Fujitsu
预测、库存与告警
Palantir
科技/制造
典型Forward Deployed
标准案例｜可参考但仍有缺口
B级证据
生产级
B
证据等级
Fujitsu：预测、库存与告警
证据等级衡量“能否定位和复核来源”，不评价厂商披露是否经过第三方审计。
标准案例｜可参考但仍有缺口
7 / 12
业务背景1 / 2
改造流程1 / 2
技术工作流2 / 2
人机与治理 / 2
量化结果2 / 2
来源定位1 / 2
仍可补强：业务背景、改造流程、人机与治理、来源可定位性
业务问题
运营数据与机器学习能力分散，难以直接进入日常运营。
解决方案
把Foundry数据集成能力与Fujitsu ML结合，构建告警、需求预测和库存控制。
技术架构与生产工作流
Step 01
ERP/WMS/订单/库存/供应商/约束数据
→
Step 02
统一实体与业务口径
→
Step 03
预测/优化/LLM识别异常与候选动作
→
Step 04
规则与优化器计算可行方案
→
Step 05
业务人员确认高影响动作
→
Step 06
执行结果回写并更新库存/订单状态
关键技术与基础设施组件
ERP/WMS数据语义/实体层预测/优化算法LLM/AIP规则引擎业务工作台
人机分工与责任边界
运营人员使用预测和告警做决策。
FDE 动作拆解
- 和计划/采购/调度人员一起定义真正的决策单位和约束
- 统一SKU、工厂、订单、供应商等实体口径
- 把“看报表”改成“识别异常→给动作→执行”的闭环
- 用财务影响/服务水平给建议排序
- 把人工采纳/拒绝原因反馈给系统
可迁移复用的落地方法论
- 先选高频、高成本、可验证的窄流程
- 能用确定性工具验证的步骤，不让模型自评
- 高风险动作保留人工责任
- 把每次人工修正变成后续可检索的上下文/规则
业务成效与交付成果
公开称3个月实现约$9M年化成本降低。
证据边界与核验记录
- 公开资料确认业务流程；技术组件为基于公开描述的架构抽象
- 当前链接为官方汇总入口，尚需补充可直接定位该案例的深链接或页码。