课程大纲：
前言：数字化与AI重塑制造业供应链
1. 制造业供应链的核心痛点：订单波动、供应中断、库存积压、质量追溯困难、协同效率低。
2. 信息化 vs 数字化 vs 智能化：从流程线上化到数据驱动，再到AI自主决策。
3. 供应链发展的五个阶段与数字化关系：传统职能协同、内部流程集成、数字化可视、智能预测、自适应生态。
4. AI大模型技术简介：机器学习、深度学习、知识图谱、计算机视觉、自然语言处理在供应链中的应用场景。
5. 供应链数字化与采购数字化的关系。
6. 数字化战略带来的收益：降本、增效、提质量、控风险、强协同。
第一模块：制造业数字化供应链整体架构与AI赋能蓝图
1. 数字化供应链模型架构
1) 数字化计划：需求预测、S&OP、产销协同、APS高级排程。
2) 数字化采购：电子寻源、SRM供应商管理、电子合同、P2P流程。
3) 数字化生产：MES制造执行、IIoT工业物联网、质量在线检测、预测性维护。
4) 数字化运营：WMS仓储管理、TMS运输管理、控制塔与可视化。
5) 数字化服务：CRM客户管理、售后配件预测、IoT远程服务。
2. 数字化系统栈与AI应用位置
1) ERP与MES、SRM、APS、WMS、CRM之间的数据关系与协同逻辑。
2) 核心主数据：物料主数据、供应商主数据、客户主数据、BOM数据。
3) AI在数字化系统中的嵌入方式：
a. 智能预警
b. 智能推荐
c. 自然语言交互
d. 自动决策
e. 异常根因分析
3. AI大模型在企业数字化转型中的战略作用
1) AI大模型作为“供应链知识大脑”与“决策辅助引擎”的定位。
2) 基于大模型的智能问答、合同审查、供应商画像、风险识别等应用。
第二模块：数字化供应链三道防线：需求预测、库存管理、供应链执行
1. 第一道防线：AI赋能的数字化需求预测
1) 需求预测在制造业供应链中的关键地位。
2) 历史订单、市场情报、客户预测、季节因素、促销计划等多维度数据整合。
3) AI预测方法：
a. 时间序列分析
b. 机器学习回归
c. 需求感知：IoT、POS、渠道库存数据实时捕捉需求变化。
4) 预测追踪与纠偏：预测准确率、偏差分析、滚动预测机制。
2. 第二道防线：AI赋能的库存管理与补货策略
1) 物料ABC分类模型与XYZ波动性分析模型。
2) ABC/XYZ组合分析：策略性库存分类。
3) 安全库存与动态缓冲：
a. 传统公式 vs AI库存优化算法。
b. 多级库存优化：工厂仓、区域仓、线边仓的协同库存配置。
4) 补货策略模型：
a. 再订货点模型
b. 周期性补货模型
c. 看板流补货模型
5) VMI与寄售模式的数字化管理。
3. 第三道防线：供应链执行与闭环控制
1) 从S&OP到S&OE的产销协同执行。
2) APS排程优化与生产执行反馈。
3) WMS/TMS数字化执行监控。
4) 异常事件管理：缺料预警、产能不足、物流延迟。
5) 供应链控制塔对三道防线进行端到端监控与响应。
第三模块：AI赋能的供应商全生命周期管理
1. 供应商全生命周期管理体系
1) 供应商战略分类：核心供应商、杠杆供应商、瓶颈供应商、常规供应商。
2) 供应商全生命周期阶段：
a. 潜在供应商寻源
b. 供应商准入审核
c. 供应商开发与协同
d. 供应商绩效评估
e. 供应商风险监控
f. 供应商发展与退出
3) SRM供应商关系管理系统作为核心平台支撑。
2. AI赋能供应商寻源与准入
1) 智能搜索引擎对全球潜在供应商进行发现。
2) 基于大数据画像的供应商初筛：财务风险、诉讼记录、资质认证、ESG表现。
3) 电子化信息收集：RFI/RFQ/RFP的标准化与在线化。
4) AI自动推荐合格供应商清单。
3. 供应商协同开发与数字化审核
1) 构建与研发同步的供应商协同开发平台。
2) PLM/PDM系统与SRM链接，实现设计变更同步。
3) 线上审核与VR远程审核技术的应用。
4) 电子PPAP与质量预交付管理。
4. AI驱动的供应商绩效与风险管理
1) 供应商绩效仪表盘：质量、交付、成本、服务、技术、风险六大维度。
2) AI绩效预警：历史趋势分析、异常波动识别、同类供应商横向对标。
3) 供应商风险实时监控：舆情分析、法律风险、供应链中断预警、地缘政治风险提示。
第四模块：AI赋能的成本分析与控制
1. 从采购价格到供应链总成本
1) 传统价格分析 vs 总拥有成本（TCO）分析。
2) TCO要素：采购价格、物流成本、库存成本、质量成本、交付风险、维护与服务成本。
3) AI辅助TCO动态计算与供应商选择建议。
2. 应该成本模型与AI成本估算
1) 成本结构分解：直接材料、直接人工、制造费用、管理费用、利润。
2) 构建“应该成本”（Should Cost）模型。
3) AI驱动成本估算：
a. 基于历史数据的成本预测。
b. 基于BOM与原材料价格的自动成本计算。
c. 基于竞品与对标数据的成本反推。
3. 大宗商品价格趋势与采购决策
1) 重要原材料与大宗商品价格指数监控。
2) AI价格预测：宏观经济数据、供需数据、期货价格、汇率等因素。
3) 价格波动下的采购策略：框架协议、锁价、套期保值。
4. 数据驱动的成本控制
1) 建立企业级成本数据库与物料价格指数。
2) AI异常报价识别与合理性校验。
3) 目标成本管理与价值工程中的AI应用。
4) 协同研发与供应商早期参与中的成本优化。
第五模块：AI赋能的谈判策略与执行
1. 谈判准备中的AI赋能
1) 谈判目标确定的数字化支持：价格、交期、质量、服务、付款条件。
2) AI数据包准备：
a. 供应商成本结构分析。
b. 市场行情与竞争对手对标。
c. 历史谈判记录与履约表现。
d. BATNA（最佳替代方案）与ZOPA（可谈判空间）分析。
2. 谈判三维模型
1) 对抗性谈判：关注价格博弈与立场争夺。
2) 合作性谈判：关注长期关系与供应链共赢。
3) 创造性谈判：通过技术、流程、商业模式创新寻找第三空间。
4) AI辅助判断当前谈判情境并推荐策略组合。
3. 谈判进程中的五种行为
1) 提出要求：明确表达期望与底线。
2) 发问：开放式提问理解对方深层利益。
3) 确认归纳：阶段性总结，确保共识。
4) 有条件的建议：用“如果……那么……”创造交换空间。
5) 达成生意：适时推进成交，形成合同闭环。
4. AI谈判助手与模拟训练
1) 基于大模型的谈判模拟训练工具。
2) 谈判过程实时提示：行为风格识别、节奏把控、关键议题提醒。
3) 谈判后复盘：AI生成谈判纪要、承诺跟踪与分析。
第六模块：数字化合同与合规管理
1. 电子合同生命周期管理
1) 从合同模板、合同评审、电子签署到合同归档的全流程数字化。
2) 电子签约一体化解决方案：
a. 实名认证
b. 电子签章
c. 合同防篡改
3) 合同管理系统与SRM、采购订单系统的打通。
2. AI合同智能审核
1) OCR识别合同文本与附件。
2) AI关键条款抽取：价格、付款、交期、质保、违约责任、知识产权、保密条款。
3) 风险条款自动预警。
4) 合同模板标准化与条款库建设。
3. 数字化合规管理
1) 供应商合规审查：反商业贿赂、贸易管制、环境保护、劳动权益。
2) 合同履约合规监控：交货、付款、质量索赔等自动提醒。
3) 审计轨迹完整可追溯。
4. 区块链与智能合约
1) 区块链在合同存证与交易追溯中的价值。
2) 智能合约与自动结算的应用场景。
3) 区块链技术应用的挑战：标准化、算力、生态协同。
第七模块：从采购到付款（P2P）的数字化运营
1. P2P全流程数字化
1) 采购申请、采购订单、送货通知、收货确认、对账、开票、付款全流程在线化。
2) 三单匹配：采购订单、收货单、发票的AI自动匹配。
3) 异常情况自动分流处理。
2. 内部采购商城与感知技术
1) 内部采购商城：非生产物资自助下单。
2) 智能柜与感知技术：办公用品、MRO物料、刀具耗材的自动领用与补货。
3) 基于AI的物料识别与需求预测。
3. 订单分配与供应商协同
1) 订单智能分配：
a. 基于供应商绩效、成本、交期、产能自动分配。
b. TVO（总价值最优）与绩效驱动。
2) 供应商门户自助查询订单、预约送货、打印标签。
3) 基于3PL WMS的VMI仓协同管理。
4. 供应链金融与支付数字化
1) 电子对账单与自动结算。
2) 供应链金融：基于真实交易数据的融资服务。
3) 付款风险控制与现金流预测。
第八模块：协同交付与数字化供应链控制塔
1. 全场景交付模式
1) 标准交付、越库交付、直发交付、VMI与寄售模式。
2) 交付模式的数字选择模型：订单特征、物料属性、成本与交期综合判断。
2. 端到端可视化交付管理
1) 一维码、二维码、RFID技术在物料流转中的应用。
2) 供应商库存可视化管理。
3) 在途运输可视化：TMS、GPS、IoT传感。
4) 高价值与特殊物料的实时安全监控。
3. 数字化质量预交付管理
1) 电子质量文件管理：检验报告、合格证、材质证明。
2) 远程提货交接与发运协同。
3) AI视觉检测在来料检验中的应用。
4) 质量问题在线反馈与8D改善追踪。
4. 数字化供应链控制塔
1) 控制塔定义：端到端供应链的可视化、分析、决策与执行中心。
2) 控制塔核心功能：
a. 全链路数据采集
b. KPI实时监控
c. 异常自动预警
d. AI根因定位
e. 情景模拟与决策建议
3) 控制塔与ERP、MES、SRM、APS、WMS、TMS系统的集成。
4) 构建可视化仪表盘的方式与工具。
第九模块：供应链绩效管理与持续改善
1. 数字化供应绩效体系
1) 从供应商绩效到供应链整体绩效的指标树。
2) 关键绩效指标：交付准时率、质量合格率、成本节约率、库存周转率、响应速度。
3) AI绩效分析：
a. 横向对标
b. 纵向趋势
c. 相关性与根因分析
2. 供应商动态分级与管理
1) 基于绩效数据 AI 动态调整供应商等级。
2) 绩效结果与订单分配、采购份额、发展计划联动。
3) 供应商退出机制中的数字化合规保障。
3. 持续改善的数字化驱动
1) 问题跟踪电子化：CAPA、8D报告在线化。
2) AI辅助根因分析。
3) 供应商改善项目的在线协同与验证。
4) ESG（环境、社会、治理）绩效纳入供应商管理。
第十模块：AI大模型与企业数字化转型实施路线图
1. AI大模型赋能核心系统
1) ERP：智能财务分析、生产计划辅助、异常成本提示。
2) MES：AI排产建议、质量缺陷识别、设备维护预警。
3) SRM：供应商智能推荐、合同自动审查、风险预警。
4) APS：多场景仿真、排程优化、瓶颈分析。
5) WMS：智能仓位优化、波次拣货、视觉盘点。
6) CRM：客户需求感知、售后服务预测、市场变化识别。
2. 数据基础与治理
1) 数据标准：物料编码、供应商编码、客户编码、BOM准确性。
2) 数据质量：完整性、准确性、及时性、一致性。
3) 数据中台与AI基础平台建设。
3. 数字化转型实施路径
1) 现状评估与场景选择。
2) 从“点状应用”到“流程打通”再到“AI闭环”。
3) 分阶段实施：
a. 第一阶段：核心流程数字化。
b. 第二阶段：数据打通与可视化。
c. 第三阶段：AI赋能与智能化决策。
4) 变革管理：组织、人才、文化与方法论。
4. 未来趋势
1) 从数字化供应链到自主供应链。
2) AI大模型驱动的供应链“数字员工”。
3) 供应链控制塔向供应链智能决策平台演进。
给采购与供应链管理人员的建议：
· 持续提升供应链专业能力，理解制造业业务本质。
· 提升数据认知与数据治理能力，成为“数据驱动”的供应链管理者。
· 主动拥抱AI技术，学会使用AI工具进行数据分析、谈判模拟、合同审核与风险判断。
从“采购执行者”向“供应链价值整合者”转型。