供应链质量 / IQC
来料检验 IQC：用历史数据决定抽多少、查什么、追哪家供应商
简要回答
来料检验的难点是在成本和风险之间取舍：全检太贵，抽检又怕漏。ERP 中积累的收货、检验、退货和供应商数据，可以让 AI 辅助判断哪些物料和供应商需要加严或放宽，并快速追溯不良批次的去向，但抽样方案的调整必须经质量负责人批准并符合客户要求。
电子、机械和汽车零部件企业的来料种类多、批次多，IQC 人员有限。常见做法是按固定比例或按 GB/T 2828.1（等同于 ISO 2859-1）的抽样方案抽检，严格程度很少随供应商表现动态调整。结果是表现稳定的供应商被过度检验，问题供应商的风险却没被及时放大。
另一个痛点发生在不良被发现之后：某批物料已经上线，甚至已经做成成品发出，需要迅速知道涉及哪些工单、哪些客户。如果批次追溯要靠仓库、生产和质量三个部门各自翻表格，响应时间会以天计算。
抽样方案、检验水平与转移规则
按计数抽样标准，检验有正常、加严和放宽三种严格度，并有相应的转移规则：连续若干批被拒收就转为加严，连续若干批合格且生产稳定则可申请放宽。许多企业的 ERP 里虽然有检验计划，却没有把转移规则落实到系统里，只靠检验员记忆。
AQL 的取值、特性的重要度分级（致命、严重、轻微）也应当与客户要求和产品风险一致。这些属于质量策略，AI 可以依据历史数据提出建议，但不能自行修改。
- 把供应商与物料的最近若干批检验结果汇总为状态视图
- 按转移规则标出建议加严、维持或放宽的对象
- 对关键物料保留全检或客户要求的检验项目
- 新供应商、新物料、变更后首批默认加严
ERP 里已有的数据能回答什么
采购订单、收货、检验批、质量通知、退货和付款记录通常都在 ERP 里。助手读取这些数据后，可以回答具体问题：某供应商近六个月的批次合格率和主要缺陷类型、同一物料不同供应商的对比、某个缺陷是否集中出现在某个生产日期代码之后。
这类问题过去需要导出多张报表再手工合并，现在可以用自然语言提问，并显示所用查询，便于核对。对用友、金蝶、SAP、Infor 等系统，具体字段不同，需要在评估阶段做映射。
不良发现后的快速追溯
当 IQC 或产线发现来料问题，需要立刻回答三件事：同批次还有多少库存、已经投入哪些工单、成品流向了哪些客户。只要 ERP 或 WMS 记录了批次号和领料、报工、发货关系，这条正向与反向追溯链就可以由助手一次性汇总出来。
汇总结果应交由质量和计划人员确认后再执行隔离、返工或召回通知。对安全件和有法规要求的产品，追溯的完整性本身就是审核重点。
- 按批次反查库存、在制品和已发货成品
- 生成隔离清单与影响客户清单草稿
- 把不良信息关联到供应商纠正措施要求（SCAR）
- 为供应商评分提供缺陷、交期、响应速度的汇总
供应商质量沟通与评分
助手可以根据检验记录起草供应商质量通报或纠正措施要求的草稿，附上不良照片编号、批次、数量和判定依据，供采购与质量人员修改后发出。它还可以整理供应商季度评分所需的数据，包括批次合格率、退货率、交期达成和纠正措施关闭及时性。
评分权重和奖惩规则属于商务与管理决策，应由企业自行制定，系统只负责提供准确数据。
部署与边界
供应商价格、图纸和质量数据均属于敏感信息。建议将开源权重模型部署在厂内，对 ERP 只读，任何写回，如修改检验状态或冻结批次，必须有人工确认。
如果你们的 ERP 已经内置动态检验计划和供应商评价功能，并且运行良好，优先用好现有功能。AI 层更适合补上跨系统问答和追溯汇总。可以先到 netray.co/tools 下载免费的英文 IQC 检验记录与抽样模板，整理自己的流程。
常见问题
AI 可以自动决定放宽检验吗？
不建议自动决定。系统可以按转移规则和历史数据提出建议，放宽检验会影响质量风险，必须由质量负责人批准，并满足客户的要求。
没有批次管理，追溯还能做吗？
追溯能力取决于批次或序列号是否被记录。如果收货和领料环节没有记录批次，AI 无法凭空还原，需要先补齐批次管理。
可以读取供应商的检验报告 PDF 吗？
可以建立文档检索并提取关键信息，如批号、检验项目和结果，但识别可能有误，重要数值需要与实物抽检结果对照。
会改动我们的 ERP 吗？
默认只读，不改动 ERP。需要写回的动作例如创建质量通知，会先显示内容，由人确认后再执行，并记录操作日志。
适合小批量多品种的企业吗？
适合，因为这类企业人工汇总最耗时。但数据量太少时，统计建议的置信度有限，需要在评估阶段先确认数据基础。
相关指南
首件检验：在换线与换模的那一刻守住第一道关
把首件检验纳入工单与换线流程，用 ERP、MES 数据核对工艺版本和检验项目，AI 辅助生成首件报告，本地部署。
MES / SPC / ERPSPC 与 CPK：让控制图的异常信号被及时读懂
从 MES 与检测设备读取数据做 SPC 控制图和 CPK 分析，AI 辅助解读异常趋势与原因，模型本地部署，适合制造企业。
ERP / MES / QMSFMEA 不再是一次性文件：用 ERP 与 MES 数据让 PFMEA 持续更新
用 ERP 与 MES 的真实不良、返工、客诉数据更新 DFMEA 和 PFMEA，AI 辅助评分与控制计划联动，模型可私有化部署。
ERP / PLM / QMSPPAP 提交包与 IATF 16949 审核：用 AI 核对 ERP 数据与资料一致性
整理 PPAP 提交包与 APQP 节点资料，用 AI 核对 ERP、BOM 与检验数据的一致性，适合汽车零部件企业，私有化部署。
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。