Yeee
目錄
上一篇的結論是：ERP 管資料、排程管決策。那麼，一套真的會做決策、會重排的系統，長什麼樣？這就是「AI 排程」。
AI 排程，是一個會「算」排程的決策引擎
回到上一篇講過的落差。Excel 只會「存」排程，不會「算」。AI 排程補的就是「算」。它是一個決策引擎。它的工作是在多到試不完的排法裡，算出一個好的。
它必須做三件 Excel 和 ERP 都做不到的事。
一、把工廠的限制，變成系統看得懂的規則
工廠的限制有這些：機台產能、換線（換模、setup）同一台機從做 A 產品切換到做 B 產品的準備工作：換模具、換料、調機、首件確認。換線期間機台不產出，所以排程會盡量把同類工單排在一起。時間、原料到料、客戶交期、人力班表。它們全部被建模成系統能運算的約束。
老師傅腦中的經驗也變成規則。哪些單適合併著做、哪台機換線快、哪個客戶不能延，這些都寫進系統。排程知識從一個人的腦袋，變成工廠的系統資產。
二、在試不完的排法裡，搜出好的一種
上一篇算過，光是 20 張工單決定先後就有約 10 的 18 次方種排法。真實工廠的規模只會更大。AI 排程不是把這些排法全試一遍。實務上沒有系統這樣做，也不需要。
它做的是相反的事。先用你工廠的限制，把大片不可能的排法直接砍掉。再在剩下的裡面搜尋換線最少、又守得住交期的那一種。所以它給的不是「理論上最好」。它給的是你等得起的時間內找得到、又守得住限制的一版。
拉開差距的是建模、演算法與運算能力。不是人不夠認真。這個規模的組合，人腦本來就算不動。
這個規模在文獻上被算過。Jain 與 Meeran（1999）回顧過確定型 job shop 排程研究。拿 20 個工件配 10 台機台來算。解空間上界是 7.2651 × 10 的 183 次方種。job shop 排程也屬於 NP-hard。就算縮到 3 個工件 3 台機台，仍然是（European Journal of Operational Research 113(2), 390–434）。
要補一句才公道。NP-hard 說的是「這個問題」難，不是「人」不行。老師傅靠經驗跳過大部分選項，照樣排得出可行的一版。吃掉他的是時間。Larco 等人（2018）以現場觀察記錄 7 位生管、19 個 8 小時班次。生管平均每天處理 55 件任務，25.2% 開始後就被打斷（Cognition, Technology & Work 20(1), 1–10）。難的不是想出一版。難的是在被切碎的一天裡，一次又一次算出下一版。
三、即時重排
排程的價值在於重排得快。急單進來、原料晚到、機台故障。AI 排程在幾分鐘內重算出下一版可信排程。它還會告訴你哪些單會被連帶影響。
重排成本從「半天」降到「幾分鐘」，工廠才敢跟著現實重排。不再將就用一張過期的表。
「AI」不是噱頭，是「比現實快」
AI 排程的重點不是比老師傅聰明。
老師傅的判斷仍然是核心。他的經驗變成了系統裡的規則。AI 排程贏的是速度與規模。它能在現實變動的速度之內，反覆算出可信的排程。
它不取代 ERP，也不取代老師傅
分工是一條鏈：ERP 餵資料 → 老師傅的經驗變成規則 → 引擎算與重排 → 派工單發到現場的執行指令：這張工單、這台機、什麼時候做。它是排程算完之後的輸出，不是排程本身。下發到現場。
這類系統長什麼樣
以 SARA 生產決策系統為例。它就是工廠裡這一層的決策引擎。接上 ERP 或 Excel 既有的訂單與料況資料。把工廠的限制與經驗建成排程模型。變動發生時，它快速重算。（想看它實際怎麼運作 → AI 排程解決方案）
小結
要判斷一套系統是不是真的在做排程決策，看三件事。工廠的限制能不能寫成它看得懂的規則？它會不會自己搜出一版方案？變動發生後多久重排得完？三件做不到，它就還是在「存」排程，不是在「算」。它的價值不在比人聰明，在跟得上現實變動的速度。它和 ERP、和老師傅是分工，不是取代。
走到這裡，你已經懂排程是什麼、現有工具的極限、AI 排程補的是什麼。最後一個問題：導入之後，怎麼知道排程有沒有變好？下一篇談衡量指標。
參考文獻
括號內為研究對象與樣本數。
- Jain, A.S. & Meeran, S. (1999). Deterministic job-shop scheduling: Past, present and future. European Journal of Operational Research 113(2), 390–434.（確定型 job shop 排程研究回顧；文中解空間上界與 NP-hard 結論出自此文）連結
- Larco, J.A., Fransoo, J.C. & Wiers, V.C.S. (2018). Scheduling the scheduling task: a time-management perspective on scheduling. Cognition, Technology & Work 20(1), 1–10.（7 位生管、19 個 8 小時班次、1,595 筆活動紀錄）連結