工业AI排产智能体的应用实践

频繁的插单打乱全盘计划，订单交付一拖再拖，昂贵的设备却时常闲置？对于成千上万的中小制造企业来说，这些生产排程的 " 老大难 " 问题，仿佛一个无解的循环。AI 排产智能体的出现不仅是工具的升级，还是一次管理思维的释放，本次邀请到工业 AI 领域的专家，分享 AI 是如何让生产计划变得透明、高效，并真正成为制造业增长的新引擎。

分享嘉宾：圆木智能联合创始人，李凯

内容已做精简，如需获取专家完整版视频，请扫码领取。

今天与大家分享的主题，是关于 AI 排产智能体的构建与应用。

在打造这个产品的过程中，我们有一个非常重要的思考：如何将最新的 AI 技术与各个垂直场景进行深度融合。经过多次尝试和深入调研，最终选择将生产排产环节作为核心切入点进行打造。

目前，主要聚焦于服务中小型机加工企业，推出面向这一领域的排产智能体。它所针对的，是中小制造企业在多年数字化进程中始终未能彻底解决的一个关键问题——生产计划排程。

机加工行业普遍呈现 " 多品种、小批量 " 的生产模式。在这一模式下，企业常常面临以下几类典型痛点：

第一，插单现象频繁。此时，判断订单能否插入、是否会影响其他订单，过去主要依赖人工经验。尤其当插单频繁时，会给整个生产计划带来较大影响，常常导致计划不准确，或在最终交付时出现诸多问题。

第二，订单按期交付率偏低。一般企业的订单及时交付率可能仅在 60% – 70% 左右，许多订单无法按照向客户承诺的时间准时交付。这一方面是因为生产过程中变动较多，管控难度大；另一方面也与前面提到的插单频繁有关——很多时候由于插单过多，导致对整个交期的预测难以做到精准。

第三，设备利用率不清晰。机加工作为设备密集型行业，企业高度重视设备利用率。然而，企业往往对设备利用率的情况不够清晰，也难以做出精准预测。如果计划安排不合理，就容易出现设备闲置的情况。这对企业主来说是非常心痛的，因为设备投入成本高，闲置就意味着资源浪费。

对于机加工行业而言，过去并非没有解决方案。市场上早已存在传统的 APS（高级计划与排程）软件，试图攻克上述问题。然而，这类软件存在一定的局限性。

传统 APS 往往致力于在 " 全约束 " 条件下生成一个长期、完美的排产计划，追求排程周期越长、结果越精确越好，本质上是不断寻找最优解。这种模式在规模化生产的大型企业中或许适用，但对多品种、小批量的机加工企业来说，它们需要的并不是一个长期周期的最优解，而是一个能够持续响应生产过程中各种变化的系统。

无论是频繁插单，还是现场的设备异常、工装夹具问题、人员变动，比如调机师傅临时缺勤，或调机时间超出预期，企业都希望系统能快速应对这些突发状况。而这正是我们希望借助智能体技术所解决的问题。

我们的排产 Agent 产品命名为 " 今天排 "，之所以叫 " 今天排 "，是希望这款产品能成为客户每天都会使用的排产工具。在生产中，每天都有可能面临各类变动，而 " 今天排 " 正是为了帮助企业在日常运营中灵活响应这些异常与变化而生。

在了解产品功能前，许多企业管理者最关心的问题是：这套系统使用起来难度高吗？经过上一轮数字化浪潮的洗礼，不少企业对数据准备心有余悸，尤其担心中小企业自身数据质量是否足以支撑复杂系统运行。

从设计视角来看，" 今天排 " 作为一款 AI 排产智能体，在使用上仅需要三类基础数据：

第一类是设备数据。这部分每家工厂都具备，通常已有一份完整的设备清单。

第二类是订单数据。订单信息无论是以 Excel 形式存储，还是存在于 ERP 系统中，企业必然都有记录。

第三类则是工序数据，即每个订单产品所需经历的加工工序及其大致耗时。这部分数据在准备时可能稍具挑战，但实际上它存在于每家企业的实际运营中——若无清晰的工序流程，连向客户报价都难以准确进行，因此企业通常都具备相应基础。

总体而言，系统运行所依赖的这几类数据对企业来说都是现成的，只需稍作整理即可导入。一旦完成数据导入，系统便能快速生成有效的排产计划。

在排产结果的展示上，系统采用了直观的甘特图形式——这也是大多数企业目前使用 Excel 手动排产时熟悉的视图，便于用户快速理解与应用。

在界面中，纵向列出的各类设备名称，横向则展示每个工单及其对应工序在不同设备上的时间安排。您可以清晰看到同一工单的工序流转路径，例如第一道、第二道、第三道工序如何在不同设备间衔接，从而一目了然地掌握全厂设备的使用情况、空闲状态以及工单进度。

这种灵活的视图还具有实时标注功能。一旦出现工序冲突或订单延期，系统会以红色高亮或 " 延 " 字标识进行提示，帮助计划人员快速定位问题。

更重要的是，排产结果并非固定不变。如果对 AI 生成的方案不满意，计划员可直接通过拖拽方式进行调整。系统并不强制用户完全遵循 AI 建议，而是将其作为参考，充分尊重和融入人工经验。此外，系统支持多视角查看与分析，帮助计划员清晰判断哪些时段设备空闲、哪些环节可优化。整个排程过程既可手动干预，也可交由 AI 快速生成，实现了灵活性与效率的兼顾。

在排程过程中，系统为用户提供了多种可配置的排产优先级策略。目前共支持六类优先级选项，用户可根据实际需求灵活选择：

急单优先：优先处理加急订单；

交期优先：以订单交付时间为首要考虑因素；

产能优先：以提高整体设备利用率为目标；

变动优先：在新增排程时尽量不影响已排定计划；

利润优先：优先安排利润高、金额大的订单；

要客优先：确保重要客户的订单得到优先处理。

用户可根据当前排产阶段的实际情况，灵活选择不同的优先级组合。每一项优先级均支持从 1 到 10 共十个等级进行微调，实现更精细的权重控制。

在排产约束方面，系统全面考虑工序逻辑、设备能力、交货时间、工装夹具准备、换产次数以及外协资源等多项条件。在此基础之上，系统能够快速生成排程方案。以典型场景为例，针对约 50 台设备、50 – 100 个订单的规模，完成一次排产仅需 10 – 15 秒，极大克服了传统排产软件耗时过长的痛点。

用户可快速获得参考计划，并在此基础上进行优化调整，待确认无误后再正式发布。此外，系统支持在草稿模式下随时对排程方案进行修改与迭代，持续探索更优解。这一功能有效帮助企业高效应对生产过程中的各类变化，实现快速响应与动态调整。

同时还引入了大模型技术来应对常见的生产场景。以最典型的插单场景为例——面对临时插入的订单，企业常常难以快速判断该订单能否承接、插入后会对其他订单产生何种影响。

为此开发了一套基于 AI 的插单场景向导比对功能。针对同一笔插单需求，系统能够生成多种不同的排产方案，并清晰展示各方案的优劣，具体包括：每个方案将影响哪些原有订单、对整体成本造成怎样的变化等。在此基础上，系统还会推荐一个最优方案，并在下方详细列出该插单操作对生产次序的具体影响。

这一功能的优势在于，能够让生产计划人员乃至管理者一目了然地掌握情况：在接收到插单需求时，能够迅速判断是否可接单、接单后带来的影响是什么，以及最佳应对策略是什么。从而有效解决日常生产过程中最令人头疼的插单难题。

同时，在排产过程中，借助 AI 技术实现了对多种不同排产策略的并行比较。传统排产往往依赖经验选定单一方案，而实际操作中，生产计划人员常常希望能在多个可行方案之间进行权衡和选择。

为此，通过 AI 生成了多个可供比较的排产方案，并以图形化的方式直观展示不同策略之间的差异。用户可以从多个维度进行对比，例如各方案的订单及时交付率、总体订单金额变动等关键指标。此外，系统还会清晰显示每个订单在不同方案下的交付状态——是否能够按时完成，或是会出现延期等情况。

借助这一功能，客户在进行最终排产决策时，不再局限于仅以满足交期为目标的单一方案，而是能够根据自身需求，在多个经过优化的策略中灵活选择，从而实现更贴合实际生产目标的排产安排。

在系统设计上，我们还引入了智能体交互模式，进一步降低使用门槛。除了之前提到的甘特图界面之外，用户现在也可以通过自然对话的方式与系统进行交互。

例如，您可以直接询问：" 目前产能瓶颈是什么情况？" 系统会立即反馈整体产能状态。您也可以针对特定订单进行查询，了解其当前排产进度与预计交期。若对交期不满意，您可以直接提出要求，比如：" 这个订单能否提前两天交付？客户很急。"

此时，智能体会自动进行模拟测算，并清晰告知您若将该订单提前两天交付，将具体影响哪些其他订单、可能导致哪些订单延期一至两天。在您确认可行后，即可一键完成调整。

这一功能为企业提供了更加灵活、直观的排产使用方式。过去，所有排产相关查询与调整都依赖计划员一人处理；而现在，任何有权限的人员，无论是销售人员还是管理者，都可以通过直接与智能体对话，实时掌握自己关心的订单在整体交付计划中的位置及预期交付时间。

这就像我们在电商平台或外卖应用中随时追踪订单状态一样，用户可以清晰掌握每个工单的当前进度。希望通过这样的方式，真正降低系统使用门槛，让排产管理变得更加透明、高效。

从排产智能体实践角度，为大家分享一个真实的客户案例。

该客户是一家服务于航空领域的机加工企业，其典型特征是订单毛利较高，但工单极其琐碎，单个订单的数量通常只有几件到十几件，最多也不超过 50 件。

这种业务特点导致其承接的订单零散、工序繁多且每单规模很小。如图所示，这是该企业计划员手工排产的结果：一批订单需要 14 天才能完成生产。在甘特图视图中，可以清晰地看到排产时间线上存在大量空白区间，明显具备优化空间。

但需要说明的是，在日常工作中，计划员通常并不使用甘特图，而是借助 Excel 表格进行排产。表格中仅列出订单客户名称、开始与结束时间等基础信息，难以直观识别出中间存在的优化机会。

将同一批订单交由排产系统处理，系统仅需 4 天半即可完成排产。当然，这一案例属于优化效果较为显著的情况，主要由于客户订单特别零散，且手工排产时为保稳妥预留了过多安全余量。

根据我们与早期客户共同进行的测算及已上线项目的实际数据，系统平均可帮助客户将排产计划周期缩短 10% 至 20%。也就是说，原本需要一个月完成的一批订单，经过优化后大约 25 天即可生产完毕。这意味着在不增加任何硬件投入的情况下，企业相当于凭空多出了 20% 左右的产能——即便保守估计，提升幅度也可达到 10%。

对企业而言，只要接单能力和销售能力跟得上，就能释放出更多有效产能，承接更多订单。这是一个非常直接且可观的经济收益。