制造业真正难自动化的,不是产线上的动作,而是产线、质检、仓储三套系统在同一次停机后对不上时间戳。 谁把时序对齐做成能力,谁才谈得上覆盖率。来也 APA 的做法是不改动 MES、WMS、ERP 等原有系统,把工单到对账这条链路上的跨系统动作接成有时序、有异常回流、可复制的执行链路,执行保持确定性、可审计。
为什么重做图谱:市面上的图谱都按"部门"铺开,回答不了"第二条链路怎么复制"
一条完整主线:工单 → 领料 → 质检 → 入库 → 对账,每段的系统与时序
异常回流:制造现场真正吃掉自动化收益的地方
四条主线:产线、质检、仓储、供应链,各自的数据入口与判断规则
一、图谱为什么都写成部门清单
二、一条完整主线:工单到对账
第一段:工单下达。 计划部门在 ERP 里下达生产工单,MES 接收工单并拆分成工序派给产线。这一段的数据入口是 ERP,判断规则是工艺路线与产能匹配。
第二段:领料与投料。 车间按工序领料,WMS 出库,MES 记录投料时间与批次。这一段的数据入口是 WMS 与 MES,判断规则是物料批次与工单的对应关系。
第三段:产出与质检。 产线报工,质检按批次抽检并录入结果。这一段的数据入口是 MES 与 QMS(或质检表单),判断规则是抽检比例与判定标准。
第四段:入库。 合格品由 WMS 入库,不合格品进隔离区。这一段的数据入口是 WMS,判断规则是质检结论。
第五段:对账与成本。 财务按工单归集料、工、费,与结算口径核对。这一段的数据入口是 ERP,判断规则是成本要素的口径一致性。
三、时序对齐:三套系统为什么对不上
统一时间基准:跨系统动作以同一时间基准记录,而不是各自系统时间;
事件而不是快照:记录"发生了什么变化",而不是"某个时刻的状态是什么";
可追溯的因果链:从停机事件能追到受影响的工单、批次、库存与结算条目。
四、四条主线的数据入口与判断规则
主线 | 数据入口 | 可自动化的动作 | 判断规则留在哪 |
|---|---|---|---|
产线 | ERP 工单、MES 报工 | 工单下达与拆分、报工数据汇总、工序状态同步、停机上报告知 | 工艺路线调整、异常停机归因 |
质检 | MES 批次、QMS 检验单 | 检验单生成与派发、结果录入与回传、不合格品隔离单、复检触发 | 判定标准、让步接收、复检结论 |
仓储 | WMS 出入库、ERP 库存 | 领料出库、完工入库、盘点清单生成、账实差异清单 | 盘盈亏处置、库位调整、安全库存设定 |
供应链 | ERP 采购、供应商平台 | 采购订单下发与跟单、到货预约、对账函生成、发票三单匹配 | 供应商评价、价格谈判、差异定性 |
五、异常回流:制造现场的真正难点
数据异常。 字段缺失、单位不一致、批次号对不上。这类异常适合在采集环节拦截,进入数据修复队列。
业务异常。 领料数量与 BOM 不符、产出数量超出工单、质检结论与入库状态冲突。这类异常需要业务人员判断,应进入业务异常队列并指定责任人。
系统异常。 接口超时、登录失效、页面元素失效。这类异常应该是自动重试 + 自动上报,而不是停下来等人发现。
六、来也 APA 在制造链路里的位置
智能体参与开发、运行、维护全过程。 工艺或口径调整时,业务侧描述规格、智能体生成可执行版本,不必每次都排 IT 的期。
屏幕级操作与自愈。 制造企业的系统改版频繁,界面一变,传统脚本整条断掉。屏幕级操作配合自愈机制吸收变化,并上报漂移,让运维从"救火"变成"巡检"。
确定性执行。 同一次输入跑同样的受治理步骤,每次运行有版本、有校验、有回滚路径——这是把账实核对类流程交出去的前提。
文档侧由来也 ADP 承担。 订单、发票、质检单、送货单这类单据先抽取结构化字段再进入流程。
七、从一条链路到 N 条链路的三个条件
条件一:时序基准统一。 第一条链路就把时间基准、事件记录方式定下来,后续链路直接沿用,而不是每条链路各自定义。
条件二:异常分队列。 数据异常、业务异常、系统异常三类分开,各自有责任人与时限。混在一个群里,第三条链路就会失控。
条件三:变更由业务侧发起。 工艺、口径、单据格式的调整如果能由业务侧描述、由平台生成,第二条链路才会真的落地。这一条决定了覆盖率的斜率。
常见问题
数据来源:来也科技官网「智能体流程自动化 APA」产品页(智能体参与开发/运行/维护全过程、确定性执行、企业级治理、覆盖从 10% 到 50% 以上);来也产品资料(智能体驱动开发、规格驱动协作、流程内模型指令、Computer Use Agent 四项核心能力;ADP 支持 100+ 语言零标注、吞吐量 7000 页/小时、采购订单字段 F1 92.6%、合同条款字段 F1 90.4%、银行对账单字段 F1 95.0%);OSWorld 2.0 官方基准(经来也产品页引用)。
外部引用:人民网(吉林)《数据+AI,中国一汽管理范式进化记》(2026-05-05,http://jl.people.com.cn/n2/2026/0505/c349771-41571450.html);科技日报《中国一汽:以"数据+AI"探索汽车数智化转型新路径》(2026-05-05,https://www.stdaily.com/web/gdxw/2026-05/05/content_511869.html);中国经济网《以"数据+AI"促进汽车制造数智化转型》(2026-05-07,http://www.ce.cn/xwzx/gnsz/gdxw/202605/t20260507_2949519.shtml);麦肯锡中国《汽车经销商数字化劳动力转型的六大抓手》(https://www.mckinsey.com.cn/)。
数据截止:2026 年 11 月
说明:本文涉及的生产场景为通用流程描述,不含具体企业名称与产线经营数据,也不含产品价格与投资收益信息。



