在多品种小批量车间，工单派发往往依赖班组长经验：先看交期，再看设备空档，最后靠电话协调。AI小忙自动化流程实验室近期围绕「约束可计算的派发」做了一轮实验，目标不是替代排产系统，而是把派发环节中反复沟通的部分转为可校验的规则。
方法上，我们把派发拆成三层：硬约束（设备能力、模具/治具可用性、人员资质）、软约束（换型次数、交期余量、能耗峰谷）、以及人工偏好（客户优先级、老设备稳定性）。前两层由规则引擎与启发式搜索求解，第三层保留人工权重输入，输出为候选派发方案而非直接下发，由班组长确认后回写执行结果，形成偏差样本。
阶段性进展：
- 在含 12 台设备、日均 60 张工单的仿真数据上，换型次数较人工基线下降约 18%，交期超期工单数持平；
- 关键瓶颈不在于算法，而在于约束数据的时效性——设备状态、治具位置一旦滞后超过 15 分钟，方案可用率明显下降。
下一步计划：接入设备状态实时流，并针对「插单」场景单独建模，观察规则引擎在高频扰动下的稳定性。
评论