制造企业的设备报修、品质异常类工单，目前多由值班人员人工判别类型后转派，错派与漏派常导致响应延迟。实验室近期围绕工单自动分派开展实验，思路是将大模型语义理解与既有规则引擎结合，而非直接替换现有流程：先以历史工单构建“现象描述—处理班组”样本对，微调轻量模型完成意图分类；同时保留产线号、设备编号等关键字段规则作为硬约束，两者冲突时规则优先并转人工复核。
- 在近三个月脱敏工单数据上回测，语义路由对班组分派的Top1准确率约86%，较纯关键词规则提升约12个百分点；引入规则兜底后，错派纠正比例降至3%以内，单均分派耗时由分钟级降至秒级。
- 下一步计划接入实时工单流进行灰度验证，并针对描述信息不全的场景，评估模型的澄清追问策略与人工升级阈值。
整体看，语义模型负责理解模糊描述，规则负责守住业务底线，这一分工在流程自动化场景中具备复制价值。
评论