在組裝合成建築（MiC）的工廠化生產中，面對高度隨機的訂單變更與異構資源的動態調度，傳統依賴人工經驗的排程方式往往存在決策延遲與局部最優的局限，極易引發供應鏈瓶頸 。我們聯合香港理工大學及香港大學研發的“基於大語言模型與知識圖譜驅動的 IoT-BIM 智能調度平臺”，正是為了解決這一複雜的組合優化難題而生。

該平臺深度融合了領域自適應多模態大模型（MiC-LLM）、動態圖知識庫（GKB）與 IoT平臺 三大核心技術，構建了“語義驅動決策”的創新範式 。透過獨創的 TextSchedule 功能，系統利用低秩適配（LoRA）微調技術與檢索增強生成（RAG）機制，精準解析管理人員的自然語言指令，將非結構化需求轉化為結構化約束，並自動調用啟發式演算法生成最優生產甘特圖。

針對生產擾動，平臺內建的 LLM 多智能體系統（LLM-MAS） 採用分層式強化學習框架，能在 1 分鐘內 完成從問題構建、約束擴展到模型驗證的閉環動態重排，實現資源的精準匹配。

這項技術不僅實現了調度決策的自動化，更基於 NVIDIA Isaac Sim 構建了高保真數字孿生環境，實現了對生產、運輸及裝配全流程的即時可視化。目前，該平臺已在海創智造科技(珠海)有限公司海創智造工廠開展試點，探索解決標準化MiMEP產品從 BIM 幾何模型到生產工單的排產鴻溝 。未來，它將推動建築供應鏈向數據驅動的“智能調度製造”轉型，加速建造業 2.0 的深度應用 。

Figure 1：Scheduling: Intelligent Production Planning

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

香港理工大學（理大）協理副校長（環球合作）、環球事務總監、建設管理講座教授及理大德藝書院院長沈岐平教授