基于DeepSeek-R1的生产调度优化新范式:以岛式装配为例

来源：计算机集成制造系统杂志2026年第2期北京时间：

作者：朱家豪, 黄思翰, 黄铭, 王国新, 阎艳

单位：1.北京理工大学机械与车辆学院2.北京理工大学工业知识与数据融合应用工信部重点实验室

摘要：以ChatGPT、DeepSeek为代表的大语言模型为智能制造提供了新动力。生产调度作为智能制造的重点研究方向,如何利用大语言模型提升调度方案获取效率是当前的热点。因此,提出一种基于DeepSeek-R1的生产调度优化新范式,从大模型工具化视角探索生产调度问题求解的新思路。以新能源汽车岛式装配线的生产调度作为切入点,充分利用DeepSeek-R1的自然语言处理与代码生成能力引入,构建了包含提示词设计、建模求解和迭代优化3个阶段的调度优化流程。提示词设计阶段通过将岛式装配调度问题转化为结构化提示词输入,包括问题假设、约束、优化目标等;建模求解阶段,DeepSeek-R1根据提示词自动生成求解代码得到初始调度方案;迭代优化阶段,用户基于初始调度方案,通过校验反馈循环得到符合问题假设与约束的最终方案。案例分析表明,该方法可以实现小时级别(约8小时)的岛式装配线生产调度优化求解效率,通过多算法对比,验证了DeepSeek-R1赋能调度优化的可行性与优势。

关键词：智能制造,岛式装配,大语言模型,DeepSeek-R1,生产调度,智能优化

基金资助：国家自然科学基金资助项目(52405530);北京市自然科学基金-小米创新联合基金资助项目(L243009);北京理工大学青年教师学术启动计划资助项目。