延期往往不是最后一天才发生

制造企业最怕的交付问题，通常不是某一张订单突然延期，而是风险早就出现，却一直没有被合并成一个可以行动的信号。销售在客户群里被追问，计划员在排产表里反复调整，采购在催供应商，车间主管说产能已经排满，仓库说关键物料还没到，质量部门又发现某批次需要返工。每个部门都掌握一部分事实，但没有人能在三天、五天、七天之前给出一句清楚的话：哪些订单会迟，迟在哪里，谁要先处理。

这就是 AI 延期预警适合切入的原因。它不是替企业拍脑袋重新承诺交期，也不是把原来的 Excel 表换成一个漂亮大屏。真正有价值的预警，是把订单承诺、计划排程、物料到货、产能负荷、质量异常、外协进度和物流状态放在同一个风险口径下，让企业在客户催单之前先看到风险，在部门互相解释之前先确定责任，在延期发生之后还能复盘到底是哪一个环节最先偏离。

图 1  交期风险不是单点问题，而是销售、计划、采购、生产与质量共同形成的运营问题。

第一优先级：先接订单承诺和计划口径

做延期预警时，很多企业一上来就想接所有系统，结果项目周期变长，规则越来越复杂，第一版却很难验收。更务实的顺序，是先把“客户承诺交期”和“内部计划交期”对齐。前者通常来自 ERP、销售订单、合同台账或客户交付计划；后者来自 APS、MES、排产表或计划员维护的周计划。只要这两个日期没有统一口径，后面的模型再聪明，也只能在不同版本的日期之间来回解释。

企业要先回答三个问题：销售给客户承诺的是哪一个日期，计划部门依据的是哪一个生产完成日期，仓储或物流需要预留几天发运窗口。很多延期争议并不来自生产本身，而来自承诺口径不一致。销售认为月底前交付即可，生产认为月底完工即可，物流认为还要等待检验和入库。AI 预警第一步就是识别这种日期链条，把“订单交期、计划完工、检验放行、出库发运、客户到货”拆成可追踪的节点。

当节点被拆清楚后，预警才有真正的业务意义。系统可以识别某张订单虽然生产计划没有延期，但检验放行时间已经压缩到不可执行；也可以识别某个客户的关键订单没有物料缺口，却因为同产线高优先级订单插单导致产能被挤占。企业管理者看到的就不是一句笼统的“高风险”，而是“风险来自计划窗口不足”或“风险来自产能冲突”。这两类提示对应的处理动作完全不同。

第二优先级：接影响交期的五类前置信号

订单口径对齐之后，AI 延期预警要优先接五类信号。第一类是物料信号，包括关键物料库存、在途到货、供应商回复、替代料可用性和采购异常。第二类是产能信号，包括设备负荷、班组排班、瓶颈工序、插单占用和计划达成率。第三类是质量信号，包括来料不良、过程返工、终检异常和放行等待。第四类是外协信号，包括外协件到货、外协工序排队和外协质量确认。第五类是物流信号，包括包装、入库、发运、运输时效和客户收货窗口。

这些信号不一定都在成熟系统里。成都很多制造企业已经有 ERP、MES、WMS、QMS 或 SRM，但仍然存在大量人工表格、微信群反馈、邮件确认和临时台账。第一版项目不需要把所有非结构化信息都变成“全自动智能系统”，而应先把高频、强影响、可复核的字段接入。例如关键物料是否齐套、瓶颈工序未来七天负荷、质量异常是否影响放行、外协供应商是否确认交付、物流是否需要特殊预约。

如果企业直接追求“全量数据接入”，很容易陷入接口、字段、历史数据质量和跨部门权限的争论。更好的做法是围绕延期风险倒推最少证据集：只要缺少这个字段，是否会影响判断；只要这个字段变化，是否需要触发动作。能回答这两个问题的字段，才适合进入第一版预警模型。不能影响判断、不能触发动作、不能被业务人员复核的字段，暂时不要急着接。

图 2  延期预警看板应把 ERP、MES、WMS、SRM 等系统信号转成可解释的订单风险。

AI 智能体的价值在于把预警转成动作

延期预警如果只停留在红黄绿灯，很快会变成另一个没人负责的看板。企业真正需要的是智能体把风险拆成任务：哪张订单需要采购确认供应商到货，哪张订单需要计划员调整排程，哪张订单需要质量部门优先复检，哪张订单需要销售提前和客户沟通，哪张订单需要管理层决定是否插单或拆单。预警的目标不是制造焦虑，而是让动作提前发生。

这里必须强调一个边界：AI 智能体不应该直接替企业承诺新的交期，更不应该绕过计划、采购、质量和销售负责人自动改变订单优先级。它更适合做三件事。第一，汇总证据，把风险来源说明清楚；第二，按规则分派任务，把责任人、截止时间和处理动作列出来；第三，保留过程记录，让延期复盘可以回到证据链，而不是回到口头解释。

对老板和工厂管理者来说，这类智能体的价值不是“会聊天”，而是减少管理黑箱。过去开交付会，大家往往从各自系统里截图、导表、解释，会议大量时间花在确认事实。接入预警智能体后，会议应更多讨论取舍：是否调整生产顺序，是否启用替代料，是否拆分发货，是否提前告知客户，是否需要供应商升级响应。事实核对越少，管理动作越早。

图 3  有效的延期预警必须形成“预警、确认、调整、沟通、复盘”的闭环。

第一版不求大而全，先做七天窗口

很多企业问，延期预警应该从多长周期开始做。建议第一版先做未来七天到十四天的订单风险窗口，而不是一开始就预测一个季度。周期太长，变量过多，预测解释成本高；周期太短，风险已经接近发生，留给业务部门的处理空间不够。七天窗口通常能覆盖物料催交、排产微调、质量复检、物流预约和客户沟通等实际动作。

第一版还应选择一类典型订单，而不是覆盖所有订单。比如先做重点客户订单、交付罚则较重的订单、瓶颈工序明显的产品线，或历史延期频发的业务单元。范围越清楚，验收越具体：系统是否能提前识别风险，风险来源是否可解释，责任任务是否能分派，处理结果是否能回写，延期复盘是否能找到最早信号。

验收也不要只看准确率。制造企业更应该看三个业务指标：提前发现率、处置闭环率和无效预警率。提前发现率说明系统是否真的把风险前移；处置闭环率说明预警有没有转成动作；无效预警率说明模型和规则是否制造了太多噪音。只有这三项同时改善，延期预警才不是又一个信息化展示项目。

成都企业落地时，逐米时代适合做什么

对于成都及西南地区制造企业，延期预警往往不是单独采购一个模型就能解决。它涉及 ERP、MES、QMS、WMS、SRM 等系统口径，也涉及计划、采购、生产、质量、仓储、销售之间的责任边界。逐米时代的价值，适合放在可信数据底座、企业知识图谱、数字工厂模块和企业智能体落地之间：先帮助企业梳理订单交付证据链，再确定哪些数据可以接、哪些流程必须留人工确认，最后把预警、任务分派和复盘沉淀到可运营的智能体中。

这种建设不需要一开始就包装成宏大的“AI 工厂大脑”。更可行的路径，是从一个高痛点交付场景切入，用小范围真实订单跑通数据、规则、责任人和复盘机制。跑通之后，再扩展到供应商协同、质量放行、产能负荷、客户交付承诺和经营决策。AI 的价值不是替代企业管理，而是让管理者更早看到事实，更快组织动作，更少在延期之后追问“到底是谁的问题”。

订单交期被客户反复催，本质上是企业运营协同能力被外部压力暴露出来。AI 延期预警的正确起点，不是追求一个无所不知的模型，而是先接那些真正影响交付兑现的数据：承诺日期、计划节点、物料齐套、产能负荷、质量放行、外协进度和物流状态。把这些数据变成可解释的风险，再把风险变成有人负责的动作，企业才有机会从被动救火走向提前管理。