人工智能在各个领域都得到了广泛的应用，在印刷包装企业中，AI应用已经涉及生产、质检、物流、设计等多个环节，可显著提升效率、降低成本、优化质量。本文主要探讨AI在印刷包装企业采购环节的应用，涉及到四种主要场景：按单采购、基于销售预测的采购、安全库存采购和部门特定请购。 按单采购常见于纸张、瓦楞纸板、特殊配件等，其特点是材料容易量化，可以按单领用。这类材料通常具有较短的交货周期，实际运营中在工单下达后根据理论用量采购，因此对供应商送货的及时性要求很高，采购员按照生产计划通知供应商送料，要求供应商在指定的时点到货，送货不及时会直接影响工单开工时间。 在ERP中，可以利用MRP功能在工单下达后自动生成采购订单，要求供应商根据排期送货，但印刷行业的特点是生产节奏很快，订单众多，因此采购员要跟催的采购单非常多，任务极其繁重。企业可以利用AI的侦测和处理能力，自动编排任务处理，将真正需要采购员处理的单据筛选出来，并由采购员下达处理指令，再交由AI Agent处理，不仅可以提升效率，更重要的是避免遗漏导致的延误交期、影响生产效率问题。
预测采购常见于长周期物料，如进口纸张、特殊油墨等，且常为共用物料。一般根据销售预测或者客户的长周期供货合约（正式销售订单未下）来确定采购量，由于预测本身的不确定性，因此带来相应的管理困难，解决的方法是从预测准确度着手。预测理论模型已经相当成熟，困难的是如何调参，而AI在算法选择和调参上都有非常强的处理能力。 不同于传统的时间序列模型，选择机器学习和强化学习的算法，通过生成树数量、学习深度、验证范围、离散特征值、损失函数、过拟合等算法等调整对应参数，再纳入训练特征，如销量、工业指数、气候、平均值、销量差、成长率等，通过多轮计算模拟构建高可靠度的预测模型，预测模型解决了，也就从根本上解决了长周期物料的采购问题。
预测采购常见于长周期物料，如进口纸张、特殊油墨等，且常为共用物料。一般根据销售预测或者客户的长周期供货合约（正式销售订单未下）来确定采购量，由于预测本身的不确定性，因此带来相应的管理困难，解决的方法是从预测准确度着手。预测理论模型已经相当成熟，困难的是如何调参，而AI在算法选择和调参上都有非常强的处理能力。 不同于传统的时间序列模型，选择机器学习和强化学习的算法，通过生成树数量、学习深度、验证范围、离散特征值、损失函数、过拟合等算法等调整对应参数，再纳入训练特征，如销量、工业指数、气候、平均值、销量差、成长率等，通过多轮计算模拟构建高可靠度的预测模型，预测模型解决了，也就从根本上解决了长周期物料的采购问题。 |
