LLM工单自动分派：设备报修流程自动化实验

在自动化流程实验室近期的探索中，我们尝试将大语言模型引入设备报修工单的处理环节，验证“报修文本理解—故障分类—工单自动分派”这条链路在真实工厂环境中的可行性。传统报修流程依赖人工阅读描述、判断紧急程度再转派，夜间与交接班时段容易出现响应延迟。我们在某机加工车间部署了实验系统：报修人通过企业微信提交自由文本，模型完成故障类别识别、优先级判定与责任班组匹配，生成待确认的派单建议，由值班工程师一键确认或改派。阶段性结果：1）两周内累计处理312条真实工单，故障分类准确率约91%，派单建议被直接采纳的比例为78%；2）平均派单响应时间从约25分钟缩短至3分钟以内，夜间与交接班时段改善最为明显。我们也观察到局限：报修描述过于简略（如“机器响了”）时模型置信度偏低，系统会自动转人工并提示补充信息，避免误派。下一步计划：引入历史维修记录作为检索依据，提升少见故障的判断能力，并探索与备件库存系统联动，让派单建议附带备件可用性提示。