本章基于对中誉宠食现有ERP系统的全量拆解——覆盖15个一级模块、约95个二级菜单、约230个三级菜单——还原您的业务全链路，并给出客观的系统诊断。这不是外部顾问的猜测，而是逐页面、逐字段的事实观察。

1.1 业务全链路概述

中誉宠食的核心业务是宠物食品OEM代工——客户下单指定品牌和规格，中誉负责从原料采购、生产加工到成品发货的全过程。整条业务链路可以归纳为七个关键阶段：

第一步：接单。 客户下达OEM订单（DD编号），指定品牌、产品、数量和交期。目前系统中没有独立的销售模块，订单的创建入口和来源有待确认。

第二步：计划。 收到订单后生成生产计划（JH编号），绑定客户、产品、交期，同时指定由哪个工厂的哪个车间来生产和包装。计划触发物料需求分析（MRP），计算需要采购哪些原料和包材。

第三步：采购。 物料需求转化为请购单（QG），经过询价、比价后下达采购单（CG），安排物流派车运输，物料到厂后办理入库并做来料质检。客户提供的物料走独立的客供通知单流程，委外加工的走委外合同流程。

第四步：生产。 这是中誉系统最核心的环节。生产执行固化为三道工序：

• 前处理：原料加工预处理（切割、混合、烘干等）
• 内封：内包装密封
• 彩封：外包装彩印封装，完成后形成成品

每道工序都有完整的闭环：仓库发料→车间投料→工序交接→工资日报。车间通过扫码上报实时采集数据，交接单需要经过最多9个节点的串行审批。

第五步：质检入库。 成品完成质检后入库。出口产品根据客户要求进行辐照灭菌处理（系统按「客户×品牌×产品」三个维度维护辐照剂量标准，覆盖面广）。

第六步：发货。 创建发货单，通过物流调度工作台统一安排派车，支持内贸和外贸（含报关单号、船期、到港日等字段），发货后库存自动扣减。

第七步：财务结算。 采购侧通过发票勾稽完成应付管理；生产侧有人工费用核算（标准成本 vs 实际成本的对比）；能耗数据（蒸汽、天然气、用电）独立采集。应收台账、回款核销与完整产品成本核算的系统承载方式，仍需结合生产环境和实际岗位流程进一步确认。

多工厂格局方面，系统中可见至少5个生产实体（漯河一期/二期/三期、菏泽湿粮、潍坊干燥）和4-5个法人主体，支持跨工厂调拨和多法人财务核算的基础架构。

---

1.2 现有系统核心发现

我们将现有系统的模块逐一评估后，归纳为三个层次：扎实运转的基座、补丁堆砌的隐患、制约发展的缺失。

扎实运转的基座

这部分是中誉系统真正的核心竞争力，经过10年持续建设，流程成熟度高，是整套系统中设计最深入的区域。

生产执行（★★★） 是整套系统最强的模块。「前处理→内封→彩封」的三工序链路建模完整，扫码上报和PC端填报的混合数据采集模式覆盖了所有生产工位。计件工资体系精细化管理到11项补贴类型，有标准成本与实际成本的对比闭环。

库存管理（★★★） 的查询维度在定制系统中算是相当全面的，16种库存查询视图覆盖了原料/包材/半成品/成品/批次/不合格品等全品类。每种查询都提供「实时库存+历史库存+料品流水」三个Tab，库存状态精细到10种状态量。

采购执行（★★☆） 的请购→询价→采购→入库链路完整，从系统结构看是一个日常高频使用的模块。

预警体系（★★☆） 覆盖了交期、采购、生产、库存、财务五大领域，共25种以上预警类型。预警阈值设置精细（出成率偏差±3%、二级品率0.2%、二次料率2%）。

质量管理（★★☆） 建立了原辅料和包装物的双套质量标准库，涵盖感官、理化、卫生三个维度。客户投诉到责任判定、惩处、整改的闭环管理也已搭建。

补丁堆砌的隐患

这部分功能"能用"，但经过十年不同阶段的需求追加，已经出现了明显的架构老化迹象。

料品库是最突出的问题。 一个料品详情弹窗里塞了22个Tab页，承载了主数据、库存、采购、检验、价格、配方、出成率、外检、领料配置、版辊等多重职责——本质上是一个"什么都往里放"的万能页面。列表页有47列，远超可视范围。

数据采集（能耗填报） 的蒸汽和天然气共用一个弹窗模板但分成两个菜单入口，列表与弹窗的字段名不一致（"本日耗量"与"损耗量"、"烘道"与"烘房"），有明显的错别字（"使用量量"），甚至出现"登记人"字段显示"审批完成"的系统bug。

人工费管理 的"计件标准"数值字段全部为0，实际单价写在了文本字段里（如按锅/按袋计价），数值字段形同虚设。

财务模块 的报销、借款、付款、发票勾稽等页面和字段已搭建。测试环境未展示完整财务样例，实际运行深度需结合生产环境、岗位权限与真实单据流确认。

全局技术债务 方面，我们共识别出28个补丁痕迹，包括：「手动同步数据」按钮遍布各类报表、新旧功能并存、工厂/车间/编号的命名规则不统一。

制约发展的缺失

销售管理——入口已建，但链路仍需梳理。 系统已可见销售模块和相关页面，但客户主数据、报价合同、订单编号体系及与生产计划的衔接方式，仍需结合生产环境进一步确认。

排产/APS——完全缺失。 没有产能排程，没有机台或产线级别的排产，没有产能负荷分析。5个工厂的产线调度全部依赖人工经验。

成本核算——严重不完整。 系统无法回答"这个产品到底赚不赚钱"这个最基本的经营问题。

BI与决策支持——能力不足。 整套系统只有10个BI页面，没有经营驾驶舱，报表需要「手动同步」才能出数据。

---

1.3 关键瓶颈总结

综合以上诊断，中誉当前面临五个直接制约业务发展的核心瓶颈：

瓶颈一：销售到生产计划的传导链路仍需梳理

系统已存在销售模块，但订单编号体系（DD/PI/TZ）并存，客户信息、订单建档与生产计划之间的传导关系仍不够清晰。这带来两个直接后果：一是难以在接单阶段就给客户一个有数据支撑的交期承诺，二是客户维度的经营分析还不够顺畅。

瓶颈二：排产靠人脑，产能是个黑箱

5个工厂、十几个车间、三道工序的产线调度，目前完全依赖有经验的计划员。系统中没有任何产能模型，插单、换线、多工厂协同全靠口头协调。一旦计划员离职或请假，排产能力立即归零。

瓶颈三：产品赚没赚钱，算不清楚

人工费标准的产品覆盖面极低，能耗数据采集了但没有分摊到具体产品，包材和原料成本没有BOM级别的成本卷积。系统无法给出任何一个产品的完整生产成本。

瓶颈四：数据进了系统，但到不了决策者手上

系统里其实已经沉淀了大量有价值的数据，但这些数据目前只服务于"操作层"，没有有效地传导到"决策层"。BI只有10个页面且全靠手动同步，预警长期挂着无人跟进。数据是有的，但它「沉默」在系统里，不能主动驱动行动。

瓶颈五：移动端能力分散，关键场景还没形成统一闭环

系统已具备移动端入口和部分办公/财务能力，但核心生产审批、经营查询、报表看板等关键场景仍未形成统一移动化体验。很多关键操作依然需要回到电脑端完成。

小结：中誉的现有系统有一个扎实的"生产执行底座"，但在这个底座之上，销售到计划的传导链路仍需梳理，排产的大脑是空的，成本的账是算不清的，数据的价值是沉默的，交互的界面是固化的。后续章节将围绕这五个瓶颈，展开我们的AI经营系统蓝图。

上一章我们诊断出五个核心瓶颈。这些瓶颈不是靠"换一套新ERP"就能解决的——它们需要的是系统形态本身的跃迁。本章将中誉未来3-5年的系统演进划分为三个阶段，每个阶段不是推倒重来，而是在上一阶段的数据和流程基础上叠加新能力。

2.1 第一阶段：传统桌面ERP → 移动化+实时化（第1-2年）

为什么先做这一步

在考虑任何AI场景之前，有一个更基础的问题必须先解决：中誉的核心经营流程仍然高度依赖PC端。

我们在系统拆解中观察到的事实：

• 核心生产审批仍以PC端为主：工序交接单需要经过9个节点的串行审批，任何一个节点的人不在电脑前，整条链就卡住。
• 报表需要"手动同步"：管理者看到的数据不是实时的，可能已经滞后数小时甚至数天。
• 预警挂在屏幕上无人处理：可见数百个采购超期提醒、数千个长期闲置物料，以及数万级预警取消记录。
• 移动端场景分散：虽然已具备移动端入口，但生产查询、经营看板等关键场景还没有形成统一的移动端闭环。

第一阶段的核心理念是：不改业务逻辑，只改人和系统的交互方式。这是成本最低、见效最快、组织阻力最小的切入点。

四个核心改造方向

方向一：审批移动化 —— 把现有的所有审批流程接入飞书或移动端应用。以工序交接单为例，移动化后审批周期预计缩短60-70%。

方向二：数据实时化 —— 彻底消灭系统中所有的"手动同步数据"按钮。实时化是后续AI分析的前提条件。

方向三：BI看板移动化 —— 新系统将重新设计经营看板体系，并确保在手机端随时可看。

方向四：预警推送化 —— 每条预警绑定责任人，触发后即时推送到其手机，限时要求响应。预警从"挂在屏幕上的红字"变成"推到手上的待办事项"。

这个阶段完成后，中誉会得到什么

• 审批周期从"天"压缩到"小时"
• 数据时效从"隔天"变为"实时"
• 预警从"无人问"变为"有人管"
• 组织对数字化系统的信任度提升

---

2.2 第二阶段：移动应用 → AI对话式经营系统（第2-3年）

从"人操作系统"到"人和AI对话"

第二阶段的核心变化是：引入AI业务助理作为统一的对话入口。管理者不再需要知道"这个数据在哪个菜单下"，而是直接用自然语言提问——

• "这个月漯河二期膨化车间的出成率和上个月比怎么样？"
• "DD26041008这个订单现在生产到什么进度了？"
• "上周有哪些供应商的采购单超期未到货？"
• "帮我拉一下最近三个月干燥类产品的二次料率趋势。"

四个核心AI场景

场景一：自然语言BI —— AI直接连接底层数据库，当用户提问时自动生成查询、执行计算、渲染图表。

场景二：主动预警推送与建议 —— AI不只推送预警本身，还附带分析和建议动作。

场景三：经营日报自动生成 —— 每天下班前AI自动汇总当天关键经营指标并推送。

场景四：订单全链路追踪助理 —— 一个对话中完成从订单到发货的全链路追踪。

---

2.3 第三阶段：AI经营搭档（第3-5年）

从"回答问题"到"发现问题"

AI的角色升级为"经营搭档"——它不只回答问题，还主动发现机会和风险，甚至能做经营仿真推演。

一、跨模块智能决策建议 —— "如果下个月鸡胸肉涨价10%，哪些在手订单的利润会受影响？"

二、自我学习与进化 —— AI会随着使用不断积累"经验"，使用时间越长建议质量越高。

三、经营仿真推演 —— "如果我们上一条新的膨化粮产线，需要多长时间回本？"

2.4 三阶段对照表

维度	现状	第一阶段（年1-2）	第二阶段（年2-3）	第三阶段（年3-5）
系统形态	定制桌面ERP	飞书/移动端应用	AI对话式经营系统	AI经营搭档
交互方式	鼠标+键盘，PC端	手机触屏+扫码	自然语言对话	AI主动推送+对话
数据时效	手动同步，可能滞后	实时在线	AI自动分析	预测+建议
决策模式	人去系统找数据	数据推送到人手上	AI辅助判断	AI协同决策
BI能力	10个固定页面	移动端看板+实时刷新	无限灵活的自然语言查询	自动生成洞察报告
预警机制	挂在门户，无人跟进	推送到责任人，限时响应	AI分析原因+建议动作	AI预测风险+提前干预
客户响应	问好几个人才能答	手机查进度	AI秒回订单状态	AI主动预警交期风险
成本可见性	算不清单个产品成本	数据采集更完整	AI辅助成本归集	实时产品毛利分析

需要特别强调的是：这三个阶段不是三套系统，而是同一套系统的能力叠加。每个阶段积累的数据、流程和AI模型，都是下一个阶段的起点。区别在于，AI的"学习"速度远快于人，而且它不会离职。

以下每个场景都不是凭空设想的——它们都来自我们在系统拆解中观察到的真实业务流程、真实系统结构和真实痛点。每个场景我们会说清楚三件事：用什么数据、解什么问题、达到什么效果。

3.1 生产域AI场景

场景一：出成率预测与原料配比优化

解决什么问题 —— 出成率是中誉最核心的生产指标。目前的出成率管理是事后统计型的——交接完成后系统计算出成率，发现偏差才触发预警。AI从历史数据中学习"什么条件下出成率最好"的规律，在生产前就给出配比建议。

预期效果 —— 出成率波动收窄1-2个百分点，每年减少的原料浪费价值可达数十万到上百万元。

场景二：智能排产（产能/交期/物料三约束）

解决什么问题 —— 中誉有5个工厂但系统中完全没有排产功能。AI建立每个工厂的产能模型，在三个约束条件下自动排产。

预期效果 —— 客户询问交期时，客户响应速度从小时级缩短到秒级；排产能力从依赖个人变成沉淀在系统中。

场景三：能耗异常检测与优化建议

AI为每条产线建立能耗基准线，当实际能耗偏离基准线时主动预警并分析可能原因。预计每年可节省数十万元能耗成本。

场景四：尾单预警与生产进度AI追踪

AI实时监控每个在产订单进度，发现卡点自动预警。跟单员回答"订单到哪了"的时间从平均20-30分钟缩短到30秒。

---

3.2 供应链域AI场景

场景五：采购价格趋势预测与议价支持

AI对每种核心原料建立价格时间序列模型，当采购员发起新采购时自动提供历史价格分析和短期价格预测。保守估计可将采购成本降低1-2%。

场景六：交期风险预判（供应商历史履约分析）

AI为每个供应商生成一张"履约成绩单"。在下采购单时就评估交期不及时的风险。

场景七：安全库存动态计算

AI根据消耗速度、波动性、供应商交期可靠性自动计算最优安全库存。该多备的多备，该少备的少备。

场景八：临期物料智能处置建议

AI在物料到达临期预警线之前自动分析处置方案，报废损失减少20-30%以上。

---

3.3 质量域AI场景

场景九：客诉根因关联分析（批次→工序→原料追溯）

AI自动完成全链路追溯，投诉根因定位时间从数小时缩短到数分钟。

场景十：质检指标异常趋势预警

AI持续跟踪关键质检指标的时间序列，在指标逼近弱控线时提前发出预警。质量管理从"批次合格判定"升级为"供应商品质趋势监控"。

场景十一：巡检智能调度

AI根据当天生产安排和近期质量表现动态调整巡检优先级。巡检从"固定频率走流程"变成"风险驱动的智能调度"。

---

3.4 经营管理域AI场景

场景十二：自然语言BI

管理者用自然语言提问，AI自动完成数据查询、计算和可视化。BI能力从"10个固定页面"变为"想看什么看什么、想问什么问什么"。

场景十三：经营日报自动生成

每天AI自动汇总生成结构化经营日报：关键数字 → 今天最值得关注的3件事 → 详细数据。管理者从"自己翻数据"变成"收到AI整理好的经营快照"。

场景十四：人工费差异智能归因

AI自动分析人工费差异构成，每月生成差异分析报告，从"知道差了多少"升级为"知道为什么差、差在哪、怎么调"。

场景十五：订单全链路追踪AI助理

AI作为订单追踪的统一入口，一句话回答全链路状态。跟单员每天回答客户询问的时间预计节省60-70%。

3.5 场景优先级矩阵

梯队	场景	业务价值
第一梯队：快赢	自然语言BI	★★★★★
	经营日报自动生成	★★★★☆
	订单全链路追踪	★★★★☆
	尾单预警与进度追踪	★★★★☆
第二梯队：高价值	出成率预测与配比优化	★★★★★
	智能排产	★★★★★
	采购价格趋势与议价支持	★★★★☆
	交期风险预判	★★★★☆
	客诉根因关联分析	★★★★☆
第三梯队：深度	安全库存动态计算	★★★★☆
	能耗异常检测	★★★☆☆
	质检指标趋势预警	★★★☆☆
	临期物料智能处置	★★★☆☆
	人工费差异归因	★★★☆☆
	巡检智能调度	★★★☆☆

我们将降本空间拆解为三个维度：组织效率提升（人的时间怎么释放）、流程效率提升（事情怎么更快跑完）、质量成本降低（物料和产品的损失怎么减少）。每一项都从中誉的实际业务数据出发，给出量化推导。

⚠️ 以下测算基于系统拆解中观察到的数据结构和流程特征。部分假设采用行业合理估算值，标注为「假设」。实际数值需在正式诊断阶段与中誉各部门确认后校准。

4.1 组织效率提升测算

岗位群体	现有人数	AI可释放工时占比	释放FTE
仓储管理	31	20%	6.2
生产计划	6	30%	1.8
跟单/操作	13	20%	2.6
品质管理（非检测）	11	15%	1.7
财务（非管理层）	7	15%	1.1
信息系统	5	50%	2.5
合计	73	—	15.9

年化节省：15.9 FTE × 10,000元/月 × 12月 ≈ 190万元/年

特别强调：这里的"节省"不是"裁掉16个人"。是这16个人原来花在重复操作上的时间被释放出来，可以做更有价值的事。这是角色升级，不是岗位淘汰。

---

4.2 流程效率提升测算

流程瓶颈	当前痛点	改善方向	年化价值
审批流转	PC端9节点串行，平均1-2天	移动端即时审批	约20-30万（资金效率）
报表同步	手动同步，滞后数小时	实时计算	约10-20万
预警闭环	大量预警被取消	推送+责任人+限时响应	约80-100万（减少停工损失）
呆滞库存	数千个物料闲置12月+	AI处置建议	约100-150万（库存释放）
合计			约230-300万/年

---

4.3 质量成本降低

质量维度	当前痛点	AI改善方向	年化节省
出成率波动	±3%预警频繁触发	AI配方优化+预测	约120-180万
二次料/二级品	事后惩罚，率高于行业	AI事前预防	约100-150万
客诉追溯	跨4模块手动查2-4小时	AI秒级全链路追溯	约5-10万（+客户信任价值）
合计			约250-320万/年

降本总览

降本维度	年化节省估算	核心逻辑
组织效率提升	~190万元	释放15.9个FTE的重复操作时间，角色升级
流程效率提升	约230-300万元	审批提速+预警闭环+呆滞库存释放
质量成本降低	约250-320万元	出成率+二次料/二级品+客诉响应
合计	约670-810万元/年	—

最大的价值不在省钱。 降本是可以算出数字的，但数字背后更重要的是：组织能力的升级。当仓管员从"录数据的人"变成"管供应链的人"，当计划员从"排Excel的人"变成"和AI协作的产能优化师"——这种能力升级带来的长期价值，远超每年省下的几百万。

降本是"少花钱"，增效是"多赚钱"和"更能打"。降本的价值可以精确到万元级别，增效的价值更多体现在竞争力的跃升——决策更快、客户更满意、组织更聪明。

5.1 决策速度提升

信息获取提速

信息获取场景	当前耗时	AI化后耗时	提速倍数
查看当日各工厂产量	10-15分钟	30秒	20-30倍
查看某订单完整进度	20-30分钟（跨4个模块）	30秒	40-60倍
对比上月vs本月出成率	30-60分钟	30秒	60-120倍
查看超期未到货采购单	5-10分钟	即时推送	不再需要主动查
获得经营日报	1-2小时或无	AI自动生成推送	从无到有

中誉每年约有9,000+小时花在"找数据、整数据、传数据"上。AI化后这些时间的60-80%可以被转化为"看数据做判断"的高价值时间。

---

5.2 业务响应能力

交期承诺数据化

响应环节	当前状态	AI化后	竞争力影响
新单交期承诺	数小时~1天（人脑估算）	30秒（系统计算）	客户体验质的飞跃
插单评估	需要计划员逐个排查冲突	AI自动评估影响范围	插单灵活度大幅提升
交期变更通知	事后发现超期才告知	AI提前预警风险	从被动应对到主动管理
产能利用率可视	完全不可见（黑箱）	实时可查	投资决策有据可依

多工厂协同排产如果能将整体产能利用率提升3-5个百分点，等效增加产出价值500-1,000万元/年。

---

5.3 组织能力升级

知识沉淀：从"在人脑里"到"在系统里"

关键岗位	当前替代周期	AI沉淀后替代周期	风险降低
资深计划员	1-2年	3-6个月	排产能力不再归零
资深品控	1-2年	3-6个月	质量判断有据可依
资深跟单	6-12个月	1-3个月	客户信息不再流失

上市/融资叙事的数字化底气

中誉已设有"证券事务组"和"安永审计部"。一套真正在运转的AI经营系统——不是PPT上的概念——本身就是企业数字化成熟度的证明，也是投资人和审计机构最想看到的东西。

增效总览

增效维度	核心变化	关键指标
决策速度提升	信息获取从分钟级→秒级	管理者90%时间用于判断和执行
业务响应能力	交期承诺秒级回答，异常事前预警	响应速度20-60倍提升
组织能力升级	操作层角色升级，关键知识系统化沉淀	关键岗位替代周期缩短60-70%

降本是"不亏钱"，增效是"更能赚钱"。降本保证活下来，增效保证活得好。一套好的AI经营系统，两件事同时做。

我们不打算用"公司实力""成功案例""荣誉资质"这些套路来回答。我们用事实说话——用这份蓝图本身就已经展示的东西来回答。

6.1 行业理解深度

在签订任何合同之前，我们已经完成了系统性的业务研究。我们清楚中誉的"前处理→内封→彩封"三工序链路，知道"斩拌""上屉""下屉""刷笼篦"这些工艺术语，理解"出成率"和"失水率"对这个行业意味着什么。

我们知道辐照管理按"客户×品牌×产品"三个维度维护剂量标准，知道计件工资体系有11种补贴类型。这些不是从教科书上学来的，而是从中誉的实际业务场景中理解到的。

我们是带着对你业务的深度理解来设计系统的，而不是带着一套标准模板来"适配"你的业务。

6.2 数据迁移与系统过渡能力

我们已经掌握了中誉数据结构的关键特征：DD/JH/PGD/JJ/LL/TL/RB/QG/CG/RK/XG/HS这套编号链条，多套分类体系的合并逻辑，数据质量的已知问题。

核心原则：新系统上线不以旧系统停用为前提。 分模块、分阶段逐步接管，确保业务不中断。

6.3 AI原生能力

传统ERP厂商是"在旧系统上加AI功能"，我们是"从AI出发设计新系统"。

• 数据天然打通。 AI从第一天起就能看到所有模块的数据。
• 交互天然智能。 整个系统的交互逻辑就是围绕"对话"设计的。
• 系统天然进化。 系统会记住每一次使用中积累的数据和反馈，自动优化判断。

6.4 对比框架

维度	传统ERP厂商	纯咨询公司	AI经营系统服务商（我们）
行业适配度	通用模板"削足适履"	理解深但不做系统	从行业场景出发设计系统
数据迁移	有标准工具，非标处理能力有限	不做数据迁移	已掌握完整数据结构特征
AI原生能力	AI是后加的功能模块	可以规划但不能交付	AI是系统核心架构
组织AI过渡	标准培训	可做但成本极高	系统交付和能力建设同步
持续进化	依赖厂商年度升级包	咨询交付即结束	系统随使用自动学习进化
总拥有成本	最高（许可费+实施+维护+升级）	咨询费高，不含系统	分阶段投入，总成本可控

我们不是卖软件的，也不是卖方案的。我们是帮工厂建立AI经营能力的人——从诊断到设计，从开发到部署，从培训到进化，全链路亲自交付。

我们将整个实施周期划分为四个阶段，总跨度约36个月。每个阶段有明确的目标、交付物和"过关标准"——不是做到第几个月才算完成，而是达到什么效果才算过关。

⚠️ 以下路线图为基于系统诊断的推荐方案。实际节奏需在正式签约后根据中誉的业务优先级调整。时间节点为参考范围，不是刚性承诺。

7.1 第一阶段：诊断 + 核心链路跑通（月1-3）

第一步：现场深度调研（约2周） —— 带着系统拆解中积累的230个具体问题，去现场找到答案。

第二步：数据资产盘点与迁移规划（约2周） —— 输出可执行的数据迁移计划。

第三步：核心链路原型搭建与验证（约4-6周） —— 先把最核心的一条链路跑通：订单→计划→派工→生产交接→成品入库→发货。

交付物	具体内容	价值
深度调研报告	现场验证后的完整业务流程图	所有决策基于事实
数据迁移计划	主数据清洗规则+迁移策略	新系统"有数据可用"
核心链路原型	订单→交付主链路可运行	管理层能"看到"新系统
并行方案	新老系统并行运行安排	业务不中断

---

7.2 第二阶段：多模块联动 + 移动化（月4-8）

第一批（月4-5）：采购 + 库存 —— 彻底消灭"手动同步数据"按钮。

第二批（月5-6）：质量管理 —— 质检数据与生产批次自动关联。

第三批（月6-7）：财务 + 人事行政 —— 建立完整的成本核算框架。

第四批（月7-8）：销售模块（新建）+ 全面移动化 —— 从零搭建客户主数据管理。

移动化能力	覆盖范围	与老系统对比
移动审批	所有审批类型	老系统：全部PC端
移动看板	生产进度、库存健康等	老系统：10个BI页面且需手动同步
预警推送	25种以上预警类型	老系统：挂在门户无人跟进
扫码升级	扩展至库存盘点、设备巡检	老系统：仅生产投料扫码

---

7.3 第三阶段：AI场景逐步上线（月9-18）

第一梯队（月9-12）：自然语言BI、经营日报、订单追踪、尾单预警——全员可感知的AI价值。

第二梯队（月12-15）：出成率预测、智能排产、采购价格趋势、交期风险预判、客诉根因分析——高价值场景。

第三梯队（月15-18）：安全库存、能耗检测、质检趋势、临期物料、人工费归因、巡检调度——深度场景。

---

7.4 第四阶段：AI经营搭档 + 组织AI化（月18-36）

能力一：跨模块智能决策建议 —— AI打通场景间的关联。

能力二：经营仿真推演 —— "如果-会怎样"的数据仿真。

能力三：组织AI化落地 —— 分层培训体系 + AI使用文化建设。

四阶段里程碑总览

阶段	时间	核心里程碑	过关标志
第一阶段	月1-3	诊断完成+核心链路跑通	关键用户在新系统完成日常操作
第二阶段	月4-8	全模块上线+移动化交付	老系统可退役，手机办公
第三阶段	月9-18	15个AI场景全部上线	AI成为日常工具，降本可量化
第四阶段	月18-36	AI经营搭档+组织AI化	AI主动推送洞察，全员AI协作

这份路线图不是一个"交付清单"——它是一个能力建设方案。我们交付的不是一套软件，而是让中誉获得持续进化的AI经营能力。软件会过时，但能力不会。

以下三张详图展示了中誉业务全链路中三个最核心环节的完整流程细节，体现我们对业务的深度理解。

基于对系统15个模块、230+功能页面的完整分析，我们已对中誉的业务全链路建立了基础理解。本次现场调研的目的是定向验证和补充系统中无法确认的关键问题，不会占用各部门大量时间。预计现场时间：6天（可压缩至5天）。

调研日程总览

第一天：经营决策层 + 供应链核心链路

场次	对象	建议参与人	时长
场次1	高管层	—	3h
场次2	供应中心-生产计划部	尹琳琳、王翠芹	2.5h
场次3	供应中心-仓储管理部	曹耀光 + 仓管代表1人	2.5h
场次4	中誉智采供应链（采购）	周晓磊、李国强	2h
场次5	物流管理	李春浩、刘晓英	1.5h

第二天：生产 + 质量 + 研发

场次	对象	建议参与人	时长
场次6	生产制造中心	张彬、汤化钢 + 各事业部代表	3h
场次7	车间现场走访	各车间主任/班长带领	2h
场次8	品质管理部	周登明 + 各组代表	2.5h
场次9	技术研发中心	刘承颖/牟明浩 + 代表	2h
场次10	精益运营中心	余志林、李利霞	1.5h

第三天：营销 + 财务 + 职能 + 信息系统

场次	对象	建议参与人	时长
场次11	国内营销中心	曾辉/李亚南 + 代表	2h
场次12	国际营销中心	程居红/李晓飞 + 代表	1.5h
场次13	财务管理部	李路线、刘艳娜	1.5h
场次14	人力资源部	严小芬 + 代表	1.5h
场次15	运营管理部-信息系统组	王伟伟 + 开发人员	2h
场次16	总结确认会	王君伟（总经理）或指定人	1.5h

各场次核心议题（摘要）

场次1：高管层

• 中誉未来3-5年的业务发展方向（产能规划、品类扩展、市场拓展）
• 当前经营管理中最大的3个瓶颈
• 对新系统最核心的期望，优先级排序
• 多工厂（漯河一期/二期/三期、菏泽、潍坊）的未来规划
• AI应用的期望和关注点
• 如有上市/融资计划，对数字化能力的展示需求

场次2：生产计划部

• 订单（DD编号）从哪里来——是在ERP里创建还是其他来源
• 从接到订单到排入生产计划的完整流程和时间
• 多工厂之间的计划协调方式
• 交期承诺的依据（经验估算 vs 系统计算 vs 产能表）
• 计划变更（插单、调序、拆单）的频率和处理方式

场次3：仓储管理部

• 仓库的实际布局和分类
• 日常出入库操作流程
• 库存盘点的频率和方式
• 月结流程和时间消耗
• 31人团队的日常工作分配

场次4-16：其他场次

各场次均围绕对应部门的实际工作流程、当前工具和方法、核心痛点展开。详细议题清单已在完整版调研计划中列出。

需贵司提前准备的资料

• 各工厂/车间的当前状态（在产/在建/停产）：口头说明即可

调研纪律

• 每场次严格控时，不影响各部门正常工作
• 所有调研内容仅用于蓝图规划，严格保密
• 调研结束后两周内提供初版蓝图框架供确认

本页面明确蓝图项目及后续系统建设过程中，我方在数据安全、系统部署、权限管控、AI模型安全及保密义务方面的承诺。

一、数据归属：你的数据，始终是你的

所有业务数据、主数据、配置数据的所有权和最终控制权，完全归中誉所有。我方在项目各阶段接触到的数据，仅限项目交付用途，不做任何二次使用、转售或共享。项目终止或合作结束后，我方留存的所有数据副本将在约定期限内彻底销毁。

二、部署方式：灵活适配，数据不出厂区

• 私有化部署：全部服务部署在中誉自有或指定的服务器上，数据完全留在企业内网。
• 混合部署：核心业务数据留在本地，AI分析等使用云端资源。
• 云端部署：适合快速启动阶段，使用国内主流云服务商，数据存储于中国大陆境内。

无论哪种模式，生产配方、客户信息、成本数据等核心商业机密默认存储在中誉可控环境内。

三、权限管控：与现有组织架构对齐

系统采用基于角色的访问控制（RBAC），权限体系与中誉现有组织架构直接对齐。多法人架构下各法人数据默认隔离，集团级汇总视图仅对授权角色开放。

四、AI模型安全：数据不出境，模型可自主

• 支持国产大模型（DeepSeek、通义千问、文心等），确保数据不出境。
• 支持私有化模型：高敏感场景支持本地部署私有模型。
• 数据脱敏机制：云端AI推理时输入数据经过脱敏处理。

五、合规对接

• 食品安全追溯：支持全链路正向/反向追溯，满足市场监管要求。
• 出口合规：支持对接FDA、EU等出口目的国认证需求。
• 企业信息安全审计：操作日志完整记录，支持内审和外部审计。

六、项目保密

本次调研及蓝图规划过程中获取的所有信息均属于中誉的商业机密。我方承诺严格保密，未经中誉书面授权，不向任何第三方披露。

以下为蓝图中出现的核心业务术语、系统编号和关键管理概念对照，便于管理层、业务部门与技术团队在同一语境下沟通。

术语/缩写	全称	说明
DD	销售订单编号	客户下达的OEM代工订单，另有PI（形式发票）、TZ（通知单）格式共存
JH	生产计划单编号	绑定客户、产品、交期、工厂/车间分配
PGD	派工单编号	将计划单分配到具体车间和产线
JJ	工序交接编号	工序间交接记录，含出成率、产量等核心数据
QG	请购单编号	物料需求转化的采购请求
CG	采购单编号	正式向供应商下达的采购订单
RK	入库单编号	物料到厂后的入库记录
FH	发货单编号	成品发货出库记录
LL	领料单编号	车间从仓库领取原料的记录
TL	退料单编号	车间退回剩余物料的记录
RB	工资日报	每日计件工资核算记录
MRP	物料需求分析	根据生产计划计算物料采购需求
APS	高级计划与排程	产能排程系统（中誉当前缺失）
BOM	物料清单	产品的原料和包材构成清单
FTE	全职人力当量	等效于1名全职员工的工作量
前处理	第一道生产工序	原料加工预处理（切割、混合、烘干等）
内封	第二道生产工序	内包装密封
彩封	第三道生产工序	外包装彩印封装，完成后形成成品
出成率	产出比率	成品产出量/原料投入量，核心品控指标
失水率	水分损失率	烘干过程中的水分蒸发比率
二次料	不合格回用料	生产中产生的可回用但品质降级的物料
二级品	降级产品	品质未达一级标准但可降价处理的产品
辐照	辐射灭菌处理	出口产品按客户要求进行的灭菌工艺
齐套分析	物料齐套性分析	检查生产计划所需物料是否全部到位
RBAC	基于角色的访问控制	按角色定义数据和操作权限的安全模型