生产排程智能体

基于约束规划的自动化生产排程系统，用于解决机加工车间的生产计划优化问题。

功能特性

• 📊 数据导入：支持从 Excel 文件导入订单、工艺路线和设备数据
• 🧮 智能排程：使用 Google OR-Tools CP-SAT 求解器进行约束优化
• 📈 可视化展示：通过甘特图直观展示排程结果
• 📉 指标分析：计算设备利用率、交期达成率、瓶颈设备等关键指标
• 🌐 Web 界面：基于 Streamlit 的友好交互界面
• 💾 结果导出：支持导出排程结果为 Excel 或 CSV 格式

项目结构

ProductSchedulAgent/
├── data_layer/          # 数据层：数据解析、验证和模型
│   ├── __init__.py
│   ├── models.py        # 数据模型定义
│   ├── parser.py        # Excel 数据解析器
│   └── validator.py     # 数据验证器
├── business_logic/      # 业务逻辑层：排程算法和分析
│   ├── __init__.py
│   ├── scheduler.py     # 排程引擎
│   ├── metrics.py       # 指标计算器
│   └── visualizer.py    # 可视化生成器
├── ui/                  # UI层：Streamlit Web界面
│   ├── __init__.py
│   └── app.py           # 主应用程序
├── tests/               # 测试模块
│   ├── __init__.py
│   ├── test_parser.py   # 数据解析测试
│   ├── test_scheduler.py # 排程算法测试
│   └── property_tests/  # 属性测试
├── docs/                # 文档和示例数据
├── .kiro/               # Kiro 规范文档
│   └── specs/
│       └── production-scheduling-agent/
│           ├── requirements.md
│           ├── design.md
│           └── tasks.md
├── requirements.txt     # Python 依赖包
└── README.md           # 项目说明文档

技术栈

• Python 3.8+：主要开发语言
• OR-Tools：Google 开源的约束规划和优化库
• Streamlit：快速构建 Web 界面的 Python 框架
• Pandas：数据处理和 Excel 文件读写
• Plotly：交互式图表可视化
• Hypothesis：基于属性的测试框架
• Pytest：单元测试框架

快速开始

方式一：使用启动脚本（推荐）

Windows:

双击运行 run.bat

Linux/Mac:

chmod +x run.sh
./run.sh

启动脚本会自动完成环境配置、依赖安装和应用启动。详细说明请参考 快速开始指南。

方式二：手动安装

1. 克隆项目

git clone <repository-url>
cd ProductSchedulAgent

2. 创建虚拟环境

Windows:

python -m venv venv
venv\Scripts\activate

Linux/Mac:

python3 -m venv venv
source venv/bin/activate

3. 安装依赖

pip install -r requirements.txt

使用指南

启动 Web 界面

streamlit run ui/app.py

浏览器会自动打开 http://localhost:8501

数据格式要求

系统需要一个包含三个工作表的 Excel 文件：

• 订单表：订单号、产品编码、生产数量、承诺交期、优先级、是否急单
• 工艺路线表：产品编码、工序号、工序名称、工序顺序、单件标准工时（分钟）、可使用设备编号
• 设备表：设备编号、状态、每日工作小时

详细的数据格式说明和示例请参考 数据格式说明文档。

使用流程

1. 上传数据文件：在侧边栏上传订单、工艺路线和设备数据文件
2. 数据预览：系统会自动解析并显示数据预览
3. 开始排程：点击"开始排程"按钮执行优化计算
4. 查看结果：
   • 甘特图：查看详细的时间安排
   • 指标看板：查看关键性能指标
   • 详细数据：查看排程结果表格
5. 导出结果：下载排程结果为 Excel 或 CSV 格式

文档

• 快速开始指南 - 5分钟快速上手
• 数据格式说明 - 详细的数据格式要求和示例
• 需求文档 - 系统需求规格
• 设计文档 - 系统架构和设计
• 任务列表 - 开发任务和进度

运行测试

运行所有测试

pytest tests/

运行属性测试

pytest tests/property_tests/ -v

查看测试覆盖率

pytest --cov=data_layer --cov=business_logic --cov=ui tests/

开发指南

添加新功能

1. 在相应的层级目录中创建新模块
2. 遵循现有的代码结构和命名规范
3. 编写单元测试和属性测试
4. 更新文档

代码规范

• 使用 Python 类型注解
• 遵循 PEP 8 代码风格
• 为所有公共函数编写 docstring
• 保持函数简洁，单一职责

约束和限制

• 当前版本不支持动态插单和实时调整
• 求解器对大规模问题（50+ 订单）可能需要较长时间
• 不支持班次和日历约束
• 不考虑物料齐套和人员技能约束

扩展方向

• 动态排程和实时调整
• 多目标优化（交期、成本、利用率）
• 高级约束（物料、人员、班次）
• 智能推荐和异常预警
• 历史数据分析和参数优化

许可证

[待定]

部署指南

详细的部署和打包说明请参考 部署指南，包括：

• 本地部署
• Docker 容器化部署
• 云平台部署（Streamlit Cloud、Heroku、AWS、Azure）
• 打包为可执行文件
• 内网部署配置

快速打包

Windows:

package.bat

Linux/Mac:

chmod +x package.sh
./package.sh

Docker 快速部署

# 构建镜像
docker build -t production-scheduler:latest .

# 运行容器
docker run -p 8501:8501 production-scheduler:latest

# 或使用 docker-compose
docker-compose up -d

联系方式

[待定]

致谢

本项目使用了以下开源项目：

• Google OR-Tools
• Streamlit
• Plotly