适用于 DecisioWorks v1.4.0
适用场景与痛点
DecisioWorks 面向制造业生产决策。它适合承接那些已经超出流程记录范围、需要在多目标、多约束和持续变化中形成可执行方案的问题。
生产决策为什么难
制造企业通常已经积累订单、物料、工艺、设备、库存和执行数据，但“有数据”并不等于“能够决策”。常见阻碍包括：
- 数据分散在 ERP、MES、表格和人员经验中，字段存在，却无法完整表达业务关系；
- 计划目标没有统一口径，交付、库存、负荷、切换和成本相互冲突；
- 规则长期依靠口头传递或项目代码堆叠，业务变化后难以维护；
- 求解器能生成结果，但计划员无法解释、复核或放心执行；
- 主生产计划、作业排程、物料齐套和执行反馈彼此割裂；
- 项目在正式建设前没有真实数据基线和调整对照，投入、周期和效果难以判断。
这些问题的共同点是：业务事实、计划配置、求解结果和执行反馈没有进入同一套工作机制。
典型适用场景
主生产计划与生产计划
把需求、产能、物料、库存和交付承诺放入统一时间坐标，识别缺口、过载和风险，并形成可释放的计划结果。
作业排程
在已确认任务范围内处理设备、工序、班制、维护、批量、切换和顺序约束，形成可执行的局部排程。
多品种、小批量与复杂工艺
面对订单数量多、批量小、工艺路线复杂、换型频繁的场景，通过结构化约束和目标治理减少规则堆叠。
工序级物料齐套
把物料需求绑定到具体工序与时间位置，判断缺料会阻塞哪一段工艺，而不只计算产品级 BOM 总量。
共享资源与瓶颈治理
表达跨工作中心共享的模具、工装、人员或特殊设备，识别瓶颈影响，并为资源窗口、能力额度和局部排程提供依据。
滚动计划与扰动响应
当订单、设备、产能或物料发生变化时，区分需要冻结、延续和重构的部分，把偏差和反馈带入下一轮决策。
系统建设前验证与既有系统增强
企业可以用真实数据先验证业务语义、约束、目标、求解和解释链路，也可以将 DecisioWorks 作为 ERP、MES、WMS 或工业平台的生产决策能力层。
AI Agent 调用工业决策能力
AI Agent 可依据统一的数据语义、标准动作和参数规范组织数据接入与能力编排，并调用可审计的运行链路。
谁适合使用
- 制造企业的生产、计划、供应链和数字化团队；
- APS、ERP、MES、WMS 与工业互联网伙伴；
- 咨询机构、园区平台和智能制造服务机构；
- 需要调用生产决策能力的开发团队与 AI Agent。
从哪里开始
优先选择一个业务边界清楚、数据可获得、指标能够下钻到具体对象的场景，完成数据映射、约束确认、目标配置、基线求解和调整重算，再逐步扩展到更多对象与联动关系。