上个月的一次课程设计答辩,第三组讲到一半停了。
他们做的是一条小型柔性制造单元的布局与排产方案。三台加工中心,一台AGV,一个上下料工位。表格做得挺漂亮,甘特图颜色分明,每台设备的时间轴排得密密麻麻。
然后我问了一句:如果现在T2机床的伺服驱动器报警,停机四个小时,你这张表怎么办?
安静了大概十秒。组长翻回前一页PPT,说:那我们把它的活儿往后挪。
挪到哪?挪完之后AGV的路径冲突谁来解决?下游的清洗工序等不等它?刀具够不够?
没答上来。
这不是他们笨。是他们在建模的那一刻,把生产资源动态智能调配里的“资源”两个字,理解得太窄了。窄到什么程度呢——窄到整张排产表其实只是一张会动的资产清单。
机床不是一个“能干活的东西”,它是一个有状态的东西
学生画资源清单,通常写成这样:加工中心×3,操作工×2,AGV×1,刀具若干。
这是资产清单。不是资源模型。差别在哪?差在一个词——状态。
一台加工中心,它的状态少说有这么几种:空闲、装夹、切削、换刀、在位测量、报警、待料。每种状态的持续时间和可打断性完全不同。切削到一半不能停;换刀可以等一等;报警了得有人去现场;待料那就纯粹是浪费。老师傅排产靠的就是这一层看不见的信息——他知道哪台机器现在“能塞活儿”,哪台塞进去准出事。这个判断写不进教材,可它就是调度算法真正的输入。
我后来换了个讲法。拿凸轮机构的从动件运动曲线做类比。
你们设计凸轮的时候,不会只盯“这机构能不能把东西推到位置”这一件事吧?要看位移、速度、加速度三条曲线,看有没有刚性冲击、柔性冲击。排产同理。每台设备在时间轴上有一条负载曲线,你要看的是它的斜率、峰值、突变点,而不是它总共有多少活儿。

学生对这个类比反应不错,因为凸轮他们刚学过,手里还有感觉。
不过说实话,这个类比只解决了一半的问题。凸轮的运动规律是确定的,是你设计出来的;车间里的设备状态是感知出来的——而且经常是错的、晚的、缺的。这一点我一开始讲得太轻,后面得补。
那次崩盘到底崩在哪——把失败拆开看
回过头复盘第三组。
问题一:他们把“重排”理解成了“整张表推倒重来”。
一报警,全盘重算。其实不用。动态调配有个朴素的规矩叫“少动”。已经装夹好的、正在切削的、马上要下料的,尽量别碰。能动的只有还没开工的那一截。这就是滚动时域的意思——但我不想一上来就扔术语,先把这层直觉给他们。
问题二:他们的资源里没有“人”。
清单上确实写了操作工两名。可我追问:他吃饭吗?换班吗?同时看得住几台机床?干到下午手会抖吗?
愣住。
人是最不可控的资源,也是最容易被当成常数抹掉的资源。同一个装夹动作,熟练工四十秒,实习生两分钟。中间差的这段时间,排产表里根本没体现。你把它当零,它就一定在某天变成负数,反噬你。
问题三:他们没想过“任务还能换个做法”。
急件插进来,除了往后排队,其实还有别的路:拆工序、换设备、换夹具、临时外协。学生的思路被自己画的那张工艺路线图锁死了。可工艺路线不是天条,它是当时资源条件下的一个解。资源变了,解当然可以变。
这三条我后来单独抽了一节课讲。不讲算法,就讲这三个想漏的地方。

工具链上的取舍——先从Excel开始,别急着上仿真
现在一谈智能调配,很容易张口就是遗传算法、蚁群、强化学习、数字孪生。
我不反对。但我的经验是,学生连“资源状态”和“时间窗”都没拎清的时候,上算法只会逼着他们把问题包装得很漂亮,然后算出一个没法用的结果。真的,见过太多了。
所以我的课上顺序是反过来的。
先Excel。做一个简陋的调度盘:行是设备,列是半小时一格的时间片。条件格式标出空闲、占用、冲突。任务块手动拖进拖出。手挪十次,他对“约束”的体感就长出来了,比讲半小时理论管用。
再上离散事件仿真。我用的是Plant Simulation,也见同行用AnyLogic,或者干脆让学生写Python的SimPy。到这一步,他们才开始明白“事件驱动”是什么意思——不是时间在走,是事件在推动状态改变。
最后才谈优化。而且我只讲一类:基于规则的派工。优先级规则、瓶颈设备优先、交付期临近优先。工业现场用得多的就是这些玩意儿,不是黑箱。
有学生问过我,老师,那AI在哪?
我说,AI在感知层和预测层,不在决策的每一步。预测刀具还能用多久、预测这批零件的实际工时、识别异常——这些是数据能帮上忙的地方。至于“现在该把哪个活儿派给哪台机器”,不少车间还是老师傅加一张规则表。
这话可能有点扫兴。但我觉得,比让学生以为算法能解决一切要诚实得多。

这门课我下次想改的地方
有个学生后来跟我说了一句话,我记到现在。
他说:老师,我发现最难的不是排产,是我根本不知道那台机器现在到底在干什么。
对。这句话点到了要害——动态调配的前提是感知,而感知这件事,在机械设计的课程体系里几乎是空白的。
我们教学生算齿轮的接触疲劳强度,算轴承寿命,算轴的挠度。这些都是在“设计一个确定的东西”。可车间里的设备是活着的,它的状态在变,它的数据在流,而且流得又脏又慢。
我打算下学期塞一个小模块进去:给一台机床挂几个传感器数据(用现成的开源数据集,不自己造),让学生从原始信号里把“切削中”“空转”“停机”这几个状态分出来。不求准,只求他们知道数据长什么样,有多脏,缺了某一段该怎么办。
还有个想法,把“人”正式写进资源模型。加一个疲劳度和技能等级的字段,看看排产结果会怎么变。学生大概率会头一回意识到,人不是可以无限压缩的缓冲。
这些改动能不能落地,我心里也没底。学时本来就紧,加东西就得砍东西,砍哪块又要吵一轮。
但方向我心里有了:生产资源动态智能调配这件事,在课堂里不该从算法讲起,该从“你怎么定义资源”讲起。定义错了,后面的模型再精致,现场一报警,全塌。