生产排产系统排不准，问题多半不在算法

导语：排产表改到第五版，车间那边仍然按老习惯排活。三号机空了半天，四号机却堆着两批待加工的活。计划员很委屈：顺序是算过的。可算进去的工时是标准工时，换型、等待和返工都没算，物料是否齐套也没有核对。生产排产系统 要处理的，正是这类排不下去的排产结果：先把依据变准，再谈顺序怎么优化，否则排序只是纸上功夫，落不到机台。

排出来的顺序，为什么执行不了？

排产落不了地，现场通常不是不认，而是没法按它执行：料还没到、人没排开、专用模具还压在另一台机上，顺序再合理也开不了工。

车间对排产表的抵触往往有具体原因。计划说十点开工，可十分钟前才发现专用模具在另一台机上，换模时间没人统计过，于是开工时间只能往后推。次数一多，班组就学会了按自己的节奏走。

更麻烦的是，这些偏差不会被记录。推后了多少、因为什么推后，都留在班长脑子里，下一版排产还是用同样的假设去算，误差自然反复出现。

所以排产问题的头一层，其实不是排序，而是把假设变成可核对的事实；假设不落地，排序就只是纸面上的先后。

还有一个常被忽略的细节：模具与工装的数量限制。同一套模具往往只有一副，排产若只按机台可用性排序，就会出现两台机同时等一副模具的情况，现场只能靠班长临时协调。

算法没错，为什么排出来的顺序不成立？

排产依赖四类输入：可用工时、换型时间、物料齐套与人员配置。这四项里任意一项失真，排出来的结果都会偏离现场，而偏差往往要到开工会才被发现。

标准工时是理想条件下的数字，它不包含换型、等待、试制与返工。把这些都按标准工时算进去，等于默认机台从不空闲，也从不返工，排出来的计划自然漂亮，却落不下去。

物料与人员的约束同样容易被忽略。料未到齐就开工，会把等待时间藏进工序里；关键岗位只有一人会操作，排两台机同时开就等于制造冲突。这些约束不写进模型，算法再强也无从判断。

这类偏差还有个特点：它总在相似的地方重复出现。如果每次都是同一道工序拖后，说明那道工序的工时口径本身就有问题，而不是偶发因素，值得单独拿出来重新统计。

输入不可信，生产排产系统 排得再准也没用

把工时、换型、齐套与人员这四项变成系统里可以核对的字段，排产的准确度会先提升一大截，现场也更愿意按它执行，返工和等料随之减少。

生产排产系统 的价值，先把排产依据从“计划员记得”变成“系统里有记录”。同一批活上次实际用了多少小时、换型花了几分钟、缺料等了多久，这些数据积累起来，才有条件谈优化。

顺序优化当然重要，但它依赖输入质量。输入只有六七成可信时，算法把顺序调得再精细，现场也只能当参考。这也是不少工厂买了排产模块却闲置的原因。

工信部等发布的《智能制造典型场景参考指引》中，把“车间智能排产”列为独立场景，同时强调需要与工艺、设备、物料等数据协同。这也从侧面说明，排产不是孤立的一步，而是一组数据共同作用的结果。

喂给排产的四类输入，各自怎么来

四类输入分别来自生产、设备、仓库与人资，靠一次性整理远远不够，需要日常记录逐步沉淀，误差才会一轮比一轮小，排产也才真正站得住。

输入从哪来、成色怎么验

• 实际工时：由报工回填，关注的是实际时长与标准工时的差异趋势。
• 换型时间：按模具或产品族统计，同类切换与跨类切换要分开记录。
• 物料齐套：来自领料与库存记录，需要区分已入库、在途与替代料。
• 人员与设备：可用班次、资格认证与设备状态，缺一项都可能造成冲突。

这四项都不需要一次做到精确。只要开始记录并用于下一版排产，误差就会逐轮收敛，这比追求一次性建模更实际。

这四类输入建议指定明确的维护责任人。工时由班组回填，换型由设备或工艺记录，齐套由仓库维护，人员资格由车间确认。没人负责的字段，一个月内就会变成一栏空数据。

这四类数据不必一次做到精确。开始记录并用于下一版排产之后，误差会逐轮收敛，这比追求一次性建模更现实，也更容易坚持下去。

参数临时变更，万泰动力的排产稳在哪里

订单变更本身不可怕，可怕的是变更没有出口。把参数、修改记录与交期放在同一条时间轴上，调整就有据可依，排产也拿得到带版本的输入。

发电机组这类产品，客户需求变化频繁，技术参数常常在签单后仍有调整。江苏万泰动力服务全球 150 多个国家和地区的客户，合同、参数、交期与生产信息如果分散在微信、Excel 和纸质单据里，销售、技术与生产之间很容易不同步。

它的做法是用 轻流 把客户需求、技术参数、修改记录与交付日期统一到一条时间轴上，业务人员可以自行调整字段与流程，不必每次改动都等 IT 排期。排产因此拿到的是带版本的参数，而不是口头传递的版本。

对排产来说，这层记录的价值在于可追溯：哪一版参数对应哪一版排产，出现争议时能查得出来，而不是靠几个人回忆当时的沟通顺序。

这一部分的关键结论：生产排产系统 排得准不准，答案多半在输入那一端；实际工时、换型时间与齐套状态先有记录，排序才站得住。

多品种小批量，生产排产系统 该排到多细？

颗粒度不必一步到位。订单量大的稳定产品可以排到机台，变动频繁的排到班组与日期区间即可；两类分开处理，维护成本更低，也更容易执行。

排到机台最精确，但维护成本高，一旦设备或人员临时变动就要重排。对批量小、变更多的产品，排到班组与日期区间，由班长在区间内自主安排，反而更容易执行，也不会因为一次插单就把整张表推倒。

判断标准可以简化：交付风险高、换型代价大的产品排细一些；通用性强、可以随时插空的产品排粗一些。两类混在一起用同一套颗粒度，往往两头都不讨好。

颗粒度还应当与考核方式匹配。若考核到机台，排产就要细到机台；若考核到班组完成量，排到班组更合适，否则计划与考核两套口径，执行时必然打架。

机台不排队，排序就只剩先后

排产解决的是资源争抢。机台之间很少排队时，用手写的白板也能排出可用的顺序；冲突越集中，工具的价值才越明显，投入也才划得来。

不上排产，也可以先做一件事：把实际工时和换型时间记录下来。这份数据无论将来上不上系统，都是判断产能的依据。

提醒：排产理顺的是顺序，解不开产能本身的缺口。排产只能让既有资源用得更顺，如果瓶颈是机台数量或关键工序的合格率，再好的排序也变不出产能。上线前建议先做一次瓶颈识别：找出真正卡住交付的那道工序，确认它的问题属于排程还是能力，再决定投入方向。

暂缓上排产系统期间，有两件事可以先做：一是把瓶颈工序找出来，二是记录它在不同批次下的实际产出。这两份数据能让后续的排产讨论建立在同一组事实上。

上线节奏：记录、试点、扩面、复盘

上线节奏比功能清单更影响结果。按记录、试点、扩面、复盘四步走，每一步都有明确产出，也便于在中途判断要不要继续投入。

• 生产排产系统方案：先写清排产依据来自哪些字段，避免概念先行。
• AI车间排产系统方案：数据未积累时先做规则排程，算法能力可以后置。
• 生产计划排程系统怎么用：从最冲突的一道工序开始试，而不是全车间一起上。
• 生产任务管理系统：任务下发与执行反馈要成对，只发不收等于没有闭环。
• 生产订单管理系统方案：把订单变更的处理规则写进方案，变更才有出口。
• 车间生产进度管理系统：进度数据用于重排，而不是只用于汇报。

还有一点值得提醒：排产结果要允许现场调整。计划给出顺序，班组根据当班实际情况微调，调整的原因回写到系统，下一版排产就会更贴近现场。不允许调整的系统，通常很快会被绕过。

1. 记录：用一个月把实际工时与换型时间留痕，形成首版底数。
2. 试点：选最冲突的一道工序试排，观察两周再判断是否有效。
3. 扩面：把验证过的规则复制到同类工序，避免一次铺到全车间。
4. 复盘：每月对比计划与实际偏差，偏差持续偏大的环节优先修正。

总结：排产排不准，先查输入再谈算法。生产排产系统 依赖实际工时、换型时间、物料齐套与人员设备四类数据，这些数据的可信度决定了结果能不能落地。算法可以后补，四类输入的记录习惯却要天天养；先把记录做顺，再看排序能精细到哪一层。让报工与齐套留下记录，排产才有底数可算；这件事不必等系统到位，轻流 上两张关联表就能先做起来。

常见问题

Q1：为什么买了排产模块，车间还是按自己的顺序做？

先看排产依据是否与现场一致。常见情况是排产按标准工时算，现场按实际经验干，两套逻辑并存。解决办法不是处罚，而是把实际工时回填到系统，让下一版排产用真实数据说话。当班组发现按系统排的顺序确实少等料、少换模，配合意愿会自然提高，这比反复发通知、反复强调执行力要管用得多。

Q2：排产要排到机台，还是排到班组就够了？

看产品结构与冲突程度。交付风险高、换型代价大的产品建议排到机台，便于锁定模具与人员；批量小、变更频繁的产品排到班组与日期区间即可，由班长在区间内自行安排。两类混用同一套颗粒度，往往既增加维护成本，又影响执行意愿。颗粒度也不是一成不变，产品结构变化之后需要重新划分。

Q3：排产和进度管理是不是一回事？

不是。排产决定先做什么、放在哪台机上；进度管理记录实际做到哪一步。两者是输入与反馈的关系：进度数据回填后用于重排，排产才越来越准。如果只有排产没有进度反馈，系统只能靠标准工时推算，误差会逐轮累积，最后连计划员自己都不再相信那张表，现场问进度时又回到打电话的老办法。