很多自动化产线的效率损失并不来自单机节拍，而来自工序之间的等待与返工。我们尝试用流程挖掘的方式，让 AI 从 MES 与 PLC 的历史日志中还原真实流转路径：先按工单号、设备号、时间戳抽取事件日志，再把离散事件对齐到标准工序，最后分解各段等待时间，定位瓶颈与流程变体。
在一条机加工线的阶段性实验中，我们用 6 周、约 42 万条事件还原出 17 种流程变体，其中两类由返修引发的变体贡献了约三成的工序间等待；瓶颈集中在清洗与终检之间的缓冲区。这里的难点不在模型复杂度，而在事件对齐规则是否与现场作业顺序一致。
- 进展：已支持从 MES 工单与设备状态日志自动构建事件流，输出瓶颈工位与高频变体清单。
- 下一步：接入在制品位置与设备实时状态，把离线复盘扩展为班中偏差提示，并先在两条线上做灰度验证。
评论