如今，定制化生产成了制造业的“香饽饽”——消费者要个性化汽车发动机，工厂就得搞多规格小批量生产（MSSB）：订单变、规格多、批量小。但这种模式让工厂陷入两难：停机维护怕断货，存太多货又成本高。近日，我国江苏科技大学等团队提出新方案，用产品质量当“机器健康传感器”，结合AI算法优化维护和库存，让成本降10%+，效率近99.7%，成果发表在《Frontiers in Engineering Management》。

《定制化生产的“痛点”：维护与库存的死循环》

传统维护要么“不管库存”——停机维护导致断货，成本飙升；要么“频繁检查”——停机测机器状态，效率骤降。比如某汽车发动机厂案例：忽略库存的方案成本1179元/天，效率仅95.84%；停机检查的方案更糟，成本1225元/天，效率96.7%。这两种方法都跟不上定制化生产的动态节奏。

《新方案：用质量当“眼睛”，AI找最优平衡》

团队的核心思路是质量型多级维护+缓冲库存联合优化，搭配智能算法：

• 质量当“健康码”：不用停机拆检机器，看产品缺陷率就行——机器Msmj的缺陷率超过阈值QT就预防性维护（机器级）；其他机器维护时，若该机器缺陷率接近阈值就趁机一起修（系统级机会维护），省却单独维护成本。
• 缓冲库存当“保险”：根据维护计划存适量货（如某案例优化到37件），既防断货又不积压，像给生产线装了“弹性安全垫”。
• AI算法找“最优解”：用NSGA-II算法（能同时优化成本和效率的智能工具）找到Pareto前沿（一系列“平衡解”，比如成本低一点效率也不错，或效率高一点成本可控）。

《实验见真章：成本降10%，效率近满负荷》

在汽车发动机生产系统案例中（5种产品，订单周期6-14天），NSGA-II算法给出最优解：成本1072元/天（比传统方案降10%+），有效时间率99.69%（近满负荷运行）。对比MOPSO算法，NSGA-II的结果更接近全局最优，平均代际距离降低约40%。

《不是万能药：这些“短板”待补》

方案虽好用，但也有局限：

1. 故障假设单一：只考虑机器渐变退化，实际有的机器会突发故障；
2. 数据依赖：ERP数据不全或错漏会影响结果；
3. 实时性不足：计算量大，难做到秒级响应；
4. 极端情况不准：紧急订单（任务量骤增）或长期未生产任务（零频率）预测偏差大。

《未来：让中小企业也能“定制自由”》

团队计划下一步优化：

• 加入突发故障模型，适配更多机器类型；
• 提升实时处理能力，满足半导体等高速生产需求；
• 开发轻量化版本，降低中小企业使用门槛。

来源: 工程管理前沿