生产异常工单AI分诊定制：自动派单与闭环跟踪

在《自动化流程实验室》近期的实验中，我们把产线异常工单当作一条可被AI编排的流程来处理：从MES/Andon取异常描述、设备编码、停机时长等字段，先做规则清洗，再用小模型完成异常归因分类（设备、工艺、物料、质量、人为），随后按技能矩阵与当班负荷自动派单，处理结果回写工单系统形成闭环。

两条阶段性结论：

• 归因环节：以近8周约1.2万条历史工单做训练与留出验证，五类归因的Top-1准确率约86%，"其他"类占比由41%压到12%左右，人工二次分诊明显减少；
• 派单环节：引入技能匹配与在岗负荷约束后，平均派单时延从人工的约9分钟降到1分钟以内，一次转派率下降约三成。

下一步计划：把异常文本与设备时序数据做联合特征，验证对"同一设备重复异常"的提前识别能力；同时在两条试点线跑一个月的A/B对照，重点观察MTTR与转派率是否稳定，再决定是否扩线。