APS 排产问数

APS 排产问数：数据与口径一起给出，结果可复核

计划员的日常有一半时间在找数。这周的产能负荷是多少、哪个牌号切换次数最多、某台设备的实际节拍和标准节拍差多少，答案分散在 ERP、MES、排产 Excel 与历史工单里。要回答一个临时问题，往往先提需求给 IT，等一份导出表，再自己透视一遍；算出来的口径还不一定和上个月那张表一致。

RatioMax 把这条路缩短成一次提问：数据问答智能体把自然语言转成查询，在受限范围内执行，再把结果连同指标口径和原始出处一起返回；口径定义、工艺说明与换型经验存在同一个知识库里，可以和数字一起被引用。系统不替你排产，也不改写 ERP 里的计划；它回答计划员的问题，排产决策仍然由计划员与 APS 系统做出。

流程卡点

  1. 取数要提需求排队

    临时问题要跨 ERP、MES 与排产 Excel 取数，计划员自己拼不出一张口径对齐的表，只能提需求等 IT 排期，等拿到导出表，当初的问题往往已经变了。

  2. 同一个指标，两套算法

    产能、负荷与达成率在不同报表里用不同算法，开会时两个人拿着各自的数字争论不下，最后还要回到最原始的定义上重新对一遍，会开完了口径还是没定，下次还得再对一遍。

  3. 经验类问题无处可查

    某个牌号切换要清机多久、某台设备换模有什么限制，这类经验一部分写在工艺卡里，一部分只在老师傅身上，计划员排产时只能凭印象估一个数，估错了就要重排。

  4. 异常重排没有参考

    插单、设备故障、物料延期一来就要重排，上一次同类异常怎么处理、当时牺牲了哪张工单，没有地方可以查，只能把相关的人重新叫到一起，从头讨论一遍。

对应做法

  • 自然语言直接问数

    数据问答智能体把「上周哪台机负荷最高」这类问题转成查询，在受限范围内执行后返回结果；涉及写操作或敏感字段时会停下来等人工确认，不会自行改动生产数据。

    对应能力：NL2SQL 问数

  • 数字带着口径和出处

    回答不只给一个数字，还给出这个指标的口径定义与它的原文出处，可以点开核对算法与数据范围；口径写在知识库里，谁改过、改成什么，都有版本快照与行级 diff 可查。

    对应能力：引用溯源

  • 经验和数据放在同一个库

    换型时间、清机要求、设备限制这类经验以 Wiki 页面与知识图谱存下来，和数据问答共用同一个知识库，问排产时能同时拿到当前数据与历史处理方式。

    对应能力：自动 Wiki

  • 计划数据按范围隔离

    工厂、车间与产品线按空间划分，四级 RBAC 控制到单个知识库，排产数据只对相应岗位开放，每次访问写进空间审计日志；系统整套部署在内网，排产数据不出企业。

    对应能力：空间级 RBAC

落地场景

  • 编制周计划前先问数

    编制周计划前先问清本周的产能负荷、待排工单与预计换型次数，把需要提前协调的瓶颈找出来，再决定怎么排。

  • 换型前的准备

    换型前问某个牌号上次切换用了多久、清机做到哪一步，计划员据此留出合理的换型窗口，而不是按一个固定经验值排。

  • 异常重排时找参考

    插单或设备故障时，先查同类异常的历史处理记录与当时的取舍，再决定这次让哪张工单先走，讨论有依据可依。

  • 新计划员上手

    新计划员按自己的问题学习指标口径与排产流程，答案带着制度文件与历史工单的出处，不必先背完所有报表定义。

术语与知识实体

APS 高级计划与排程
在有限产能与物料约束下安排生产顺序与开工时间的系统，输出可执行的排产计划，与执行层的 MES 分工不同。
周排产计划
把月度计划拆到周、拆到机台与班次的执行层计划，需要同时满足交期、换型与设备可用性三个条件。
产能负荷
某段时间内机台或工序被占用的小时数与可用小时数之比，算法取决于口径定义，口径不同两个数字无法比较。
换型时间
从上一批产品结束到下一批产品合格产出之间的停机时长，包含清机、换模、调参与首件确认，是排产的关键约束。
牌号切换
改性塑料生产中从一个材料牌号换到另一个牌号的过程，切换带来清机损耗与首件废料，切换次数直接影响产出。
工单
承载一次生产任务的执行单元，记录产品、数量、工艺路线与计划起止时间，是排产与报工共同指向的对象。
约束条件
排产必须同时满足的限制，包括设备能力、模具可用性、物料到位时间、交期与人员班次，忽略任何一条计划都不可执行。
NL2SQL
把自然语言问题翻译成结构化查询语句的方法，结果是否正确取决于表结构、字段含义与口径定义是否被准确理解。
数据口径
一个指标的计算方式与取值范围，包括分子分母、时间窗口与排除项；口径不一致时，两个数字放在一起没有意义。

这些定义同时以结构化方式提供给搜索引擎与 AI 引擎，便于它们准确理解并引用业务概念。

相关落地案例

广东中塑新材料股份有限公司

股票代码 301686 · 国家级专精特新“小巨人”企业

成立于 2009 年，专注于改性工程塑料研发、生产和销售，建有东莞长安、江西吉安、东莞水乡三大生产基地。

方案应用：在洪梅工厂 APS 计划排程 AI 智能化建设项目中，RatioMax 承担企业知识库与 APS 智能问数建设，以 RAG 为核心、与 NL2SQL 双引擎融合。

  • ≤30 分钟 计划编制时间（原 4–8 小时/次）
  • 80%+ 计划数据查询效率提升
  • 30–45% 牌号切换次数降低
  • 10% 工厂整体产出提升

成效数据为项目预期目标

方案常见问题

这套系统会自动排产吗？
不会。它做的是问数与知识：把计划员的问题翻译成查询、把结果连同口径一起返回，并把换型与异常处理经验整理成可查的资料。排产仍由计划员与 APS 系统完成，系统不写入 ERP，也不替人做交期取舍。
NL2SQL 会不会查错数？
有可能，所以每一步都留了查证路径：查询在受限范围内执行，返回结果附带指标口径与原文出处，可以点开核对；口径本身存在知识库里，改动有版本快照与 diff。数字进入决策之前仍要计划员复核，这一点不会因为系统变快而取消。
排产数据在内网，能部署吗？
可以。RatioMax 支持完整私有化部署，Docker Compose 单机或 Kubernetes 集群，四个核心服务可独立部署与扩缩容，数据不出企业；每个知识库可绑定私有 OSS 或 S3 桶，数据源与 MCP 凭据用 AES-256-GCM 加密，对外请求带 SSRF 防护。
能接现有的 ERP 和 MES 吗？
通过 API 与 MCP 接入：平台提供约 360 个 API 端点，MCP 服务有 29 个标准工具，支持 stdio、SSE 与 HTTP 传输并用 OAuth2 授权；飞书、Notion、语雀、RSS 或 CLI 也能作为数据源。系统读取数据用于问答，不承担事务写入。
口径不一致怎么统一？
先把口径写成知识库里的条目：谁定的、怎么算、排除哪些情况，一次写清并留版本快照；再用自动 Wiki 把相关口径互相链接。之后每次问数返回的都引用同一条定义，讨论就从对数字转到对定义上，改定义也有 diff 可查。
中塑案例的成效是已经实现的吗？
不是。官网上列出的计划编制时间、查询效率与切换次数等数据都是该项目的预期目标，不是已验收的实际结果。案例页对此有同样的标注：我们只写项目设定的目标值，不会把目标写成已经实现的收益。
谁能看到哪些排产数据？
按空间隔离，四级 RBAC 可以控制到单个知识库：计划、车间、采购与财务各看自己范围内的数据，每次访问写入空间审计日志。账号走 OIDC 单点登录，接口用两级 API key 区分权限，外部系统只拿到授权范围。
问数结果能追溯吗？
能。每次回答都记录命中的段落、生成的查询与执行范围，平台用 Langfuse 与 W3C 跨服务追踪保留整条链路，事后可以回放核对当时依据的是哪一版口径与哪一批数据，避免同一个问题在不同时间给出同样问题。

其他方案