大模型+规则引擎：工单智能分派自动化实验

在离散制造场景中，设备报修与维护工单长期依赖人工分派，平均流转耗时约40分钟，且错派率随班次波动明显。本实验室近期围绕「大模型+规则引擎」混合架构开展工单自动分派实验：大模型负责故障描述的结构化解析与类别判定，规则引擎校验派工约束（技能资质、班次负载、区域归属），双方结果交叉验证后方可进入执行环节，以降低模型误判风险。

阶段性进展：基于近三个月积累的1200余条历史工单回测，类别判定准确率达92.6%，分派建议与资深调度员一致率约88%；在两家试点产线的灰度运行中，单据平均流转时间由38分钟缩短至9分钟，因错派引发的二次派单下降约三成。

下一步计划：一是补充低频故障类别的标注样本，改善长尾类别识别；二是引入调度员反馈的在线学习机制，目标将一致率提升至93%以上；三是探索与设备告警系统联动，实现「告警即建单」的端到端自动化。