Smart Manufacturing
智能制造 · 汽车零部件
六厂统一的智能排产引擎
客户原有排产完全依赖资深计划员的 Excel 经验,一名老师傅离职就意味着一条产线的排程逻辑失传。 我们花了三周驻场跟班,把隐性经验拆解成 47 条可量化的约束规则,再叠加订单优先级与设备状态做启发式求解。
↓ 32%平均交付周期
↑ 18%设备利用率
4 个月从启动到全量
客户原有排产完全依赖资深计划员的 Excel 经验,一名老师傅离职就意味着一条产线的排程逻辑失传。 我们花了三周驻场跟班,把隐性经验拆解成 47 条可量化的约束规则,再叠加订单优先级与设备状态做启发式求解。
每家店面对的客群不同,但总部只给一套统一配货清单,导致畅销品缺货、滞销品临期报废同时发生。 我们把天气、商圈属性、周边事件与历史动销一起喂进预测模型,给出"一店一策"的订货建议。
业务部门每月处理上千份租赁合同,法务团队逐份核对关键条款,平均一份 40 分钟。 我们训练了针对该行业合同结构的抽取模型,自动识别租期、利率、违约责任等 23 类关键字段,并对照风险规则库给出提示。
12 家院区各自使用不同的 HIS 系统,集团层面想看一个"月度实际收入"要人工汇总三天。 我们建立了统一的数据接入层与指标字典,并做了口径治理,让同一个指标在任何院区、任何时间点都是同一个算法。
告诉我们业务场景,我们会调出最接近的案例细节给你参考。