9.2 行业战例：制造、物流与能源
9.2 行业战例：制造、物流与能源
本节摘要：用三个行业战例复盘全册兵器的实战形态：制造排产（整数规划 + 随机缓冲）、物流网络（选址 + 路径分层）、电网调度（优化 + 反馈控制的双层结构）。重点不在成功叙事，而在卡点——数据口径、模型与业务的接口、上线后的退化与监控——并给出案例复盘的五步方法论。
战例一：装配车间的周排产
局面：一家汽车零部件厂，12 台 CNC、40 种工件、每周滚动排产，目标是最大化按期交付并压缩换型时间。建模：工件到机器的分配是 0-1 变量、加工顺序用顺序变量表达——一个中型混合整数规划，正是 3.2 节兵器的用武之地。卡点一出现在数据：标准工时表与实际工时平均差 18%，老师傅的"手感"没有进数据库。项目组花了一个月做数据对齐——模型的天花板在数据地板铺好之前就已经定死。解法是给工时表打上 ±15% 的随机扰动（4.1 节的思路），排产方案对扰动做鲁棒性回测，把"脆皮排产"筛掉。上线形态：求解器每晚跑一次，调度员早上拿到方案后允许手工微调——人机接口留出口是排产系统能活下来的关键；纯自动排产在异常频发的车间会被一次插单就击穿。
战例二：区域物流网络重构
局面：一家电商自建仓配体系重构：几个区域仓、库存怎么分布、末端配送路线怎么排。分层解法：战略层是选址与库存部署（p-中值型整数规划 + 4.3 节的安全库存公式），战术层是仓内波次与车辆路径（5.3 节的先聚类后路径）。卡点在"层与层的对话"：选址模型用的运输成本是平均估计，而路径层的实际成本依赖订单密度——稀疏区域每单成本翻倍。项目组的修复是把战术层的仿真成本回灌战略层：选址每迭代一轮，用历史订单跑一遍路径仿真，把仿真成本写回选址模型的目标系数，三轮后收敛。这正是 9.1 流水线"优化 + 仿真"双引擎的典型应用。上线形态：季度级重跑选址，日常路径层自动执行，大促前做压力仿真（4.2 节的排队论估算分拣线与站点的拥堵）。
战例三：微电网的调度与控制
局面：一个带光伏、储能与柔性负荷的园区微电网：日前做调度计划（何时充电放电、何时启动备用柴机），日内做实时功率平衡。这恰好是运筹与控制的合体战场：日前层是随机规划（光伏出力是 4.1 节的情景分布、电价是分时表——9.1 的冰蓄冷模型换皮），日内层是反馈控制——功率偏差用 PI 或模型预测控制（MPC，每十五分钟滚动解一次小规模优化）消除。卡点在预测误差的传导：光伏预测差 10%，日前计划就会在日内层制造持续偏差，储能被来回抽打、寿命受损。修复是误差分层：用 8.2 节的思想对预测残差在线建模，日前计划保留带宽，日内层只吸收小偏差——优化层管方向，控制层管颠簸，两层各司其职。
import numpy as np # 微电网日内的极简 MPC 示意：每步解一个一步优化，惩罚偏差与动作幅度 def mpc_step(soc, pv_forecast, load, dt=0.25, k_dev=10.0, k_act=0.1): """soc: 储能荷电状态；返回本时段充放功率（正为放电）""" imbalance = load - pv_forecast # 功率缺口 # 候选动作离散扫描（示范用；实战用 QP 求解器） best_u, best_cost = 0.0, np.inf for u in np.linspace(-2.0, 2.0, 41): # 充放功率范围 dev = imbalance - u # 剩余偏差由柴机或弃电承担 cost = k_dev * dev**2 + k_act * u**2 if cost < best_cost: best_cost, best_u = cost, u return best_u rng = np.random.default_rng(5) soc, dev_hist = 0.5, [] for h in range(40): # 十小时滚动 pv_true = 60 + 30*np.sin(h/8) pv_pred = pv_true * rng.uniform(0.9, 1.1) load = 80 + 10*np.sin(h/6 + 1) u = mpc_step(soc, pv_pred, load) soc = min(1.0, max(0.0, soc - u*0.25/50)) dev_hist.append(abs(load - pv_true - u)) print(f"平均功率偏差 {np.mean(dev_hist):.2f} kW（无控制则等于预测误差本身）")
三个战例的公共骨架
案例复盘方法论
三个战例提炼出可复用的复盘五步。一、问题重述：用自己的话把业务诉求写一遍，请业务方签字确认——一半的失败在这一步就埋了雷。二、模型规格：变量表、约束表、目标与假设清单，全部落在纸面（2.1 的检查清单）。三、求解与验证：状态码、间隙、敏感性分析、扰动回测，证据链完整。四、接口设计：结果怎么呈现给使用者、失败怎么降级、人怎么介入。五、运维规划：监控哪些指标（预测误差、可行率、约束违反率）、什么阈值触发重跑或回退。第 1 章的四步闭环（建模、求解、验证、实施）在这里展开成可交付的工程形态。
💡 关键直觉：行业项目的难度分布大致是"数据六分、接口三分、模型一分"。兵刃（全册的算法）是必要条件，但决定成败的常是沙盘外的战场组织。这不是算法无用论——正是懂算法的人才知道模型的能力边界，才谈得上设计靠谱的接口与降级。
本节要点回顾
- 排产战例：整数规划为骨、工时数据为准、人工微调出口为命；
- 物流战例：选址与路径分层，战术仿真成本回灌战略目标，三轮收敛；
- 微电网战例：日前随机规划定方向，日内 MPC 反馈管颠簸，误差分层防抽打；
- 公共卡点：数据口径、约束遗漏、人机接口——三个战例摔的是同一类跟头；
- 复盘五步：问题重述、模型规格、求解验证、接口设计、运维规划，是第 1 章闭环的工程展开。
全册到此收官。回头看第 1 章那张两张沙盘的全景图：你已经从面包房的第一个线性规划，走到了微电网的优化-控制双层体系。剩下的，是把你自己的问题搬上沙盘。