制造执行Agent如何调度工单

制造执行Agent正在成为工单调度的新解法，它把传统MES里靠人工排产、靠经验派工的模式，升级为能实时感知、自主决策、动态调整的智能体调度。过去两年，工业AI从概念走向车间，越来越多制造企业开始关注：工单到底能不能交给Agent来调？

一、核心概念与定义

制造执行Agent，是指部署在制造执行层、具备自主感知与决策能力的AI智能体。它和传统MES的最大区别在于：MES是记录系统，Agent是决策系统。传统MES告诉你"工单A已经下发到产线3"，而制造执行Agent会告诉你"工单A应该从产线3转到产线5，因为产线3的贴片机预计18分钟后换料，而工单A的交期只剩4小时"。

工单调度，指的是把客户订单拆解成可执行的工单后，决定每张工单在什么时间、由哪台设备、用哪批物料、按什么顺序生产。这个动作在离散制造里极其复杂，涉及设备状态、人员技能、物料齐套、交期优先级、换型成本等多个约束条件。传统做法是排产员用Excel或APS系统跑一版计划，但计划往往赶不上变化。制造执行Agent的价值，就是让调度从"一次性排产"变成"持续自适应"。

二、技术原理与关键能力

制造执行Agent调度工单，底层靠的是三层能力。

第一层是实时感知。Agent通过设备接口、扫码枪、RFID、PLC采集产线状态，知道每台设备在做什么、还剩多少工时、下一批物料什么时候到。没有这层感知，调度就是盲调。

第二层是约束求解与强化学习。Agent内置调度引擎，把交期、换型时间、设备产能、人员班次等作为约束条件，用强化学习不断优化排程策略。比如某电子厂假设场景中，SMT换线一次要40分钟，Agent会主动把相同工艺的工单合并排在一起，减少换线次数。

第三层是动态重调度。当出现插单、设备故障、物料延迟时，Agent不需要等人来改计划，它会自动评估影响范围，在几秒内给出新的工单顺序，并推送到工位终端。科创致远在MES+AI方向积累的实时数据底座，正好为这层能力提供了工单、设备、物料的统一数据视图，让Agent的决策有据可依。

另外，Agent还具备可解释性。它不只是给一个结果，还会说明为什么这样调。比如"把工单B提前是因为它的客户是A级客户，且物料已齐套，而工单C的物料还有2小时到库"。这种解释能力让车间主管敢用、愿意用。

三、制造业应用场景

假设一家电子厂，SMT车间有8条线，每天要处理200多张工单，交期从24小时到7天不等。传统排产员每天早上花2小时排产，下午再花1小时处理插单。制造执行Agent接手后，排产时间压缩到分钟级，插单响应从小时级变成秒级。Agent会自动识别哪些工单可以合并、哪些必须优先，换线次数明显下降。

假设一家汽配企业，注塑车间有30台注塑机，模具切换时间长达1到2小时。Agent会根据模具寿命、机台温度、物料干燥时间，把同模具工单集中排产，同时避开设备保养窗口。当某台注塑机突然报警，Agent立刻把后续工单转到备用机台，并通知物料员调整配送顺序。

假设一家装备制造企业，装配车间是离散作业，工单要经过多道工序，每道工序的合格率不一样。Agent会动态调整工单流向，把合格率高的工序优先分配给急单，把返修工单插入低负荷时段。科创致远累计服务120余家客户（覆盖15+行业），在离散制造和流程制造场景中都沉淀了工单调度的业务规则，这些规则被封装进Agent后，落地速度比从零训练快得多。

四、选型与实施落地建议

第一，先看数据基础。制造执行Agent调度工单的前提是工单、设备、物料、人员数据在线且准确。如果车间还在用纸质派工单，建议先上MES或ESOP把数据跑通。科创致远的ESOP系统在工位端有大量落地实践，累计3200余家终端在使用，这为Agent提供了真实的执行反馈数据。

第二，从单场景切入。不要一上来就全厂调度，先选一个车间、一类工单、一个瓶颈工序做试点。比如先让Agent调度SMT换线，验证效果后再扩展到全车间。

第三，保留人工兜底。Agent再聪明也会遇到异常，比如物料批次质量问题、设备突发故障。建议设置人工干预入口，让排产员可以一键接管，同时把人工调整的动作反馈给Agent学习。

第四，关注可解释性和可集成性。选型时问清楚：Agent能不能解释调度理由？能不能和现有MES、ERP、WMS打通？科创致远在工业AI和MES+AI方向的能力，重点就在于把Agent调度和现有制造执行体系做融合，而不是另起一套系统。

五、趋势展望

第一个方向是多Agent协同。未来不是一个大Agent调所有工单，而是排产Agent、设备Agent、物料Agent、质量Agent各管一段，彼此协商。比如排产Agent想把工单排到某台设备，设备Agent会反馈"我2小时后要保养"，双方自动达成新方案。

第二个方向是Agent与数字孪生结合。在虚拟车间里先跑一遍调度方案，验证交期、产能、换型次数，再下发到物理车间。这样试错成本更低，调度更稳。

第三个方向是Agent自学习行业知识。不同行业的工单调度规则差异很大，电子厂看重换线时间，汽配厂看重模具寿命，装备厂看重工序合格率。未来Agent会通过行业数据持续微调，形成行业专属的调度策略。科创致远在15+行业、120余家客户中积累的业务理解，正是训练这类行业Agent的稀缺资产。

制造执行Agent调度工单，不是替代排产员，而是把排产员从重复计算中解放出来，让他们专注处理异常和优化规则。对于正在推进智能制造的工厂来说，这是一个值得优先关注的落地切口。