AI 智能排产不是让大模型凭文字推理生成一张计划表。它首先是一个多约束计算问题：工序、产能、物料和设备互斥等硬约束，应由 APS、规则或优化算法处理；AI 可辅助理解备注、汇总异常和组织协同；重大调整仍由计划员确认。
产品边界说明：灵核数智目前不提供 APS 或 AI 排产求解能力。本文用于说明一般方法和系统边界，不代表 LinkCrux 可替代专业排程系统。
Excel生产计划什么时候会到瓶颈
产品少、路线固定、异常不多时，Excel 仍是灵活的计划工具。当一张订单同时受多工序、多设备、物料齐套和交期影响，或插单、停机后需要连锁重排，问题才从“填表”变成了“同时维护多类约束”。
AI智能排产前要说清哪些约束
《智能制造典型场景参考指引（2025年版）》将“生产计划优化”列入智能制造典型场景。企业落地时，至少要将下列信息变成可维护的数据和规则：
| 约束 | 需要明确的内容 |
|---|---|
| 目标 | 按期、换线、产能和库存冲突时的优先级 |
| 订单 | 数量、交期、优先级、拆合单和变更 |
| 物料 | 库存、到料时间、齐套状态和替代料 |
| 工艺 | 工序顺序、标准工时、替代路线和换型条件 |
| 资源 | 设备、人员、班次、模具和维保窗口 |
| 异常 | 插单、缺料、停机、返工的重排与接管规则 |
关键数据缺失时，系统应显示缺项和影响范围，而不是自行推测交期、库存或现场产能。
APS、Agent和计划员怎么分工
| 责任方 | 适合承担 | 不应承担 |
|---|---|---|
| ERP、MES、WMS、PLM | 提供订单、现场、物料和工艺事实 | 在数据冲突时自行决定哪个版本真实 |
| APS、规则与优化算法 | 多约束计算、产能平衡和排程方案 | 补齐不存在的基础数据 |
| Workflow、Agent | 收集信息、理解备注、汇总异常和推动确认 | 绕过硬约束或作为排程求解器 |
| 计划员与责任人 | 确认交期、产能取舍、重大重排和异常接管 | 将业务责任转移给模型 |
没有APS，能不能先做一部分
可以先整理约束、核对数据、识别异常和推动人工确认，但不应把这称为已经完成多约束智能排产。复杂排程仍需要稳定的专业求解机制。如果需求主要是跨系统收集订单、物料和现场信息，可先参考制造业AI Agent的任务评分表，判断它是排程求解问题，还是信息协同问题。
结语
AI 智能排产的前提是约束可计算、数据可信、异常有人接管。Agent 能帮助协同，但不等于 APS，也不代替计划员。若企业面临的是订单、物料和生产信息分散，以及异常确认与通知耗时，可以联系灵核数智评估跨系统协同任务；若需要排程计算，应选择具备 APS 或优化求解能力的专业方案。
