模具生产排程优化：OR-Tools双模架构实践

1. 模具生产排程的行业痛点与破局思路

在精密制造领域，模具生产排程一直是个令人头疼的难题。去年我们车间接了某新能源汽车电池盒模具的急单，12套模具要求在28天内交付，结果因为排程不合理导致延期两周，光违约金就赔了六位数。这种惨痛经历让我下定决心要改造传统的手工排产方式。

模具生产不同于普通机加工，它有三大特殊属性：首先是工序复杂，一套模具通常需要经过设计、备料、粗加工、热处理、精加工、装配、试模等15-25道工序；其次是资源冲突严重，EDM电火花机、五轴加工中心等关键设备经常需要排队；最后是变更频繁，设计修改和工艺调整是家常便饭。传统Excel排产表在这种场景下就像用算盘解微积分——根本玩不转。

2. 系统架构设计与技术选型

2.1 双模架构的协同机制

我们设计的双模架构包含两个核心引擎：

• 预测引擎：采用时间序列分析预测订单波动，使用Prophet算法建立季度/月度的产能需求模型
• 排程引擎：基于实时工单数据生成精确到分钟的生产计划，核心算法采用Google OR-Tools的CP-SAT求解器

两个引擎通过Redis消息队列实现数据同步，预测引擎每周生成产能预警，当实际工单与预测偏差超过15%时触发排程引擎的重新优化。这种设计既保证了长期产能规划的合理性，又能快速响应临时插单等突发情况。

2.2 OR-Tools的定制化开发

CP-SAT求解器虽然强大，但直接套用官方demo连简单案例都跑不通。我们主要做了三方面改造：

1. 工序约束建模：将模具的工艺路线转化为disjunctive约束，特别是处理热处理工序必须连续生产的特殊要求

# 热处理工序连续生产约束示例 for heat_treat in heat_treat_operations: model.Add(heat_treat.end == heat_treat.start + heat_treat.duration) model.AddNoOverlap([heat_treat.interval])

2. 设备能力配置：为每台设备创建单独的BoolVar矩阵，处理CNC机床需要换刀时间的实际情况
3. 优化目标函数：在标准makespan最小化基础上，增加了设备负载均衡系数和急单优先权重

3. 关键实现细节与避坑指南

3.1 数据预处理的魔鬼细节

原始工单数据直接喂给OR-Tools会导致求解时间爆炸，我们总结出几个关键预处理步骤：

• 工序合并：将<2小时的铣削、打磨等小工序合并为批次任务
• 时间窗压缩：对非关键路径工序放宽时间约束，把±4小时精度放宽到±1班次
• 资源分组：把同类型的普通车床设为资源池，避免过度优化

重要提示：千万不要在初始模型中加入太多secondary约束，否则求解器会在前10分钟浪费在优化无关紧要的细节上。建议分阶段优化，先保证基础可行性。

3.2 可视化排程看板开发

用Plotly+Dash开发的动态看板包含三个关键视图：

1. 甘特图：展示每套模具的工序进度，用颜色区分延误风险等级
2. 设备热力图：直观显示各机台的负载率和闲置时间
3. 物料追踪：显示模具钢材、标准件的到货状态与齐套情况

实测发现，看板刷新频率设置在30-60秒最佳，过高的刷新会导致OR-Tools后台进程频繁中断。

4. 实施效果与优化案例

上线三个月后的关键指标对比：

最典型的案例是上个月突然接到某医疗设备模具的加急订单，传统方式需要重新排产所有订单，而系统在7分钟内就给出了三种可选方案：

1. 方案A：延迟2套普通模具3天，确保急单准时交付
2. 方案B：启用备用机床，增加12%能耗成本但不影响现有计划
3. 方案C：调整部分工序的外协安排，增加8%运输成本

5. 常见问题排查实录

5.1 求解器无可行解问题

遇到最多的报错是"model has no feasible solution"，通常由以下原因导致：

1. 隐藏的时间冲突：比如某工序必须在周三完成，但周三该设备已经安排预防性保养
2. 物料约束遗漏：精加工工序需要特定夹具，但夹具被其他订单占用
3. 错误的工序依赖：工艺路线中误设了循环依赖

我们的排查流程是：

1. 先用model.Validate()检查基础约束
2. 导出中间模型文件用OR-Tools的debug工具可视化
3. 逐步放松约束条件定位冲突源

5.2 性能优化技巧

当模具数量超过50套时，求解时间可能呈指数增长。这几个技巧能显著提升性能：

• 设置合理的time_limit参数（建议不超过300秒）
• 使用SolutionCallback获取中间可行解
• 对相似模具进行聚类处理
• 开启LNS（Large Neighborhood Search）参数

# 性能优化参数设置示例 solver.parameters.num_search_workers = 8 # 使用多核并行 solver.parameters.log_search_progress = True solver.parameters.linearization_level = 2

这套系统实施后最大的感悟是：好的排产系统不是要追求数学上的最优解，而是要在80%的合理性和20%的灵活性之间找到平衡点。现在我们车间主任遇到急单再也不用抓着头皮熬夜调班次了，这才是技术创造的真实价值。