结论：产能模型至少要建四层：设备能力、人员能力、工装模具、工艺约束。只给每台设备填一个“每天能做多少”，排程必然失真。关键参数要用实测值——理论产能看设备手册，可用率看历史 OEE，换型时间实测，批量限制看工艺要求。模型不要求 100% 准，但误差要稳定，并且有人定期维护。
很多企业建产能模型，就是给每台设备填一个“每天能做多少”。这个模型太粗，排程必然失真。
原因很简单：同一台设备做不同产品，节拍不一样；同一个产品换不同模具，换型时间不一样；同一班次，有没有熟练工，产出也不一样。用一个数字代表一台设备，等于把这些差异全部抹平。
一、一个数字为什么会失真
假设某台设备标称“每天 500 件”。实际排程时会发现：
- 做 A 产品，节拍快，一天能做 600 件；
- 做 B 产品，需要精密装夹，一天只能做 350 件；
- 换型一次 40 分钟，一天换三次，就少做将近 200 件；
- 新员工操作，产出再打八折。
这些差异，一个“500 件/天”的数字全都表达不了。排程系统按 500 件算，算出来的计划自然做不出来。
更麻烦的是，计划员知道这个数字不准，于是每次排完还要手工修一遍，系统的价值就只剩“生成一张草稿”。
二、至少要建四层
| 层 | 建什么 | 关键参数 | 数据来源 |
|---|---|---|---|
| 设备能力 | 每台设备能做什么、做多快 | 理论产能、可用率、换型时间、批量限制 | 设备手册、历史 OEE、现场实测 |
| 人员能力 | 谁能操作哪台设备 | 技能矩阵、班次安排、人员数量 | 人事档案、技能认证记录 |
| 工装模具 | 模具有多少、能不能用 | 数量、可用状态、换装时间 | 模具台账、维修记录 |
| 工艺约束 | 工序之间怎么衔接 | 前后关系、最小间隔、清洗要求 | 工艺文件、质量要求 |
四层缺一层，排程就会在那一层出错。最常见的是只建了设备层，人员、模具、工艺全靠计划员脑子补，系统排出来的结果只能当参考。
三、关键参数怎么取
- 理论产能：看设备手册或铭牌，但要用实际节拍校正。手册上的速度通常是理想状态，实际会慢 10%–20%。
- 可用率：看历史 OEE 里的时间开动率，不要用 100%。新设备可以取高一些，老设备要按实际。
- 换型时间：必须实测，不能看标准工时。实测方法是连续记录 10 次以上换型，取平均值和波动范围。
- 批量限制：看工艺和质量要求，比如热处理炉的装炉量、电镀槽的最小批量、烘干的批次限制。
有一条原则：不要用“估计值”。估计值会让排程结果无法解释——计划员不知道系统为什么这么排，车间也不知道为什么做不完，最后只能回到 Excel。
四、精度要求：误差要稳定
产能模型不要求 100% 准确，那做不到。要求的是误差稳定：
- 稳定偏差：系统性地偏高或偏低，可以靠一个系数修正，比如统一乘 0.9；
- 随机偏差：今天偏高、明天偏低，没法修，只能回去补数据。
所以建模型时，先做一轮“回测”：拿过去一个月的实际产出，和模型算出来的对比。偏差方向一致，说明模型可用；偏差忽高忽低，说明参数或数据有问题。
五、维护机制
没有维护，模型半年就废了。维护要定三件事：
- 触发条件：设备改造、工艺变更、人员调整、新产品导入，都要更新模型；
- 责任人：设备参数归设备部，人员技能归生产部，工艺约束归工艺部，不能都推给计划；
- 频率：每季度做一次全面复核，每月抽查关键设备。
维护记录也要留痕：谁改的、为什么改、改前改后是多少。否则下次排程出问题，没人说得清是模型错了还是数据错了。
六、一个例子
某企业上 APS 前，产能模型只有一张 Excel：每台设备一个日产能。上线后计划员发现，排出来的计划总是偏乐观，车间每天完不成。
回头补模型：先实测换型时间，发现平均是标准工时的 1.8 倍；再补人员技能矩阵，发现三台关键设备只有两个人会操作，班次一排就冲突；最后补模具台账，发现两套模具正在维修，系统里却显示可用。
三项补完，模型算出来的计划第一次和车间实际对得上。计划员说了一句很实在的话：“以前不是系统不会排，是它不知道真实情况。”
如果你的排程靠 Excel 和老师傅的经验撑着，可以聊聊现在最卡的是哪一段。
常见问题
产能模型需要多精确？
不要求 100% 准确，要求误差稳定。系统性偏差可以用系数修正，随机偏差没法修。建好后用过去一个月的实际产出回测：偏差方向一致就可用，忽高忽低就要回去补数据。
产能模型只建设备层够不够？
不够。至少要有设备、人员、工装模具、工艺约束四层。只建设备层，人员技能、模具可用状态、工序间隔都靠计划员脑子补，系统排出来的结果只能当参考。
产能模型多久维护一次？
设备改造、工艺变更、人员调整、新产品导入时立即更新；每季度做一次全面复核，每月抽查关键设备。维护要定责任人和记录，否则半年后模型就失真了。