单点机会诊断:一个明确的问题,3–5 个工作日给出方向和预算了解
智构新擎ZGINE

BOM 不规范、MES 和 ERP 数据分散,怎么做 AI?

编写与维护:智构新擎(ZGINE)更新:

先做数据可用性,再做 AI 场景。BOM 不规范的常见解法是让 AI 先把物料描述归一化、补齐缺失属性、标记矛盾项,形成可用的标准数据;MES/ERP 分散则通过接口、数据库直连或文件同步把当前场景真正用到的字段汇聚起来,不需要一次性迁移所有数据。

BOM 不规范,AI 具体能做什么

不是让 AI 直接算价,而是先让它把不可用的数据变成可用的。

常见问题AI 可以做的处理仍需人工确认
同一物料多种写法按规格、材质、尺寸做归并,给出候选同义词确认是否真的同一物料
属性缺失从历史订单、图纸、供应商资料里补全候选值确认取值是否当前有效
单位不统一识别单位并换算到统一口径确认换算基准
层级缺失按工艺路线推断父子结构确认装配关系
命名随意按企业编码规则生成规范名确认编码规则本身

这一步做出来的「标准化物料主数据」,本身就是后续所有 AI 场景的地基。很多企业第一个可交付成果就是它。

MES、ERP 分散怎么接入

按「当前场景需要什么」倒推接入范围,而不是按「系统里有什么」全量接。

  • 先确定场景,再列字段清单——只接通这份清单里的数据。
  • 接入方式按现实条件选:能调 API 就调,只能读库就直连只读账号,都没有就走定期导出。
  • 不要试图统一所有系统的主数据——那是长周期工程,会拖死第一个场景。
  • 在中间加一层汇总层:把各系统数据按场景口径落到一处,便于核对。
  • 每个字段标明来源系统和更新时间,出现分歧时能追溯。

常见的数据接入方式对比

方式适用情况优点局限
API 接口系统提供开放接口实时、字段明确老系统常没有,或需要对方厂商配合
数据库只读直连有库访问权限快、不需要改造对方系统表结构可能难理解,有变更风险
文件定时导出系统支持导报表最容易落地、不需要 IT 深度配合有延迟,适合对时效要求不高的场景
人工录入补充数据只在纸上或人脑里无法替代,绕不过去成本高,需评估量级

哪些坑最容易踩

  • 一上来就做「数据中台」——周期太长,业务等不到结果,项目失去支持。
  • 追求数据 100% 干净才开始——现实中不存在,够用即可,先跑通再迭代。
  • 低估纸质记录的数字化的成本——常占总工作量的一半以上。
  • 没定义「数据不对时怎么办」——必须有明确的异常上报和处理路径。
  • 把口径判断交给 AI——口径是业务决策,系统只能执行。

相关问答

数据很乱,是不是应该先做数据治理再谈 AI?

不需要串行。更好的做法是把「数据治理」当成第一个 AI 场景本身:用 AI 做归并和补全,边治理边产出价值,比先花半年做治理更现实。

必须换掉现有的 MES/ERP 吗?

通常不需要。多数场景只需要读取部分字段,通过接口、只读数据库或定期导出就能满足。换系统是极高成本的决策,应该单独论证。

AI 能自动把 BOM 补全吗?

能给候选值,但不应自动生效。物料属性涉及采购和成本,错误会自动传导到报价。合理做法是 AI 提出候选并标注置信度,由人批量确认。

继续了解

最后更新:2026-10-08