在自动化流程实验室近期的实验中，我们尝试把「工单排队」从人工经验判断改造成可解释的评分排序问题。场景来自运维与生产支持共用的工单池：每天新增数百条请求，工程师凭感觉挑单，容易出现高影响面问题被低优先级工单挡住的情况。
实验做法是先做特征统一，把工单文本、历史处理时长、关联设备/产线、报障人角色、是否阻塞下游工序等信号编码为结构化字段；再用影响面与紧急度两个维度打分，最后在SLA（服务等级协议）剩余时间约束下做排序，而不是简单按时间先后或单一优先级标签。
阶段性进展：在两周的回放测试中，按该排序取前20%的工单，覆盖了约七成最终被判定为高影响的请求，同时SLA超时工单数量下降约15%。需要说明的是，模型对文本描述的依赖仍然较强，描述含糊的工单容易被低估。
下一步计划是引入「阻塞传播」特征，即一个工单会拖住哪些下游任务，并验证在跨班组交接场景下排序是否依然稳定。
评论