在车间异常处理场景中，工单从发现到派单往往依赖值班人员人工判断，流转路径不固定，平均响应时间波动较大。本实验室近期在某汽车零部件工厂开展异常工单自动分派流程试验：将设备报警、质检异常、物料短缺等来源的工单统一接入流程引擎，由大模型完成类别判定、优先级评估与责任班组匹配，再经规则校验后自动派发。
试验覆盖四周、共约1200条工单，要点如下：
- 自动分派准确率92%，其中设备类工单达95%，物料类因描述口语化误派率偏高；
- 工单从创建到派发到人的平均时长由26分钟缩短至4分钟，夜间时段改善最明显。
下一步计划：引入车间组织结构与历史处理记录作为上下文，优化模糊描述工单的分类；对低置信度工单保留人工复核通道，避免误派扩大影响。试验表明，在规则与大模型结合的前提下，异常工单流转具备可落地的自动化空间。
评论