传统的产能核算方式可以概括为年初算一次、月度对一次、有问题明年再说。核算依据是标准工时——每道工序理论上需要多长时间乘以设备数、乘以班次、乘以工作日得出理论产能。但这个理论产能离真实世界太远了设备状态好坏影响产出速度、良率波动影响有效产出、换型时间占用了原本算作产出的时间、外协能力是否可用也没有纳入。更关键的是瓶颈不是静态的——某个工序在正常情况下不是瓶颈但当几个大单集中在同一时段、或者关键设备临时故障、或者某个班次良率突然下跌时它就可能成为瓶颈。等到计划员发现某个工序的产出一直跟不上计划了瓶颈已经形成了数周改善窗口早已关闭。逐米时代制造新解法逐米时代的制造新解法用动态负荷计算替代静态标准工时核算识别时段性瓶颈而非笼统的工序瓶颈并模拟多种改善方案的缓解效果让产能决策从事后统计变成事前预防。第一步是动态负荷计算。系统按时段可以是按天或按班次计算各工序的负荷——基于当期的生产计划、各产品的工艺路线和各工序的资源日历计算每个时段每道工序需要多少产出能力。同时获取实际设备状态大修/保养/故障等不可用时段、良率数据不同产品和班次的良率差异、换型时间记录不同产品组合的切换耗时和外协能力可用性外包产能还有多少余量。负荷计算的输出不是工序X月产能100单位这样的静态数字而是工序X在本周二下午负荷85%、周三上午负荷112%超负荷这样的时段级分析。第二步是瓶颈识别与时段标注。通过对比各时段的负荷和有效产能识别出负荷超过产能阈值的时段和工序组合。瓶颈识别的输出要精确到时段——工序X在周三上午是瓶颈比工序X是瓶颈有价值得多因为时段性瓶颈的解决方案可能是调整计划排产的时间分布比如把周三上午的订单分摊到周二和周四而不是增加设备或产能。第三步是方案模拟。针对识别出的瓶颈模拟不同改善方案的效果加班增加班次或延长工时计算增加的成本和员工疲劳影响、转线将部分负荷转移到其他有富余能力的产线或设备、外协将部分工序外包计算外协成本和质量可控性、工艺改善缩短标准工时或提升良率计算改善的经济效益。每种方案的模拟输出包括对瓶颈缓解程度的量化、实施成本和周期、对交期和在制品的影响。第四步是决策确认。产能决策是否增加班次、是否外协、是否投资新设备涉及生产和计划的共同利益不是系统能自动决定的。系统提供方案对比和推荐但最终决策由生产和计划联合做出产能调整方案经双方确认后执行。方式传统产能核算AI动态产能分析计算基础静态标准工时年度汇总动态实时数据时段级计算瓶颈判断经验判断笼统的工序瓶颈自动识别时段性瓶颈方案评估定性讨论缺乏量化支撑多方案模拟量化缓解效果和成本响应速度等到瓶颈已形成才察觉提前预判趋势事前预防智能体编排生产排程智能体作为主智能体负责动态负荷计算、瓶颈识别算法和改善方案模拟引擎的运行。它需要接入实时的设备状态、良率数据和换型记录同时调用订单数据和工艺路线数据进行负荷计算。经营看板智能体作为协同智能体从经营层面提供产能数据——将产能分析结果与财务指标如产能利用率与成本收益的关系关联辅助管理层做产能投资相关的经营决策。实施要点动态负荷计算的准确性依赖输入数据的时效性——设备状态、良率、换型时间这些数据需要尽可能自动化采集人工录入的延迟会影响瓶颈判断的及时性。瓶颈的时段性是区别于传统分析的核心价值但时段粒度不能太细按分钟计算没有实际意义建议从班次或半天级别开始逐步精细化。方案模拟的准确性需要持续验证——模拟加班认为能多产出100件实际做到了吗如果偏差大需要校准模拟模型中的参数。产能分析不是一次性的项目需要建立周期性如每周或每双周的分析机制保持对产能趋势的持续关注和前瞻性调整。参考目标瓶颈识别周期从数周缩短到小时级瓶颈工序的产能平衡度显著提升产能利用率的波动幅度减小产能投资决策的量化依据性增强