车间调度是制造业最典型的"按下葫芦浮起瓢"场景。生产计划按天按班组下达到车间，班组长根据当天的设备状态、人员到岗情况和物料实际情况做二次分配。一切顺利时这套模式运转得不错——可一旦出问题就乱套了：某台关键设备突然故障，班组长把任务临时转到另一台设备上，任务做完了、班组考核不受影响，看起来处理得挺好。但被转走任务的这台设备原本排了高优先级客户的订单，这一转，那个订单的交期就保不住了。三天后客户投诉交期延误，从上到下追查下来才发现——车间层面的局部优化，导致了全局交期的系统性损失。而类似的情况——人员临时请假、物料未按时送到、质量暂停等待处理——每天都在车间发生。

逐米时代制造新解法

逐米时代的制造新解法的核心原则是：车间调度必须绑定到全局交期约束，每一个局部调整都必须实时反馈其对总体交付计划的影响，按异常影响等级分级处理。

第一步是任务接收与状态感知。系统从APS接收已发布的日计划，作为车间调度的输入。同时持续感知车间的实时状态——设备状态（运行/停机/故障/保养）、人员状态（在岗/离岗/资质匹配）、物料状态（工位有料/缺料/即将缺料）、在制品状态（当前工序、预计完工时间）。状态数据的实时性是车间调度的基础——如果数据延迟超过一定阈值，调度决策就失去了事实依据。

第二步是滚动派工。基于实时状态数据，系统在每个调度窗口（可以按班次、按工序或按固定时间间隔）进行任务分配决策。派工逻辑需要考虑：工单优先级（APS设定的优先顺序）、设备能力匹配（能做、能做好还是最佳选择）、人员资质匹配（有证且在岗）、物料就绪状态（已送达工位且数量正确）和前后工序的衔接（上一道什么时候完工、下一道什么时候能开始）。派工结果同步下发到MES，操作工按终端显示的任务执行。

第三步是按等级异常处理。不是所有异常都需要调度员介入——系统按照约定的调度响应等级分类处理：低影响调整（如非瓶颈工序的轻微延迟、可自动替代的并行设备任务）由系统自动执行并记录；中影响调整（如瓶颈设备的临时故障、关键人员的短时离岗）由系统推荐候选方案，调度员快速确认；高影响变更（如影响高优先级订单交期的重排、批量质量异常导致的工序中断）必须由调度员详细评估后决策。

第四步是闭环反馈。每次调度调整的结果——调整了什么、影响了谁的交期、资源利用变化——都反馈到排程系统，作为后续排程和调度策略优化的依据。同时反馈到订单履约智能体，更新该订单的交付预测。这个闭环确保车间的每次局部调整都不会"藏"在车间里不为人知。

智能体编排

生产排程智能体作为主智能体，负责轮动派工算法的运行、异常分级处理逻辑的执行和调度调整效果的反馈。它需要运营运筹优化和实时决策的能力——在短时间内完成大量任务和资源的匹配计算。生产执行智能体作为协同智能体，实时提供设备的运行状态、人员的到岗情况和物料的工位库存，是车间状态的"眼睛"。订单履约智能体在高影响变更场景下协同工作，更新订单的交付预测和客户承诺。

实施要点

第一，状态数据的实时性和准确性是一切调度决策的基础，"垃圾进垃圾出"的效应在实时调度中特别突出——建议先建设车间数据采集基础设施再上线智能调度。

第二，异常等级的划分需要与车间管理团队共同定义，直接照搬其他企业的标准会导致要么系统管太多（干涉正常操作）、要么管太少（该管的没管）。

第三，低影响自动调整的范围需要谨慎设计并经过充分测试——自动调整出错的影响比人工调整更难发现和追溯。

第四，调度的目标是"在约束下最大化整体交付"，不是"让每台设备时刻满负荷"，过度追求设备利用率反而会增加在制品库存和交期风险。

参考目标

· 车间等待时间与任务转手时间减少；

· 调度调整对全局交期的负面影响可控；

· 瓶颈工序的利用率提升；

· 异常从发生到响应的周期缩短