7.7
深览指数
产品人人都是产品经理·Totoro畅··AI 生成
生鲜加工车间的工单怎么派？我把「经验派工」拆成了一套能落地的规则
本文彻底拆解了生鲜加工车间里一个看似简单但实际很头疼的问题：工单到底派给谁。作者没有谈大而全的APS系统，而是从凌晨4点的加工台真实场景出发，用一套可日志回溯的五步筛选规则（技能筛选、满负荷剔除、时间窗口、策略排序、锁定备选），替代了传统依赖主管个人经验的分配方式。文章提供了具体的脱敏案例、踩坑记录和上线后的运维建议，核心观点是：在生鲜加工排产这个场景里，把工时算准、规则写清、日志打明白，比盲目上AI更务实。适合从事生鲜供应链、SaaS产品设计或资源调度系统的产品经理阅读。原文 ↗
核心观点
- ▍生鲜加工排产的核心痛点是工单派发，一套可解释、可回溯的规则引擎（而非复杂的AI模型）是解决该问题最务实、最有效的MVP方案。
- ▍规则引擎的核心骨架只有三句话：单先按重要性（P0/P1/P2）排队，人先按可用性（请假/技能/满负荷/工时）筛掉，剩下的人里按策略（负载均衡/技能优先等）挑一个并记下备选。
- 01优先级划分策略：单量≥80kg为P0（必须排上），40-80kg为P1，40kg以下为P2（排不上就延期，不硬塞），保证大单优先占用产能。
- 02工单派发前必须将休假工人（如刘师傅）从可用池中剔除，避免后续每个判断步骤都重复检查状态，减少bug。
- 03每个工单固定走五关：技能筛选（剔除技能不匹配者）、满负荷剔除（工时满8h或工单数达10单）、时间窗口（比较预估工时和剩余工时）、策略排序（如负载均衡、主技能优先破平）、锁定+备选。
- 04以WO-001生菜122kg为例，因张师傅效率系数0.85，预估工时8.2h超过8h工作上限，在时间窗口关被剔除，最终由主技能为蔬菜且效率1.2的王师傅承接。
- 05工人状态必须在每单分配后立刻回写（更新剩余工时），否则会出现“账面都能干、加总一定爆”的假繁荣，导致后续分配失败。
- 06急单处理机制：当所有候选人都超时，在“技能合格但超时”的人里选剩余时间最多的，标红需加班，进异常池推给主管审批，不通过则改延期或外协。
- 07作者上线后踩过的坑包括：工时单位错误导致10倍误差、副技能滥用导致质量波动、没有备选工人导致请假时系统瘫痪。
反方 / 局限
- — 作者承认该规则引擎是“带约束的资源分配”，其最优解受限于离线全局规划（凌晨跑）和异常人工兜底，当前框架更适合白天在线场景的秒级响应，而非全局最优。
- — 文章提到上模型的前提是“规则跑稳两三个月，有了真实工时偏差数据”，暗示纯粹依赖规则引擎而不引入数据驱动的优化，在长期效率提升上存在天花板。
9 分钟 · 4 卡片 · 11 资料
读原文 →