7.1 PMC 和采购部，到底是战友还是对手
很多工厂里，PMC 和采购部的关系很微妙。PMC 急着要料，催采购下单；采购说供应商交期就那样，催也没用。PMC 嫌采购反应慢，采购嫌 PMC 计划变来变去。两个部门表面上合作，背地里互相埋怨。
这种关系的根子在于：PMC 和采购的 KPI 往往是矛盾的。
PMC 考核 OTD（准时交货率），希望料越早到越好，最好提前一周到，这样万无一失。采购考核采购成本和库存周转，希望批量下单、集中到货，减少运输成本和采购单价。PMC 要的是“灵活“，采购要的是“规模“。目标不一致，协作就费劲。
这一章不讲怎么搞部门政治，只讲怎么用数据和工具，让 PMC 和采购在同一个信息平面上协作，减少扯皮，提高效率。AI 在这里的角色，是翻译官和加速器——把 PMC 的需求翻译成采购能听懂的语言，把采购的反馈实时同步给 PMC，让双方不用靠打电话和发邮件来对齐。
7.2 供应商绩效评估：从“印象分”到“数据分”
很多公司对供应商的评估，靠采购员的主观印象：“A 供应商不错，交期挺准的”“B 供应商一般，质量时好时坏”。这种评估有两个问题：一是没有量化标准，二是没有历史记录，采购员一换人，评估就归零。
供应商绩效的三维评估模型
建议从三个维度评估供应商，每个维度设 2-3 个量化指标：
维度一：交付能力（权重 40%）
指标 | 计算公式 | 数据来源 |
准时交货率 | 准时交付批次÷ 总交付批次 × 100% | 采购订单 + 入库记录 |
交期偏差率 | (实际交货日期 - 约定交货日期) / 约定交货日期 × 100% | 采购订单 + 入库记录 |
响应速度 | 从询价到报价的平均天数 | 采购邮件/系统记录 |
维度二：质量能力（权重 35%）
指标 | 计算公式 | 数据来源 |
来料合格率 | 合格批次÷ 总来料批次 × 100% | IQC 检验记录 |
退货率 | 退货批次÷ 总来料批次 × 100% | 退货单 |
质量事故次数 | 因来料质量问题导致的停线或返工次数 | 生产异常记录 |
维度三：成本与服务（权重 25%）
指标 | 计算公式 | 数据来源 |
价格竞争力 | 该供应商报价÷ 市场平均报价 | 比价记录 |
配合度评分 | 紧急订单响应、变更配合、技术支持等主观评分 | 采购员 + PMC 评分 |
付款条件 | 账期长短、是否接受承兑等 | 合同条款 |
评分与分级
每个指标按 1-5 分打分，加权求和得到综合评分。然后按评分分级：
等级 | 综合评分 | 管理策略 |
A 级 | ≥ 4.0 | 战略合作伙伴，优先下单，长期协议 |
B 级 | 3.0-3.9 | 合格供应商，正常合作，定期回顾 |
C 级 | 2.0-2.9 | 观察供应商，限制新品下单，要求整改 |
D 级 | < 2.0 | 淘汰或替换，停止新订单，启动备选 |
AI 辅助评估
对于供应商数量多的公司（几十家以上），人工统计这些指标很耗时间。AI 可以帮忙：
① 数据自动抓取
从 ERP、WMS、MES 系统中自动提取交付、质量、成本数据，按供应商汇总。不需要采购员手工填表。
② 异常自动识别
AI 自动识别供应商绩效的异常变化：比如某供应商准时交货率连续三个月下降，或者来料合格率突然跌破阈值，自动标红预警。
③ 对标分析
把同类物料的供应商做横向对比：A 供应商和 B 供应商都供同一种芯片，谁的交期更稳、质量更好、价格更低？AI 可以自动生成对比报告。
④ 预测性评估
不仅看历史表现，还预测未来风险。比如某供应商的交货延迟有季节性规律（每年春节前延迟 2 周），AI 可以识别这个模式，提前在计划中预留缓冲。
7.3 供应商交期预测：从“合同约定”到“实际规律”
MRP 里的采购提前期，很多公司按合同签的日期设。但合同日期和实际到货日期，往往差得远。供应商的交期不是固定值，是一个概率分布——有时候 25 天，有时候 35 天，平均 30 天。
建立供应商交期档案
对于关键供应商和关键物料，建议建立详细的交期档案：
字段 | 说明 |
供应商编码 | 唯一标识 |
物料编码 | 该供应商供应的物料 |
合同约定交期 | 合同或采购订单上的日期 |
历史实际交期 | 每次下单的实际到货日期 |
平均实际交期 | 历史数据的平均值 |
交期标准差 | 历史数据的波动程度 |
季节性系数 | 某季节实际交期相对于平均的倍数 |
异常事件记录 | 罢工、疫情、自然灾害等导致的延迟 |
Excel 实现：
建立一个“供应商交期跟踪表”，每次到货后记录一行。用 AVERAGE 和 STDEV 函数自动计算平均交期和标准差。用条件格式标出异常延迟（超过平均 + 2 倍标准差）。
AI 进阶：交期预测模型
对于数据量大的供应商（几十次以上交易记录），可以用机器学习预测未来交期。
输入特征：
•历史交期序列（时间序列特征）
•下单月份（季节性）
•订单数量（大批量可能交期更长）
•供应商当前产能利用率（从供应商沟通中获取）
•宏观经济指标（如物流指数、原材料价格指数）
输出：
•预测交期（点预测）
•交期区间（80% 置信区间）
模型选择：
•数据量小、特征少：用时间序列模型（ARIMA、Prophet）
•数据量大、特征多：用 XGBoost 或 LightGBM
应用场景：
MRP 运行时，不用固定提前期，而用 AI 预测的动态提前期。比如某物料合同交期 30 天，但 AI 预测实际平均 35 天、80% 概率在 30-42 天之间。MRP 按 35 天算，同时 PMC 知道有 20% 概率会超过 42 天，提前准备应急预案。
7.4 采购协同：从“催单”到“联合计划”
PMC 和采购的协作，最低层次是“催单”——PMC 缺料了，打电话催采购，采购再打电话催供应商。这种模式下，信息层层衰减，响应慢、误差大。
更高层次是“联合计划”——PMC 把需求预测共享给采购，采购把供应商产能和交期共享给 PMC，双方基于同一套数据做决策。
联合计划的三个层次
层次一：信息共享（基础）
PMC 每周把滚动需求预测发给采购，采购每周把供应商交期更新同步给 PMC。信息还是邮件/Excel 传递，但至少频率对齐了。
层次二：协同补货（进阶）
对于关键物料，实施 VMI（Vendor Managed Inventory，供应商管理库存）或 CPFR（Collaborative Planning, Forecasting and Replenishment，协同计划预测补货）。
•VMI：供应商根据 PMC 的库存数据，自主决定补货时间和数量。PMC 不用每次下单，只需要设好库存上下限。
•CPFR：PMC 和供应商共享需求预测、库存数据、促销计划，联合制定补货计划。
这两种模式都需要信息系统支撑（EDI 或 API 对接），但能显著减少沟通成本和缺料风险。
层次三：智能协同（高阶）
AI 驱动的协同：系统根据实时数据，自动触发补货建议，PMC 和采购只需要审批异常。
比如：
•当某物料库存低于动态再订货点时，系统自动生成采购建议，推送给采购员
•采购员确认后，系统自动发送订单给供应商
•供应商确认交期后，系统自动更新 MRP 和计划总控表
•如果供应商反馈交期延迟，系统自动重新计算对生产计划的影响，并预警 PMC
这个层次需要 ERP、SRM（供应商关系管理）、APS 等系统的深度集成，不是所有公司都能一步到位。但可以作为长期目标，分阶段建设。
7.5 原材料价格波动预警
对于原材料成本占比高的行业（如化工、金属、电子），原材料价格波动直接影响采购成本和库存策略。PMC 虽然不直接管采购价格，但需要知道价格波动对计划的影响。
价格波动对 PMC 的影响
场景 | 对 PMC 的影响 |
原材料价格快速上涨 | 采购可能提前大量囤货，PMC 要准备接收和存储 |
原材料价格快速下跌 | 采购可能推迟下单，PMC 要关注库存贬值风险 |
价格剧烈波动 | 供应商可能要求调整售价或交期，PMC 计划不确定性增加 |
AI 价格预警
数据来源：
•大宗商品价格：上海期货交易所、伦敦金属交易所等公开数据
•行业价格指数：如化工行业的 CCPI、电子行业的元器件价格指数
•供应商报价趋势：从 ERP 历史采购记录中提取
预警逻辑：
•设定价格波动阈值（如周涨幅超过 5%）
•AI 自动监控价格数据，触发阈值时推送预警
•预警附带分析：涨幅原因（供需变化、政策影响、国际局势）、对本公司物料成本的影响估算、建议应对措施
PMC 的应对：
收到价格预警后，PMC 要和采购联动：
•价格上涨预期强：评估是否需要提前锁定部分库存，但注意库存成本和过期风险
•价格下跌预期强：评估是否可以推迟非紧急采购，但注意断料风险
•波动剧烈：增加安全库存缓冲，或和供应商协商价格调整机制
7.6 供应商风险监控：从“事后处理”到“事前预防”
供应商风险不只是交期延迟，还包括：
•财务风险：供应商资金链断裂、破产
•质量风险：供应商质量体系崩溃、重大质量事故
•产能风险：供应商产能不足、被大客户抢产能
•合规风险：环保不达标被停产、出口管制导致断供
风险监控的数据来源
风险类型 | 数据来源 |
财务风险 | 天眼查/企查查（工商信息、司法风险、经营异常）、供应商财报 |
质量风险 | IQC 检验记录、客户投诉、行业质量通报 |
产能风险 | 供应商产能利用率、大客户动态、行业产能数据 |
合规风险 | 环保处罚公示、海关数据、出口管制清单 |
AI 风险预警
① 舆情监控
用 AI 文本分析工具，自动抓取供应商相关的新闻、公告、社交媒体信息，识别负面信号。比如：
•“某供应商工厂发生火灾”→ 产能风险预警
•“某供应商被列入经营异常名录”→ 财务风险预警
•“某原材料被列入出口管制清单”→ 合规风险预警
② 关联风险分析
分析供应商的关联企业风险。比如你的关键供应商的母公司资金链紧张，可能传导到你的供应商。AI 可以构建企业关联图谱，识别间接风险。
③ 风险评分卡
综合多个数据源，给每个供应商打风险分，按风险等级分类管理：
风险等级 | 评分 | 管理动作 |
低风险 | 0-30 | 正常合作，常规监控 |
中风险 | 31-60 | 增加监控频率，准备备选方案 |
高风险 | 61-90 | 限制新订单，启动备选供应商切换 |
极高风险 | 91-100 | 立即停止合作，紧急切换 |
7.7 实战：用 AI 生成供应商评分卡和比价分析
这一节讲两个零代码的 AI 应用场景，用 ChatGPT/Claude 就能做。
场景一：自动生成供应商季度评分卡
输入：某供应商过去一个季度的交付、质量、成本数据
AI 提示词：
“请根据以下数据，生成一份供应商季度绩效评分卡：
供应商：XX 公司供应物料：XX 芯片评估周期：2026 年 Q1
数据：
•下单批次：20 批
•准时交付批次：16 批
•来料检验批次：20 批
•合格批次：19 批
•平均交期：32 天（合同约定 30 天）
•报价：¥15/颗（市场均价 ¥14.5/颗）
请按交付能力（40%）、质量能力（35%）、成本与服务（25%）三个维度评分，给出综合等级（A/B/C/D），并指出主要改进点。”
AI 输出：自动计算各维度得分、综合得分、等级，并生成文字分析。
场景二：智能比价分析
输入：三家供应商对同一种物料的报价和条件
AI 提示词：
“请帮我分析以下三家供应商的报价，从价格、交期、付款条件、历史表现等维度做对比，并给出采购建议：
供应商 A：¥14/颗，交期 30 天，账期 60 天，历史准时交货率 85%供应商 B：¥13.5/颗，交期 35 天，账期 30 天，历史准时交货率 90%供应商 C：¥15/颗，交期 25 天，账期 90 天，历史准时交货率 95%
我公司对该物料的核心诉求是：交期稳定 > 价格合理 > 账期宽松。”
AI 输出：多维度对比表格 + 加权评分 + 采购建议。
注意事项：
•敏感数据（真实供应商名称、具体金额）要脱敏后再输入公共 AI 工具
•AI 输出要人工复核，不能直接用
•建议把常用提示词保存成模板，每次替换数据即可
7.8 本章小结：供应商不是“乙方”，是“供应链伙伴”
这一章讲了供应商绩效评估、交期预测、联合计划、价格预警、风险监控，以及 AI 辅助的评分卡和比价分析。核心就一句话：
PMC 和采购不是对手，是坐在同一条船上的。船翻了，谁都不好过。
AI 的价值，不是让 PMC 更强势地催采购，而是让双方基于同一套数据、同一个预测、同一种语言来协作。当 PMC 的需求预测更准、当采购的供应商档案更全、当双方的系统实时互通，扯皮自然就少了。
下一篇文章我们进入生产执行与异常管理——料到了、计划排好了，但车间执行过程中总会出各种幺蛾子。怎么用 AI 提前发现异常、快速响应异常，是 PMC 从“计划员”进化到“协调官”的关键能力。
