← 智能体在线 · 家族首页
同衡 · 谋序 · 同枢 · 砺锋,智造同频  |  One Truth. One Plan. One Rhythm. One Edge.

排得出,
更要排得对。

给计划员一份敢拿去开会的排程:每个分钟都能被追问「凭什么」,并得到一条可核对的约束。 一句实话:50 单以内我们敢证明最优;更大规模只给可行解与真实差距——不假装最优。

4 问
排得出 · 排得对 · 说得清 · 会变好
13 项
不信任求解器的独立复核
50 单
以内敢证明最优
0
「假装最优」的承诺
Metis 谋序真实界面:AI 侧栏逐条解释某道工序为什么排在这里
真实界面:AI 侧栏在解释「为什么排在这里」——引用约束、余量与可核对的数字,而不是一句「算法算的」。
Why

排产这件事,客户只问四个问题

前三个问题决定了排产软件能不能用,第四个问题决定了它是不是「AI 原生」。

🧮

排得出吗?

产能、日历、换型、模具、技能、齐套同时约束,还要在分钟级给出可行解。

  • CP-SAT 精确求解 + 贪心兜底
  • 跨窗口工序可续排
  • 小算例证明最优,大算例给真实 gap
🔍

排得对吗?

求解器说「最优」不算数 —— 要有第三方复核,用输入重算每一分钟。

  • 13 项独立复核
  • 求解证书:OPTIMAL / gap / 快照
  • 复核不过就如实降级
💬

说得清吗?

计划员改一行之前,必须知道「为什么是这个时候、这台机」。

  • 10 类约束逐条算 slack
  • 绑定项可以不唯一,如实并列
  • 排不下时给最小冲突集
📈

会自己变好吗?

这次的偏差,下次还会犯吗?学习必须闭环,而且必须由人拍板。

  • 计划 vs 实绩对账
  • 参数校准建议(人批准)
  • AI 无 approve 权限
Capability

六件事做到可核对,而不是做到「有」

排产软件的差距很少在「有没有这个功能」,而在「这个功能说的话能不能被验证」。 谋序的每一条能力都配一条反向测试:把实现改坏,测试必须失败。

⚙️

确定性求解内核

字典序三级目标(交期 → 换型 → makespan),容量池用 AddCumulative,槽位而非台数。

  • CP-SAT + 贪心 双路径同口径
  • 换型非对称、矩阵、同族短路
  • 技能池容量 / 按量保养 / 冻结窗口
🛡️

独立复核器

不复用求解结果的任何中间量,从输入重算:日历、依赖、模具互斥、技能资格、换型成本。

  • 13 项真检查
  • 复核结论进 JSON 与 HTML 报告
  • 不通过时明示「不可执行」
🧭

逐约束溯源

回答「这道工序为什么排在这个时刻」。不读求解器内部变量,而是重放约束公式算 slack。

  • 10 类约束:依赖/槽位/日历/换型/模具…
  • 绑定项可为多条,也可为零
  • 两条求解路径同口径
🖱️

可交互甘特

拖一下就知道代价:后端级联重排、差分报告、诚实闸门,拖不成就说拖不成。

  • 分钟粒度、跨窗口断段渲染
  • 资源负荷热力图(过载不截断)
  • baseRevision 乐观锁,冲突 409
🤖

AI 工具面

同一份工具实现,三种调用方式:MCP 只读、进程内会话、CLI。答案必带 why 块。

  • 7 个 MCP 工具 + 13 个会话工具
  • 结构化拒绝码(7 类)
  • 无 LLM 也 100% 可用
📦

可交付的产物

不只有 JSON:静态 HTML 甘特、复核报告、求解证书、结果 CSV,全部可作为交付物归档。

  • CSV 七表 / bundle 内联输入
  • MSPDI 导入(只读)
  • provenance 快照可复现
Benchmark

横向基准,不自说自话

在 16 个标准 FJSP 实例上跑(来源 job_shop_lib,MIT,含文献公认最优值)。 11 个达到文献最优,其余为大规模实例在 20 秒预算下如实标注 gap。

实例工单 × 机器SPT 基线规则链CP-SAT文献最优判定
ft066 × 694925555OPTIMAL · +0.0%
ft1010 × 1015301310930930OPTIMAL · +0.0%
ft2020 × 51513156511651165OPTIMAL · +0.0%
la01–la0510 × 5~1000~940最优—OPTIMAL · +0.0%
abz5 / abz610 × 10~1700~16001234 / 943同OPTIMAL · +0.0%
orb0110 × 101489163110821059FEASIBLE · +2.2%
swv01 / swv0220 × 10~2100~21001495 / 15621407 / 1475FEASIBLE · +6%
ta01 / ta0215 × 15~2100~20401233 / 12481231 / 1244FEASIBLE · +0.3%
yn120 × 2015471509944884FEASIBLE · +6.8%
数据来源:README 基准表(1.35.0);复现命令 python benchmarks/run_standard_bench.py --time-limit 30。 全部 11/11 独立复核通过。gap 为真实求解间隙,不是估算。
规则链(CR/EDD/SPT/WKWR/ATC…)不是 CP-SAT 的替代品,而是它的上界与兜底: 先给出一个能立刻执行的方案,再用精确求解去逼近。摊上大面积拖期时,人至少有一版能用的计划。
AI Native

AI 原生的意思:它进得来、说得清、学得会,但拍不了板

谋序不把大模型塞进求解回路。三条回路分别解决「计划准不准」「策略选哪个」「什么时候重排」, 每一次都由人做最后决定 —— 这不是保守,是排产这件事的性质。

实绩回路 · 计划 vs 现实

aps compare 逐工序对账:谁晚了、晚了多少、换型假设与实绩差几分钟; 给出四态(含「计划没排、现场却做了」)。偏差不再靠 Excel 手工比。

策略回路 · 参数与规则

aps calibrate 用偏差反推工时系数,aps recommend 推荐规则链与求解预算。 建议进审批账本,内核没有 approve 路径 —— 采纳 = 人去改数据。

时间回路 · 什么时候重排

aps risk 给按期概率(PERT-Beta 矩匹配 + 敏感性), 滚动编排按实绩覆盖冻结段,偏差超阈值才建议重排 —— 不制造无效重排。

工具面:一份实现,三种入口

工具层与传输层分离:tools.py 是唯一实现, mcp_server.py 只是 stdio 传输,byoe_bridge.py 提供带会话状态的版本。 因此 CLI、MCP 客户端、进程内 Agent 拿到的拒绝码、压缩口径、why 块完全一致。

solveexplain healthvalidate traceget_result demo_datawhatif_insert apply_whatifscheme comparecalibrate recommendplan_summary proposal(仅提议)
AI 不能自己批自己。会话工具的审批能力只有 propose 与 list, approve / reject 是人在账本上做的动作。这条边界是产品立场,不是实现疏漏 —— 有反向注入测试锁住它。
AI / Agent 提议 · 解释 · 归纳 可读全部工具 不可裁决 确定性内核 CP-SAT + 贪心 + 复核 同输入必同输出(OPTIMAL) 可复现 · 可对拍 意图 / 参数建议 结果 / why / 溯源 审批账本(追加写) propose → 人 approve → 执行;decider 留痕;AI 无 approve 路径 没有 LLM、没有 API Key、不联网时,求解 / 复核 / 诊断 / 体检 全部照常工作
AI 只读工具面 + 不可裁决边界
APS 专业版真实界面:左侧甘特与资源负荷热力图,右侧 AI 侧栏回答「为什么这样排」
真实截图,不是示意图。左侧甘特与右侧侧栏是同一份计划: 侧栏那行基线写着 rev 07e05eed… · makespan 1020 分钟,与顶部状态条逐字相同。 右侧最后一条是插单试算:点一下「插一个急单会怎样」,它回答「计划变长 1140 分钟、 新单自己也拖期」,并给出计数 —— 但不替你决定。整块侧栏没有「批准」按钮。
Interaction

拖一下,代价当场算出来

甘特图最怕的不是不能拖,而是拖完不知道影响了谁。谋序把「拖动」当成一个求解请求: 钉住意图、重排其余、给出差分、核对是否真的生效。

① 拖拽 = 带约束的意图

移动一道工序,前道链原位钉住、后道按位移量顺延,其余交 CP-SAT 重排。 返回 moved_honored:钉住没生效就报「未生效」,不假装成功。

② 差分报告说清影响面

pushed(带符号,往前挪也看得见)、flipped_late(从准时变拖期)、 new_late、makespan_delta —— 一张表回答「我这一拖,害了谁」。

③ 乐观锁挡住丢失更新

令牌是排产内容的哈希(不含求解状态)。两个人拿同一版改,后改的必被拒: 409,并明确提示「重新拉取后再决策,不要自动重试」。

资源负荷 · 按日历分槽位
CNC-0196%
CNC-02118%
过载不截断 —— 118% 照实显示
EDM-0163%
装配线41%
分母口径:资源声明了日历就按当日实际排班(没排班=0),没声明按 480 分钟/日。 三腔设备按槽位算,不按台数算。
负荷热力图与内核同一份计算(resource_load.py)
Industry

行业规则不是配置项,是可验收的契约

注塑、冲压、机加三册,参数来自行业实践与 146 条真实工艺路线实测。 每册配一份声明式 YAML 夹具,期望值是数据、且必须带来源 —— 改参数时 diff 一眼能看出「参数变了期望没变」还是「两者一起变」。

🧴

注塑册

按吨位选机、换模时间分档、模具寿命按模次(含穴数换算)。

  • 换型矩阵 · 同族短路
  • 按量保养(冲次 = 件数 / 穴数)
  • 已交付 1.18.0
🔩

冲压册

吨位匹配、模具强制串行、换模成本四层模型(人工/折旧/机会/关联)。

  • 前缀族规则只认双侧锚定
  • 成本数值刻意留 0 待标定
  • 已交付 1.19.0
⚙️

机加册

换型三档 45/60/90 分钟,组名三段式「机床-夹具-产品族」,固定准备 15 分钟。

  • 来自 Aethon 146 条 route_steps 实测
  • 机床适配选择(不是吨位匹配)
  • 已交付 1.22.0
验收项做法为什么这样做
56 条断言aps conformance 逐条 PASS/FAIL,退出码 0/1 可进流水线分册参数漂移必须被拦住,不能靠人肉比对
期望值带来源每条期望注明 ISO 22400 / 行业资料 / 实测数据没来源的期望值只是把实现抄了一遍,不叫契约
变异测试关键判定模块变异分数 ≥85% 才准入「测试全绿」不等于「断言有效」
Delivery

标准版跑一次,专业版常驻服务

划分判据不是「难度」或「价值」,而是运维形态: 跑一次出文件 → 标准版(PyPI,MIT);需要常驻进程 + 人机交互 → 专业版(Docker)。

标准版 · aps-kernel

可嵌入的确定性内核 + headless CLI。pip 装上就能排,产物可归档、可进 CI。

  • CP-SAT + 贪心 + 13 项复核 + 证书
  • 19 个 CLI 子命令(solve/explain/trace/compare/calibrate/risk…)
  • 静态 HTML 甘特 + 复核报告 + 结果 CSV
  • MIT 许可,纯 Python wheel

专业版 · aps-platform

后端零求解逻辑,全部编排调内核公开 API;网页结果与 CLI 逐条一致是硬约束。

  • Web 控制台 + 交互甘特(拖拽/热力图/回滚)
  • CSV bundle 内联输入、乐观锁、滚动编排
  • 审批账本 + AI 编排层
  • Dockerfile + docker compose 一体交付

先跑一遍,再谈 AI

生成一份示例数据,一次求解,一张甘特,一份复核报告 —— 五分钟。

pip install aps-kernel aps demo ./mydata # 生成 CSV 模板与示例数据 aps solve ./mydata --solver cpsat --gantt gantt.html --certificate cert.txt aps trace ./mydata --solver cpsat --operation JOB-007-OP2
Limits

先说清做不到什么

这几条写在 README 与待办总账里,也会一直写在这里。

规模:「能不能证明最优」不按工单数推断。2026-10-31 实测(30 秒 / 8 workers,示例数据):4 单 OPTIMAL,6/8/10/12/16 单均为 FEASIBLE;30 单 / 50 单在 40 秒内都能排出(不回退贪心),但只带真实 gap,且不同随机种子之间 makespan 相差 12%~56%。要「已证明最优」,请看求解证书里的 status。200 单以上建模本身就要 20~30 秒。
确定性:只在 OPTIMAL 时成立。限时未证最优时,同 seed 也可能给出不同可行解 —— 已定性为已知局限,不修。
换型建模:「同槽位同组成块」是充分非必要约束,会排除部分交错排法。 它换来的是模型规模可控,代价是最优性上的保守。
不做的事:MRP / ATP / RCCP / S&OP / OEE / 需求预测 —— 属于另一个产品。 这里只把「序」排对,不假装自己是 ERP。
还不是对话式:侧栏是「工具台 + 规则路由」—— 13 个会话工具可逐个调用, 常用问句映射到固定工具;没接大模型,句子稍微绕一点,它就说「我不猜,请你自己选工具」。 有模型时调的是同一批工具,所以工具面不会变;但今天它不算会聊天。
没有评测集:还没有 aps eval,所以任何「AI 让排产变准了」的说法 目前无法证伪。校准建议采纳之后也没有自动回测。这是「自学习约束」还停留在 目标口径、不是现状的原因。
Family

同衡 · 谋序 · 同枢,智造同频

One Truth. One Plan. One Rhythm. One Edge. —— 一个事实源,一份计划,一条节拍,一道锋刃。

Nereus

同衡 CPS

虚实同源、数据同衡。数字孪生从「可视化镜像」升级为可对拍、可预判的数据基准。

AI 内生于感知—预判—控制闭环,不是外挂算法。
Metis

谋序 APS

以智谋生成最优序。确定性排产内核 + 可解释的 AI 工具面,计划可追问、可复现。

自学习约束、自生成策略、自优化排产 —— 人在回路之上。
Hermes

同枢 ILESP

万机同枢、同频调度。WCS + RCS + 仿真一体,管住设备动作与路权。

自决策路径、自避冲突、自学习调度策略。
四个产品可以各自独立使用。谋序不要求先买同衡、同枢或砺锋 —— 它对输入的要求只有七张表。四者接起来时,共享的是同一把版本锁(baseRevision), 这才是「One Plan」的字面意思。 看家族关系 →