企业官网建设流程全解析

1. 为什么ERP和MES上了排产还是Excel当家？

这个问题在制造业信息化领域实在太典型了。我走访过上百家制造企业，发现超过70%上了ERP和MES系统的工厂，生产排产这个核心环节依然靠Excel+人工经验。更讽刺的是，很多企业花了几百万上的系统，最后排产效果还不如老车间主任的手写排程表。

1.1 系统功能与业务需求的错位

ERP的MRP模块理论上应该能解决排产问题，但实际用过的都知道，标准MRP跑出来的结果往往存在三大致命伤：

1. 时间颗粒度太粗：多数ERP的最小排产单位是天，而实际生产需要精确到小时甚至分钟。我见过最极端的案例是某汽车零部件厂，ERP排产显示"周三全天生产A零件"，但实际上冲压机换模就需要4小时，当天根本做不完。

2. 产能模型过于理想：ERP的产能数据往往来自设备理论值，但实际要考虑：

   • 设备故障率（MTBF/MTTR）
   • 工人熟练度差异
   • 物料齐套率
   • 模具切换时间

   # 典型ERP产能计算 vs 实际需求 erp_capacity = 理论节拍 × 工作时间 real_capacity = (理论节拍 × 良品率 × 稼动率) × (工作时间 - 计划停机)

3. 动态调整能力弱：当出现急单、设备故障、物料延迟时，ERP需要重新跑MRP，耗时长达数小时，产线根本等不起。

1.2 MES的排产困境

MES系统虽然能获取实时数据，但市面上80%的MES产品在排产方面存在设计缺陷：

• 排产算法简陋：多数采用FIFO（先进先出）或简单优先级规则，无法处理多约束条件
• 缺乏可视化工具：Gantt图功能弱，不如Excel拖拽方便
• 与设备层脱节：PLC数据采集和排产指令下发往往不是同一套系统

关键发现：某家电企业实测显示，用MES自动排产的交期达成率反而比人工排产低15%，因为系统无法识别"模具共用"这个隐性约束。

2. Excel排产为何经久不衰？

2.1 Excel的隐藏优势

在骂Excel之前，必须承认它在排产场景有不可替代的优势：

1. 柔性建模能力：

   • 可自由添加经验公式（如"老张班组效率×0.9"）
   • 支持非结构化数据记录（如"注塑机最近漏油，产能打8折"）
   • 方便嵌入业务规则（颜色标记急单、批注记录特殊要求）

2. 人机交互效率：

   =IF(AND(B2="急单",C2>500),VLOOKUP(D2,设备表,2,FALSE)*1.2,VLOOKUP(D2,设备表,2,FALSE))

   这类融合业务规则的公式，在标准系统中需要复杂配置才能实现

3. 可视化自由度高：

   • 条件格式标记瓶颈工序
   • 自定义甘特图（比多数MES的更直观）
   • 冻结窗格查看关键指标

2.2 典型Excel排产模板结构

一个成熟的Excel排产模板通常包含这些隐藏逻辑：

3. 从Excel到智能排产的实践路径

3.1 系统优化方案

给已有ERP/MES打补丁：

1. MRP增强方案：

   • 在SAP中创建Z表存储设备实际OEE数据
   • 使用PP/DS模块替代标准MRP
   • 示例代码配置：

   DATA: lv_real_capacity TYPE i. SELECT SINGLE oee INTO lv_real_capacity FROM zequip_oee WHERE werks = '1000' AND arbpl = 'PRESS01'.

2. MES改造方向：

   • 增加排产算法引擎（如遗传算法、约束规划）
   • 开发可视化拖拽排产界面
   • 实现与APS（高级计划排程）系统集成

3.2 混合排产模式

我们给某医疗器械厂实施的"Excel+系统"混合方案值得参考：

1. 分工原则：

   • 系统处理：物料齐套检查、基础产能计算
   • Excel处理：紧急插单、异常调整、特殊约束

2. 数据流转设计：

   graph LR ERP -->|导出基础数据| Excel Excel -->|VBA清洗| 中间库 中间库 -->|ODBC| MES MES -->|API| Excel仪表盘

3. 关键技术点：

   • 使用Power Query实现ERP数据自动刷新
   • 开发Excel插件实现与MES的双向通信
   • 建立版本控制机制（如Git for Excel）

4. 排产优化的五个实战技巧

4.1 瓶颈工序识别法

用Excel实现约束理论(TOC)分析：

1. 计算各工序负载率：

   =MIN(1, SUMIF(生产计划!$C:$C,$A2,生产计划!$F:$F)/VLOOKUP($A2,设备表,3,FALSE))

2. 设置条件格式：>85%标红，60-85%标黄

3. 对红色工序采用：

   • 缓冲时间前置
   • 拆分批量
   • 预备替代设备

4.2 急单处理策略

我们总结的"三色优先级管理法"：

4.3 换模时间压缩

通过Excel分析发现的优化点：

1. 建立换模时间数据库：

   =AVERAGEIFS(换模记录!$D:$D,换模记录!$B:$B,B2,换模记录!$C:$C,C2)

2. 实施SMED改进后：
   • 某冲压线换模时间从120分钟→35分钟
   • 排产灵活性提升40%

5. 排产系统的选型建议

5.1 自研vs外购的决策矩阵

5.2 推荐技术栈组合

对于中型制造企业，这个架构经过验证：

1. 基础层：

   • ERP：SAP S/4HANA PP/DS
   • MES：西门子Opcenter Execution

2. 排产层：

   • APS：Asprova或PlanetTogether
   • 可视化：Power BI+自定义甘特图

3. 接口层：

   • REST API处理异常事件
   • Kafka实时数据管道

6. 实施中的血泪教训

6.1 数据准备陷阱

某项目失败的核心原因：

1. 设备基础数据不准：

   • 理论节拍 vs 实际节拍差异达30%
   • 模具切换时间记录缺失60%

2. 解决方案：

   =PERCENTILE.INC(实际节拍记录!B2:B100,0.9)

   用90分位数作为基准值，而非平均值

6.2 变革管理经验

1. 排产员抗拒系统的根本原因：

   • 系统无法复现其"模糊决策"（如直觉判断设备状态）
   • 损失了灵活调整的权力感

2. 我们的应对策略：

   • 保留10%的人工调整权限
   • 开发"经验规则库"模块
   • 设置系统-人工排产效果对比看板

7. 未来演进方向

下一代智能排产系统需要具备：

1. 增强现实辅助：

   • 通过AR眼镜显示设备实时状态
   • 语音交互调整排程

2. 数字孪生仿真：

   • 在虚拟环境中预演排产方案
   • 自动评估20+种异常场景

3. 自适应学习：

   from sklearn.ensemble import RandomForestRegressor model = RandomForestRegressor() model.fit(historical_data, actual_cycle_time)

   用机器学习动态调整产能模型

真正好的排产系统应该像老车间主任的"经验"一样：既懂标准规则，又会灵活变通。要达到这个境界，我们还有很长的路要走，但至少现在可以先把Excel里的业务逻辑显性化，这是迈向智能化的第一步。