4. 多工厂产能建模与负荷分析

多工厂订单分配要做得准，前提是每个工厂的产能模型必须能反映真实可用的产出能力，而不是简单用“设备台数×天数”估算。产能建模的核心，是把一个工厂在给定时间窗内能贡献的有效工时算清楚，再与订单需求工时对比，得到负荷率与瓶颈位置。本节围绕标准工时、设备可用性、换型时间、人员班次四个输入，说明如何建立可比较的产能模型，并给出瓶颈识别方法。

一、标准工时：把产品需求翻译成产能消耗

标准工时（Standard Time）是单位产品在正常作业条件下所需的作业时间，通常由观测时间乘以评比系数，再加上宽放时间得到。它回答的是“做一件产品要占用多少产能”。在多工厂场景中，同一产品在不同工厂的标准工时可能不同，因为设备新旧、自动化程度、人员熟练度存在差异，因此标准工时必须按“工厂—产品—工序”维度维护，而不是全公司共用一张表。

例如某产品在A厂的标准工时为：加工0.8 min/件、装配1.2 min/件、检验0.3 min/件，合计2.3 min/件；在B厂因设备较旧，加工为1.0 min/件，合计2.5 min/件。若订单量为10,000件，则A厂需消耗23,000 min，约383.3 h；B厂需25,000 min，约416.7 h。这个差异会直接影响订单分配结果，因此标准工时是产能模型的第一个基础参数。

二、设备可用性与换型时间：从日历时间到有效产能

设备可用性描述设备在计划期内真正可用于生产的时间比例。常用计算为：设备可用时间 = 计划日历时间 − 计划停机（保养、点检、休息） − 非计划停机（故障、待料）。例如某注塑机一周计划运行6天、每天2班、每班8 h，则日历时间为96 h；若计划保养4 h、历史故障率约5%，则可用时间约为(96−4)×(1−5%)≈87.4 h。这个数值才是排产可依赖的产能上限。

换型时间（Changeover Time）是设备从生产一种产品切换到另一种产品所需的停机时间，包括清机、换模、调机、首件确认等。它不产出合格品，却占用设备可用时间。若一周内安排5次换型，每次45 min，则换型总耗时为225 min，约3.75 h。此时真正用于加工的时间为87.4−3.75≈83.65 h。换型次数越多，有效产能越低，因此多工厂排产中常通过合并同产品批次、按换型矩阵排序来减少换型损失。

三、人员班次：产能的另一个约束面

设备可用不等于产能可用，因为设备需要人来操作。人员班次产能 = 班次数 × 每班有效工时 × 出勤率 × 单班可配置人数。例如某装配线每天2班、每班8 h、出勤率95%、每班12人，则日人员工时为2×8×0.95×12=182.4人时。若该线标准工时为0.5人时/件，则日人员产能约为364件。当设备产能高于人员产能时，人员班次就是瓶颈；反之设备是瓶颈。多工厂建模时必须同时计算设备侧和人员侧产能，取较小值作为工厂可用产能。

四、瓶颈识别方法：从负荷率到约束定位

瓶颈识别不是看哪个设备最忙，而是找“负荷率最高且限制整体产出”的资源。常用方法有三步：

1. 计算各资源负荷率：对每台关键设备、每条产线、每个班次分别计算需求工时÷可用产能。
2. 排序并标记超载资源：负荷率＞100%为超载，90%～100%为高负荷预警，需重点关注。
3. 验证约束传递：若某工序超载，检查其前后工序是否因等待而闲置，确认该工序确实是瓶颈而非局部波动。

例如A厂注塑工序负荷率112%，装配工序78%，则注塑是瓶颈。此时增加装配人力不会提升产出，反而增加在制品。正确做法是：将部分注塑订单转移到B厂，或通过减少换型次数、增加夜班来提升注塑有效产能。

五、可执行的产能建模参数表

下表给出一个可直接用于多工厂产能建模的字段示例，参数为教学假设值，实际使用时替换为各厂真实数据。

从表中可见，A厂负荷率112%已超载，B厂90%接近饱和但仍有空间。若将A厂2,000件P1订单转移至B厂，A厂需求工时降至86.0 h，负荷率约103%；B厂需求工时升至91.6 h，负荷率约98%。两厂均进入可控范围，整体交付风险下降。这就是产能建模与负荷分析直接支撑订单分配决策的典型过程。

总结来说，多工厂产能建模的关键是：用标准工时把订单翻译成工时需求，用设备可用性和换型时间算出设备侧有效产能，用人员班次算出人员侧有效产能，取较小值作为工厂可用产能，再通过负荷率排序和约束传递验证识别瓶颈。只有四个参数都按工厂分别维护并定期更新，订单分配才不会把订单派给已经超载的工厂，也才能让协同排产真正落地。