上个月在东莞一家汽配厂，他们的生产计划主管把我拉到车间，指着大屏幕上的排程表说：你看，这系统跑出来的结果多漂亮！然后他低声补了一句：实际上我们根本没用这套。💡 那一瞬间我差点没绷住——花了几十万上的 高级计划排程系统（APS），最后成了给领导演示的玩具。这事儿搁谁心里都不好受。可这不是个案，这几年我跑了不下三十家工厂，生产调度 真正能打及格分的，一只手数得过来。
问题出在哪？不是算法不够好。是咱们太想把生产调度搞成一道数学题了……
从手工排程到算法排程：我们是不是太迷信技术了？
先去个注塑车间看看。四五十台机器，几百套模具，每个订单还带不同的颜色、材料、后处理要求。老调度员老周拿着一叠工单，在白板上画了擦、擦了画，车间跑得居然挺顺。他说一句特戳心窝子的话：“机器是人开的，排程得顺着人性来。”
说实话，很多APS厂商一来就吹约束理论、遗传算法，把调度说得玄乎其玄。但车间里真正的乱子，从来不是算法能预料的。比如突然来了个加急单，模具拆下来才发现上次用完没保养，捣鼓了两小时；又或者夜班有个熟练工请假，顶班的小伙子调机不熟，节拍直接掉20%……这些屁事，算法里那个“设备可用性”参数根本覆盖不了。❗
问：为什么我们上了APS系统，还是常常插单混乱？
答：因为你以为插单只是插入一个任务，但实际上它像推倒多米诺骨牌。APS的约束模型如果没把换模时间、工装夹具数量、人员技能梯度这些易变因素实时联动，重新算出的结果就是一厢情愿。更糟的是，很多厂的基础数据都不准——工时报30秒，实际经常跑45秒，因为材料批次不一样。算法拿假数据做真决策，能不出事吗？
约束条件：那些年坑过我们的“小概率事件”
我见过最离谱的一次，是设备故障导致全厂停线，可MES系统里的排程界面还在一本正经地刷新“预计完工时间”——这就好像导航地图明明看到前面塌方了，还提示你“请沿当前道路继续行驶5公里”。生产调度真正的难点不是计算最优解，而是动态捕捉那些随时出现的“约束黑洞”。
有一次在浙江一家压铸厂，他们的齐套约束简直是噩梦。一种铝合金件需要五道工序，但外协的热处理回厂时间波动巨大，有时上午到、有时半夜到。系统排程假设标准提前期两天，结果车间经常干等或者紧急转产。后来他们干脆在系统外再支一套“影子排程”，靠微信群沟通……听着都累，对吧？但这恰恰是很多中小工厂的现状。
问：排程时最容易被忽略的约束是什么？
答：能源约束和刀具寿命。大部分排程只盯机器和物料，但高峰电价比平电贵一倍，刀具崩了要换、而且寿命是概率性的。我合作过一家齿轮厂，把电费时段和刀具更换规则纳入约束后，单月成本硬是降了12%——不是靠什么牛逼算法，就是多写了几条if-then规则。
人机协同：调度员要下岗？我不信
现在到处在喊“AI替代人工”，但在生产调度这摊浑水里，全自动就像自动驾驶L5——梦想很丰满。💡 优秀的老调度员脑子里有张活地图：哪个钳工班组配合默契，哪台老机床在下午容易出小毛病，甚至供应商送货司机是否爱迟到。这些隐性知识，算法得花天量数据才能摸到门槛，而且还得赌环境不变。
我更认同的路径是“人机协同”：系统负责全局搜索、约束冲突检测和复杂计算，人负责画边界线、处理例外和拍板。去年在深圳一家电子代工厂，我们把APS的输出从一个死板的甘特图改成交互式沙盘，调度员可以拖拽任务，系统实时更新KPI（延误订单、换线次数等）。结果计划冻结率从35%升到70%，车间的信任感也回来了。✅
最后多说一嘴——生产调度工具落地，别一上来就追求最优排程。先做到可视化、约束管理和快速重排这三板斧，车间里自然有人愿意用。否则再炫的算法，也是自嗨。