多品种小批量模式下的排产难题

为什么多品种小批量难排

传统大批量生产的逻辑是"把一个产品做透"——设备调好后连续生产，换型次数少。

多品种小批量正好相反：品种多、批量小、交期紧、换型频繁。

换型时间和设备利用率成为核心矛盾。

四个核心难题

难题一：换型时间占比过高

假设一台设备换型需要 1 小时，每天换 5 次就是 5 小时。如果一天工作 16 小时，换型占了 31%。

换型时间挤占了有效产能，这是多品种小批量的最大痛点。

难题二：排产目标互相冲突

这三个目标往往冲突：

• 按交期排，可能频繁换型
• 按换型优化排，可能延期
• 均衡负荷，可能两边都不优

排产的本质是权衡，没有完美解。

难题三：不确定性高

插单频繁、设备故障、物料不齐套、人员缺勤。

计划刚排好就要调整，计划员疲于奔命。

难题四：数据不准导致排产失效

排产依赖准确的工时、产能、物料齐套情况。任何一项不准，计划就不可执行。

很多企业不是排产算法不行，是数据不行。

务实的应对思路

思路一：先解决换型时间

换型优化往往比排产算法更有效。

• SMED（快速换模）：把换型动作分解，区分内部作业和外部作业，外部作业提前做
• 标准化换型：固定换型流程和工具
• 换型时间测量：先测出真实换型时间

一个真实案例：某企业换型时间从 90 分钟降到 25 分钟，设备有效产能提升 20%——这比任何排产算法带来的提升都大。

思路二：分级排产

不要试图把所有工序都排到最细。

核心思路：只对瓶颈工序做精细排产。

非瓶颈有富余能力，早晚做完都一样。这能大幅降低排产复杂度。

思路三：承认不确定性，做滚动排产

• 每天重新排未来 3-7 天
• 近期排细，远期排粗
• 预留缓冲应对插单和异常

滚动排产比一次性排产更实用。

思路四：先修数据，再谈算法

排产前先确保工时来自实测、产能按历史实际填、物料齐套情况准确。

数据不准，再好的算法也是白搭。

思路五：成组技术

把相似的产品归组（相似工艺、相似设备需求、相似物料）。

同组产品排在一起，换型时间能显著降低。

这是"用管理手段解决技术问题"的典型做法。

关于排产软件的现实预期

排产软件（APS）能做的：快速计算可行方案、考虑多个约束、给出优化建议。

不能做的：变出产能、修正错误数据、消除业务冲突。

APS 的价值在于"算得快、算得全"，而不是"算出奇迹"。

落地建议

1. 先测换型时间，看有没有优化空间
2. 识别瓶颈工序，只对它精细排产
3. 数据先修正，工时和产能要准确
4. 滚动排产，不要追求一次排到月末
5. 保留人工调整，算法给建议、人做决定

衡量排产改善的指标不是"计划准不准"，而是"交期达成率有没有提高、在制品有没有减少"。

多品种小批量的排产方案需要结合行业特点设计。百华智造 MES 在汽车零部件、装备制造等多品种场景有实施经验，[待补充：排程模块的行业适配说明]。