生产异常工单智能分派：语义路由自动化实验

在离散制造场景中，生产异常工单长期依赖人工判型与转派，流转耗时长且错派率偏高。自动化流程实验室近期开展一项实验性探索：用大语言模型对异常描述文本做语义解析，结合历史流转数据训练分类路由模型，将异常自动归入设备、物料、工艺、质量四类通道，并生成初步处置建议供班组长确认。
阶段进展：
· 在某汽车零部件工厂近三个月4200余条脱敏工单上回测，异常类型自动分类准确率达89.6%，较原关键词规则方案提升约14个百分点；
· 工单自提报至抵达责任班组的中位耗时由47分钟缩短至19分钟。
团队同时观察到，设备与质量并发的复合型异常仍是主要误判来源，约占误判量七成。下一步将引入多标签路由机制，并打通与MES告警的事件级关联，验证真实产线连续运行下的稳定性。本阶段结论基于离线回测，暂不做产线全量切换的推广判断。