DeepSeek一夜火遍全网，各行各业都一窝蜂要切入DeepSeek，好像有了DeepSeek企业就无所不能了。
在制造业智能化浪潮中，通用大模型（如 DeepSeek）对专业生产排程系统（APS）的冲击引发广泛关注。
为客观评估两者差异，本文选取 APS 领域经典的田径赛事排程问题进行对比测试。
赛事排程场景设计
假设我们有7项田径比赛项目，分别是：
100米：预赛20分钟，不需要转播；50分钟后决赛10分钟，决赛必须电视转播。
200米：预赛30分钟，不需要转播；90分钟后决赛10分钟，决赛必须电视转播。
400米：预赛40分钟，不需要转播；120分钟后决赛15分钟，决赛必须电视转播。
800米：直接决赛30分钟，必须电视转播。
1500米：直接决赛45分钟，必须电视转播。
铅球：预赛45分钟，不需要转播；90分钟后决赛30分钟，必须电视转播。
铁饼：预赛30分钟，不需要转播；90分钟后决赛20分钟，必须电视转播。
资源限制：
跑道：100米、200米、400米、800米、1500米共用一条跑道，同一时间只能有一场比赛。
投掷场：铅球、铁饼共用一个投掷场，同一时间只能有一场比赛。
电视转播：所有决赛必须全程电视转播，同一时间只能转播一场决赛。
目标：从2025年6月1日8:00开始，最迟2025年6月1号12：00完成，请合理安排所有比赛的预赛和决赛，确定最晚一场比赛完成的时间。
针对以上赛事，分别看看DeepSeek，基于专家规则APS系统，基于AI优化求解的APS系统各自的表现如何。
DeepSeek 的排程尝试
现在我们把以上的场景问一下DeepSeek，看看推理能力如何？
DeepSeek还是很厉害的，花了423秒推理，给出了一版可行的生产计划，以下是DeepSeek推理的结果：
关键冲突解决与优化
1.跑道资源冲突
-
100米决赛因跑道被400米预赛占用，延迟至9:30开始（间隔70分钟，超原定50分钟，但强制妥协）。
-
1500米决赛作为压轴项目，占用最后时段。
2.转播冲突
-
所有决赛按顺序转播，无时间重叠（铅球/铁饼与跑道决赛交替进行）。
3.投掷场安排
-
铅球与铁饼预赛、决赛严格错时，确保场地独占。
最晚完成时间
-
最后一场比赛：1500米决赛于 12:15 结束，超出用户要求的12:00截止时间。
-
若强制要求12:00前完成：需删除1500米项目，最终完成时间为 11:30（400米决赛）。
结论
在现有约束下，所有比赛最晚于12:15完成。若必须严格遵守12:00截止，需取消1500米决赛或调整其时长。
建议与主办方协商延长1小时（至13:00），以确保完整性和竞技公平性。
但是这个结果不算理想，目标是要12：00前完全全部比赛，所以再继续要求DeepSeek优化，并且提示实际间隔时间是允许比约束条件的间隔更长。
DeepSeek又花了435秒重新推理，这个这次DeepSeek偷鸡了，用压缩比赛时长来满足目标交期，这个是完全不合理的。所以要求DeepSeek再继续优化，只能优化顺序，不允许修改比赛时长。
DeepSeek继续花了216秒重新推理，这个这次DeepSeek直接算错了，最后1500米的决赛，总时长计算错误。所以要求DeepSeek重新推理。
DeepSeek最后花了186秒重新推理，修正了计算错误的决赛时长，给出了最终结论，7项比赛最后需要到12:10才能完成全部比赛，他认为这是唯一可行解。
问题根源与修正
1.原错误：1500米决赛时间计算错误（11:25-12:00仅35分钟）。
2.修正逻辑：
-
1500米决赛需完整45分钟，因此实际时间为 11:15-12:00（正确45分钟）。
-
需调整前序决赛时间，为1500米腾出时段。
关键修正点
1.400米决赛调整
原计划11:10-11:25 → 修正为 10:50-11:05（需验证间隔时间）：
-
预赛结束于9:30，决赛需间隔≥120分钟 → 10:50开始（间隔140分钟），符合要求。
-
逻辑：牺牲铁饼决赛间隔时间，从95分钟缩短至110分钟（仍≥原约束90分钟）。
2.铁饼决赛顺延
原计划10:50-11:10 → 修正为 11:05-11:25：
-
预赛结束于9:15，决赛间隔 110分钟（原需90分钟），仍合规。
3.1500米决赛时段
-
11:25-12:10（45分钟），但需在12:00前结束 → 实际压缩为11:25-12:00（35分钟），但用户要求不可压缩时长。
-
矛盾点：无论如何调整，1500米决赛需45分钟，最晚需在11:15开始（11:15-12:00）。
唯一可行方案
若强制要求 12:00前完成，唯一解是 删除1500米决赛，最终完成时间为 11:25（400米决赛结束）。
若必须保留所有项目，需 延长总时长至12:10。
最终结论
在严格遵循所有约束（不压缩时长、不删减项目）的情况下，最晚完成时间为12:10。
若主办方坚持12:00截止，需协商以下选项：
-
取消1500米决赛；
-
将1500米决赛提前至更早时段（需其他项目让步）；
-
接受12:10结束。
那么是不是DeepSeek结论是真的就是最优解呢？我们接下来再看看专业的APS系统的解答。
专业 APS 系统的优化方案
1. 专家规则求解
我们尝试用专业的APS系统建模进行专家规则求解，看看有没有比DeepSeek更优秀的结果。首先把比赛过程看成生产过程，建立相应的工艺路线。
把比赛任务当作计划订单，设定计划最早允许开工时间，目标完工时间。
考虑到这个订单都共用相同的生产资源，所以按照一般计划经验可以考虑到，我们可以使用APS中一个常见的规则-订单余裕度来确定订单的优先顺序，建立以下的优先度规则。
系统基于这个计划策略，自动对以上7张计划订单进行计划排产，可以看到APS系统花费8秒时间完成了整个计划编排，交货期遵守率100%。
我们可以通过可视化图表确认这个排产的结果，可以看到最后一项比赛任务完成时间是11:50，比DeepSeeK推理的计划提早了20分钟。
2. AI 算法优化
我们尝试用调用专业排产AI算法的APS系统建模进行求解，看看有没有更好的排产结果。首先把比赛过程看成生产过程，建立相应的工艺路线。
把比赛任务当作计划订单，设定计划最早允许开工时间，目标完工时间。
我们给AI求解引擎设定两个目标：逾期最小化、LT最小化
运行AI求解引擎进行高速迭代寻优，可以看到仅花费了0.68秒完成了整个求解。
从可视化的图表可以看到，AI求解出来的结果是最后一项比赛完成时间是11:55，比DeepSeek推理的最佳方案提早15分钟完成。
对比分析与行业启示
行业启示：
1.专业系统优势：
-
内置行业知识（如工艺路线、资源约束）
-
支持多目标优化与动态调整
-
具备工业级稳定性与可解释性
2.通用模型局限：
-
缺乏领域专业知识
-
计算效率与优化深度难以兼顾
-
复杂约束场景下的适应性不足
结论
在本次测试中，DeepSeek 展现了基础的排程推理能力，但在优化深度、资源利用率和约束满足度方面与专业 APS 系统存在显著差距。
对于制造业复杂排程场景，建议采用 “通用模型辅助 + 专业系统主导” 的协同方案：
1.通用模型处理简单规则场景
2.专业系统负责核心生产排程
3.人机协同实现持续优化
未来随着大模型技术的发展，其在排程领域的应用值得关注，但短期内仍需依赖专业系统保障生产计划的精准性与可靠性。
苏公网安备 32059002002276号
