核心摘要
- APS评估:最大完工时间缩短16.13%
- AI承担的工作是重新排程
- 关键在于设备与物料数据的连接
- 先从统计重新排程次数和耗时开始
JNEWorks、VMS Solutions与国立昌原大学产学合作团联合体开发的自主生产计划解决方案“APS”,在2025年算法评估中实现最大完工时间(Makespan)缩短16.13%、交期合规率提升18.16%。同一评估中,基于Bi-LSTM的需求预测准确率达到96.23%。电子新闻于2026年11月16日报道了该消息。
最大完工时间(Makespan)指完成全部生产所需的时间,16.13%是与原计划相比的改善幅度。APS是在出现紧急订单、设备故障、物料供应延迟等生产中断时,由AI提出新生产计划的解决方案。
生产中断发生时会有什么变化
作为实证现场的泰林产业昌原工厂生产汽车转向装置等多品种零部件,经常出现机型变更、紧急订单、人力变动等生产变量。此前由负责人用Excel手动修改生产计划,调整一次日程需要半天以上时间,而且很难同时反映作业人员日程、设备负荷和物料供应情况。
APS将以下三项功能整合在同一平台上。
- 基于Bi-LSTM的需求预测AI
- 基于强化学习的生产重新排程
- “What-if”模拟
当出现紧急订单或某设备停机时,AI会重新计算现有生产顺序和设备分配,比较交期合规率、生产时间、设备负荷等指标后提出新的生产计划。即使物料供应出现问题,系统也能考虑该物料所涉及的作业,重新调整生产顺序和日程。
实证进展到什么程度
联合体在2026年将上述功能整合为支持多工序、多用户使用的APS软件即服务(SaaS)平台。还推进了与泰林产业基于AAS的数据湖对接的现场实证,依据实际生产和设备数据生成生产计划。
应用范围已从汽车零部件扩展到造船、海洋及风电设备领域。在釜山的世宝科技(音译)应用该方案,验证了应对项目规格变更、安全测试延迟、设备故障等情况的生产计划,并通过标准API连接了不同的制造环境。
联合体表示将通过TTA测试验证以下目标指标。
- 生产计划自动化率85%以上
- APS数据对接成功率95%以上
- 最大完工时间改善率20%以上
- 交期合规提升率20%以上
- What-if多情景评估时间在20分钟以内
该方案计划以降低企业部署负担的云服务形式实现商业化,并将应用领域扩展到多品种小批量生产以及日程变更频繁的国防、港口、工厂工程等领域。该课题是JNEWorks作为主管企业参与的庆尚南道·庆南科技园区“广域联动型AI解决方案开发与实证支持课题(2025~2026年)”,也是科学技术信息通信部与信息通信产业振兴院(NIPA)支持的“制造业AI融合基础构建事业(2024~2026年)”2026年度细分项目。该课题为2025年4月启动的两年期项目,将于2026年完成现场实证和性能验证。
韩国企业AX启示
在这一案例中,AI承担的不是生产本身,而是每次出现中断时负责人用Excel花费半天以上时间处理的重新排程工作。JNEWorks代表洪义硕(音译)也表示:“每当发生生产中断,负责人都不得不从头重新制定计划,减轻这一负担正是本课题的核心。”若正在考虑引入生产计划AI,比起准确率数字,更应先以重新制定计划的频率和单次耗时作为判断标准。
值得关注的是,泰林产业的实证方式是通过对接基于AAS的数据湖,利用实际生产和设备数据制定计划。重新排程AI要比较备选方案,就必须能在一处统一读取作业人员日程、设备负荷、物料供应等数据。如果这些数据仅存在于负责人的Excel表中,那么数据连接工作就是引入的第一步。
本周不妨记录一下过去一个月中因紧急订单、设备故障、物料延迟而重新制定生产计划的次数,以及每次所耗费的时间。
