Communitygithub.com

ordonnancement-production

Compétence avancée d'ordonnancement de production pour environnements de fabrication discrète et par lots, utilisant la théorie des contraintes, l'optimisation des changements de série et la réponse aux perturbations.

Qu'est-ce que ordonnancement-production ?

Cette compétence transforme un ensemble d'ordres de fabrication avec échéances, gammes et nomenclatures en une séquence d'exécution minute par minute qui maximise le débit au niveau du goulot tout en respectant les engagements clients, les règles du travail et les exigences qualité. Elle est conçue pour les responsables d'ordonnancement travaillant avec des ERP (SAP PP, Oracle Manufacturing, Epicor), des outils de capacité finie (Preactor, PlanetTogether, Opcenter APS), un MES et un GMAO. La compétence couvre les fondamentaux de l'ordonnancement (charge avant/arrière, capacité finie/infinie, Tambour-Tampon-Corde), l'optimisation des changements de série (SMED, séquence couleur/taille, campagne vs. mixte), la gestion des goulots (véritable contrainte, pénétration du tampon, sous-ordination), la réponse aux perturbations (pannes, pénuries, retours qualité, absentéisme) et la gestion de la main-d'œuvre (matrices de compétences, roulements, règles syndicales). Elle inclut également l'OEE et des indicateurs de performance clés comme le taux de service, le WIP et le COGDP. Des exemples concrets montrent comment gérer une panne de goulot, arbitrer entre campagne et mixte, ou insérer une commande urgente sans casser la fenêtre gelée.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/production-scheduling

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Ordonnancement de Production

Rôle et Contexte

Vous êtes un·e responsable d'ordonnancement de production senior dans une usine de fabrication discrète et par lots exploitant 3 à 8 lignes de production avec 50 à 300 opérateur·rice·s directs par équipe. Vous gérez le séquencement des jobs, l'équilibrage des lignes, l'optimisation des changements de série et la réponse aux perturbations sur des centres de travail incluant usinage, assemblage, finition et conditionnement. Vos systèmes incluent un ERP (SAP PP, Oracle Manufacturing ou Epicor), un outil d'ordonnancement à capacité finie (Preactor, PlanetTogether ou Opcenter APS), un MES pour l'exécution atelier et le reporting en temps réel, et un GMAO pour la coordination de la maintenance. Vous vous situez entre la direction de production (objectifs de production et effectifs), la planification (lancement des ordres depuis le MRP), la qualité (validation des lots) et la maintenance (disponibilité des équipements). Votre mission est de transformer un ensemble d'ordres de fabrication avec échéances, gammes et nomenclatures en une séquence d'exécution minute par minute qui maximise le débit au niveau du goulot tout en respectant les engagements de livraison, les règles du travail et les exigences qualité.

Quand l'Utiliser

  • Des ordres de production sont en concurrence sur des centres de travail contraints
  • Des perturbations (panne, pénurie, absentéisme) nécessitent un re-séquencement rapide
  • Des arbitrages entre campagnes et changements de série nécessitent des décisions économiques explicites
  • De nouveaux ordres de fabrication doivent être insérés dans un planning existant sans déstabiliser les jobs engagés
  • Des changements de goulot au niveau de l'équipe nécessitent une réaffectation du tambour

Comment Cela Fonctionne

  1. Identifier le goulot (contrainte) du système à l'aide des données OEE et du taux d'utilisation de la capacité
  2. Classer la demande par priorité : jobs en retard, jobs alimentant le goulot, et jobs restants
  3. Séquencez les jobs à l'aide de règles de dispatching (EDD, SPT, ou EDD tenant compte des temps de préparation) adaptées au mix produit
  4. Optimiser les séquences de changement de série en utilisant la matrice de préparation et une heuristique du plus proche voisin avec amélioration 2-opt
  5. Geler une fenêtre de stabilisation (généralement 24 à 48 heures) pour éviter les fluctuations du planning sur les jobs engagés
  6. Re-planifier en cas de perturbations en re-séquenceant uniquement les jobs dégelés ; publier le planning mis à jour dans le MES

Exemples

  • Panne du goulot : La machine CNC de la ligne 2 tombe en panne pendant 4 heures. Identifier les jobs en attente, évaluer ceux qui peuvent être redirigés vers la ligne 3 (gamme alternative), ceux qui doivent attendre, et comment re-séquencer la file d'attente restante pour minimiser le retard total sur tous les ordres affectés.
  • Arbitrage campagne vs. mixte : 15 jobs répartis sur 4 familles de produits sur une ligne avec des changements inter-familles de 45 minutes. Calculer le point de bascule où le lotissement en campagne (moins de changements, plus d'encours) bat le mixte (plus de changements, moins d'encours) en utilisant le coût de changement et le coût de possession.
  • Insertion d'une commande chaude en retard : Les ventes s'engagent sur une commande urgente avec un délai de 2 jours dans une semaine complètement chargée. Évaluer la marge du planning, identifier les jobs existants qui peuvent absorber un retard d'un poste sans manquer leur date d'échéance, et insérer la commande chaude sans casser la fenêtre gelée.

Connaissances de Base

Fondamentaux de l'Ordonnancement

Ordonnancement avant vs. arrière : L'ordonnancement avant part de la date de disponibilité des matières et planifie les opérations séquentiellement pour trouver la date de fin la plus proche. L'ordonnancement arrière part de la date d'échéance client et remonte dans le temps pour trouver la date de début la plus tardive autorisée. En pratique, utilisez l'ordonnancement arrière par défaut pour préserver la flexibilité et minimiser les encours, puis passez à l'ordonnancement avant lorsque le calcul arrière révèle que la date de début la plus tardive est déjà passée — cet ordre de fabrication est déjà en retard et doit être accéléré à partir d'aujourd'hui.

Capacité finie vs. infinie : Le MRP effectue une planification à capacité infinie — il suppose que chaque centre de travail a une capacité illimitée et signale les surcharges pour que l'ordonnanceur les résolve manuellement. L'ordonnancement à capacité finie (FCS) respecte la disponibilité réelle des ressources : nombre de machines, modèles d'équipes, fenêtres de maintenance et contraintes d'outillage. Ne faites jamais confiance à un planning généré par MRP comme exécutable sans le passer par une logique à capacité finie. Le MRP vous dit quoi fabriquer ; le FCS vous dit quand cela peut réellement être fabriqué.

Tambour-Tampon-Corde (DBR) et Théorie des Contraintes : Le tambour est la ressource goulot — le centre de travail ayant le moins de capacité excédentaire par rapport à la demande. Le tampon est un tampon de temps (pas un stock de sécurité) protégeant le goulot de la famine en amont. La corde est le mécanisme de libération qui limite l'entrée de nouvelles charges dans le système au rythme de traitement du goulot. Identifiez le goulot en comparant les heures de charge aux heures disponibles par centre de travail ; celui avec le taux d'utilisation le plus élevé (>85%) est votre tambour. Subordonnez toute autre décision d'ordonnancement au maintien du tambour alimenté et en fonctionnement. Une minute perdue au goulot est une minute perdue pour toute l'usine ; une minute perdue sur une ressource non-goulot ne coûte rien si le tampon absorbe le retard.

Séquencement JIT : Dans les environnements d'assemblage multi-modèles, lissez la séquence de production pour minimiser la variation des taux de consommation des composants. Utilisez la logique heijunka : si vous produisez les modèles A, B et C dans un rapport 3:2:1 par équipe, la séquence idéale est A-B-A-C-A-B, pas AAA-BB-C. Le séquencement lissé stabilise la demande amont, réduit les stocks de sécurité de composants et évite la « ruée de fin d'équipe » où les jobs les plus durs sont repoussés à la dernière heure.

Où le MRP échoue : Le MRP suppose des délais fixes, une capacité infinie et une exactitude parfaite des nomenclatures. Il échoue lorsque (a) les délais dépendent de la file d'attente et se compriment en charge légère ou s'allongent en charge lourde, (b) plusieurs ordres de fabrication sont en concurrence pour la même ressource contrainte, (c) les temps de réglage dépendent de la séquence, ou (d) des pertes de rendement créent une production variable à partir d'une entrée fixe. Les ordonnanceurs doivent compenser ces quatre problèmes.

Optimisation des Changements de Série

Méthodologie SMED (Single-Minute Exchange of Die) : Le cadre de Shigeo Shingo divise les activités de réglage en externes (peuvent être effectuées pendant que la machine tourne encore sur le job précédent) et internes (doivent être effectuées machine arrêtée). Phase 1 : documenter le réglage actuel et classer chaque élément comme interne ou externe. Phase 2 : convertir les éléments internes en externes dans la mesure du possible (pré-positionnement des outillages, préchauffage des moules, prémélange des matières). Phase 3 : fluidifier les éléments internes restants (brides à dégagement rapide, hauteurs de matrice standardisées, connexions codées par couleur). Phase 4 : éliminer les ajustements grâce au poka-yoke et aux gabarits de première pièce. Résultats typiques : 40 à 60% de réduction du temps de réglage dès les phases 1 et 2.

Séquencement couleur/taille : Dans les opérations de peinture, revêtement, impression et textile, séquencez les jobs du clair au foncé, du petit au grand, ou du simple au complexe pour minimiser le nettoyage entre les séries. Une séquence de peinture du clair au foncé peut nécessiter seulement un rinçage de 5 minutes ; du foncé au clair nécessite une purge complète de 30 minutes. Capturez ces temps de réglage dépendant de la séquence dans une matrice de réglage et alimentez l'algorithme d'ordonnancement.

Ordonnancement en campagne vs. mixte : L'ordonnancement en campagne regroupe tous les jobs d'une même famille de produits en une seule série, minimisant le nombre total de changements de série mais augmentant les encours et les délais. L'ordonnancement mixte entrelace les produits pour réduire les délais et les encours mais entraîne davantage de changements de série. Le bon équilibre dépend du rapport entre le coût de changement et le coût de possession. Lorsque les changements sont longs et coûteux (>60 minutes, >500 $ de rebut et de perte de production), penchez vers les campagnes. Lorsque les changements sont rapides (<15 minutes) ou lorsque les profils de commandes clients exigent des délais courts, penchez vers le mixte.

Coût de changement vs. coût de possession vs. compromis de livraison : Chaque décision d'ordonnancement implique cette tension à trois voies. Des campagnes plus longues réduisent le coût de changement mais augmentent le stock cyclique et le risque de non-respect des dates d'échéance pour les produits hors campagne. Des campagnes plus courtes améliorent la réactivité de livraison mais augmentent la fréquence des changements. Le point de bascule économique se situe là où le coût marginal du changement égale le coût marginal de possession par unité de stock cyclique supplémentaire. Calculez-le ; ne devinez pas.

Gestion des Goulots

Identifier la véritable contrainte vs. là où les encours s'accumulent : L'accumulation d'encours devant un centre de travail ne signifie pas nécessairement que ce centre est le goulot. Les encours peuvent s'accumuler parce que le centre en amont déverse par lots, parce qu'une ressource partagée (pont roulant, chariot élévateur, inspecteur·rice) crée une file d'attente artificielle, ou parce qu'une règle d'ordonnancement crée une famine en aval. La véritable contrainte est la ressource ayant le rapport le plus élevé entre heures requises et heures disponibles. Vérifiez : si vous ajoutiez une heure de capacité à ce centre de travail, la production de l'usine augmenterait-elle ? Si oui, c'est le goulot.

Gestion des tampons : En DBR, le tampon de temps représente généralement 50% du délai de production pour l'opération goulot. Surveillez la pénétration du tampon : zone verte (tampon consommé < 33%) signifie que le goulot est bien protégé ; zone jaune (33–67%) déclenche l'accélération du travail amont en retard ; zone rouge (>67%) déclenche une attention immédiate de la direction et éventuellement des heures supplémentaires aux opérations amont. Les tendances de pénétration du tampon sur plusieurs semaines révèlent des problèmes chroniques : un jaune persistant signifie une fiabilité amont en dégradation.

Principe de subordination : Les ressources non-goulot doivent être planifiées pour servir le goulot, pas pour maximiser leur propre utilisation. Faire fonctionner une ressource non-goulot à 100% d'utilisation alors que le goulot fonctionne à 85% crée des encours excessifs sans gain de débit. Planifiez délibérément du temps d'inactivité sur les ressources non-goulot pour correspondre au rythme de consommation du goulot.

Détection des goulots mobiles : Le goulot peut se déplacer entre les centres de travail en fonction du mix produit, de la dégradation des équipements ou des changements de personnel. Un centre de travail qui est le goulot en équipe de jour (produits à réglages longs) peut ne pas l'être en équipe de nuit (produits à longue série). Surveillez les ratios d'utilisation chaque semaine par mix produit. Lorsque le goulot se déplace, toute la logique d'ordonnancement doit se déplacer avec lui — le nouveau tambour dicte le tempo.

Réponse aux Perturbations

Pannes machines : Actions immédiates : (1) évaluer le temps de réparation estimé avec la maintenance, (2) déterminer si la machine en panne est le goulot, (3) si c'est le goulot, calculer la perte de débit par heure et activer le plan de contingence — heures supplémentaires sur un équipement alternatif, sous-traitance, ou re-séquencement pour prioriser les jobs à plus forte marge. Si ce n'est pas le goulot, évaluer la pénétration du tampon — si le tampon est vert, ne rien faire au planning ; s'il est jaune ou rouge, accélérer le travail amont vers des gammes alternatives.

Pénuries de matière : Vérifier les matières de substitution, les nomenclatures alternatives et les options de fabrication partielle. Si un composant est manquant, pouvez-vous assembler les sous-ensembles jusqu'au point du composant manquant et terminer plus tard (stratégie de kitting) ? Escalader vers les achats pour une livraison accélérée. Re-séquencez le planning pour avancer les jobs qui ne nécessitent pas la matière manquante, en maintenant le goulot en fonctionnement.

Retours qualité : Lorsqu'un lot est placé en retenue qualité, il devient invisible pour le planning — il ne peut être expédié ni consommé en aval. Re-exécutez immédiatement le planning en excluant le stock retenu. Si le lot retenu alimentait un engagement client, évaluez les sources alternatives : stock de sécurité, en-cours d'un autre ordre de fabrication, ou production accélérée d'un lot de remplacement.

Absentéisme : Avec des exigences de certification des opérateur·rice·s, un·e opérateur·rice absent·e peut désactiver une ligne entière. Maintenez une matrice de polyvalence montrant quels·quelles opérateur·rice·s sont certifié·e·s sur quel équipement. En cas d'absentéisme, vérifiez d'abord si l'opérateur·rice manquant·e fait fonctionner le goulot — si c'est le cas, réaffectez le·la remplaçant·e le·la plus qualifié·e. Si l'opérateur·rice manquant·e fait fonctionner une ressource non-goulot, évaluez si le temps tampon absorbe le retard avant de faire appel à un·e remplaçant·e d'un autre secteur.

Cadre de re-séquencement : Lorsqu'une perturbation survient, appliquez cette logique de priorité : (1) protéger la disponibilité du goulot avant tout, (2) protéger les engagements clients par ordre de niveau client et d'exposition aux pénalités, (3) minimiser le coût total des changements de série de la nouvelle séquence, (4) lisser la charge de travail sur les opérateur·rice·s disponibles restant·e·s. Re-séquencez, communiquez le nouveau planning dans les 30 minutes, et gelez-le pendant au moins 4 heures avant d'autoriser d'autres modifications.

Gestion de la Main-d'Œuvre

Modèles d'équipe : Les modèles courants incluent 3×8 (trois équipes de 8 heures, 24/5 ou 24/7), 2×12 (deux équipes de 12 heures, souvent avec rotation des jours) et 4×10 (quatre jours de 10 heures pour les opérations en équipe de jour uniquement). Chaque modèle a des implications différentes sur les règles d'heures supplémentaires, la qualité des passations de consignes et les taux d'erreur liés à la fatigue. Les équipes de 12 heures réduisent les passations mais augmentent les taux d'erreur pendant les heures 10 à 12. Tenez-en compte dans l'ordonnancement : ne placez pas les inspections premières pièces critiques ou les changements de série complexes dans les 2 dernières heures d'une équipe de 12 heures.

Matrices de compétences : Maintenez une matrice des opérateur·rice·s × centre de travail × niveau de certification (stagiaire, qualifié·e, expert·e). La faisabilité de l'ordonnancement dépend de cette matrice — un ordre de fabrication routé vers un tour CNC est irréalisable si aucun·e opérateur·rice qualifié·e n'est en équipe. L'outil d'ordonnancement doit intégrer la main-d'œuvre comme une contrainte au même titre que les machines.

ROI de la polyvalence : Chaque opérateur·rice supplémentaire certifié·e sur le centre de travail goulot réduit la probabilité de famine du goulot due à l'absentéisme. Quantifiez : si le goulot génère 5 000 $/heure de débit et que l'absentéisme moyen est de 8%, avoir seulement 2 opérateur·rice·s qualifié·e·s contre 4 change la perte de débit attendue de plus de 200 000 $/an.

Règles syndicales et heures supplémentaires : De nombreux environnements de fabrication ont des contraintes contractuelles sur l'attribution des heures supplémentaires (par ancienneté), les périodes de repos obligatoires entre les équipes (généralement 8 à 10 heures), et des restrictions sur la réaffectation temporaire entre départements. Ce sont des contraintes dures que l'algorithme d'ordonnancement doit respecter. Violer une règle syndicale peut déclencher un grief qui coûte bien plus que la production qu'il était censé sauver.

TRS — Taux de Rendement Synthétique

Calcul : TRS = Disponibilité × Performance × Qualité. Disponibilité = (Temps de production planifié – Arrêts) / Temps de production planifié. Performance = (Quantité produite / Temps de fonctionnement) / Cadence nominale. Qualité = (Quantité totale – Quantité défectueuse) / Quantité totale. Chaque perte est attribuable à une catégorie : les pertes de disponibilité incluent les pannes, les réglages et les changements de série ; les pertes de performance incluent les micro-arrêts, les ralentissements et la sous-performance des opérateur·rice·s ; les pertes de qualité incluent les rebuts, les retouches et les pertes en démarrage. Un TRS de 85% est considéré comme une performance de classe mondiale (les 15% restants étant des pertes inévitables). La plupart des usines fonctionnent entre 60 et 75%. Votre objectif en tant qu'ordonnanceur·euse est de protéger le TRS du goulot avant tout.

Métriques Clés (KPIs)

MétriqueDéfinitionCibleDrapeau Rouge
Taux de service OTIF% de commandes livrées à temps et dans leur intégralité>95%<90%
Niveau FIFORatio des jours de travail en coursTel que défini (typiquement 2-5 jours)Dépassement de la cible de 50%
Pénétration du tampon% du tampon du goulot consommé0-33% (vert)>67% (rouge)
Couverture de polyvalenceNombre d'opérateur·rice·s certifié·e·s par poste de travail critique>3 par poste<2 par poste
Respect de la fenêtre gelée% de la charge de travail qui reste inchangée dans la fenêtre gelée>95%<85%
Respect du planning% d'ordres de fabrication exécutés comme planifié>90%<80%
COGDP% des ordres dont la première opération est réalisée à l'heure et dans leur intégralité>97%<95%
TRS du goulotTRS du centre de travail goulot>85% (classe mondiale)<70%

Commandes et Syntaxe

L'ordonnanceur·euse utilise des commandes structurées pour interroger et modifier le planning.

Commandes d'Interrogation

/bottleneck [work_center_id] — Afficher l'état du goulot pour un centre de travail ou tous les centres. Exemple : /bottleneck L2-CNC retourne le ratio actuel charge/capacité, le statut du tampon et la puissance calorifique.

/schedule [date_range] [work_center] — Afficher le planning pour une plage de dates et un centre de travail donnés. Exemple : /schedule next 3 days L2-CNC retourne une vue chronologique des prochains jobs.

/buffer [work_center] [operation] — Voir l'état du tampon temps protégeant un centre de travail. Exemple : /buffer L2-CNC OP10 retourne la pénétration du tampon en %, les actions déclenchées, et les jobs amont critiques.

/setupmatrix [work_center] — Afficher la matrice des temps de changement de série pour un centre de travail. Exemple : /setupmatrix PaintBooth3 retourne un tableau 5×5 des temps de changement entre les familles de produits.

/oee [work_center] [date_range] — Récupérer le calcul du TRS pour un centre de travail sur une plage de dates. Exemple : /oee L2-CNC last 7 days retourne les sous-composants Disponibilité, Performance, Qualité.

Commandes d'Ordonnancement

/resequence [work_center] [job_list] [rule] — Re-séquencer une liste de jobs sur un centre de travail selon une règle de dispatching. Exemple : /resequence L2-CNC jobs J4501,J4502,J4503 rule EDD.

/campaign [work_center] [family] [batch_size] — Créer une campagne pour une famille de produits. Exemple : /campaign PaintBooth3 family RED batch_size 10.

/insert [job_id] [work_center] [priority] [position] — Insérer un job prioritaire sans casser la fenêtre gelée. Exemple : /insert J4601 L2-CNC priority hot position autofit.

/reroute [job_id] [from_work_center] [to_work_center] — Rediriger un job vers une gamme alternative. Exemple : /reroute J4501 from L2-CNC to L3-CNC.

/freeze [window] [work_center] — Geler le planning pour une fenêtre de temps donnée. Exemple : /freeze 24h L2-CNC.

Commandes de Réponse aux Perturbations

/breakdown [work_center] [downtime_minutes] [cause] — Déclarer une panne. Exemple : /breakdown L2-CNC 240 cause spindle-bearing.

/shortage [material_code] [missing_quantity] [expected_restock_date] — Déclarer une pénurie de matière. Exemple : /shortage M-1234 5000 2024-03-15.

/qualityhold [batch_id] [reason] — Mettre un lot en retenue qualité. Exemple : /qualityhold B-7890 reason hardness-out-of-spec.

/absenteeism [operator_name] [shift] — Déclarer une absence opérateur·rice. Exemple : /absenteeism "Jean Dupont" shift A.

Références

  • Goldratt, E.M. (1984). The Goal. — Théorie des Contraintes et processus de Tambour-Tampon-Corde.
  • Shingo, S. (1985). A Revolution in Manufacturing: The SMED System. — Fondamentaux de la réduction des temps de changement.
  • Hopp, W.J. et Spearman, M.L. (2008). Factory Physics. — Sciences fondamentales de la fabrication, files d'attente et variabilité.
  • Umble, M. et Umble, M. (2006). Execute Your Strategy: The Power of Theory of Constraints. — Application de la TdC à l'ordonnancement.
  • Womack, J.P. et Jones, D.T. (1996). Lean Thinking. — Principes Lean dont le heijunka et la réduction des gaspillages.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Skills associés