在组装合成建筑（MiC）的工厂化生产中，面对高度随机的订单变更与异构资源的动态调度，传统依赖人工经验的排程方式往往存在决策延迟与局部最优的局限，极易引发供应链瓶颈 。我们联合香港理工大学及香港大学研发的“基于大语言模型与知识图谱驱动的 IoT-BIM 智能调度平臺”，正是为了解决这一复杂的组合优化难题而生。

该平臺深度融合了领域自适应多模态大模型（MiC-LLM）、动态图知识库（GKB）与 IoT平臺 三大核心技术，构建了“语义驱动决策”的创新范式 。透过独创的 TextSchedule 功能，系统利用低秩适配（LoRA）微调技术与检索增强生成（RAG）机制，精准解析管理人员的自然语言指令，将非结构化需求转化为结构化约束，並自动调用启发式演算法生成最优生产甘特图。

针对生产扰动，平臺内建的 LLM 多智能体系统（LLM-MAS） 采用分层式强化学习框架，能在 1 分钟内 完成从问题构建、约束扩展到模型验证的闭环动态重排，实现资源的精准匹配。

这项技术不仅实现了调度决策的自动化，更基于 NVIDIA Isaac Sim 构建了高保真数字孪生环境，实现了对生产、运输及装配全流程的即时可视化。目前，该平臺已在海创智造科技(珠海)有限公司海创智造工厂开展试点，探索解决标准化MiMEP产品从 BIM 几何模型到生产工单的排产鸿沟 。未来，它将推动建筑供应链向数据驱动的“智能调度制造”转型，加速建造业 2.0 的深度应用 。

Figure 1：Scheduling: Intelligent Production Planning

Figure 2: TextSchedule, extracts key scheduling parameters from natural-language descriptions

香港理工大学（理大）协理副校长（环球合作）、环球事务总监、建设管理讲座教授及理大德艺书院院长沈岐平教授