3. 数字化工厂规划基础
数字化工厂规划并不是把传统规划“搬进软件”，而是把规划过程中原本依赖经验、口头讨论和分散表格的判断，转化为可追溯的数据、可计算的模型和可比较的方案。要理解 DELMIA 这类数字化规划工具的价值，先要回到工厂规划本身：它解决什么问题、按什么顺序推进、用什么指标判断方案好坏，以及为了让软件真正“算得动”，需要提前准备哪些数据。
一、工厂规划流程：从需求到可执行方案
工厂规划流程通常围绕“需求—产能—方案—验证—落地”展开，但各阶段并非简单线性。典型流程包括：明确产品纲领与产量需求、进行产能测算与资源需求分析、确定工艺路线与车间分区、开展布局与物流设计、进行仿真验证与瓶颈分析、输出实施与投资方案。在数字化规划中，这一流程被映射为数据流：产品数据、工艺数据、资源数据、布局数据依次进入模型，仿真结果再反馈修正布局与资源配置。
以一条装配线规划为例，假设年需求为 12 万台，年有效工作时间为 250 天、每天两班共 15 小时，则节拍需求约为 120000 ÷ (250×15×3600) ≈ 0.0089 台/秒，即约 112 秒/台。若单工位标准作业时间为 95 秒，则理论工位数约为 95 ÷ 112 ≈ 0.85，说明单工位能力有余；但若考虑设备综合效率 OEE 为 85%，实际可用节拍变为约 132 秒/台，工位数需求上升，需重新平衡。这个简单示例说明：产能分析不是算一个数，而是把需求节拍、作业时间、效率损失放在同一模型中比较。
二、产能分析：从需求节拍到资源负荷
产能分析的核心是回答“需要多少资源、能否满足需求、瓶颈在哪里”。常用指标包括：需求节拍（Takt Time）、实际节拍、理论产能、有效产能、负荷率、OEE、在制品与排队时间。计算逻辑可概括为：
需求节拍 = 可用工作时间 / 客户需求量
有效产能 = 理论产能 × OEE
负荷率 = 需求任务量 / 有效产能
当负荷率持续大于 1，说明该资源是瓶颈；小于 1 则存在能力冗余。数字化规划中，这些计算不应停留在表格里，而应绑定到工艺路线、设备资源和班次日历上，使修改产量或班次后，负荷结果自动更新。例如某焊接工位理论产能为 40 件/小时，OEE 为 80%，则有效产能为 32 件/小时；若下游需求为 35 件/小时，该工位负荷率约为 109%，必须通过增加班次、提升 OEE 或分流工艺来消除瓶颈。
三、布局原则：让物流与信息流最短
布局设计不是“把设备摆整齐”，而是围绕工艺流向、物流强度、人员操作、安全间距和扩展性进行权衡。常见原则包括：按工艺顺序布置以减少倒流；物流路径最短且避免交叉；重载、高频物料靠近产线；辅助区与主干道分离；预留设备维护与未来扩展空间。数字化布局中，这些原则被转化为可量化的约束：设备尺寸、通道宽度、安全距离、物流距离、搬运频次和面积利用率。
例如，某车间有 6 台设备，若按工艺顺序直线布置，物料总搬运距离约为 180 米；若因场地限制形成 U 型布局，距离可能缩短至 140 米，但需检查 U 型内侧通道是否满足叉车转弯半径。布局优劣不能只看面积，还要看单位产品搬运成本、在制品数量和人员行走距离。
四、精益思想：消除浪费，让流动可见
精益思想为工厂规划提供了判断标准：价值由客户定义，浪费是任何不增加价值的活动。规划中常见的七类浪费包括过量生产、等待、搬运、过度加工、库存、动作和缺陷。数字化规划通过仿真和数据分析，把这些浪费“显性化”：排队时间对应等待浪费，长距离搬运对应搬运浪费，高在制品对应库存浪费。
精益规划强调拉动、均衡和连续流。例如，在装配线规划中，通过节拍平衡让各工位作业时间接近需求节拍，减少等待；通过看板或拉动信号控制线边库存；通过单元化布局缩短换型与搬运。数字化工具的价值在于：在方案未落地前，就能比较不同节拍平衡方案对产能、在制品和人员利用率的影响。
五、数字化规划的数据需求
数字化规划能否成功，取决于数据是否完整、准确、结构化。核心数据可分为五类：产品数据（BOM、产量、变型）、工艺数据（工序、工时、设备、工装）、资源数据（设备能力、OEE、班次、人员技能）、布局数据（厂房尺寸、设备位置、通道、物流路径）和运行数据（订单、库存、故障、质量）。这些数据之间必须建立关联，例如“工序—设备—工时—班次”要能串成一条可计算链。
数据准备中常见的问题是：工时只有标准值没有分布、设备能力只有铭牌值没有 OEE、布局只有 CAD 图形没有语义属性。数字化规划要求把“图形”变成“模型”：设备不仅是方块，还带有产能、故障率、换型时间等属性；物流路径不仅是线条，还带有距离、速度、频次和成本。只有数据具备语义，仿真和优化才有意义。
六、把流程、产能、布局、精益和数据串起来
上述五个方面不是彼此独立的模块，而是一个闭环。规划流程决定先做什么、后做什么；产能分析提供量化依据；布局原则把产能需求落到空间；精益思想提供判断浪费与流动的标准；数据需求则是整个闭环的燃料。缺少数据，产能分析只能拍脑袋；缺少产能分析，布局就没有约束；缺少精益判断，布局可能只是“好看”；缺少仿真验证，方案风险只能等到投产才暴露。
在实际项目中，建议按以下顺序准备数字化规划：先梳理产品与工艺数据，建立工序—设备—工时关系；再按需求节拍计算各资源负荷，识别瓶颈；然后依据物流强度和工艺流向生成初步布局；接着用精益原则检查等待、搬运、库存等浪费；最后在 DELMIA 等环境中建立仿真模型，比较不同方案并反馈修正。整个过程的关键不是软件操作，而是数据是否可信、逻辑是否一致、判断是否有依据。