IVD 仓库智能巡检:把班前凭经验选库位,做成可回查的风险筛选、任务和路线。
内容摘要
IVD 仓库智能巡检系统围绕医院院内仓库的班前巡检,将依赖经验挑选库位的工作转化为数据驱动的风险筛选、任务生成与路线规划。系统结合库存状态、产品档案及出入库记录,先通过规则收敛候选范围,再利用智能体解释巡检优先级,使仓管人员能够从明确的任务进入现场执行。路演重点在于减少查表和路径安排的时间,同时限定系统权限:应用生成巡检数据,不改库存台账,不创建库位,也不代替质量判定。其价值来自执行流程与业务边界的结合。
关键事实
- 应用对象医院院内 IVD 仓库的班前巡检,服务仓管、质控和仓库管理人员。现场仓库示例为华东一号仓 WH-SH-01。
- 已有成果(口播;幻灯片标注 WH-SH-01 巡检效率记录 2026-09-11)326 个库位收敛为 6 个候选巡检点;单次巡检由约 30 分钟降至 3 分钟;路线由 71 米降至 17 米;耗时缩短约 90%。这些数字来自该仓库记录,不能外推为所有仓库的同等效果。
- 幻灯片另列、口播未展开单次节省约 27 分钟;按 250 工作日/年折算年释放约 112.5 小时;另有 98.2%、76.1%、54 米等分项标注。界面截图标注 2026-09-17。
- 数据与工具口播与幻灯片均写真实 SPD 在库数据、Dify 工作流、模型 Qwen3-32B。
- 权限边界只写巡检数据,不修改库存台账、不创建新库位、不替代质量判定。

演讲资料
演讲视频
项目背景与仓库巡检需求
我是来自上海树康信息科技有限公司的李航航,我是这个公司的智能体开发工程师,现在由我来介绍一下我们的参赛项目。先介绍一下我们公司吧。我们上海树康信息科技有限公司,主营的范围是医院的 IVD 试剂管理系统,也就是医院院内的物流。我们之前参加过医疗器械医院院内供应链案例大赛,也获得了金奖。接下来我来介绍我们的项目,我们这个项目主要是应用在院内仓库的一个智能巡检系统。
这个业务的场景是,每天我们的仓库管理员到仓库里面,早班的第一件事就是要巡检哪几个库位。原来是靠经验进行筛选嘛,选不准的话,有可能会有一些库位的漏检。现在我们把这一步交给 AI 来做。AI 会选出六个候选的库位,然后排出先后,说明为什么要巡检它,最后形成一个路径的规划。
从候选库位到巡检任务
我们直接来看数据吧。我们现在的库位有326个。介入 AI 之后,巡检要负责的点降到了6个,单次巡检的时间从30分钟降到了3分钟,整个耗时缩短了90%。路线因为经过了规划,也由本来的71米降低到了17米。
在这个业务里面,让 AI 来做判断,整条业务流程是这样的:我们有四类业务数据,产品档案和状态、在库的库存、作业区的库存,还有近七天的出入库记录。我们会把这些数据喂给智能体。第一步是规则的筛选,从326个库位里面,最后产生6个候选,生成一个巡检任务单。
线上系统与路线规划
接下来我直接来演示我们线上这个系统吧。这个就是我们现在一个仓库的孪生系统。这边会有一个规划的助手,每天它会自动去生成一个规划的路线。这边有一个规划的任务,这边是对规划路线的评分。
刚才我们这个仓库的孪生系统,大家已经看到了。它会根据每天 AI 选出来的六个巡检点,进行一个路径的规划。系统会先做一轮风险的预检,在候选库位选择出来之后,进行巡检任务的输出。第一步是生成任务,结果会直接生成任务单,然后根据网格计算路线,绕开货架和隔断,不可达的库位会直接删除。
生产数据与系统边界
最后再展示一下我们的数据。之前在班前巡检的时候,有很多时间都会浪费在查表,查哪些库位的库存状态。现在这些都交给 AI 来处理,整个时间节约了90%。数据都是来自我们正式的生产环境,都是真实的 SPD 在库数据。工作流我们用 Dify 来调用,模型是 Qwen3-32B。
关于数据边界,我们系统只写巡检的数据,不会去改任何库存台账,也不会产生什么新的库位,也不会去代替质量的判定。谢谢大家。
AI 在巡检中承担什么工作?
根据李航航的演讲,系统将库存、档案及出入库等数据交给智能体处理,通过规则筛出候选库位,安排优先级并说明原因,再生成巡检任务和路线。人员仍需到现场执行巡检。工作重点是把班前的信息查找与任务安排系统化,不是让模型直接完成仓库质量判断。
巡检效率提升是怎样形成的?
根据李航航的演讲,原流程中相当一部分时间用于查表、查看库存状态和选择巡检位置。新流程将这些准备工作交给系统,并针对候选点位计算路线、绕开货架和隔断。路演披露的耗时与距离变化来自该项目的现场业务数据,不能直接外推为所有仓库的同等效果。
为什么要限制系统的数据写入范围?
根据李航航的演讲,系统只生成和记录巡检相关数据,不修改库存台账,也不新增库位或替代质量判定。这一边界将巡检执行辅助与库存、质量管理职责区分开,使 AI 处理建议和路线安排时,不同时获得改变核心业务记录与质量结论的权限。













