我们订单全是非标，一张和一张不一样，AI 学得会吗？

学的不是「这张单怎么做」，而是「这张单像过去的哪张」。非标订单看起来千差万别，机加、焊接、装配、检测这些骨架是重复的，结构相似度通常比老板以为的高。真正没见过的新结构，AI 会明确标出来请人拆，不会硬猜。

有了 AI 的初稿，计划员会不会被淘汰？

不会，位置会变。他从「从零拆单」变成「复核和改特例」，从一天拆一张变成一天过好几张。厂里最值钱的是他对特例工艺和客户口头约定的判断，这部分恰恰是 AI 替代不了的。

不需要他「教」。让他照常拆单，把 AI 初稿和他的终稿放一起比，差异点就是经验。反复几轮，常见修正被沉淀下来，他要改的地方越来越少——这比任何培训都快。

看乱在哪。订单号、任务、实际完成日期在，就能起步；只有定额没有实际工期，效果打折，因为拆解需要的是「真干出来的天数」作参照。整理历史数据通常是整个项目里最花时间的部分。

执行的是人，责任在人：AI 出初稿、计划员复核确认，这个流程不变。系统留下每次修改的记录，出了事查得到是哪一环改的、什么时候改的。把复核环节砍掉直接投产，才是真的没人负责。

APS 解决「任务已定，设备怎么排」；拆解解决「订单进来，任务从哪来」。拆解是它的上游——任务拆错了，排得再优也是在执行一个错的计划，还排得格外准时。

拿到一张非标订单，计划员面前摆着三样东西：客户图纸、技术协议、合同交期。怎么把它变成一串能派工的任务单，全在他脑子里：先做什么、后做什么、哪段外协、每段给几天、落到哪个班组。

这位计划员在厂里干了十几年，新人接不了他的活。他休半个月假，全厂排产慢半拍；他要是离职，这套拆法就带走一半。报价员等他拆完才敢承诺交期，销售等他排完才敢回客户。

拆完的结果写在 Excel 里：任务、工期、责任人各一列。为什么这么排，别人不知道，他自己很多时候也说不清——凭的是「上次类似的单子就是这么干的」。

代价：

变化一句话：计划员不再从白纸开始，从改一份初稿开始。

新订单进来，几小时内拿到一份拆解初稿：这张单拆成哪几段任务、谁先谁后、每段几天、落到哪个岗位。初稿的依据不是定额表，是和这张单结构最像的历史订单——那些单子真干出来用了几天，就写几天。

计划员的时间从此只花在两件事上：改特例、确认。工期有了出处，和车间吵「这段到底要几天」时，双方看的是同一个历史参照，不再各拍脑袋。

拆解是下游一切的地基：节点看板上的「节点」，就是拆解拆出来的任务。先有拆解，订单卡点看板上才有节点可看、才卡得准——拆得不准，看板只是把一个错的计划按时刷成红色。

AI 拆单靠的是「这张单像历史上的哪张」。它看得见工艺路线和历史工期；看不见两样东西：一是特例工艺——厂里第一次做的结构、新换的材料，历史里没有参照；二是客户口头约定——电话里答应的加急、图纸之外的要求，从来不在系统里。这两处恰恰是拆错的高发区，必须人逐条复核。

复核不是走过场。计划员对初稿的每一处修改，应该回写进历史库，下次类似的单就少改一处；只改不沉淀，等于把老师傅的经验换成 AI 的猜测，错了还更难查。

另外，产品结构三年一大变的厂，历史订单的参照价值低，效果要打折——为什么标准 AI 装进非标厂容易跑不动，非标困局那篇讲过这个根子。

变量在历史数据的质量：订单台账齐、工艺路线清楚，按周计就能出第一批拆解初稿；数据散在多个 Excel 和纸单上的，先整理，按月计。

判断值不值，看两件事：老计划员的拆单速度是不是报价的瓶颈；过去一年有多少张单因为漏拆、错拆返过工。两件事都不严重，这件事可以缓缓。我们的做法是先拿 10–20 张历史订单盲测：AI 拆一遍、老师傅拆一遍，比差异，再谈钱。诊断不收费，也不要求承诺后续合作。

假设情境，假设都列出来，方便换成你厂的数字复算：一家做非标自动化线的厂，一张订单 180 万、合同工期 60 天；图纸 3 套、外协件占产值 30%；厂内同时在产约 40 张结构相近的订单，历史台账齐了两年。

AI 按历史订单拆出 12 段任务，定好责任岗位和节点工期，初稿用了几个小时。复核时计划员改了两处：客户在电话里口头约定机架用某进口型材（图纸上没标），历史库里没有这张单；另有一段检测工序客户要求到厂见证，比常规多留 2 天。这两处 AI 都按常规拆了——都错。

改完重排，关键路径 52 天，留了 8 天缓冲。换个走法算代价：若按初稿直接投产，进口型材比常规国产件晚到 12 天（国产件有现货、进口件没有），关键路径被顶穿，交期违约按合同 180 万的 5% 计是 9 万，再加加急空运约 2 万。

这个例子里 AI 的功劳不是「拆对了」，是把 80% 的常规部分一小时拆完，让老师傅的半天时间全花在两条口头约定上。