格品处置记录、产品标准 | 决策时长 −60%让步放行误判 −40% | P2 |
| 不良追溯 AI | 不良项追溯到工艺参数 / 物料批次 / 设备状态目前靠人工 | AI 关联分析：不良项自动溯源到根因 + 同批次预警 | MES 工艺参数、批次记录、设备状态、不良数据 | 追溯时长 −80%同批次再发 −50% | P1 |
| 场景 | 现场痛点 | AI 解决方案 | 关键数据 | 价值预期 | 优先级 |
|---|---|---|---|---|---|
| 包装方案延迟统计 + 预警 | 包装方案延迟（客户确认慢 + 内部流程不完善） | AI 统计延迟数据 + 自动归因（客户/内部）；提前介入新产品开发 | 订单评审记录、包装方案记录、延迟数据 | 延迟批次识别 +90%数据驱动改善 | P2 |
| 标签线上化管控 | 虚假报工 + 旧标签未取消 → 数据虚账 + 入库状态不明 | 系统强制：包装入库扫码绑定唯一标签；标签变更必须线上覆盖；MES 状态自动校验 | MES 标签、入库扫码、出货数据 | 虚假报工 −90%标签错配 −80% | P0 |
| 场景 | 现场痛点 | AI 解决方案 | 关键数据 | 价值预期 | 优先级 |
|---|---|---|---|---|---|
| 批号 AI 追溯 | 钢厂分批送货，批号管理影响产品质量和出货 | AI 自动按到货时间 / 批号 / 物料编码绑定；批号追溯全链路可视 | 收货记录、批号、生产工单 | 溯源时长 −90%批号混淆 −80% | P1 |
| 发料校验 AI | 错拉、多拉 + 缺退货走账流程；月底盘点账物不符 | 发料扫码 + AI 实时校验工单/物料/数量；超量自动拦截；退货自动走账 | MES 发运订单、扫码记录、库存 | 差错 −70%盘点差异 −60% | P0 |
| 库位智能分配 | 库位不足、库位管理不完善、堆场无扫码标签 | AI 按物料属性 + 周转频次 + 堆场容积 自动分配最优库位 | 库位主数据、物料属性、周转数据 | 利用率 +25%找货时长 −40% | P2 |
| 物料主数据治理 | 一码多码 / 一码多物；编码错误（叶片喷自干 → 达克罗） | AI 主数据治理：去重 / 关联 / 校验；新增编码自动校验冲突 | 物料主数据、历史交易、ECN 记录 | 编码差错 −90%新编码上线 −50% | P0 |
| 线边仓数据同步 | MES 有线边仓 U8 没有 → 数据重复录入 + 库存不准 | AI 自动同步 MES / U8 数据；差异自动告警并提示主数据修正 | MES 库存、U8 库存 | 重复录入 −100%账物一致 +30% | P1 |
| 场景 | 现场痛点 | AI 解决方案 | 关键数据 | 价值预期 | 优先级 |
|---|---|---|---|---|---|
| 外协台账 AI | 外协数据靠手工账；外发与回收数量差无人管理 | OCR + 表单 AI：外发/回收单据自动结构化 + 自动对账；差异自动预警 | 外发单、回收单、收货记录 | 对账时长 −80%账差识别 +90% | P0 |
| 外发回收差监控 | 收货未精确点数，供应商损耗难知 | AI 学习供应商历史损耗 → 自动核算合理区间；超阈值自动预警 | 外发数量、回收数量、历史损耗 | 异常识别 +90%扣款依据可量化 | P1 |
| 外协 SOP 自动跟踪 | 5/13 14:00 外协管控专项会议梳理出的 SOP 需要落地 | AI 跟踪每条 SOP 执行状态 + 超时自动升级；与采购/仓储/质量联动 | SOP 文档、执行记录、责任人 | 落地率 +50%闭环 −40% | P1 |
| 场景 | 现场痛点 | AI 解决方案 | 关键数据 | 价值预期 | 优先级 |
|---|---|---|---|---|---|
| 计划完成率考核引擎 | 计件工资即将取消，改用计划完成率考核（包装试点） | AI 自动按工单 / 工序 / 班组算计划完成率；多维度考核与可视化 | MES 报工、计划数据、班组主数据 | 考核口径统一车间产出可量化 | P1 |
| 排产 Copilot（人力杠杆） | 计划员仅 3 人 靠人工排产 | 见 01.4 / 01.5（主计划 + 车间计划 Copilot）；单独列出作为人力替代价值 | 同主计划 Copilot | 3 人 → 等效 6 人产出 | P0 |
| 老师傅经验 RAG | 工艺判断 / 异常处置依赖老师傅；经验流失风险 | 访谈 + 文档抽取构建工艺知识 RAG；新人现场提问 AI 实时回答 | 老师傅访谈、工艺文档、历史 ECN | 上手 3-6 月 → 2 周隐性经验 80% 显性化 | P1 |
| 行业知识 RAG | 航空 / 风电 / 核电 标准多；新员工 / 跨业务调岗成本高 | RAG：AS9100 / GB-T 5782 / DIN 976 / EN 14399 等标准库 | 行业标准文档、内部 SOP | 查询时长 −90%跨业务调岗 0 培训 | P2 |
9 个域 · 37 个场景 · 17 个 P0 立即可启动。下一步是把现场刷出来的痛点转成可落地的数据通道。