工单流转AI自动化实验：异常识别与智能分派

本周实验室围绕中小制造企业的工单流转环节开展自动化实验，尝试将大语言模型与规则引擎结合，减少人工在MES与ERP之间的重复操作。实验选取某机加工车间近三个月的工单数据共约4200条，覆盖正常流转、物料缺料、设备故障、工艺变更等八类场景。阶段进展：1. 异常工单识别任务中，模型对缺料与设备故障类的召回率达91%，整体分类准确率88.6%，高于纯规则方案的76%；2. 分派环节引入置信度阈值机制，高置信工单自动路由至对应班组，低置信工单转人工复核，目前自动处理比例约65%，误派率控制在2%以内。下一步将补充工艺变更类样本，提升模型对长文本工单描述的理解能力，并与车间排班数据打通，验证分派结果与实际人力负载的匹配度。团队认为，该方向的价值不在于完全替代人工，而在于把重复性流转工作压缩到可管理的复核量级。