生产计划与排程
基于 ERP 数据的 AI 辅助生产计划排程（APS）
简要回答
AI 不应取代 APS 的排程算法，而应围绕它工作：从 ERP 取数检查主数据质量、预警缺料、解释排程结果、分析插单影响，并以中文回答计划员的问题。排程本身仍由 APS 或 ERP 的计划引擎完成，AI 的输出需要计划员确认。
国内制造企业谈生产计划，常提到 MRP、MPS、APS 几个层次。MRP 根据 BOM 和库存算物料需求，APS 在有限产能约束下排出工序级的开工完工时间。很多工厂买了 APS 却用不好，原因往往不在算法，而在数据：工艺路线不准、标准工时过时、库存不真实、在制品状态没有及时报工。
另一类问题出在人和流程。计划员每天要面对插单、急单、设备故障、物料延迟，需要快速判断「这张急单插进去会拖累哪些订单」。这类问题靠 APS 单独回答并不方便，靠 Excel 又容易出错。
大模型在这里的合理角色，是做计划员的助手：读数据、查异常、讲明白原因，而不是自己决定排哪张单。以下说明具体怎么做，以及哪些做法并不可取。
为什么 APS 常常效果不佳
APS 的结果取决于输入。工艺路线中的工序时间如果是多年前的估计值，产能约束就是错的；BOM 版本没有及时更新，物料齐套判断就是错的；报工不及时，在制品进度就是滞后的。这些问题在 ERP 里都能找到痕迹，只是没人系统地检查。
还有一个常见问题是计划与现场脱节：计划员排出的计划，车间因为缺料、换型、人员原因无法执行，只能手工调整，调整的原因又没有记录回系统，下次排程仍然重复同样的错误。
- 工艺路线标准工时与实际报工工时长期偏差
- BOM、替代料、供应商交期等主数据不一致
- 报工延迟导致在制品状态失真
- 计划与现场调整原因没有回流到系统
AI 可以做的具体事情
第一，主数据体检。模型配合查询对比工艺路线标准工时与历史报工工时，找出偏差较大的工序；对比采购提前期与实际到货间隔，指出提前期设置偏乐观的物料。这些结论可以直接生成清单，交给工艺或采购修订。
第二，缺料与齐套预警。结合工单、物料需求、现有库存、在途采购单，回答「未来两周哪些工单会因缺料无法开工、缺的是哪几个料、最早何时到货」。第三，插单影响分析：把新订单的需求日期与现有排程对照，列出可能被挤压的订单和关键工序，供计划员判断。
第四，排程结果解释。当 APS 给出一个计划，计划员常想知道「为什么这张单排在周四而不是周二」，模型可以根据约束（设备占用、物料到货、换型时间）整理成可读的说明，前提是 APS 能导出相应的约束和结果数据。
与 ERP、APS、MES 的数据关系
数据来源通常有三处：ERP 提供订单、BOM、库存、采购和工单；APS 提供排程结果与约束设置；MES 提供实时报工、设备状态和质量数据。AI 层通过只读接口汇总这些数据，建立可检索的视图，并保留每个结论对应的数据来源。
对于 Infor SyteLine，可以读取工单（job）、工单工序（jobroute）、工单物料（jobmatl）、库存和采购订单相关表；对于其他 ERP 则用对应的接口。不同系统的字段不同，评估阶段需要先对齐数据字典，这一步通常比部署模型更耗时。
私有化部署与数据安全
排程数据包含客户订单、交期、产能和成本信息，属于企业的核心经营数据。我们建议把模型部署在厂内服务器或境内私有云，用开源模型（Qwen、DeepSeek 一类）加 vLLM 或 Ollama 提供服务，数据不出厂，符合数据安全法对重要数据的保护思路。
访问控制沿用 ERP 的角色，计划员、采购、销售看到的范围不同。每次问答的查询语句和结果留痕，便于事后复盘模型的判断是否准确。
不要这样用：边界与风险
不要让大模型直接生成排程。有限产能排程是一个组合优化问题，需要专门的求解器和启发式算法，语言模型不擅长保证约束全部满足。把排程交给模型，可能得到看似合理但违反设备或物料约束的计划。
也不要在数据质量没有改善之前期待奇迹。如果工艺路线和库存本身不准，AI 只会更快地给出基于错误数据的回答。体检主数据是第一步，也往往是价值最大的一步。
如何开始
建议先做一次两到三周的评估：选一个车间或产品线，抽取近半年的工单、报工和采购数据，用模型和查询找出数据偏差，并整理计划员最常问的二十个问题，检验模型回答的准确率。评估的结论会明确说明，在你们的数据条件下，AI 能否可靠回答这些问题。
如果结果可行，再接入实时数据，做成计划员日常使用的问答和预警界面。是否更换或升级 APS 是另一个独立的决策，不必与此绑定。
常见问题
AI 能代替 APS 吗？
不能，也不建议。排程需要满足产能、物料、换型等多重约束，应由专门的排程算法完成。AI 的作用是检查数据、预警、解释结果和回答计划员的问题。
我们没有 APS，只有 ERP 的 MRP，也适用吗？
适用。缺料预警、提前期偏差分析、工艺路线体检这些都只依赖 ERP 数据，不要求先上线 APS。
模型的缺料预警准确吗？
准确率取决于库存、采购交期和工单数据的质量。评估阶段会用历史数据回测预警结果，给出实际命中情况，而不是承诺固定数字。
数据需要上传到云端吗？
不需要。模型和检索索引都可以部署在厂内或境内私有云，ERP 数据只在内网中读取。
计划员会不会被取代？
我们的设计是辅助计划员，所有结论需要人工确认，写回 ERP 的操作也需要有权限的用户批准。AI 减少的是查数和对账的时间。
相关指南
Infor SyteLine / LN 在中国工厂的 AI 落地指南
在华外资与出海制造企业使用 Infor SyteLine、LN 的 AI 落地方式：本地部署开源大模型，数据不出厂，符合数据安全法与个人信息保护法。
ERP + QMS 质量管理基于 ERP 数据的 AI 质量管理：8D、追溯与根因分析
把 ERP 的批次、检验、不合格品与供应商数据接入 QMS 流程，用 AI 辅助 8D 报告、根因分析与追溯，私有化部署，需人工审核。
ERP 数据问答ERP 数据问答：用中文直接向 ERP 提问
用自然语言查询 ERP 里的订单、库存、采购与成本：只读、展示所用查询、继承 ERP 角色权限，模型私有化部署，数据不出厂。
制造业 AI 选型与 RFP制造业 AI 选型与 RFP：评估供应商时该问什么
制造企业评估 ERP 与生产系统 AI 供应商时该问什么：数据位置、模型、权限、只读与审批、评估方法、成本与退出，附 RFP 提问清单。
用友 U8 / U9 Cloud用友 U8 / U9 Cloud 的 AI 集成：数据不出厂的做法
在用友 U8、U9 Cloud 上落地私有化 AI：用自然语言查库存、采购、生产订单与缺料，数据不出厂，默认只读，写入需人工确认。
用友 BIP用友 BIP 之上的企业 AI：私有化问答与智能体
用友 BIP 之上如何加 AI：基于开放平台与 API 做自然语言查询和智能体，开源模型本地部署，权限沿用 BIP 角色，写入需人工审批。