管理层摘要
某再生金属企业希望提高废钢、再生铝、边角料或循环金属的使用比例。管理层的目标看似清楚：用更多再生料降低成本和产品碳压力，同时保持牌号稳定和客户认证。但一到执行层面，采购、生产、质量和低碳团队对同一堆来料看到的是不同问题。采购关心价格和到货，生产关心能不能熔、怎么配，质量关心污染物和成分偏差，低碳团队关心再生料比例和证明。没有共同分级语言时，再生料比例越高，争议也越多。
本案例的目标不是让AI自动决定配料，也不是让视觉识别替代实验室检测，而是建立再生料分级、配料建议和质量风险智能体。系统把来料照片、称重、放射性或安全检查、成分检测、污染物标记、供应商历史、库存位置、目标牌号、客户限制和历史质量偏差放进同一工作台。智能体负责初步归类、提示缺失检测、检索相似来料、生成配料风险说明和供应商反馈草稿；冶金或工艺负责人确认配料建议，质量负责人确认风险等级，采购负责人确认供应商动作。
建议试点先覆盖主要再生料来源、重点供应商和一组对质量敏感的目标牌号。管理目标可以设为：重点供应商来料分级覆盖率进入百分之七十五至百分之九十目标区间，配料建议人工采纳率进入百分之五十至百分之七十试点评估区间，与再生料相关的质量偏差较基线下降百分之十五至百分之二十五，作为目标区间，供应商反馈闭环完整率进入百分之八十至百分之九十目标区间。所有数字都必须先做基线确认，并作为试点目标或评估范围验收。项目的价值在于让再生料使用从便宜优先，转向质量边界可见、碳证据可追溯、供应商可以改进。
客户与行业背景
这家企业拥有熔炼、轧制或铸造环节，处理钢、铝或其他有色金属。它面临三股压力：一是原料价格波动，需要提高配料灵活性；二是客户和投资者关注低碳与循环材料，需要解释再生料来源和比例；三是高端牌号对成分、夹杂、污染物和稳定性要求更严格。再生料不是简单的低成本替代，而是被放进质量、低碳、供应链和客户证明共同约束的战略资源。
企业过去也在使用再生料，但管理方式偏经验。采购根据供应商报价和历史印象下单，来料入厂后由仓储、检测和生产分别记录。成分检测可能在实验室系统里，照片和等级可能在地磅或堆场记录里，供应商问题在采购邮件里，实际熔炼质量在生产和质量复盘中。若某批来料导致成分修正困难或产品降级，团队很难快速判断是供应商批次问题、检测缺口、堆场混料、配料策略还是目标牌号边界设得太宽。
再生料管理还涉及对外证明。客户问再生料比例时，企业不能只给一个采购比例；它需要说明统计边界、适用产品、来料分类、质量控制和是否影响客户标准。若企业希望把再生料提升作为低碳产品的一部分，还要能把来源、检测、配料和质量结果串起来。因此，再生料智能体被定位为供应链与质量协同工具，而不是单纯的视觉分拣模型。
核心问题与业务影响
核心问题是来料等级、检测数据、供应商历史、配料建议和质量结果没有形成闭环。采购在供应商谈判时缺少可量化的污染物、成分波动和质量影响证据；生产在配料时无法快速看到某个来源与目标牌号之间的风险边界；质量在复盘时只能指出结果偏差，却难以把偏差反向连接到来料分类和供应商行为；低碳团队看到再生料比例提高，却不清楚这种提高是否可持续、可证明、可用于客户材料。
业务影响很具体。第一是质量波动。废钢或再生料中残余元素、油污、涂层、夹杂、混料和不明来源可能改变熔炼窗口和最终性能。第二是成本误判。便宜来料若需要更多检测、分拣、补料或返工，真实成本可能高于表面价格。第三是供应商治理乏力。采购和供应商沟通时若没有问题批次、检测证据和质量影响，改善要求容易变成泛泛抱怨。第四是低碳证明不稳。再生料比例若无法追溯到来源、检测和产品批次，就不能稳定支撑客户问卷或低碳证据包。
诊断时需要建立四类基线。来料基线看重点供应商、主要料型和入厂批次的分级覆盖情况。检测基线看成分、污染物、图像、安全检查和人工评级是否完整。配料基线看建议是否被采纳、被修改或被拒绝，以及拒绝原因。质量基线看再生料相关偏差、降级、让步接收和补料成本。没有这些基线，企业会把提高再生料比例误认为单一目标，忽视质量和客户边界。
诊断与关键发现
项目组从堆场和配料会开始，而不是从算法选择开始。先选出主要供应商和高频料型，跟踪一批来料从预约、入厂、称重、拍照、安全检查、取样、检测、入库、配料、熔炼、质量结果到供应商反馈的全流程。每个节点记录谁负责、数据在哪里、是否能被下游使用、是否有确认人。若来料照片无法对应检测编号，标为链路断点；若供应商评级没有反映实际质量偏差，标为治理断点；若配料修改原因没有记录，标为经验流失。
关键发现往往有四类。第一，视觉识别只能解决一部分问题。它可以辅助识别料型、混杂和明显污染，但关键成分和有害元素仍以检测为准。第二，供应商评分经常停留在交付和价格层面，没有把成分波动、污染物、退货、质量影响和改进响应纳入。第三，配料建议缺少不确定性表达。一线更需要知道哪些建议稳、哪些需要补检、哪些只适合普通牌号、哪些不能用于高端客户。第四，质量偏差复盘没有回到供应商和来料分类，导致同类问题在下一批采购和配料中复现。
诊断还会发现组织语言差异。采购说的一级料、生产说的可用料、质量说的低风险料、低碳团队说的再生料，并不一定指同一概念。若不建立统一分级字典，智能体学到的只是混乱的历史叫法。试点必须先定义分级维度：料型、来源、成分稳定性、污染物风险、可用牌号范围、检测可信度、供应商评级和低碳证明状态。只有这些维度被确认，AI建议才可能被一线接受。
解决方案、方法与工具
解决方案包括再生料分级台账、配料风险工作台和供应商反馈闭环。分级台账记录每批来料的供应商、来源类型、照片、称重、检测、污染物、历史表现、入库位置、适用牌号和审核状态。配料风险工作台把目标牌号、当前库存、来料等级、检测可信度、残余元素、生产窗口和客户限制放在一起，输出建议组合、风险提示和必须人工确认的事项。供应商反馈闭环则把质量偏差、检测证据、退货或让步信息整理成可沟通材料，用于采购谈判和供应商改善。
智能体分为三类。来料分级智能体根据照片、检测、供应商历史和人工规则生成初步等级，并提示缺失检测或异常来源。配料建议智能体根据目标牌号、库存、成分窗口和风险等级给出候选方案，同时标明不确定性和不得自动放行的原因。供应商反馈智能体把问题批次、检测结果、质量影响、改进要求和下一次验收条件整理成草稿，供采购和质量审核。所有智能体都必须显示依据，不能给出没有来源的结论。
工具设计要避免一线觉得被模型指挥。工作台应允许冶金工程师修改建议并记录原因，允许质量人员提高风险等级，允许采购补充供应商解释，允许生产标记实际熔炼反馈。每一次人工修改都不是系统失败，而是让知识库变得更贴近现场。对于高端客户牌号、高风险污染物或检测可信度不足的批次，系统应默认收紧，而不是为了提高采纳率给出激进建议。
流程再造与智能体实施
新流程从供应商预约开始。采购录入供应商、料型、预估成分、来源说明和到货计划，系统根据历史表现给出预警。来料入厂后，堆场拍照、称重和安全检查与批次绑定；实验室检测结果回写后，来料分级智能体生成初步等级。若照片、检测和供应商说明冲突，系统标为待复核；若缺少关键检测，系统不允许进入高端牌号配料建议。
配料会使用同一工作台。生产或冶金负责人选择目标牌号、计划炉次和客户限制，配料建议智能体给出候选组合、成分风险、污染物风险、成本影响、再生料比例和需要确认的边界。工程师可以采纳、调整或拒绝建议，并必须记录关键原因。熔炼和质量结果出来后，系统把实际偏差回写到来料、供应商和配料规则中。这样，经验不是留在某个人的判断里，而是进入下一次采购和配料。
供应商反馈也被流程化。若某批来料导致补检、退货、降级、补料或质量偏差，供应商反馈智能体生成证据草稿，包含批次信息、检测结果、照片、影响说明和改进要求。采购负责人确认商务措辞，质量负责人确认技术事实，必要时法务审查争议材料。反馈不是为了惩罚供应商，而是让供应商知道哪些问题会影响价格、评级、准入和未来订单。
来料分层抽检要从一车一检改成风险分层。低风险稳定供应商、同源单一料型、历史残余元素波动小的批次，可以采用预约信息、地磅照片、表层目检和代表性取样组合；新供应商、跨区域回收、压块料、带涂层边角料、含切削液回料、混入不锈钢或铜件嫌疑的批次，应提高到分层抽检。分层不是多取几把样就结束，而是按堆垛上中下、包块外层与拆包内层、不同颜色和不同磁性区域分别编号，记录取样人、时间、位置、照片角度和样品去向。若便携光谱只扫到表面，系统必须提示表面镀层、油漆和泥沙可能遮蔽真实基体，要求实验室对破碎或切割后的内部样补测。这样做的目的不是拖慢收料，而是在进入库存牌号池之前，把可用、限用、待检、隔离四类状态先分清。
图像与光谱证据冲突时，智能体不能用平均分或多数票掩盖矛盾。若图像显示为干净冲压边角料，但光谱发现铜、锡、镍、铬或锌超过目标牌号警戒线，系统应把该批标记为成分冲突，禁止进入自动配料候选，并要求复核样品是否来自同一包块、是否扫到异物、是否存在混堆和错贴标签。若图像显示油污、红锈、涂层或夹杂明显，而光谱结果暂时合格，也不能直接放行，因为外观污染可能影响烧损、夹杂、炉渣负荷和烟气治理。工作台需要保留冲突矩阵：图像异常但成分合格、图像合格但成分异常、供应商说明与两类证据均不一致、历史同源批次曾经异常。每一类冲突都有不同处置：补拍、拆包、扩大取样、转普通牌号、隔离复检或供应商到场确认。
熔炼配料约束要被写成可审计的硬边界。候选组合必须同时检查目标牌号成分窗口、残余元素累积、炉容与装料顺序、预计收得率、烧损修正、脱氧和造渣余量、客户限制、库存先进先出和当班检测能力。某批废钢价格低并不代表能多加，若它带来铜锡类难以去除残余元素，就可能把整炉推向降级；若含油含水或轻薄料比例高，还会改变热平衡、烟气负荷和安全风险。智能体应把每个候选方案拆成主料、修正料、禁止料和保留料，标明是哪一个约束卡住了建议。工程师调整配比时，系统记录是因为炉况、客户订单、补料库存、检测可信度还是成本目标，而不是只留下一个被采纳或被拒绝的结果。
供应商申诉闭环也要前置设计。供应商对扣级、退货、扣款或评级下降提出异议时，系统先冻结争议批次证据包，锁定原始照片、取样位置、光谱记录、实验室报告、仓储移动、配料使用情况和质量影响，避免后续补录改变事实链。采购可以发起申诉单，但不能单独改写技术结论；质量负责复核样品代表性和检测方法，生产说明是否已经造成炉次调整、降级或补料，必要时启用留样复测或第三方复检。闭环结论要分为维持原判、部分调整、供应商整改观察、内部取样错误和合同条款待澄清。只有当申诉结论被采购、质量和工艺共同确认后，供应商评分、结算条件和下一批验收门槛才允许更新。
人工停线和降级门槛必须明确到班组能执行。出现放射性或安全检查缺失、批次编号无法绑定检测、图像与光谱严重冲突、未知高合金料混入碳钢料池、关键残余元素超过不可修正线、含水含油异常、客户限制被系统遗漏、隔离料误入可用库位、供应商申诉证据未结案却被再次推荐时，系统应触发人工停线或暂停该料型配料。较轻情形可以降级处理，例如从高端客户牌号退到普通牌号、从本炉使用改为待下次补检后使用、从正常供应商状态降到观察状态。停线不是让整厂停产，而是冻结有风险的批次、牌号或供应商路径，直到责任人完成确认。每次停线或降级都要生成原因、影响炉次、替代料方案和恢复条件，防止现场把红色提示当成又一个可以关闭的弹窗。
实施节奏建议分三步。第一步建立分级字典和最小字段，覆盖主要供应商和重点料型。第二步上线内部建议模式，让智能体只提供参考，由工程师和质量人员评分。第三步把建议嵌入配料会和供应商月度复盘，形成指标看板。若出现高风险来料被错误低估、检测结果缺失仍被推荐、客户限制被忽略或供应商争议材料不准确，试点必须暂停相关功能并退回人工复核。
实施约束与取舍
第一项约束是放行边界。智能体不能自动放行高风险来料，也不能绕过实验室检测和现场安全确认。视觉识别只能辅助分类，关键成分、污染物和安全风险以检测和人工确认优先。第二项约束是客户牌号边界。高端客户、关键性能牌号和认证材料应设置更严格规则，不能为了提高再生料比例牺牲客户要求。第三项约束是供应商数据边界。供应商评分、价格、争议和改进要求涉及商业关系，需要权限控制和审计日志。第四项约束是低碳证明边界。再生料比例必须说明统计范围和适用产品，不能简单用采购比例替代产品证明。
取舍集中在再生料比例与质量稳定之间。若只追求比例，生产和质量会承受更大不确定性；若过度保守，低碳和成本目标又难以推进。智能体的价值不是替组织选择其中一边，而是把每个建议的成分风险、客户限制、检测可信度、成本影响和低碳贡献同时摆出来，让人工做有证据的取舍。对于普通产品族，可以逐步提高可接受边界；对于高端牌号，应先用较窄范围验证。
另一个取舍是历史数据修复。供应商历史和来料记录往往不完整，项目不应试图一口气重建多年数据。更实际的做法是从当前来料开始建立干净链路，同时选择仍会影响供应商评级和客户证明的历史样本补录。系统要允许不确定性存在，并把不确定性明示给使用者。看似完整但来源不明的数据，比明确标注缺口更危险。
结果、目标与指标范围
试点先建立基线，再按目标区间验收。建议试点周期为八至十二周，覆盖重点供应商、主要再生料来源和一组目标牌号。指标应先确认基线，再设目标：重点供应商来料分级覆盖率进入百分之七十五至百分之九十；配料建议人工采纳率进入百分之五十至百分之七十试点评估区间；与再生料相关的质量偏差较基线下降百分之十五至百分之二十五，作为目标区间；供应商反馈闭环完整率进入百分之八十至百分之九十；高风险来料补检提醒覆盖率进入可审计目标区间。所有目标都要区分料型、供应商和客户牌号，不可全厂一刀切。
评估不应只看采纳率。若系统建议很激进，短期采纳率可能高，但质量风险也会上升。更合理的评估是同时看建议解释是否清楚、人工修改原因是否被记录、检测缺口是否提前暴露、供应商反馈是否形成改善、再生料比例是否能被产品证据支持。对于被拒绝的建议，也要分析拒绝原因：是数据不足、客户限制、经验判断、成本不合适，还是模型召回错误。拒绝记录本身就是训练材料。
项目交付物包括分级字典、来料证据台账、配料风险工作台、供应商反馈模板、权限规则、阶段门和月度复盘仪表盘。成熟后可以向低碳产品证据包、供应商合同条款、库存优化和客户共创回收方案扩展。但扩展前必须回答一个问题：当前流程是否已经能稳定说明某一批再生料从哪里来、如何检测、适合哪些牌号、带来什么风险、由谁确认、如何影响客户证据。若回答不清，就不应扩大宣传和自动化范围。
试点还应单独复盘人工覆盖系统建议的样本。若工程师因为炉况、客户临时要求或检测可信度不足而修改配料方案，系统要记录这次修改，而不是把它视为异常。长期看，这些人工覆盖原因会形成新的规则：某类供应商来料只能进入普通牌号，某类污染物必须补检，某类图像特征需要降低等级，某类客户订单需要锁定更窄的再生料边界。这样，智能体学习的是现场纪律，而不是表面采纳率。
对于跨厂区企业，还要避免把一个厂区的分级规则直接复制到另一个厂区。不同熔炼设备、检测能力、产品结构和客户要求会改变可接受边界。总部可以统一字段、风险语言和供应商评价框架，但每个厂区应保留经过验证的本地参数。只有当两个厂区在检测方法、工艺窗口和客户限制上足够接近，规则复制才有意义。
还需要把仓储隔离规则写进流程。对于检测未完成、来源说明冲突、外观异常或供应商评级下降的来料，系统应自动建议隔离库位和禁止进入高端牌号的临时状态。仓储人员看到的不是算法分数，而是可执行动作：待检、限用、退回、补样或人工会审。这样可以防止问题来料在等待确认时被误用，也让质量风险在进入熔炼前就被拦住。同时，人工会审的结论必须回写到批次记录，作为下一次供应商评级和配料边界调整的依据。
变革信号
第一个信号是采购谈判开始引用质量和污染物证据，而不是只谈价格、到货和主观印象。供应商会看到具体批次、检测结果、照片、影响和改进要求。第二个信号是配料会的语言发生变化。工程师不再只说这批料感觉能用，而是说明适用牌号、检测可信度、风险边界和需要补检的条件。第三个信号是质量复盘能回到供应商和来料等级，偏差不再只停留在成品检验阶段。
第四个信号是低碳团队解释再生料比例时更谨慎。它能说明比例来自哪些料型和产品范围，哪些客户牌号暂不纳入，哪些批次需要额外证明。第五个信号是供应商评分变得可操作，价格、交付、成分稳定、污染物、争议响应和改善速度都进入评价。第六个信号是生产愿意记录人工调整原因，因为这些记录会减少下一次争论，而不是增加无用表格。
最终变化是再生料不再只是采购降本项，也不只是可持续报告里的数字，而是进入质量、配料、供应商和客户证据的共同语言。AI在这里的作用不是替冶金工程师做决定，而是把现场原本分散的事实放到同一张桌上，让更高比例的循环材料在清楚边界内被使用。
FAQ
废钢或再生料视觉识别可靠吗？
视觉识别适合辅助识别料型、明显混杂、形态异常和部分污染迹象，但不能替代成分检测、安全检查和人工确认。试点应把视觉结果作为证据之一，而不是作为自动放行依据。
成分检测和图像数据如何配合？
图像帮助建立来料外观和料型线索，成分检测确认化学窗口和残余元素。两者需要绑定同一批次编号；当图像判断、供应商说明和检测结果冲突时，系统应触发复核，而不是取平均结论。
AI能否自动给出配料方案并执行？
不能自动执行。智能体可以给出候选配料、风险解释和不确定性提示，但冶金或工艺负责人必须确认。高风险来料、关键客户牌号和检测缺口都应强制人工复核。
高端客户牌号如何保护？
需要为高端牌号设置更严格的成分、污染物、来源和检测可信度边界。系统应默认收紧再生料使用建议，并标明哪些来料不能进入该牌号，而不是为了提高比例放宽规则。
供应商数据如何评级才有用？
评级不应只看价格和准时交付，还应包括成分波动、污染物、退货、补检、质量影响、争议响应和改善速度。评级要能回到具体批次证据，采购谈判才有依据。
再生料比例如何用于客户证明？
比例必须说明统计边界、适用产品、来源分类和质量控制方式。若只能证明采购比例，不能直接写成某个客户产品的再生料证明；产品级证据需要和批次、配料及质量记录连接。
质量风险应该如何显示给一线？
风险提示要具体到成分、污染物、检测可信度、客户限制、历史偏差和建议用途。简单红黄绿不够，一线需要知道为什么黄、怎样变绿、哪些条件下必须停用或补检。
目标区间怎样设才不误导？
先按供应商、料型和目标牌号记录基线，再分别设置分级覆盖、建议采纳、质量偏差和反馈闭环目标。不能用全厂平均值掩盖高风险料型或高端客户牌号的差异。
和称重、检测、MES系统如何连接？
首期建议只做最小字段索引，连接称重批次、照片、检测编号、库存位置、目标炉次和质量结果。字段稳定后再考虑深度集成，避免一开始就陷入大系统改造。
来料争议如何处理？
争议材料应由智能体整理草稿，但采购、质量和必要时法务共同审核。反馈中要列出批次、照片、检测、影响和合同条款，避免把未经确认的模型判断直接发给供应商。
