常见问题
- 插单、停机和物料变化导致计划频繁重排
- 约束和经验留在少数计划人员脑中
- 手工表格难以解释冲突与取舍
- 计划调整没有审批、版本和回退记录
业务场景
制造业 AI 智能排产与约束协同
智能排产的核心不是让模型猜计划，而是让硬约束可计算、取舍可解释、人工调整可复核。
WHAT IT SOLVES
先解决业务链，再选择模型和工具
麒典的排产方法把规则、优化求解与智能体分工：求解器保证约束可行性，智能体负责理解输入、追问缺口、解释冲突和组织备选方案，计划人员负责调整、审批和发布。现有受控 Demo 使用模拟数据，不冒充客户生产成果。
交付内容
- 订单、设备、人员、物料与工艺约束字典
- 排产求解、冲突解释和备选方案
- 人工拖动、约束复核与审批拦截
- 计划版本、差异、日志和回退
- 历史回放、并行试运行和验收报告
DELIVERY PATH
从一个真实任务开始推进
每个项目都先确认问题、样本、责任和验收，受控验证通过后再增加系统、数据和使用范围。
盘点真实约束和计划规则
本阶段完成后留下可复核产物、责任人和继续条件，不用口头判断替代验收。
用历史订单完成可行性回放
本阶段完成后留下可复核产物、责任人和继续条件，不用口头判断替代验收。
测试插单、停机和人工调整
本阶段完成后留下可复核产物、责任人和继续条件，不用口头判断替代验收。
与现有计划并行运行后决定上线
本阶段完成后留下可复核产物、责任人和继续条件，不用口头判断替代验收。
ACCEPTANCE
交付必须能被企业复查
麒典使用真入口、真输入、真流程、真异常和真责任完成验收。资料不足、接口失败、权限越界或结果不确定时，系统必须停下、降级或转人工；不能把一次顺利演示写成长期稳定运行。
公开事实边界
页面描述的是麒典可提供的服务、方法与当前公开证据。专项方案、受控 Demo、在建项目和已交付成果分别标注；没有合同、上线、验收和公开授权的内容，不提前包装成客户结果。