做计划的人都知道排产排出来的东西能不能落地七分靠数据三分靠算法。你算法再牛数据是一坨屎那出来的东西就是垃圾——这就是IT圈常说的Garbage in, Garbage out。一、数据不准的5种典型场景场景1工时数据拍脑袋我见过最离谱的一家工厂工艺参数表是2018年建的之后就没更新过。设备换了好几代产能早翻倍了但标准工时栏写的还是五年前的数据。结果排产系统吭哧吭哧算出来一批订单明明三天就能干完系统非说要五天车间看着计划直摇头这玩意儿能信场景2BOM版本混乱做过装配型企业的都知道物料清单BOM这玩意儿一旦多版本并行那叫一个灾难。研发改了个螺丝规格采购那边还在用旧料仓库贴着新料标签里面装的是旧料车间工人按新图纸干活结果装不上去。你APS系统里跑的是哪个版本的BOM鬼知道。场景3库存数据不实说一个我亲眼见过的笑话某企业PMC去仓库盘库发现系统显示库存5000个实际盘点600个。仓库主管振振有词那4000多个是别的订单预留的虽然单子早就结了但料还压着呢。这种库存数据你让APS怎么算算出来的缺料清单全是假警报计划员看到最后直接无视。场景4设备日历不清楚设备什么时候能跑、什么时候要保养、什么时候换班这本来应该是最基本的约束条件。但现实是很多工厂的设备日历就是Excel表PMC靠记忆记哪些机台这周要检修。你系统里可能显示设备空闲实际上人家早被生产占用或者反过来系统显示忙碌实际空着。这种数据质量排出来的东西能准才怪。场景5工序顺序想当然有些企业的工艺路线是口头传承老员工知道先A后B再C但系统里没录进去或者录错了。APS按默认顺序一排出来的计划要么工序打架要么把本来可以并行的活串行了。这种隐性知识没结构化系统永远算不对。二、数据问题怎么毁掉整个排产逻辑很多人觉得数据不准影响的是单道工序其实不是。数据不准的影响是链式放大的。拿一个典型的离散制造业场景举例订单A需要3道工序工序1的工时数据偏大20%工序2的库存数据差了30%工序3的设备日历没更新。把这三个误差叠加进去最后出来的交期可能比实际长50%以上。然后业务拿这个交期去谈客户要么丢单要么接了之后天天救火。更坑的是APS系统会基于不准的数据不断自我强化。比如你第一次报交期是假的后面客户追问时你又用假数据去调整计划久而久之整个生产体系都在围绕虚假数据运转谁也不知道真相是什么。数据不准还会造成计划-执行双轨制。PMC按系统出的计划发工单车间按实际经验干活两套并行互相不认。最后系统成了摆设Excel表格反而成了真正的系统。三、从源头治理数据质量APS对数据的要求好说了这么多问题该讲讲怎么治了。1. 建立主数据标准分清哪些是APS必须的数据APS系统需要的基础数据就那么几类物料数据含BOM、工艺数据工序标准工时、设备数据产能日历、订单数据交期数量、库存数据实时库存在途。这五类数据每一类都要有明确的Owner和更新机制。谁负责维护多久更新一次更新的触发条件是什么这些问题不答清楚数据质量永远好不了。2. 打通实时数据链路别让APS用昨天的库存算今天的计划很多企业APS和ERP/MES是两张皮APS里跑的库存数据可能是T-1甚至T-2的。这种延迟数据在快速响应场景下就是灾难。真正能用的APS必须是实时对接MES的报工数据、ERP的库存数据、WMS的发货数据。数据链路不打通APS永远算不准。3. 建立数据校验机制让脏数据在入口就被拦住在上APS之前建议先上一套数据校验逻辑。比如工时数据超出历史均值30%的系统自动预警库存数据与实物盘点差异超过阈值的锁定不让参与排产设备日历与实际不符的PMC必须确认签字才能解锁。4. 用APS本身的模拟排产功能反向验证数据质量这是个小技巧——你不知道数据准不准可以让APS跑个模拟排产然后跟车间实际执行情况对比。偏差大的地方数据一定有问题的。哪个工单算出来和实际差得远哪个字段大概率有问题。四、说在最后排产不准这个事八成以上在于数据。你要是还没上线APS先把数据治理列为最高优先级——系统是放大器数据好它帮你数据烂它也会帮你烂得更快。你们厂现在排产系统里最大的数据问题是什么工时不准、BOM混乱还是库存数据失真可以聊聊如果对APS智能排产有疑问或兴趣欢迎交流。免费在线体验及开源​​https://bctools.cn