说实话，干了这么多年物流系统集成，最怕听到一个词——“智慧”。一提到智慧物流，甲方眼里放光，老板心里算账，最后受苦的都是咱们做技术的。今天不扯那些PPT上的东西，就聊聊智能物料流转调度管控落地时，那些你必须亲手捋清楚的破事。
先讲个真事。2019年帮一家做工程机械的厂子改造装配线，物料从立体库到工位，中间用了十几台AGV。单机调试一切正常，联调开始就乱了套——十几台车在交叉口堵成粽子，死锁了整整四十分钟。为什么？调度模型里的路径冲突判断写得太粗糙。当时用的是单向环路，本来想着简单可靠，结果多任务并发时，环路反而成了唯一的瓶颈。
一、调度模型别追求花哨，先满足这些硬约束
做调度系统，第一件事不是选算法，而是把约束条件列全。哪些是硬约束？比如，任务的最晚完工时间、AGV的电池电量护栏、工位料架的容量上限。这些约束一旦违反，后果就是停产或者设备损坏。软约束呢？比如尽量让物料在同一辆车上拼单，减少空驶。软硬分开，你的模型才能既有底线又有优化空间。
我当时用的滚动时域方法，周期设成120秒，预测未来30分钟的任务。具体怎么定？看你的任务到达率。我们的经验是：调度周期 = 平均任务间隔的5~8倍，最小值不得低于30秒。太短，系统频繁重算，CPU开销大；太长，实时性差，来不及响应异常。
有人喜欢上强化学习。我不泼冷水，但建议先拿历史数据回归一个简单的优先级规则。比如，紧急订单优先，先到先做，再按剩余交期最短排。这些启发式算法往往比黑盒模型更可控，出了问题也好查。强化学习？等你的场景稳定了再说吧。
二、感知层是调度的大腿，数据可信度决定一切
调度系统最怕什么？数据是错的。我们有个项目，料箱RFID读取成功率只有95.3%，别小看那5%的错误，一天下来就是几百次错误映射。AGV跑到指定货位，找不到箱子，或者拿错了料。后来怎么解决的？增加视觉二次确认，在取放货口加一个工业相机，比对料箱的尺寸和颜色特征。识别错了，直接报警，不让AGV动作。这才是可靠的闭环。
定位也是一样。我记得刚做AGV时，用磁条导航，定位精度±2cm，其实够用，但柔性差。后来换SLAM激光导航，精度更高，但是必须处理动态场景下的地图漂移。比如高货架区域，激光扫描特征稀疏，定位偶尔跳变。所以，对精度要求高的对接工位，最好增加二次定位——比如二维码或者地标。
这里有个经验参数：AGV二次定位精度至少要达到±5mm，否则无法自动插接充电桩或者对接辊筒线。别信宣传册上的“重复定位精度±10mm”，那是理想环境。现场有粉尘、油污、光照变化，你测得准才有鬼。
三、通讯与接口——调度和PLC的“婚姻”需要经营
调度系统再智能，最后都得通过PLC或者直接总线去驱动设备。问题往往出在接口规范上。我们早期吃过一个大亏：AGV制造商用的是自己的调度协议，跟我们中控完全不兼容，最后只能做一个转换网关，白白多了一个单点故障。
后来统一采用OPC UA 和 MQTT 混合模式。设备层的实时控制走OPC UA，任务状态上报走MQTT。别问为什么不用一个协议搞定——OPC UA的发布订阅虽然强大，但是对老设备的支持不够。MQTT轻量、灵活，适合事件类消息。这样分工，两边都轻松。
另外一个坑：通讯心跳超时设定。我们一般设5秒，超过就判定设备离线，任务自动转移。但别设太短，否则网络抖动会造成误判。曾经一间厂房里金属粉尘大，网络丢包严重，心跳误报导致AGV频繁急停。后来加了滑动窗口滤波，连续3次超时才算离线。这种细节，供应商不会帮你调好的。
还有，指令ack机制。每一条派送指令必须等到设备返回“已接收”才算发送成功。别用UDP广播，必须用TCP或有确认的MQTT QoS1以上。你要是图省事，等着半夜被电话叫醒吧。
说到标准，如果你用的是AGV，建议好好读一读VDA 5050，它定义了AGV与调度系统的通信接口，能省掉不少扯皮的功夫。
四、调度算法实战——从Dijkstra到A*的进坑史
路径规划是调度的大脑。最早我们用Dijkstra，原理简单，节点多了以后性能就拉垮。现场有200多个节点，每次重规划都要几十毫秒，看着不明显，但任务量一大，延迟剧增。后来换A*，加一个启发函数，速度提升了一个数量级。注意，地图网格化时，网格尺寸别小于车体转弯半径的一半，否则算出来的路径会出现直角转弯甚至原地打转。
多AGV协作时，时间窗算法比单纯的路径规划靠谱。给每辆车分配一个经过节点的时空窗口，窗口冲突就让优先级高的先过。但时间窗也有问题：如果任务波动大，窗口要动态调整，计算量又上去了。我们最后采用了双层策略：上层用集中式任务分配，下层每辆车自己用A*算局部路径，遇到障碍就原地等几秒再规划，这个“等待”策略简单但极其有效。
还有死锁问题。你可以用颜色条带法，让环形路线上的车辆保持同向，或者设置禁区。最简单的办法是，在交叉口加一个互斥信号量，同一时刻只允许一个方向的车流通过。虽然降低了部分通行效率，但换来了稳定。别为了那么一点点效率去赌概率。
五、别忘了人——调度系统也要讲人情世故
系统上线前，老师傅们都会很抵触。你把他做了十几年的活交给几台机器，他肯定不服。所以我们的做法是，保留一个“人工调度台”，可以查看所有任务，也可以手动改派。但有一个前提：手动操作必须留痕，方便追溯。另外，界面上的汉字要符合现场习惯。比如“出库”要叫“领料”，“入库”叫“退料”。这些小事，直接决定工人会不会按你的按钮。
还有一点，异常恢复流程要提前演练。系统宕机了怎么办？我们设计了一个“降级模式”：AGV自动切换为手动遥控，中控数据不更新，但是产线不能停。这个模式用的不多，但每次都能救急。想想看，如果一套系统一年宕机两次，每次造成停产半小时，那损失可比省掉冗余成本大得多。
六、算清账——别让技术改造变成技术负担
最后聊聊投入产出。智能调度不是买一套软件就完事。你得考虑现场改造费用、AGV及设备成本、系统集成费用、以及后续运维的人员工资。我们做过一个预算：一套20台AGV的调度系统，总投入大概在800万左右，三年回收。如果你们年产量低于某个值，可能回收期更长。
计算AGV数量有个经验公式：N = (T循环 × R) / (T节拍 × η)，其中T循环是单趟任务的循环时长（包括取货、送货、充电等待），R是单位时间任务率，η是系统可用率（一般取0.85）。但要注意，实际往往不是算出来的，而是数出来——你得模拟仿真。
仿真一定要做，但别迷信。仿真帮我们找到过瓶颈，也让我们一度以为万事大吉。真实世界的扰动永远比你模型的多。所以，预留15%的产能余量，别卡得太死。
好了，差不多就这些。智能物料流转调度管控，说到底是把现场的无序化为有序，再把有序化为高效。真做起来，你会发现，最难的从来不是技术，而是你对现场的理解。多去车间走走吧。
