说实话，我从毕业就在机加工车间混，干了十二年。中间有五年，专门跟排程较劲。不是我喜欢较劲，是被逼的——天天有订单喊着“急”、“插单”、“加急”，车间主任天天催，最后排产表成了一个烫手的山芋。
后来从传统排产转到智能排程，折腾了两年，回头再看，其实排程这件事，本质上就是一个资源分配的博弈。但如果你以为靠软件就能一步到位，那你就错了。我见过太多厂子，花钱上了MES，却把排程做成了一场秀。
排程问题的本质：约束，全是约束
咱们先聊点理论。排程问题，学术上叫作业车间调度问题（Job Shop Scheduling Problem，JSSP）。这玩意儿是个NP-hard问题。什么意思呢？就是说，你想象一下有n个工件，要经过m台机床加工，每个工件的工艺路线各不相同，你要安排每一道工序在什么时间在哪台机器上做，才能让总完工时间最短。
听起来简单吧？但如果你拿手去试，你就能体会什么叫“组合爆炸”。10个工件、10台机床，你的选择空间比宇宙的原子数还多。所以，传统上老师傅排产，靠的是经验，跟那一点点“手感”。人工智能时代，我们就想把它变成模型驱动。
仔细想一下，排程的约束有哪些？设备时间约束、工件的工序顺序约束、资源冲突约束，还有人员、刀具、夹具那些乱七八糟的东西。这些约束叠在一起，就是一张密密麻麻的网。智能排程的核心，就是把这张网变成一个可以求解的模型。
但模型不是越复杂越好。我见过有工程师非要搞什么多目标优化，还引进了什么“帕累托前沿”。结果呢？参数调了一个月，车间根本没法用。为什么？因为现场根本没人去管那些前沿不前沿的——他们就要一个排出来就能跑的方案。
以那家液压件厂为例。他们的订单结构是这样的：常计划约30%，急单占40%，返修单占30%。你按传统流水线排，绝对玩不转。
我给他们建了一个混合整数规划模型，目标函数是最小化拖期惩罚和切换成本之和。说白了，就是让交期的损失加上换刀换料的浪费尽量少。约束就更多了，设备可用时间、刀具寿命、工人班次，全要写进去。
你可能会问，为什么不用遗传算法那种进化算法？因为混合整数规划在这个规模上（大约120个工件、60台设备）用分支定界法能算得很快。遗传算法要调群体、交叉率，还容易早熟。工程上，选一个能控制住求解时间的工具，比炫耀算法更重要。
模型不是算法堆砌，工程妥协才是关键
很多工程师一提到智能排程，就想到遗传算法、模拟退火、粒子群这些词。我不否认这些算法有用，但你要清楚，模型才是地基，算法只是求解工具。地基打不好，再牛的算法也是白搭。
什么是好模型？就是能把现场那些“潜规则”变成明确的约束。比如，某台机床换刀要20分钟，这个时间你若不写进模型，系统就会给你排一个频繁换刀的计划，停机时间比加工时间还长。这就是典型的“模型失真”。
再比如，工人有加班红线——每天最多加班2小时。你若不限制，系统为了赶工，可能给你排到凌晨3点，然后第二天操作工就罢工了。这种现实约束，必须变成硬性条件。
我经常说，参数定不全，排程就是耍流氓。你要知道每个订单的优先权、每道工序的标准工时、每个设备的OEE（设备综合效率）、甚至每个班组的可用工时。这些数据，很多厂根本没积累。所以，你上智能排程的第一个项目，往往不是写代码，而是去整理数据。
那家液压件厂的OEE数据是哪儿来的？我让他们在每台设备上装了一个简单的采集pad，每道工序开始和结束都打点。坚持了三个月，数据才有价值。没有这些，建模就是空中楼阁。
落地时那些看似不起眼的坑
第一个坑，数据同步。你ERP里的订单状态是滞后的，MES的设备状态可能延迟几分钟，甚至几十分钟。排程系统用的是快照数据，一眨眼，现场调了进度，你这边还当成旧数据在算。所以，一定要做“近实时”的数据接口，至少每5分钟同步一次。
第二个坑，异常处理。出现机器故障、工件报废、急单插队，日常得不得了。如果你的排程系统只能排静态计划，然后让你人工去改，那跟做Excel有什么区别？你要设计一套“滚动重排”机制，比如每小时触发一次增量重排，只调整受影响的那部分，而不是全盘推翻。否则你刚发布计划，现场还没读到，你又要变，那人家不敢信你了。
第三个坑，人机交互。车间里的老师傅还是习惯看纸质派工单。你搞一个iPad摆在那儿，没人去点。后来我们干脆做了一张看板，用彩色条块显示每台设备接下来四个小时的工件，用颜色区分交期紧迫程度，这才逐渐被接受。所以说，智能化不是把习惯倒过来，而是顺势而为。
第四个坑，其实还是绩效指标。你有没有定义清楚“排程质量”的好坏？是按交期达成率看，还是按设备利用率看？这两个指标往往互相矛盾。你要么找平衡点，要么分开看。否则领导和车间各执一词，最后连系统都成了背锅的。
从排程到智能，还差一个闭环
很多人问我，智能排程是不是未来就能全自动了？我的看法是，短期内别指望。排程只是智能制造的很小一环，它需要上游的订单预测、库存水平，下游的设备联网、状态监控。只有形成闭环，才能说“智能”。
比如我最近在弄的一个项目，把排程结果实时推送到AGV调度系统。但是，AGV运错料了，那排程再准也没用。所以，数据闭环是这个时代的核心。为了让两者协同，我们画了一张资源冲突热力图，用温度计信息来显影峰值时段。
这张图可以看到，红色区域是设备“撞车”的高峰，蓝色区域是空闲时段。通过调整工艺路径和班次，我们硬是把峰值期缩短了20%。这就是闭环带来的好处。
回到题目，订单智能排程，本质上是用模型换经验。不要想着一夜之间就人工智能，它更像是爬坡，一点一点把规则变成代码，把经验变成数据。
这两年我最大的感受是：算法不神秘，数据也不神秘，神秘的是你能不能耐下性子，把车间里那些鸡毛蒜皮的规则都摸清楚了。排程成功的秘诀，就是在工程上做好权衡，而不是追求理论上的最优。
你可能觉得这些想法有点土，但真到了车间，土办法往往最管用。毕竟，车间不会因为你的模型漂亮就变得听话。
