摘要：很多制造企业花大价钱上了智能生产调度系统，结果反而比人工排产更乱。本文结合笔者在珠三角离散汽配车间三个月的落地经验，聊聊智能调度落地中看不见的坑、选型的核心逻辑，以及人机配合的实际经验，供有一定基础的中级工程师参考。
为什么你家的智能生产调度跑不起来？
去年帮珠三角一家做汽车底盘零部件的工厂调系统，刚去的时候老板一脸愁容。花了六十多万上的智能调度，上线半个月，交期延误率从原来人工排产的21%涨到了36%。车间怨声载道，老调度说不如自己排，工人说系统瞎排，换刀换的比加工还多。
问题出在哪？90%的智能调度翻车，都死在基础数据不准上。
很多人做方案的时候，张嘴就是算法精度，闭口就是全局优化，从来不肯蹲在车间测三天实际工时。你工艺卡上写的标准加工工时30分钟，那是理想状态。实际工人换旧刀要12分钟，新刀调试要8分钟，毛坯硬度超差还要多走一刀，加起来快一小时了。你系统里录的还是30分钟，排出来的计划能准吗？
还有物料齐套数据。系统显示所有物料都到位了，实际仓管刚盘完库，把一批铸钢毛坯放错了货架，找都找不到。调度排的再好，机床还是空等。
我当时花了整整两周，带着两个工艺员，测了127种不同工序的实际加工工时，按刀具新旧、毛坯硬度、工人技能等级分了三个档位，重新录入系统。又梳理了仓库的库位管理规则，把齐套率核查的节点从发料前24小时提前到发料前72小时，数据准确率一下子从原来的62%升到了94%。就这一步，延误率直接降了10个百分点。
你说麻烦？确实麻烦。但没有准的基础数据，再牛的算法都是无米之炊。
落地级智能调度的核心：算法不是越先进越好
数据捋顺了，接下来就是算法选型。说实话，我见过太多被销售忽悠瘸的案例。一上来就说我们用了通用大模型，能解决一切调度问题，价格翻三倍，结果用起来根本不是那么回事。
智能生产调度本身是个NP难问题，这点懂行的都知道。不存在什么全局最优解，尤其是多品种小批量的离散制造，约束条件一堆，你让算法找最优解，算两个小时出来，订单都过了交期了，有啥用？
好的落地调度算法，核心是找可行的满意解，不是找理论上的最优解。
我们当时对比了三个方案：第一个是纯强化学习的黑箱模型，第二个是整数规划模型，第三个是遗传算法+人工规则的混合模型。纯强化学习那个，算一次排产要40多分钟，插个急单要重算半小时，车间根本等不及。整数规划更扯，约束加的多了直接算不出来，说超出求解范围。最后选了混合模型：把老调度员干了三十年的排产规则，比如“同材质同工序尽量合并排产减少换刀”“急单优先占用闲置8小时以上的机床”“关键工序预留10%的缓冲时间”，这些做成硬规则放进系统，遗传算法只在规则划定的范围内搜索满意解，一般10分钟以内就能出结果，排出来的计划符合车间的生产习惯，工人也不抵触。
当然，不同场景选的算法不一样。你要是做流程制造，比如炼化、化工，生产流程固定，约束也稳定，那用模型预测控制就很好，比混合模型还好用。别迷信什么大模型、最先进算法，适合你车间的生产模式，能出能用的结果，就是好算法。
上线之后最容易踩的坑：别把人扔了
我见过最离谱的操作，一家工厂上线智能调度之后，把干了二十八年的老调度开除了，说系统能完全取代人，省工资。结果上线第三个星期，一台关键加工中心主轴坏了，要抢修三天，系统直接乱套，没人会调整，整个车间停了一天，损失几十万！
不过话说回来，智能调度从来不是用来取代调度员的。它是来帮调度员减负的。原来老调度员每天早上八点到十点，两个小时排产，排错了还要背锅，现在系统排好，他花十几分钟调整一下异常，剩下的时间去车间转，处理突发情况，对接物料，不比原来香吗？
还有一个坑，就是非要追求100%的排产准确率。我一开始也钻牛角尖，要求系统排产准确率到95%，调了两个月，各种加约束，算法越来越复杂，速度越来越慢，最多也就到91%。后来想开了，留9%给调度员手动调，不就行了？系统做它擅长的大规模计算，人做他擅长的异常处理，分工明确，效率反而更高。
工人的接受度也很重要。刚开始很多老工人说系统排的不对，我们就每周开半小时会，让调度员和工人提问题，哪里不对就改哪里的规则，比如原来系统不考虑某个工人只会开特定机床，加上去，就对了。不到一个月，大家都不说闲话了，毕竟原来天天加班赶交期，现在准点下班，谁会跟好日子过不去？
现在那个车间跑了快一年了，交期延误率稳定在6%到7%，机床整体利用率提了18个百分点，原来三个调度员，现在只需要一个，剩下两个转去做生产异常管理，反而帮车间减少了很多突发停线的损失。
制造业的智能化，从来不是搞花架子。智能生产调度也一样，把基础数据做扎实，选对适合自己的方案，让人和机器各干各擅长的事，就能拿到实实在在的收益。哪有那么多玄乎的概念？都是一步步踩坑踩出来的经验罢了。
