1. 课程导入与全景认知

在制造企业中，排产常被理解为“把订单排到设备上”的一张甘特图，但真正决定排产成败的，往往不是排产动作本身，而是排产前后围绕KPI（关键绩效指标）与交期风险展开的一整套分析工程。所谓排产KPI与交期风险分析工程，是指以订单交付为主线，把排产结果转化为可度量、可预警、可追溯的指标体系，并通过数据采集、风险识别、量化评估、策略调整与复盘改进，形成闭环的工程化方法。它关注的不是“排了没有”，而是“排得是否可交付、是否高效、是否稳健”。

从业务价值看，这套工程至少解决三类问题。第一，把交期从承诺变成可计算的风险。销售承诺交期时，若只凭经验，容易在产能紧张时过度承诺；通过风险分析，可以把“可能延期”量化为“延期概率与影响天数”，让承诺有据可依。第二，把排产从局部最优拉向全局最优。只追求设备利用率，可能造成在制品堆积、换型频繁、后道瓶颈；引入KPI体系后，可以同时观察准交率、周期时间、在制品、设备利用率、换型次数等指标，避免单点优化。第三，把异常从救火变成预警。当某工序负荷超过阈值、某物料到料延迟、某设备故障率上升时，系统能提前给出风险信号，而不是等到交期临近才被动调整。

然而，实际落地面临的核心挑战也很明确。其一是数据基础薄弱：工艺路线、标准工时、设备状态、物料到料时间、实际报工等数据分散在ERP、MES、Excel中，口径不一致，导致KPI算不准。其二是指标之间相互冲突：提高设备利用率可能增加在制品，缩短生产周期可能牺牲换型效率，准交率与成本之间也存在权衡。其三是风险具有传导性：前道工序延迟会沿工艺路线向后道传播，局部瓶颈会放大为整体交期风险。其四是排产结果需要可解释：计划员不仅要看到“排了什么”，还要理解“为什么这样排”“风险在哪里”“调整后影响什么”。因此，本课程不是单纯讲排产算法，而是把KPI、风险、数据、策略和复盘串成一条工程链路。

为了建立全景认知，可以用一张排产KPI与交期风险分析工程的关系图来理解整体结构。下图以订单交付为主线，左侧是输入与约束，中间是排产与KPI分析，右侧是交期风险输出与反馈，底部是数据与复盘支撑。图中同时标出了关键指标与风险传导方向，帮助读者在后续章节中定位每个知识点所处的位置。

结合上图，可以把本课程的学习地图分为五个层次。第一层是概念与指标层：理解准交率、周期时间、在制品、设备利用率、换型次数等KPI的定义、计算口径与相互关系。第二层是数据与建模层：掌握工艺路线、标准工时、设备日历、物料到料等基础数据的组织方式，理解排产模型的基本输入输出。第三层是风险分析层：学习如何识别瓶颈、量化延期概率、评估影响天数，并建立风险等级。第四层是策略与优化层：针对不同风险场景，选择插单、拆单、外协、加班、调整优先级等策略，并对比调整前后的KPI变化。第五层是复盘与改进层：通过实际结果回写，分析计划与实际的偏差，修正规则与参数，形成持续改进闭环。

为了便于后续章节对照，这里给出一个简化的KPI与风险关系示例表。表中数据为教学假设，用于说明指标之间的联动关系，并非实际工厂实测值。