2016年阿尔法go 以4:1的比分打败李世石，从这一时刻开始，优化程序在很多垂直领域比人类更敏捷、更具备高效率的观点被越来越多的人所理解。虽然大家知道是AI ，但是和我们目前所理解的 LLM （大语言模型）是不同的。阿尔法go 是采用的是深度学习的方式去实现找到“最优解”， 其实这个过程和工厂里边的排产是一模一样的。首先我们先来看看阿尔法go 的原理。

对于每下一手，可能都存在无数多种可能性的方案，

如果在各种方案中找到找到最好的一种下法（最优决策），那么就需要完成三个事情:

①：让决策引擎知道围棋的规则，例如已经被落子的位置不能再落子、每次落子只能落1子、棋子的气是......

②：让决策引擎知道怎么评价这一手落子以后对获胜的概率是多少；

③：找到一个快速计算的电脑，尽可能把所有的方案计算一次，然后找到获胜概率最大的方案。

其实智能排查也是参考的同样的方式 ，只是把电脑的棋盘换成了 设备（纵坐标）与时间（横坐标），棋子换成了 执行的任务

所以，照着这个思路，我们构建了jvs-aps 智能排查系统（已开源）：

我们对工厂排查也做了几件事情：

1、高数系统，工厂是如何进行生产的（对比阿尔法go，如何学会下棋），把工厂的生成产品的工艺做成数学模式，也就是配置产品的生产工艺，当然需要一些基础的定义，如物料、设备、bom 等基础的定义：

2、获取，构建日常的需求排查的业务数据模型，包括生产订单、来料的订单等等：

3、通过算法快速的求解，一般在几分钟以内，就可以找到最优的方案：

在线demo：https://aps.bctools.cn

开源地址：https://gitee.com/software-minister/jvs-aps