2016年阿爾法go 以4:1的比分打敗李世石，從這一時刻開始，優化程序在很多垂直領域比人類更敏捷、更具備高效率的觀點被越來越多的人所理解。雖然大家知道是AI ，但是和我們目前所理解的 LLM （大語言模型）是不同的。阿爾法go 是採用的是深度學習的方式去實現找到“最優解”， 其實這個過程和工廠裏邊的排產是一模一樣的。首先我們先來看看阿爾法go 的原理。
對於每下一手，可能都存在無數多種可能性的方案，
如果在各種方案中找到找到最好的一種下法（最優決策），那麼就需要完成三個事情:
①：讓決策引擎知道圍棋的規則，例如已經被落子的位置不能再落子、每次落子只能落1子、棋子的氣是......
②：讓決策引擎知道怎麼評價這一手落子以後對獲勝的概率是多少；
③：找到一個快速計算的電腦，儘可能把所有的方案計算一次，然後找到獲勝概率最大的方案。
其實智能排查也是參考的同樣的方式 ，只是把電腦的棋盤換成了 設備（縱座標）與時間（橫座標），棋子換成了 執行的任務
所以，照着這個思路，我們構建了jvs-aps 智能排查系統（已開源）：
我們對工廠排查也做了幾件事情：
1、高數系統，工廠是如何進行生產的（對比阿爾法go，如何學會下棋），把工廠的生成產品的工藝做成數學模式，也就是配置產品的生產工藝，當然需要一些基礎的定義，如物料、設備、bom 等基礎的定義：
2、獲取，構建日常的需求排查的業務數據模型，包括生產訂單、來料的訂單等等：
3、通過算法快速的求解，一般在幾分鐘以內，就可以找到最優的方案：
在線demo：https://aps.bctools.cn
開源地址：https://gitee.com/software-minister/jvs-aps
軟件部長 Blog
生產計劃與執行脱節？基於AlphaGo的智能搜索算法，開源的APS排產方案 - Stories Detail
4 users favorite the story!