10月14日，在遂宁市举办的2025年全省高校人工智能应用竞赛总结路演现场，西华大学智能物联网团队人工智能参赛队凭借“基于多订单多客户实现自动排产”项目斩获一等奖。

“以往人工完成排产工作要耗时一个多小时，现在这套系统5分钟以内就能给出优化方案。”赛后，项目负责人、西华大学计算机与软件工程学院教师刘沛瑶向记者介绍项目进展。这套专为光伏车间研发的排产调度系统，今年9月正式上线，目前仍在持续测试优化。

一份排产方案落地的背后，是近一年的校企协同攻关。带着算法走进生产车间，刘沛瑶和学生们真切体会到：科研成果要落地生产线，首要任务是读懂一线生产的真实需求。这场为企业破解生产难题的实践，也让他重新思考人才培养路径，探索如何带着学生在实战中锤炼本领。

刘沛瑶（右二）与团队成员合影 张海峰摄

刘沛瑶在竞赛中分享案例 受访者供图

让研究对接企业的需求

2025年，四川省总工会“引智助企”平台发布企业技术需求清单，为刘沛瑶团队找到了精准的合作方向。

经过实地走访，一家光伏电池生产企业的排产难题，恰好与团队的研究方向高度契合。

该团队长期研究组合优化与约束求解，而这家企业正被同类问题困扰：车间十几道生产工序，各台设备生产速率不一，多笔订单交货期相互交错，每台机器在哪个时段承接哪一笔订单，需要统筹数万个变量。“我们要有明确的研究方向，不能盲目对接项目。”刘沛瑶坦言，企业实实在在的生产痛点，为团队验证算法模型提供了绝佳的试验场。

“过去我们的实验数据、算法模型全都来自仿真模拟，从没走进企业获取一线真实生产数据。”他表示，团队计划先对接企业拿到车间原始数据，验证技术方案的可行性，再从解决产业难题中提炼科研创新点。按照这一思路，团队先拿出初步演示方案，获得企业认可后，再接入完整生产数据。

项目推进过程中，各类现实难题接踵而至。“一开始我们想得很简单，认为企业提出技术需求，我们在实验室就能直接给出解决方案。”与实验室理想环境相比，真实生产车间的复杂程度远超预期。企业生产数据分散在多个管理系统里，同一个生产对象，在不同系统中字段名称各不相同，想要直接导入模型运算，必须先理清数据逻辑关系。

“仅梳理打通数据链路，我们就花了整整两个月。”刘沛瑶介绍，为解决接口瓶颈，师生团队联合企业、原接口开发方三方多次座谈，逐项协调技术问题。

从梳理信息清单，到核实数据获取权限，再到调试匹配数据接口，大量工作需要反复沟通打磨。需求清单上一条条技术要求，随着合作不断深入，细化成师生必须逐项攻克的实操课题。

把一线经验转化为模型规则

除排产调度之外，企业还面临生产“切线”与物料全程追踪两大难题。

刘沛瑶解释，为平衡上下游产能，部分设备需要切换生产订单或产线，业内称之为“切线”。切换时机把握不当，极易造成物料积压，或是下游工序断料停工。同时，设备切换订单本身会占用生产工时，企业迫切希望最大限度减少不必要的停机调整。

一个生产细节，让师生真切感受到连续生产的复杂性。

“订单切换不是清空机台旧料再投入新料，生产线全程不停机，设备内部新旧物料会并存。”刘沛瑶说，新旧物料如何区分、全程如何追踪，都必须写入算法模型。

这些生产约束，只靠实验室推演根本无法厘清。

“两个月里，我们先后四次进驻企业车间。不光在办公室对接技术方案，还要扎根生产现场，观察设备运行、物料投放全过程，核对现场工时与实验室测算数据是否一致。”刘沛瑶和不少学生都是第一次走进实体生产车间。除了线下驻场调研，师生还和企业工程师保持高频线上研讨，把对生产流程的粗略认知，细化到每一道工序、每一个操作环节。

“我们先列出问题清单，再对照清单逐条和企业核对确认。”他说，只有把现场生产条件全部摸清摸准，算法给出的排产计划才能真正落地。

团队在原有研究基础上迭代优化方案，增加仿真验证环节，让排产计划先在数字模型里试运行，发现工序冲突及时修正。今年4月，团队与企业正式签订合作协议；9月，光伏车间排产切线提醒系统顺利上线。

和学生一起走进产业大课堂

走进生产一线，老师带着学生破解技术难题，师生双方都在成长。

“来到真实车间，学生首先要吃透工艺约束，学会倾听一线操作人员的诉求，明白技术始终要服务生产。”刘沛瑶说，学生必须听懂生产工艺术语，在技术可行性与工厂现实条件之间找到平衡点。

对学生而言，算法模型要接受真实生产场景的检验；对刘沛瑶来说，教学指导方式也必须随之调整。以往做科研项目，他习惯于布置任务、定期检查、验收成果。但在产业项目里，这套管理方式已经行不通。

“学生有自己的思考，项目推进过程中，我要和学生一起讨论、共同设计技术方案。”他主动深度参与方案研讨，和学生一起推敲技术细节，同时学习把控研发进度、对接企业沟通协调。“这是学生与我双向成长的过程。”

10月15日，2026年四川省“引智助企”遂宁行活动暨高校人工智能应用竞赛正式启动，刘沛瑶随即投入新一轮校企对接工作。

一家绵阳显示企业的技术负责人提出，目前手机屏幕划伤、气泡等外观瑕疵，大多依靠人工在特定光照下肉眼检测，企业希望借助人工智能技术实现自动质检。刘沛瑶当场询问企业现有检测设备，追问是否采集过产品照片、人工能否精准标注瑕疵位置。得知企业还未开展数据采集工作，他当即给出建议：先组织团队教师赴企业实地走访，与现场技术人员、工程师面对面交流。

“技术方案不能凭空设计，必须立足于车间现有生产条件。”在他看来，脱离现场的技术研发没有实际价值。对于下一步工作，刘沛瑶有着清晰规划：持续优化现有排产调度系统，把这套智能排产技术拓展应用到半导体、锂电池制造等领域。

“不同工厂的生产工艺约束各不相同，每落地一个新项目，都要结合工厂实测数据做定制化适配。”他计划依托工会搭建的“引智助企”对接平台，对接更多省内制造企业，加快智能排产技术的产业转化。

当企业生产难题变成师生共同攻关的科研课题，生产车间成为检验理论知识的实景课堂。这堂扎根产业的实践课，打通了高校人才培养与制造业转型升级的通道，也让青年教师的科研与教学，牢牢扎根在产业实践的沃土之上。