RPA+大模型：制造工单智能分派实验进展

制造业售后与设备报修场景中，工单分派长期依赖人工判读：客服记录、邮件、即时消息等多渠道文本格式不一，分派准确性与时效难以保证。本实验室近期开展“大模型+RPA”混合流程自动化实验，探索非结构化文本到系统操作的端到端打通。技术路线上采用分层意图识别：高频场景（设备故障报修、备件申领等）由轻量分类模型处理，长尾与复合诉求交由大模型完成实体抽取（设备编号、故障现象、紧急程度），并设定置信度阈值，低于阈值的工单自动转人工复核；RPA层负责在ERP与工单系统中完成建单、派单与状态回写，通过元素锚定与重试机制应对界面变更。阶段性结果：在某装备制造企业试点两周，覆盖3类高频场景、约1200张工单，意图识别准确率91.6%，单张工单平均处理时长由6.5分钟降至1.8分钟，人工介入率约8%。下一步计划：一是引入历史工单检索增强，降低复合诉求误判；二是针对大模型幻觉风险，增加关键字段校验与操作留痕审计，验证方案能否满足生产环境的可追溯要求。