宝软数字 · 客户成功故事 · 2026年6月8日
每天早上八点半，浙江舜达轴承制造有限公司的生产调度室里都会上演同一幕：三个计划员围着一块四米长的磁性白板，板上密密麻麻贴着各色便签——红色代表紧急订单，黄色代表设备检修，蓝色代表原材料到货，绿色代表已排产。三位计划员需要把墙上这些信息拼成一版当天的生产计划，然后发到七个车间。
这是一家有三千名工人的大型轴承制造企业，位于浙江新昌，产品供应给国内主要汽车主机厂和工业设备制造商。七个车间、四十二条产线、每天超过八百个生产工单。计划员的日常工作就是在这八百多个工单、四十二条产线的产能约束、数十种原材料的库存状态之间找到最优解。
"这活不是人干的。"干了十二年生产计划的陈国栋说。他每天早上七点四十到公司，先花四十分钟收集各车间的报工数据、原材料到货情况、设备状态——这些信息分散在Excel、微信消息、电话记录和纸质日报里。然后从八点半开始，和另外两位计划员一起排产。
排产过程更像讨价还价而非科学计算。"一车间的老刘说模具要换，今天只能做五百件。三车间的小张说他们不忙，可以多接几张单子。但问题是——这张急单的原材料下午三点才能到，而那张单子的热处理炉两点到四点要检修。"陈国栋说，"每天都在赌——赌设备不出故障，赌材料按时到，赌工人不请假。赌对了皆大欢喜，赌错了就加班赶工。"
计划出错就意味着连锁反应：交期延误（每个月平均十几张订单）、客户投诉（罚金累积下来一年超过八十万）、工人要么闲着等料、要么加班赶工。总经理方永平最怕接到的电话，开头永远是"方总，我们那批货……"
2025年初，方永平参加了浙江省制造业数字化改造的考察团，参观了苏州一家工业互联网标杆工厂。他看到对方的MES系统后，回来和团队说了一句话："我们要的不是软件，是一个会调度的大脑。"
这句话击中了要害。舜达轴承早在2019年就上过一套某知名厂商的MES系统，花了一百多万，用了不到半年就荒废了。原因是这套系统只做"记录"——工人在终端上报工，数据进了系统，但系统不会告诉你"接下来这个工单该放哪条产线效率最高"。计划员的工作没有减少，反而多了一个"往系统里录数据"的步骤。
2025年4月，方永平的助理在行业论坛上看到了EIOS的案例分享。对方提到的"生产调度Agent"概念让方永平很感兴趣——不是一个静态的排产软件，而是一个能动态感知产能、物料、交期的AI调度器。抱着"死马当活马医"的心态，舜达轴承启动了为期三个月的试点。
EIOS的部署工程师团队在舜达轴承驻场了整整两周，做了在一套"老MES"看来不可思议的事情：他们把舜达轴承过去三年的所有生产数据导入了EIOS的生产调度Agent。
生产调度Agent实际上是一个由三个子Agent组成的协作系统：产能分析Agent负责建模每一条产线的实际产能（不只是理论产能，还包括换模时间、设备故障概率、良品率波动）；物料匹配Agent实时对接库存系统和采购系统，计算每一种原材料的可用时间和数量；排产优化Agent则综合以上信息，给出最优排产方案。
初始导入的数据量让方永平大吃一惊：三年累积下来超过四十七万条工单记录、一千二百万条设备参数数据、八万条出货记录。这些数据以前躺在Excel和旧MES数据库里，从来没有被真正利用过。
"我们的历史数据就像堆在仓库角落的原料，EIOS帮我们把它变成了产品。"方永平在内部周会上这样形容。
2025年7月15日，系统正式切换的那一天的场景，陈国栋记得清清楚楚。
早上七点半，AI调度Agent自动拉取了各车间的报工数据、物料库存、设备状态和客户订单优先级。七点四十五分，一份完整的一周滚动排产计划生成完毕。陈国栋习惯性地打开看看——然后他愣住了。
"AI把三车间的D5112型号从三号线调到了五号线。"陈国栋说。按照他的经验，D5112一直在三号线做，因为三号线是"D5112的专线"。但AI的分析显示：五号线上一批订单刚刚提前完工（因为良品率比预期高了3个百分点），而三号线接下来两个小时要换模具做另一个型号。如果把D5112放到五号线，整体交期可以提前半天。
"我干了十二年排产，脑子里装的都是"专属产线"、'习惯性排法'这些固化思维。"陈国栋后来说，"AI没有这些包袱，它只看数据——哪条线空、哪个料齐、哪个急，就怎么排。"
第一周运行下来，排产方案的"一次通过率"——也就是不需要人工调整就能直接下发的比例——达到了92%。而此前人工排产在第一次出方案后，平均要调整三到四次才能最终确定。更关键的是，AI排出的方案在五天之内不会因为突发情况而大面积打乱——因为它已经把这些概率算进去了。
这可能是外界最关心的问题：三个做了十几年生产计划的资深员工，被AI替代了吗？
答案是没有。但他们做的事完全变了。
陈国栋现在的头衔是"生产优化工程师"。他不再每天对着白板排产，而是分析AI排产方案中的"异常值"——为什么AI把某个工单排到了某条产线？背后的逻辑是什么？有没有AI忽略的因素（比如某个操作工对某台设备特别熟悉，虽然理论产能低但实际产出高）？
另外两位计划员分别转岗为"设备运维数据分析师"和"客户交期管理专员"。前者利用EIOS的预测维护Agent，在设备出故障前就安排检修，将非计划停机时间从月均六十二小时降到了十七小时。后者则负责与客户沟通交期变更、协调插单——AI虽然能算出最优排产，但在"大客户说如果周五前不交货就取消明年全年订单"这种场景下，人类判断不可或缺。
生产计划部的人数从三个变成了四个——多了一个数据分析岗。人的价值没有被消灭，而是向上迁移了。
"说实话，刚开始我是抵触的。干了十二年，被一台电脑替代了？但用了三个月后我发现，AI做到的恰恰是我一直想做到但没做到的——把每个因素的影响量化。以前我说'三号线今天可能做不完'，AI说'三号线今天做不完的概率是37%，建议启动预案'。这不是替代，是升级。" —— 陈国栋，舜达轴承前计划员、现生产优化工程师
截至2026年5月，舜达轴承接入EIOS生产调度Agent满十个月，交出了一份扎实的成绩单：
排产效率：从平均四点五小时（三个计划员合计时间）到AI七分钟自动生成——效率提升约六十倍。计划员释放出来的时间投入了更有价值的分析和优化工作。
交期准确率：从67%提升到98%。过去三分之一的订单会延期交货，现在只有2%会出现偏差。客户满意度显著回升，一家主机厂甚至将舜达从"二级供应商"升级为"核心供应商"。
设备综合效率（OEE）：从72%提升到88%。AI的排产方案考虑了设备维护窗口、换模时间和操作工技能匹配度，让闲置时间和质量损失同时下降。
加班成本：每月减少约十一万元。不是因为工人不加班了，而是加班从"计划失误导致的被动加班"变成了"订单量主动选择的临时排产"。
原材料库存周转：从二十三天降到了十四天。物料匹配Agent确保只在真正需要的时候才采购，而不是"以防万一"提前囤料。
方永平在一次行业论坛上总结了他们的经验："中小企业上AI，最容易犯两个错误。第一是追求一步到位，结果啥都没到位。第二是装备买最好的，管理靠吼的。我们这次做对了一件事：找一个最痛的环节——排产——先把它AI化。排产通了，整个节奏就对了。节奏对了，库存、交期、成本全都会跟着对。"
现在，舜达轴承正在将EIOS的方案扩展到质量检测环节，利用AI视觉检测替代人工目检。方永平说他的目标很朴素："让三千号人不用再为'今天做什么'而纠结，把精力放在'怎么做得更好'上。"
