生产异常工单AI自动分派实验

在中小制造企业中，设备异常、品质异常、物料短缺等工单长期依赖人工判别与转派，响应链条长且易漏单。本实验室近期开展基于大语言模型的工单自动分派实验，尝试将语义理解引入流程自动化环节。
实验选取某汽配工厂三周的脱敏工单约1200条，对比关键词规则与语义模型两种方案的准确率。初步结果：规则方式在表述规范的工单上准确率约82%，面对口语化描述明显下降；语义模型整体准确率达91%，在跨类别工单（如"料筒温度波动，疑似加热圈故障"同时涉及工艺与设备）上表现更稳定。
下一步计划：
一、引入历史处理结果作为反馈信号，对误派样本做增量微调；
二、与现有MES工单模块对接，开展为期一个月的灰度验证，重点观察分派延迟与人工改派率。
我们的判断是：工单分派属于低风险、高频次的自动化切入点，适合作为企业流程自动化的第一步，但在缺乏人工复核机制前不建议全量接管。