上个月一个做机加工的老板找我，说车间要重新布局——搬设备、挪产线、调通道，规划了三个方案都觉得不对劲。图纸从上往下画了十几版，但总觉得哪里别扭。我过去一看，好家伙，整个车间两百多台设备，光搬运物料一天就得走十几公里，叉车在路上跟打麻将似的互相让。
“老师傅凭经验排的设备位置，有些地方确实不合理。”老板指着图纸叹气，”但谁也不敢动，一动怕牵连后面的物流路线。以前也请过人做布局规划，人家来转了一圈，出的方案跟现有的没太大差别。”
我干工控这么多年，车间布局这事说实话一直是拍脑袋——老师傅说放这就放这，厂长说那边方便就挪那边，很少有人认真算过设备之间的物流效率。但这一回我想试试不一样的方法。
我有个朋友在做物流仿真，他跟我说，这样的车间布局优化问题，其实适合用AI里的遗传算法来算。我当时一听”遗传算法”四个字就有点懵——这玩意儿不是搞生物的吗？后来他给我解释了一通，我才明白，说白了就是把车间里的每台设备看成一个点，然后让算法自己去试几万种摆法，找到物料流转总距离最短的那一种。看起来玄乎，但数学模型其实几十年前就有了，只是以前算力不够，现在随便一台笔记本就能跑。
说干就干。我先在车间里待了三天，拿秒表记下了每台机床之间的物料流动频次——哪台设备给哪台设备送料，一天送多少次，走多远。一共记了四十多台核心设备的物流关系，画了个物流从至表，密密麻麻的全是数字。这一步最枯燥但也最关键，我蹲在车间角落里一蹲就是半天，车间主任以为我在摸鱼。数据记完之后，还要把通道宽度、设备尺寸、安全距离这些硬约束全部输进去。
程序跑了大概两万多代，花了几个小时，最后给出了一套布局方案。我拿过来一看，说实话第一反应是”这AI疯了吧”——它把三台加工中心紧贴着摆在一起，中间就留了60公分的通道，视觉上看着特别挤。按照我以前的习惯，这种布局第一眼就会被淘汰。但冷静下来拿着物料流转数据一算，才发现这个布局里半成品从一台设备到下一台的平均移动距离只有三米多，比原来短了将近一倍，效率确实高。
最后我折中了一下，在AI方案基础上加了人的判断——把维修通道从60公分开到80公分，散热要求高的设备中间留出通风间距，操作工位的方向调整到工人习惯的朝向。AI给了最优解，但实操中的维修空间、安全距离、操作习惯这些，还是得人来拍板。机器算效率，人判断可行——两者配合才是最好的方案。
改完之后我连着测了一个月的数据：车间内物料搬运总距离从每天大约12公里降到了7公里左右，少了将近一半。叉车使用频次明显降下来了，有一台叉车甚至基本闲置了——这在以前是不敢想的。工人说感觉车间敞亮多了，不用天天跟叉车抢道了。安全员也高兴，说这个月人车事故率为零，放在以前想都不敢想。
当然，用AI做布局优化也不是万能的。有几个坑我踩了，跟兄弟们分享一下：
第一，输入数据必须准。 我第一天让车间主任估算物料流动频次，他张口就说”都差不多，每天每台设备之间跑个二三十趟吧”。我实际拿秒表蹲了三天，发现有一条路线他以为一天跑几十趟，实际上就四五趟，另一条数据却是他说的三倍。数据不准，算法算出来的东西就是垃圾。这一条放在任何AI应用上都成立——垃圾进，垃圾出。
第二，AI不会考虑人的习惯。 它把操作工位的方向搞反了——原来工人面朝南干活，AI给转成面朝北了。看着物流距离是短了两米，但工人在那个方向上下料不方便，胳膊要扭着来，加工效率反而降了。后来我跟做算法的朋友说，把操作方向设成固定约束条件重新跑了一遍，出来的方案就合理多了。
第三，要考虑未来的设备变动。 老板三个月后说要加两台新设备，我说你早讲啊——之前的优化方案又得重来。后来跟做仿真的朋友学了招：做布局优化的时候留出”弹性区”，用模块化思路来排，核心设备先定好位置，周边设备灵活排列，留出10%到15%的预留空间。这样以后加设备的时候，不需要把整个布局打乱重来。
这个项目做完，老板挺满意的，但我觉得最有价值的不是省了多少搬运距离，而是一个思路上的转变——以前车间布局全靠”我觉得”，现在可以拿数据说话了。AI不是来替我们做决定的，但它能帮我们看见那些凭经验看不见的东西。尤其是干我们这行时间越久，越容易相信自己那一套经验，但有时候经验会变成偏见，AI至少给了我们一个重新审视的参照。
你们车间的设备布局合理吗？有没有哪个地方是”反正就这么放着”但谁也说不上为什么的？欢迎在评论区聊聊。