制造执行Agent如何调度工单

制造执行Agent调度工单，本质上是把过去靠人工经验派活、跟单、催进度的活儿，交给一个懂工艺、懂设备、懂交期的软件智能体去自动完成。

这两年制造业聊AI，话题已经从“能不能识别缺陷”往“能不能自己决定先干哪张单”上转了。车间里最耗人的往往不是加工本身，而是工单在多个工序、多台设备、多个班组之间来回倒腾时的协调。制造执行Agent就是冲着这个环节来的。

一、核心概念与定义

制造执行Agent，可以理解为跑在MES（制造执行系统）层之上或嵌在其中的一个智能调度体。它不等同于传统的APS高级排程，也不只是规则引擎。传统排程是“算一次，出一张表”，遇到插单、坏机、缺料，表就废了。制造执行Agent是持续在线的，它盯着工单池、设备状态、人员到岗、物料齐套这些实时信号，自己判断下一步该把哪张工单派给哪台机、哪个班。

说白了，它像车间里一个不下班的调度员，手里同时攥着几十张工单，眼睛扫着十几台设备的数据，脑子里记着交期优先级和换型成本。

二、技术原理与关键能力

拆开看，这类Agent通常具备几项关键能力。

第一是感知。它要能读到设备PLC的实时状态、MES里的工序进度、WMS里的物料库存，甚至包括报工终端上工人刚点的“完工”按钮。没有这层感知，调度就是盲调。

第二是决策。决策逻辑不是单一规则。交期紧的优先、换型时间短的优先、设备负载低的优先，这些规则会打架。Agent的做法是给每个工单算一个动态优先级分数，权重可以根据车间当前瓶颈工序来调。比如瓶颈在老化测试，那所有能喂饱老化房的工单分数就自动抬高。

第三是协商。一张工单要经过五道工序，每道工序的Agent可能都想抢同一台设备。这时候需要工序间的协商机制，简单来说就是让下游工序提前“预定”上游的半成品，避免前道干完了后道没空接。

第四是异常自愈。设备突然报警，传统MES会等人来改派。制造执行Agent会自己把这张工单从故障设备上摘下来，按换型成本最低的原则塞到另一台可用设备上，同时通知物料员调整送料节奏。

三、制造业应用场景

假设一家电子厂，SMT贴片和后段组装混线生产。工单特点是多品种、小批量，一天换线十几次。传统做法是调度员凭经验把相似产品的工单凑在一起做，减少换线次数。但人脑记不住所有工单的物料齐套情况和钢网状态。制造执行Agent会实时算：哪几张工单用的钢网相同、哪几张的物料已经到齐、哪台贴片机当前程序版本匹配。它把这三个条件同时满足的工单捆成一组派下去，换线次数能压下来，而且不用调度员扯着嗓子喊。

再假设一家汽配企业，做机加工。关键设备是几台加工中心，工单有急件也有常规件。急件插单是常态。Agent的处理方式是：不急的工单如果已经上了机床，不轻易打断；还没上机的急件，直接插到队首，同时把被挤下去的工单重新排到夜班或周末。它还会看刀具寿命，如果某台机床的刀具快到期了，就优先派加工时间短的工单过去，免得干到一半换刀。

还有一个场景是注塑车间。模具更换动辄一两个小时，调度好坏直接决定产出。Agent会综合考虑模具当前所在机台、下一张工单需要的模具、以及模具的预热时间，把换模顺序排成一条最短路径。这不是简单的排序题，因为模具可能还在另一台机上用着，得等它下来。

四、选型与实施落地建议

如果车间想上这类调度Agent，有几条实操建议。

别一上来就全自动。先让Agent做推荐，调度员确认后再下发。跑一两个月，把Agent的推荐准确率和调度员的一致率拉出来看。一致率高，再逐步放开自动派工。

数据质量比算法重要。设备状态靠人工在终端上点，和直接从PLC读，效果差很远。如果连设备开机停机都靠人报，Agent的决策基础就是沙子上盖楼。先把关键设备的联网和数据采集做扎实。

从瓶颈工序切入。一个车间往往只有一两道工序是真瓶颈，其他工序产能有富余。Agent先把瓶颈工序的调度管好，收益最明显。全线铺开反而容易因为某个非瓶颈环节的数据不准而拖累整体效果。

注意和现有系统的关系。制造执行Agent不是要替掉MES，它更像MES的调度大脑。工单执行、报工、追溯这些还是MES的活。选型时看它能不能通过标准接口读到MES的工单和工艺路线数据，能不能把调度结果写回去。

业界有厂商在这个方向上做了多年，累计服务过120余家客户，覆盖15+行业，也有累计3200余家终端的使用基础。这类积累主要体现在对离散制造不同工艺场景的理解上，比如热处理、表面处理这些有特殊约束的工序怎么排。

五、趋势展望

第一个方向是Agent之间的横向协同。现在多数调度Agent还是单车间作战。未来多个车间的Agent会互相协商，前车间知道后车间的急件需求，提前调整产出节奏。

第二个方向是跟设备预测性维护打通。Agent调度时不仅看设备当前是否可用，还看它未来几小时的健康趋势。如果某台设备振动值在爬升，Agent会主动减少派给它的工单，把负载挪走。

第三个方向是自然语言交互。调度员直接问“今天下午三点前能出多少货”，Agent调出当前排程算一遍，给出答案和依据。这比看报表直观得多。

制造执行Agent调度工单这件事，说到底不是让机器取代人，而是把人从每分钟都在变的排产焦虑里解放出来，去做那些真正需要经验判断的异常处理。车间里的老师傅直觉仍然值钱，只是他们不用再被工单追着跑了。