晚上八点的排产会，先吵的是插单
重庆西永、空港一带的笔电厂，生管晚上的会从一张插单开始。客户临时插一张急单，交期压到下周三；贴片线刚换完料，测试治具还占着另一个机型；线长说这周有几个人请假。会开两小时，散会时靠计划员拍一个版本。本文拆四件事：插单怎么算、设备和人力怎么进模型、良率数据在谁手里，以及为什么笔电排产的结果必须人工确认。
多品种小批量，把笔电排产从排序变成博弈
早年的笔电代工是少机型、大批量，一条线跑一个机型几个月，排产近似排顺序。现在品牌商按区域和配置拆单，同一块主板对应五六种内存、键盘和接口组合，单批降到几百台。换线要换钢网、调程序、做首件确认、跑首件 SPI 和 AOI 比对，时间以小时计。
插单的成本不在插进去的那张工单，而在被它挤开的每一张。笔电排产的难点也不是算不出一个顺序，而是要在交期、换线次数、在制品和加班工时之间取舍。人脑能同时权衡的变量有限，做到第三版通常就靠经验兜底。
设备和人力，是两本对不上的账
设备侧的数据在设备里：贴片机的程序版本、回流焊的温区曲线、AOI 的误判率、测试治具的占用时长。人力侧的数据在车间和人事系统里：哪条线会做这个机型、谁有上岗证、这周排了几个夜班。两本账各有各的编号，工单号、线体号、班组对不上，笔电排产的模型再准也只能算个大概。
更麻烦的是约束天天在变。设备突然停机、来料批次被判待检、客户临时改测试项，任何一个变化都会让昨天的排产失效。所以笔电排产不是算一次，是在变化里反复重算；能重算得多快，取决于数据接得多顺。
西门子把排产智能体放进了电子工厂
2026 年 10 月 19 日，西门子发布新闻稿，介绍其德国埃尔朗根电子工厂与英伟达联合开发的新 AI 方案。这座 1971 年建成的工厂约有一千名员工，生产电力电子和自动化产品。按西门子自己的说法，目前有一百多个 AI 算法用在生产、物流、质检和维护环节，工厂年生产率提升约 7%。这些是厂商口径，不是第三方审计结果。
与笔电排产直接相关的一段是：过去计划员要凭经验，在产能、物料可用性、交期和产线之间做平衡；现在新订单进来时，AI 智能体会自动生成多个生产情景，按事先定义的 KPI 展示每种方案的影响，供计划员判断。新闻稿没有说明情景数量的上限，也没有给出计划员最终采纳的比例。
先算一遍，再在数字孪生里验一遍
西门子写明，这些方案在真正执行前，要用整座工厂的数字孪生做验证。同一份新闻稿提到，英伟达的 Factory Operations Blueprint 支持创建生产计划的智能体，Omniverse 库用来测试这些计划。方案先在虚拟环境里跑一遍，再推到真实产线。
另一项针对 PCB 组件的虚拟生产准备，逻辑相同：过去要等物理样件才能训练视觉系统，准备周期以周计；现在用数字孪生生成逼真图像，工程投入可减少至多 85%，上市时间缩短至多 40%。这两件事要分开读：质检准备省的是工程工时，排产验证要解决的是停线和返工的风险。
数字孪生也不是白来的。设备节拍、换线时间、良率分布、物流路径都要先标定，孪生和现实差得远，验证就变成自我确认。西门子的工厂做了十多年数字化，这个前提它没有在新闻稿里展开，但搬笔电排产方案的人要自己补上。
20% 的成本节约，要按厂商口径读
西门子给出的排产数字是：端到端的智能体排产可带来至多 20% 的成本节约，同时让制造运营更能应对新订单、物料短缺和客户需求变化。这句话有三个限定：是至多，是成本口径，是单厂单场景。
成本节约从哪来，新闻稿没有拆开。按制造业常识，可能来自换线次数减少、在制品下降、加班减少、交付罚款减少，也可能几项叠加。企业拿这个数字做预算，先要问清分母是什么、统计周期多长、有没有把新增的软件与算力投入算进去。厂商口径可以当方向，不能当承诺。
编排平台还在路上
2026 年 10 月 21 日，罗克韦尔自动化发布 FactoryTalk Conductor，定位是 AI 原生编排平台：用户用自然语言发起工程任务，平台把需要的软件、AI 能力和工作流接起来。初期集成 Studio 5000 Logix Designer、Logix Echo、Emulate3D 和 FactoryTalk Optix，商用时间计划在 2027 年第一季度。
这条消息的价值不在功能清单，而在时间表。它说明罗克韦尔的路径是先做编排层、再往里放智能体，也说明这类平台现在还不能直接拿来跑笔电排产。这份新闻稿还引用罗克韦尔《2026 年智能制造现状报告》称，约三分之一的制造运营环节已实现 AI 增强。这是厂商自述的调研结论，不是独立统计。
良率数据，往往不在计划员手里
笔电代工的良率数据至少分布在四个地方：MES 的工单与过站记录、SPC 的过程能力数据、QMS 的异常与返修记录、设备端的 AOI 与测试日志。品牌客户通常还有一套质量系统和驻厂人员，关键机型的直通率、DPPM 要按客户口径上报。
这意味着笔电排产智能体算得再快，只要拿不到工单、批次、线体、设备和程序版本能对上的良率，它给出的只是产能数字，不是可执行的计划。良率低的机型要预留补投和重工产能，这个系数从哪来，得由质量部门和客户一起确认。
数据在谁手里，还决定了谁能训练模型。代工厂的合同里，生产数据的用途、留存和出境常有约定，良率数据能不能拿出厂区，要客户点头。比较现实的做法是把模型部署在厂内，数据不出内网，只把参数和规则带出去。代价是跨厂、跨客户的对比做不了，笔电排产的模型只能一厂一调。
复盘会缺的不是模型，是口径
很多厂的良率复盘会开成数据对齐会：工艺按投入数算，质量按出货数算，客户按自己的检验批算，三个数都说得通，结论却相反。智能体介入之前，这些口径要先写下来，否则它会把三套口径混成一份看起来很顺的报告。
可用的做法是先固定一张复盘表：同一机型、同一批次、同一测试程序版本，统计直通率、返修率、报废率，标注数据来源系统和提取时间。口径固定之后，模型才有比较的基础，笔电排产里的良率系数也才有依据。
搬到重庆，要改的是四件事
重庆的笔电代工有自己的结构：品牌商下订单、代工厂做笔电排产，大量物料由客户指定或客供，园区内配套厂密集，交期以小时计。埃尔朗根工厂生产的是自有产品，计划权、物料权和数据权都在自己手里；代工厂这三项都有一部分在客户那边。这是搬方案时先要改的地方。
第二是系统。很多厂的 MES 用了多年，接口是定制的，设备品牌杂，数据字典各写各的，笔电排产的智能体要接进去，先得把字段对齐。第三是成本，数字孪生和算力投入不小，一条线一条线地做，比全厂铺开更现实。第四是人，计划员愿不愿意用、看不看得懂智能体给的情景，决定这套东西是工具还是摆设。
本地产业的分量可以从公开数据看出来。重庆市统计局 2026 年 10 月 20 日发布前三季度经济运行情况：全市地区生产总值 25711.51 亿元，同比增长 4.3%；规模以上工业增加值增长 3.5%；新一代电子信息制造业集群增加值增长 7.2%，液晶显示屏产量增长 12.3%，集成电路圆片产量增长 17.2%。这是统计部门口径，由中国电子报等媒体报道。集群在增长，插单和换线是常态。
红线：智能体不签字
笔电排产的结果必须人工确认，这不是流程上的客气，是责任归属。计划员或生管主管签字，意味着他认可这批订单能在承诺交期出货，认可加班和换线的成本，认可良率系数。智能体给的是方案和影响分析，它不承担交期违约，不承担客户索赔，也不承担安全库存的责任。
智能体能做的是另一类事：把十几个约束同时代进去，生成人来不及手算的情景；把每个情景的差异讲清楚，比如多换一次线换回两天交期；把计算依据存下来，事后能查。这些事做得再好，也还是建议，不是决定。
2026 年 10 月下旬，SAP 亚太区供应链管理首席营收官在 SAP 新闻中心的一篇文章里把这层关系写得很直白：人指挥 AI，助手做编排，智能体执行；人仍然对战略、目标和判断负责，高风险或例外决策要走明确的升级路径，交到指定的人手里。这是厂商观点，但它划的边界与制造业的责任结构一致。
具体到笔电排产，至少留四个确认点：排产版本发布、加班与外协审批、对客户的交期承诺、良率系数调整。这四件事可以让确认变快，不能取消。变更还要留痕：谁改的、什么时候改的、依据是哪张表，事后复盘要用。
一周内可以做的第一步
不用先买平台。选一条线、一个客户机型，导出最近八周的工单、设备停机、人员出勤和良率四张表，做一次对齐：工单号能不能连到批次，批次能不能连到设备，设备能不能连到程序版本。对不上的地方，就是笔电排产将来会算错的地方。
然后把插单规则写成十条以内的明确约束，例如哪些客户可以插、插单要付出多少换线时间、哪些机型必须留补投产能。规则写清楚之后，再让工具做方案对比，人做选择。这一步不需要大预算，却决定了后面的笔电排产智能化是加分还是添乱。
