AI产线瓶颈定位定制：事件日志与工序再平衡

在多品种小批量电子装配线的试点中，我们把 MES 过站记录、设备状态变更和工位呼叫日志统一为事件日志，用流程挖掘还原真实流转路径，再用离散事件仿真做节拍敏感度分析，定位瓶颈工位并给出工序再分配建议。

要点一（进展）：连续 6 周约 41 万条事件中，除主路径外还识别出 7 类隐性返工回路，合计占用在制品停留时间约 18%，此前仅靠日报并未暴露。仿真建议将两道测试工序拆为并行工位并前置部分预装动作后，线平衡率由约 71% 提升至 79%，理论节拍下降约 6%。

要点二（下一步）：接入工位呼叫原因与人员技能矩阵，把仿真建议转成可执行的工位任务与时序约束，在两条产线做 A/B 验证；同时处理日志缺失、时间戳漂移和人工补录带来的偏差，避免把采集问题误判为工艺瓶颈。