先换算时间

不同产品先统一折算为设备分钟或设备小时,才能在同一产能池里比较。

先判定资格

设备有空不等于能做;必须先确认产品、模具/工装与设备的适配关系。

用实绩校准

计划与实际CT、停机、换型和良率偏差,要反过来修订主数据。

产能数字主线订单需求经过产品工艺、标准时间、工装模具、设备资格和有效工时形成负荷排程,实绩反馈用于校准标准。 订单需求产品工艺标准CT工装模具设备资格有效工时负荷排程实绩 实绩偏差 → 参数复核 → 版本更新 → 再排程
图1|排产的核心不是“某设备一天能做多少件”,而是“每张订单占用哪类合格资源多少时间”。

一、UPH有用,但不能单独承担多品种排产

UPH适合描述某一产品在明确工艺条件下的小时产出。多品种共用设备时,产品CT、模具穴数、换型、设备资格、计划停机和物料齐套都不同,单一UPH无法直接相加。

指标主要用途单独使用时的盲区
UPH描述某条件下的小时产出速度不同SKU共用设备时无法直接汇总负荷
CT描述一个生产周期所需时间不能判断该设备是否具备加工资格
客户节拍判断需求要求系统以多快速度产出不等于设备实际CT
负荷率比较需求工时与有效资源工时仍需叠加齐套、换型和交期顺序

二、把“件”换成“设备小时”,才能建立共同口径

订单负荷小时 = Σ[需求数量 × 标准CT ÷ (3600 × 穴数)] + 换型时间
有效能力小时 = 计划设备小时 × 计划可用系数
负荷率 = 需求负荷小时 ÷ 有效能力小时 × 100%

计划可用系数不能拍脑袋设定,应来自企业自己的停机、维护和运行数据。若标准CT、良率或OEE已经包含某类损失,也要避免在公式中重复扣减。

三、先做设备资格矩阵,再算产能池

产品/工序关键资源1号机2号机3号机放行依据
SKU-A / 成型1号模具合格合格待验证参数窗口+首件+能力验证
SKU-B / 成型3号模具合格合格不适用设备接口+模具尺寸+工艺能力
SKU-C / 成型2号模具不适用合格待验证设备能力+质量基线+批准记录

资格字段应随工艺变化。例如注塑要核对锁模力、射胶量、模厚和温控接口;冲压要核对吨位、台面、行程与送料接口;SMT则可能关注板尺寸、轨宽、程序版本和炉温能力。

四、一个混流负荷示例:平均有余量,不代表没有瓶颈

以下为计算口径演示数据,不代表任何企业真实产能。假设每月22个生产日、每台设备计划20小时/日;1号机计划可用系数85%,2号机82%。

SKU需求量标准CT穴数分配设备负荷
A24,00036秒/周期11号机240.0小时
B30,00042秒/周期2两台各15,000各87.5小时
C12,00060秒/周期12号机200.0小时
双设备月度负荷演示1号机负荷率90.8%,2号机负荷率84.1%,总体约87.5%。 示例:把需求与换型统一折算为设备小时 1号机339.5 / 374小时 · 90.8% 2号机303.5 / 360.8小时 · 84.1% 虚线为90%示例管理线,仅用于演示,不是行业统一阈值。
图2|总产能池约87.5%,但1号机已接近示例管理线;平均值不能遮住局部资源风险。
1号机339.5 / 374小时

约90.8%,应优先评估换型、插单、维护和过程波动风险。

2号机303.5 / 360.8小时

约84.1%,仍要关注SKU-C只有单一合格资源的约束。

产能池合计643 / 734.8小时

总体约87.5%,但排程必须继续按设备级和资格级拆分。

五、从月负荷到日排程,还要叠加四类约束

  • 物料齐套:没有齐套时间,设备空档只是纸面产能。
  • 换型序列:同模具、同材料族或相近参数的合理排序,可减少清线、调机和首件确认损失。
  • 维护与人力:保养窗口、技能矩阵、夜班配置和共享辅助资源要占用真实日历。
  • 交期与风险:冻结窗口、客户优先级、质量隔离和异常恢复决定订单顺序,不应只按负荷最小排序。

六、计划与实绩必须形成参数闭环

产能参数闭环冻结计划、现场执行、偏差分解、原因确认和更新改善形成循环。 冻结计划现场执行偏差分解原因确认更新/改善 稳定偏差更新主数据;偶发异常进入问题关闭;改善结果重新固化标准
图3|计划准确率不是靠反复催促,而是靠不断缩小模型与现场事实之间的偏差。

七、落地前的十项检查

01产品编码、BOM、工艺路线是否唯一并具备版本?
02标准CT是否明确单位、方法与适用条件?
03多穴、多件/周期的换算规则是否统一?
04产品×工装×设备资格是否有工程放行依据?
05设备日历是否包含班次、休息、维护和计划停机?
06换型时间是否按产品族或工装族建立标准?
07物料齐套时间是否能进入排程判断?
08订单是否统一折算为资源小时,而不是只看件数?
09计划与实绩是否按统一原因码分析偏差?
10主数据是否明确责任人、更新触发、生效日期和审核记录?
结论:数智化排产的起点不是算法,而是可信的制造事实。先建立可计算、可执行、可校准的产能主数据,再让ERP、MES或APS把这套能力放大。