WWinston Builds
实验产品关于主站 ↗

工业 AI Builds

从业务问题,
进入工业 AI 实验

每个实验都说明 AI 与确定性系统的分工、人的决策边界及当前验证状态;场景数据和结果以各实验标注为准。

查看产品案例 →检查能力证据 →

实验作品集 · 30 个 Build

按业务问题

从这里开始

精选起点

先看生产异常如何重排,再看工程变更、仓储上架与工厂恢复。4 个模拟实验展示 AI、确定性系统与人的不同分工。

显示 4 / 30 个 Build

标签说明

AI 参与程度:AI 主导 / AI 与系统协作 / 确定性系统。转化路线:增强现有工作 / AI 原生 / 确定性基础。人的决策边界:人工复核 / 人工审批 / 受限自动执行 / 正式签核。“模拟场景”表示数据为受控模拟,不是生产系统集成。

AI 动态重排5 条产线 · 4 天
L1
L2
L3
L4
L5
紧急订单→候选计划→人工批准
BUILD测试中

AI 生产重排 Agent

AI 能否让生产重排更容易,同时不让模型掌握产线分配、产能计算或最终生产计划的决定权?

把运营变化翻译成受限约束,由确定性逻辑重新排程,并在计划真正改变前要求人工批准。

APS · AI-assisted ReschedulingAI 与系统协作增强现有工作人工审批
打开实验 ↗
工程变更影响评审非结构化请求 · 受限参数
BOM
成本
供应商
合规
变更请求→确定性传播→工程人工评审
BUILD已验证

工程变更影响评审

能否把一条非结构化工程变更请求转成可校验参数,并在不让 AI 发明 BOM、供应商、成本或合规事实的情况下,生成跨域且可追踪的影响包?

把一条非结构化工程变更请求变成受限参数,再由确定性依赖图传播到 BOM、供应、工艺、成本与合规影响,最终停在工程评审。

PLM / PDM · Engineering Change ImpactAI 与系统协作AI 原生人工复核
打开实验 ↗
智能上架72 个模拟库位
入A-03-02
策略意图→确定性评分→库位 + 路线
BUILD测试中

智能仓储上架

像“客户分区优先”或“路径距离优先”这样的业务意图,能否被翻译成可解释的上架决策,而不是直接让 LLM 选择库存位置?

把仓储策略意图转成确定性的库位推荐,并让 AI 到系统执行的路径可观察。

WMS · PutawayAI 与系统协作增强现有工作
打开实验 ↗
模拟故障场景预览5 条产线 · 20 个工位
L1
运行中
L2
运行中
L3
质量异常
L4
备用产能
L5
运行中
异常→Agent→人工决策→恢复
BUILD测试中

黑灯工厂 Agent 控制

自然语言和受限 AI 建议,能否成为有用的工业控制入口,同时不把工厂状态的直接执行权交给 LLM?

用自然语言控制 5 条产线,并在不把执行权限交给 LLM 的前提下完成一次引导式生产异常恢复。

MES / MOM · Factory ControlAI 与系统协作增强现有工作人工审批
打开实验 ↗
BUILD 实验
BUILD测试中

设备维护决策

在不控制设备或自动批准工单的情况下,系统能否把有效异常信号变成满足生产窗口与备件约束的可执行维护工单?

用设备信号、维护窗口和精确料号备件,判断一张维护工单是否可执行。

EAM / CMMS · Maintenance & Asset Reliability确定性系统确定性基础人工审批
打开实验 ↗
仓储重排72 个模拟库位
12↗
当前布局→受限目标→Before / After
BUILD测试中

仓储重排优化

在不把启发式算法包装成“全局最优”的前提下,能否基于明确运营优先级改善已有仓库布局?

在受限目标下重排当前仓库,并展示 AI 意图如何变成确定性搬移动作与可量化权衡。

WMS · Slotting / ReslottingAI 与系统协作增强现有工作人工复核
打开实验 ↗
确定性基线 · 有限产能计划5 条产线 · 4 天
L1
L2
L3
L4
L5
需求 + 产能→确定性排程→可检查指标
BUILD测试中

生产排程优化器

用最小模型做到什么程度,才能既保持简单,又真实展示一个可识别的生产排程问题和关键权衡?

把紧凑的需求计划转成有限产能排程,并明确展示效率、换型与加班之间的权衡。

APS · Production Scheduling确定性系统确定性基础人工复核
打开实验 ↗
确定性基线 · 库存决策1 个 SKU · What-if
Motor
PCB
Sensor
Cable
Valve
Lead Time→ROP→订货量
BUILD测试中

库存决策实验室

经典库存数学能否被压缩成一个足够直观的交互实验,同时让 AI 增加解释价值,而不接管已经成熟可靠的库存计算?

用一个 SKU 把 Safety Stock、Reorder Point、MOQ 与资金占用之间的关系变成可交互的库存决策实验,并让 AI 解释确定性计算结果与业务权衡。

Inventory PlanningAI 与系统协作增强现有工作人工复核
打开实验 ↗
AI 补货计划5 个 SKU · €100k
Motor
PCB
Sensor
Cable
Valve
AI 解析→库存引擎→人工批准
BUILD测试中

AI 补货计划员

AI 能否让复杂补货计划更容易操作,同时不把库存数学、预算约束和最终采购责任交给生成式模型?

让 AI 理解预算、供应风险与业务优先级,再由确定性库存引擎生成受约束的多 SKU 候选补货计划。

Replenishment Planning · ERP / MRPAI 与系统协作增强现有工作人工审批
打开实验 ↗
Solver / AI / Hybrid同一约束 · 同一评分
Solver
AI
Hybrid
业务语言→受限参数→Solver 校验 / 求解
BUILD测试中

Solver vs AI 运营规划实验

经典 Solver 已经很擅长规划求解时,AI 到底应该替代 Solver,还是应该帮助人更容易定义问题、表达约束和解释结果?

让经典规划求解与生成式 AI 在同一个有限产能问题上正面对比,再展示两者真正互补的 Hybrid 位置。

Operations Research · APS FoundationAI 与系统协作确定性基础人工复核
打开实验 ↗
运输规划对比4 张订单 · 4 种运输模式
O101
O102
O103
O104
临时业务语境→AI 受限参数→SLA + 成本规则
BUILD测试中

物流规划:传统方法 vs AI

物流规则已经能稳定处理价格、重量和 SLA 时,AI 真正应该替代运输规划,还是应该负责把临时业务语境翻译成传统系统能够执行的参数?

用同一批运输订单对比传统运价 / SLA 规则、AI 直接规划与 AI + 确定性运输规划,展示业务语境应该在哪里进入系统。

TMS · Transportation PlanningAI 与系统协作增强现有工作人工复核
打开实验 ↗
供应商月度评审90 天 KPI + 7 天新信号
A
B
C
D
E
Scorecard→AI 风险信号→人工采购判断
BUILD测试中

供应商风险与绩效评审

传统供应商 Scorecard 已经能稳定衡量历史绩效时,AI 最有价值的位置是否应该是补充非结构化、前瞻性的风险信号,而不是重新发明一个黑盒评分?

把经典 Supplier Scorecard、AI 文本风险识别和人工采购判断放在同一个评审流程里,直接看到各自的边界。

SRM · Supplier Performance & RiskAI 与系统协作增强现有工作人工复核
打开实验 ↗
需求预测对比历史回放 · 隐藏 Actual
6月
7月
8月
统计基线→AI 语境→MAPE 验证
BUILD测试中

需求预测:传统方法 vs AI vs Hybrid

经典统计预测已经能稳定处理历史模式时,AI 的增量价值究竟来自“重新预测”,还是来自理解历史数字之外的业务语境?

用同一段历史需求和同一条业务语境,对比统计预测、AI 直接预测与“统计基线 + AI 有界调整”。

Demand Planning · IBPAI 与系统协作增强现有工作人工复核
打开实验 ↗
订单规划对比1 个 SKU · MOQ + Safety Stock
需求
库存
在途
建议
业务异常→AI 受限参数→规则 + 人工审批
BUILD测试中

订单规划:传统方法 vs AI vs Hybrid

订单规划中,哪些内容应该继续由确定性补货逻辑负责,哪些临时业务信息适合交给 AI 解释,再由人决定是否采纳?

把库存、在途、Safety Stock、MOQ 与一条临时业务信息放进同一场景,对比公式、AI 直接下单与受约束 Hybrid。

Replenishment · Procurement PlanningAI 与系统协作增强现有工作人工复核模拟场景
打开实验 ↗
客户订单承诺300 件紧急订单 · ATP / CTP
当前可用
第 2 天产能
第 3 天到货
AI 识别优先级→ATP / CTP 计算→人工承诺
BUILD测试中

客户订单承诺:ATP / CTP

当拆单许可与业务优先级是有限选项时,结构化控件能否让用户明确提供订单策略,同时让 ATP / CTP 保持对库存与产能真相的计算权?

通过结构化控件明确拆单许可与订单优先级;库存可用量、产能和承诺日期由可验证的 ATP / CTP 逻辑计算。

ERP / Order Management · ATP / CTP确定性系统确定性基础人工复核
打开实验 ↗
跨环节异常传播供应商延误 5 天
供应商
入库
生产
客户
AI 结构化异常→依赖图传播→人工处置
BUILD测试中

供应链异常协调器

AI 是否适合做供应链异常的入口和编排层,而把真实依赖关系、影响传播与最终处置权留给确定性系统和人?

把一条供应异常翻译成结构化事件,再沿供应商、入库、生产和客户订单传播影响,而不是让 AI 自己猜最终业务后果。

Control Tower · Cross-system OrchestrationAI 与系统协作增强现有工作人工复核
打开实验 ↗
退货处置12 件 RMA · 质量边界
可直接入库
维修检查
隔离
AI 提取状态→规则映射→人工确认
BUILD测试中

退货处置:AI + 确定性规则

Reverse Logistics 中,AI 能否减少人工阅读退货描述的负担,同时不把安全、质量和资产处置规则交给生成式模型?

让 AI 从退货描述中提取商品状态,但由明确规则决定 Restock、Repair、Quarantine / Scrap 的候选处置。

Returns · WMS / QMSAI 与系统协作增强现有工作人工复核
打开实验 ↗
BUILD 实验
BUILD测试中

供应商报价评审:AI + TCO

采购报价格式不统一时,AI 能否降低人工整理成本,同时不让模型拥有价格计算、硬约束和最终授标权?

让 AI 从三份不同格式的供应商报价中抽取商务条件,再由确定性 TCO 逻辑统一比较,最终采购授标仍由人决定。

Procurement / Sourcing · RFQ ReviewAI 与系统协作增强现有工作人工复核模拟场景
打开实验 ↗
BUILD 实验
BUILD测试中

物料齐套风险检查:BOM + AI

当供应商异常先出现在文本更新里时,AI 能否及时把变化送进物料计划,同时不接管 BOM、库存净需求和齐套判断?

用确定性 BOM / 库存净需求判断下周订单是否齐套,再让 AI 把供应商更新转成会影响齐套时间的受限事件。

ERP / MRP · Material ReadinessAI 与系统协作增强现有工作人工复核
打开实验 ↗
BUILD 实验
BUILD测试中

缺货分配:AI 语境 + Allocation Rule

库存不足时,AI 能否把散落在客户沟通中的优先级语境转成可审计参数,而不直接替业务决定谁拿货?

当 600 件库存面对 1,000 件客户需求时,让 AI 识别停线、战略客户和可延迟语境,再由可解释分配规则生成候选方案。

Order Allocation · ATPAI 与系统协作增强现有工作人工复核
打开实验 ↗
BUILD 实验
BUILD测试中

预测异常审核 Agent

当预测已经由现有系统生成后,AI 更有价值的位置是否是帮助 Planner 找出“最值得人工检查的少数异常”,而不是再生成一套 Forecast?

不再重新做 Forecast,而是先用代码找出统计异常,再让 AI 结合业务备注形成计划员真正需要看的 Review Queue。

Demand Planning · Forecast ReviewAI 与系统协作增强现有工作人工复核
打开实验 ↗
BUILD 实验
BUILD测试中

质量异常调查 Triage

AI 能否帮助工程师更快组织多源质量信号,同时明确承认“建议先查什么”不等于“已经知道根因”?

当产线良率突然下降时,让 AI 综合设备、供应批次、工艺和维护信号形成检查 Hypothesis,但不把相关性包装成 Root Cause。

QMS / MOM · Quality InvestigationAI 与系统协作增强现有工作人工复核
打开实验 ↗
BUILD 实验
BUILD测试中

运输异常恢复:AI + Delivery Recovery

当物流异常首先出现在承运商邮件或文本更新中时,AI 能否加速异常理解与方案比较,同时不接管 ETA、成本和客户服务承诺的计算真相?

让 AI 从承运商更新中提取运输异常,再由确定性逻辑比较 ETA、增量成本与 Service Level,最终恢复方案由人确认。

TMS · Delivery RecoveryAI 与系统协作增强现有工作人工复核
打开实验 ↗
BUILD 实验
BUILD测试中

供需平衡:S&OP Scenario + AI

当需求超过基础供给与产能时,AI 最适合替代计划数学,还是应该帮助系统理解业务约束、组织 Scenario,并让人看清不同权衡?

把需求、供应、产能与库存放进同一供需缺口,再让 AI 读取业务约束、代码计算多个 Scenario、人选择真正接受的 trade-off。

S&OP / IBPAI 与系统协作增强现有工作人工复核
打开实验 ↗
ERP · APS · MES源
→
CANONICAL DATA实体
→
LINEAGE血缘
→
IMPACT决策
BUILD测试中

供应链数据血缘浏览器

能否用一个足够轻量的前端模型,让人快速理解供应链关键数据从哪里来、如何被转换,以及错误会影响哪些下游决策?

把常见供应链数据对象、来源系统、转换逻辑与下游决策放进一张可交互的血缘图,快速看清一个字段会影响什么。

Cross-system Data Lineage / Governance确定性系统确定性基础
打开实验 ↗
BUILD 实验
BUILD已验证

工业决策权限控制

系统能否根据影响、风险、可逆性、权限与证据,确定正确的决策路径,同时保持责任角色明确,并保证 AI 不能自行扩大执行权限?

用同一套确定性政策,把补货、APS 重排和工程变更路由到不同权限路径,并留下可检查的责任与审计证据。

Decision Rights · Cross-system Approval确定性系统确定性基础正式签核
打开实验 ↗
BUILD 实验
BUILD测试中

生产执行与批次追溯

一张计划订单如何变成有物料消耗、工序状态和批次来源证据的实际产出?

把一张计划订单推进成按工序、物料批次与执行事件可追溯的生产事实。

MES / MOM · Production Execution & Traceability确定性系统确定性基础人工复核
打开实验 ↗
BUILD 实验
BUILD测试中

QMS 质量闭环与批次放行

单批次的质量异常能否从可追溯检验证据,经过隔离、CAPA 和有效性验证,形成受控的人工放行决定?

让异常批次从检验证据走到可审计的 CAPA 效果验证与人工放行。

QMS · Closed-loop Quality确定性系统确定性基础人工审批
打开实验 ↗
BUILD 实验
BUILD测试中

仓库出库波次执行

如何确保多张客户订单在波次执行中只移动指定批次与库位的库存,并由人承担最终发运确认?

把客户订单按批次与库位约束推进到可人工确认的发运状态。

WMS · Outbound Execution确定性系统确定性基础人工审批
打开实验 ↗
BUILD 实验
BUILD测试中

多级网络补货计划

如何让多级补货建议按日历时序传播,同时避免把候选计划误当成真实库存?

沿工厂与配送中心网络展开 DRP 时序计划,并让释放动作接受来源库存校验。

DRP · Multi-echelon Replenishment确定性系统确定性基础人工审批
打开实验 ↗
Winston Builds · Evolution Log · UI 模块库Product 证明完整系统判断,Build 证明聚焦能力。