车间AMR智能调度实验：任务分配与避堵优化

车间内部物流是自动化改造中容易被忽视的环节。本实验室近期在某汽配工厂开展AMR（自主移动机器人）调度实验，验证基于强化学习的任务分配能否减少空驶与等待。传统调度多依赖先到先服务或固定区域绑定，高峰时段常出现部分AMR排队、部分闲置的情况。实验将订单到达、点位距离、电量与通道占用纳入统一状态空间，由调度智能体在线决策，并与原规则引擎并行对比。
阶段性结果：
· 日均300次搬运任务场景下，AMR平均空驶里程下降约18%，单趟平均等待时间由4.2分钟降至3.1分钟；
· 高峰时段任务积压峰值减少约三成，通道拥堵报警频次明显下降。
实验也暴露了局限：当产线临时插单比例超过15%时，学习型策略的优势收窄，需与规则兜底混合使用。下一步将引入插单预测信号，扩展至两班倒全时段验证，评估换班、充电窗口等真实约束下的稳定性。我们认为AMR调度适合作为自动化流程中“小切口、可量化”的AI落地场景，后续将持续更新实验数据。