收益：
- 能够从根本上解释 MPS、MRP 和车间调度概念
- 能够将调度规则和场景（SPT、EDD、临界比率）与 AI 进行比较
- 能够检查并纠正 AI 输出中的容量和约束违规情况
生产计划是组织“生产什么、何时、使用哪些资源”的骨干流程。一个好的计划能够满足最后期限，不会让机器闲置，也不会增加库存；糟糕的计划会导致混乱、加班和延迟交货。人工智能在这方面的功能非常强大，可以比较调度规则、生成场景、列出约束条件；然而，它也可能忽视容量和优先级限制，并制定出“纸上谈兵但无法实施”的计划。在本单元中，我们将介绍 MPS/MRP 概念、调度规则以及如何验证 AI 输出。
计划层次：MPS 和 MRP
生产计划是一个从一般到具体的层次结构。
级别
什么是
时间范围
S&OP / 批量计划
大致建立需求与能力的平衡
月
MPS（主生产计划）
将成品划分为多个时期
周
MRP（物料需求计划）
从 BOM 中删除组件要求
周/天
车间调度
将工作放置在机器/时钟上
天/小时
MRP 逻辑本质上很简单：获取成品需求 (MPS)，与物料清单 (BOM) 进行分解，扣除现有库存和未结订单，然后将净需求按提前期向后移动（抵消）。人工智能擅长解释这个逻辑并建立示例表格。
角色：您是一名专门从事生产计划的工业工程师。任务：为以下产品设置一个简单的 MRP 表。显示每周总需求、计划交货、现有库存、净需求和计划订单发布的行。产品：A（每周总需求：{{ value }}）起始库存：{{ x }}，提前/生产时间：{{ y 周 }}，批量：{{ lot }}规则：简要解释每个单元格的计算方式，正确应用偏移量。制造虚假价值。
提示：MRP 输出中最常见的错误是不正确的提前期偏移。逐行检查 AI 的计划订单发布线是否早于净需求的确切提前期。
调度规则（调度规则）
处理机器上等待作业的顺序直接影响平均延迟和流程时间。最常见的优先级规则：
- FCFS（先到先得）：公平但不注重绩效。
- SPT（最短处理时间）：减少平均流媒体时间和平均延迟；推迟长期任务。
- EDD（最早交货日期）：有利于减少最大延迟。
- 临界率（CR）：（剩余时间/剩余工作时间）；动态平衡输送压力。
一个小例子。四项工作，一台机器，加工时间和交货日期：
业务 |处理时间|交货A | 4 | 6B| 2 | 4C | 6 | 8D | 1 | 3SPT订单（按时间）：D(1)、B(2)、A(4)、C(6)完成时间：D=1、B=3、A=7、C=13流程时间总和 = 1 + 3 + 7 + 13 = 24→平均值 = 6.0EDD订单（按交货）：D(3)、B(4)、A(6)、C(8)完成时间：D=1、 B=3、A=7、C=13延迟：D:0、B:0、A:1、C:5 → 最大延迟 = 5
不同的规则改善不同的目的：SPT平均流量、EDD延迟峰值。 “哪个是正确的？”问题的答案取决于目的，并且仅仅因为人工智能说“这是最好的”并不会做出那个决定。
弱提示/强提示
弱提示：
以尽可能最好的方式对这些工作进行排序。
“最佳”没有定义；人工智能会给出随机顺序，但不知道它正在优化哪个目的。
强力提示：
使用 SPT 和 EDD 规则对这些作业进行排序。计算每行的完成时间、平均流程时间和最大延迟，并制作一个比较表。我的目标是“尽量减少错过最后期限”。告诉我哪条规则更适合这个目的，并说明理由。作品：{{ list }}。显示帐户步骤。
第二个提示明确意图，对比多条规则，让账户可见；没有这三者，图表决策是不可靠的。
容量和约束控制
如果计划超出容量，则该计划无效。请务必根据以下限制检查人工智能生成的计划：机器容量（小时）、班次限制、设置时间、优先关系（一项工作必须在另一项工作之前完成）和材料可用性。
检查以下图表是否违反约束：- 一周的总负载是否超过每台机器的容量（40 小时/周）？- 是否包括设置时间？- 是否维持优先级约束（作业 B 必须在 A 之前完成）？图表：{{ ... }}。如果您发现违规行为，请以表格形式列出并提出纠正建议。
注意：人工智能经常“忘记”容量限制，并给机器加载 45 小时的工作。在做出生产决策之前，手动或通过表格收集每台机器的每周总负载，并将其与产能进行比较。
迷你案例：瓶颈机器和错误规则
在金属加工车间，交货经常延迟。工业工程师 Cansu 看到工作是通过 FCFS 进行分类的。它向 AI 提供当前的积压工作、处理时间和截止日期，并要求其比较 SPT、EDD 和临界比率。 AI计算所有三个规则的指标：SPT在平均流量上最好，但一些大工作就太晚了； EDD 显着降低了最大延迟。 Cansu 在瓶颈台上切换到 EDD。但AI建议的第一个时间表违反了两个工作的优先关系（装配需要本体优先）； Cansu 在控制阶段发现了这一点并修复了它。结果：延误正在减少。 AI进行规则比对；人工审核发现了违反约束的情况。
常见错误
- 绘制图表而不明确目标：说“最好”；而SPT和EDD改善的目的不同。
- 不控制产能：认为AI的产能过剩计划可行。
- 忽略准备时间：忽略准备时间并提出一个实际上行不通的计划。
- 绕过优先级约束：发布强制性优先级，例如装配顺序，而不检查它们。
- 固定于一条规则：在每种情况下都使用相同的规则；当瓶颈和交付压力发生变化时，规则也应该改变。
综上所述
- 生产计划是一个从一般到具体的层次结构：S&OP → MPS → MRP → 车间调度。
- MRP 中最严重的错误是提前期偏移；逐行检查AI输出。
- 调度规则（SPT、EDD、CR）改善不同目的；规则的选择取决于目的。
- 检查人工智能根据容量、设置和优先级限制生成的每个计划。
- AI生成对比和场景；是人类检测到约束违规并做出决定。
应用任务
构建至少 5 个作业的车间调度问题（包含处理时间和截止日期）。让AI同时使用SPT和EDD规则对这些工作进行排序；计算每个队列的平均流动时间和最大延迟。关键验证：手动计算至少一项规则的完成时间和指标，并与 AI 进行比较。然后添加优先级约束（例如“作业 C 必须在作业 A 之前完成”）并检查 AI 的日程安排是否违反此约束。最后，用一句话证明您将根据您的目的（平均流量或峰值延迟）选择哪种规则。