APS 与排程

计划排得好好的,为什么常卡在缺料上:谈齐套与排程

排产只看产能、不看物料,计划再漂亮也会卡在「料没到」。本文说明齐套是什么、为什么要按开工顺序逐单分配在手与在途物料、两种缺口怎么区分处理、配不齐的订单怎么安排,以及可以从哪一步做起。

发布于 更新于 青岛艾普仕

先说结论

  • 计划常卡在缺料上,多半因为排产时只看了产能、没有看物料:物料计划默认机台排得开,只看机台和班次的排产默认料会按时到,两本账没有对账。
  • 齐套指一张订单开工所需的全部物料同时可用;判断料够不够,要按开工顺序逐单分配在手库存和按到货日期计入的在途,按总量算回答不了每张单开工那天够不够。
  • 缺口分两种:总量不够的,要回到采购和销售补单或决定取舍;总量够但到货时间不对的,排程内部可以先调整。计划期内按到货能配齐的订单排在到货之后,配不齐的先列入缺料待排清单。
  • 可以从很小的一步做起:先把在途的到货日期记准,再核准库存账和物料清单,挑一两种关键料手工逐单分配,最后把齐套接进排产。

做计划的人也许遇到过这样的情况:下周的计划排得很满,机台负荷均衡,每张订单的完工日期都在交期之前。到了周一开工,领料单开到仓库,仓库回话说有一种料还没到。这条线只能停下来等料,后面排好的活跟着往后顺延,原本对得上的交期开始一张张出问题。

计划本身没有算错,机台、班次、工时都考虑到了。问题在于排产的时候只看了产能,没有看物料。本文讨论排程和物料齐套之间的关系:齐套是什么,为什么要按开工顺序逐单去算,缺口有哪两种、分别怎么处理,配不齐的订单该怎么安排,以及可以从哪一步开始做。

需要先说明范围:本文讨论的是离散制造里按订单组织生产、需要多种原料配套开工的场景。流程型生产、纯按库存备货的场景,物料和排程的关系另有特点,本文的做法不直接套用。

排好的计划,为什么会卡在缺料上?

工厂里和物料、生产有关的计划,通常分在两处做。

一处是物料计划。常见的方法叫物料需求计划(英文缩写 MRP):按订单交期和物料清单往回推算,每种料在什么时候需要多少,再对照库存和已经下单还没到货的采购(下文称「在途」),算出缺多少、该什么时候下单。

另一处是排产:哪张单在哪台机上、哪个班次做,机台会不会冲突,工序先后对不对,能不能赶上交期。

这两本账各自都有默认的前提。剑桥大学制造研究所对物料需求计划的介绍列出了它的几条假设:第一条、也可能是最重要的一条,是产能足够,所以它有时被称为「无限产能排程」;第二条是提前期已知,或者可以提前估计出来 [4]。也就是说,物料计划默认机台排得开。反过来,只看机台和班次的排产,默认料会按时到。

两本账分开看都对,放在一起就可能对不上。物料计划说这种料周三到货,排产却把用这种料的订单排在了周一开工。两边各自都没算错,只是两边没有对账。

所以物料要在排产的时候就算进去,让「料什么时候能齐」成为开工时间的一个前提,排完之后再去查就晚了。关于排程里需要同时满足的其他条件(机台兼容、工序先后、工作日历、换型时间等),可以参考我们此前的一篇文章《排程为什么交给确定性求解内核,大模型只在外围工作》,本文只展开其中的物料这一条。

齐套是什么意思?

齐套的意思是:一张订单(或者由它拆出来的一张生产工单)开工所需的全部物料,同时可用。

这里有两个关键词。

全部。 一台设备有几十上百种零件,到了九十几种,还差一颗专用螺钉,这台设备也装不成。齐套只有「齐」和「不齐」两种状态,单看到料比例意义不大。

同时。 每种料都要在同一个时刻可用,也就是开工的那个时刻。主料上周就到了,辅料下周三才到,这张单最早也只能下周三开工;主料提前到的那一周,只是占着仓库和资金。

运营管理研究里有一个对应的概念,叫「完整配套」(complete kit):完成一项工作所需的全部物品没有备齐之前,不开始这项工作;这里的物品包括部件、工装、图纸和信息 [1]。该文还指出,带着不完整的配套开工,意味着完成工作要花更多人工、周期更长、在制品更多、产出下降、质量变差,交期表现也会受损 [1]。一项关于装配系统的研究也指出,构成产品的某一个模块不可用,会给整机生产带来代价高昂的后果,所以一个模块的订货要和另一个模块的生产协调起来 [3]。

本文只讨论物料。工装、模具、图纸、工艺文件是否齐备,道理相同,可以用同样的办法管理。

为什么要按开工顺序逐单分配物料?

判断「料够不够」,有一种很直接的算法:把计划期内所有订单对某种料的需求加起来,和「在手库存 + 在途」的总量比,总量大于需求就算够。

这个算法能回答「这段时间里这种料总共够不够」,却回答不了「每张单开工那天料够不够」。看一个简化的例子(数字仅为示意):

某种原料在手 100 件,另有一张采购单 200 件预计下周三到货。下周有三张订单都要用它,各需 100 件,排产把它们分别排在周一、周二和周四开工。

  • 按总量算:需求 300 件,在手加在途 300 件,刚好够。
  • 按开工顺序逐单算:周一的单从在手里拿走 100 件,在手剩 0;周二的单开工时,在途还没到,拿不到料;周四的单开工时,200 件已经到货,够用。

总量算法说「够」,逐单算法指出周二那张单开工当天会缺料。车间真正遇到的是后一种情况。

所以齐套要逐单去算,规则大致是这样:

  1. 排顺序。 把订单按计划开工的先后排好。
  2. 算当时可用量。 对每张单,每种料在它开工时刻的可用量 = 在手库存中还没被前面订单占用的部分 + 在它开工之前已经到货的在途。到货日期在开工之后的在途,不算进这张单的可用量。
  3. 逐种核对。 这张单需要的每一种料都够,才算齐套,然后把它用掉的量扣掉,轮到下一张单;有一种料不够,这张单就不齐。

在途按到货日期计入,这一点和物料需求计划本身的算法一致。一份公开的大学课程讲义给出的算法是:每周初的预计在手 = 上周在手 − 上周毛需求 + 上周计划收货 + 本周预计到货;已经分配给某次后续生产的数量,要先从库存里扣掉 [2]。在途只在它到货的那一周进入可用量,已经许给别人的料也不能再算作自己的。

逐单分配里有两个细节,需要按业务规则事先定下来:

不齐的单,要不要先把够的那部分料占着? 一种做法是占着,等缺的料一到就能开工,代价是这部分料被一张暂时开不了工的单锁住,后面料齐了的单反而拿不到。另一种做法是不占,留给后面能配齐的单先用,代价是这张单下次核对时可能又被别的单挤掉。两种做法各有道理,关键是定下一种、写清楚,让计划员和仓库按同一个口径说话。

开工顺序本身就是排程的结果。 齐套决定一张单最早什么时候能开工,开工顺序又决定料按什么顺序分配,两者互相依赖。实务上可以分两步处理:先按订单优先级和交期做一轮预分配,算出每张单「最早可开工时间」,作为排产的开工时间下限;排完之后,再按实际排出来的开工顺序把齐套核对一遍,看有没有漏掉的缺口。

缺料有哪两种缺口,分别怎么处理?

逐单分配之后,缺料的单会暴露出来。缺口可以分成两种,处理的人和办法都不一样。

第一种:总量就不够。 计划期内这种料的全部需求,大于在手加在途的总量。不管怎么调整开工顺序,总有订单配不齐。

这类缺口排程解决不了,要回到采购和销售:补下采购单、找替代料、请供应商加急;如果补不上,就要决定哪些订单先交、哪些订单减量或延后,并且和客户沟通。这是涉及外部承诺的决策,需要采购、销售和计划负责人一起定。

第二种:总量够,但到货时间不对。 计划期内的总量是够的,只是按开工顺序分配时,某些订单开工那天料还没到。前面例子里周二那张单就属于这一种。

这类缺口,排程内部可以解决一部分:把这张单挪到到货之后开工,把料已经齐了的单往前提;如果这张单特别急,可以调整优先级,让已到的料先给它,其他单顺延;也可以请供应商把一部分货提前送、分批到货。处理这类缺口,重点在把时间对上,未必需要多买料。

分清这两种缺口很重要。把时间问题当成总量问题处理,会多下采购单、多压库存;把总量问题当成时间问题处理,计划会一轮轮往后挪,最后总有订单交不了,而且发现得晚。

一张缺料清单如果能标明每种料属于哪一种缺口,采购看到「总量缺」就知道要补单,计划员看到「时序缺」就知道先在排程里调整。

配不齐的订单,应该先排进去等料,还是先不进排程?

逐单分配之后,总会有一些订单暂时配不齐。它们在计划里怎么放,有两种做法。

做法一:排进去,开工时间放在料到之后。 适用于缺的料有明确的到货日期,而且在计划期之内。好处是计划完整,这张单的预计完工日期可以算出来、可以回复客户;它需要的机台时间也提前留好了。风险在于到货日期不准:如果料晚到,留好的机台时间可能空着,或者临时被别的单挤占,计划要跟着重排。

做法二:先不进排程,列入缺料待排清单。 适用于在计划期内确定配不齐的订单,比如缺的料还没有下单、没有到货日期,或者到货日期已经超出计划期。好处是这些订单不占机台时间,车间不会收到一张到点开不了工的计划;清单上写明每张单卡在哪几种料、缺多少,采购可以直接拿去跟进。代价是这些订单的完工日期暂时给不出准数,只能如实写「待定」,或者按缺料的预计到货推算一个「最早约某日」,并注明是推算。

判断用哪种做法,可以看一个问题:在计划期内,按到货时间,这张单能不能配齐? 能,就排进去,开工时间不早于配齐的时刻;不能,就先不进排程,列出卡在哪种料。

需要避免的是第三种做法:配不齐的单照原样排在原来的位置。到了开工那天,车间领不到料,机台和人空等,后面的订单一张张顺延,计划员再临时手工改排。这正是开头那种情况。

还有一点值得区分:排计划时的齐套和真正开工时的齐套,可以用两道口径。排计划是在往前看,把按日期会到的在途算进来是合理的;到了真正派工开工,领料时只应该认已经入库的料。在途说好周三到,周三没到,计划可以先排着,但车间不应该在料没入库时开工。两道关口分开,前一道用来排,后一道用来放行。

把齐套算进排程,可以从哪一步做起?

把齐套算进排程,听起来像一件大工程。其实可以从很小的一步开始。

第一步:把在途的到货日期记准。 每一张采购单,记下供应商承诺的到货日期;供应商改期时及时更新,同时留下原来的日期和改期原因。这是逐单分配能不能算对的前提。前面提到,物料需求计划本身就假设提前期已知或能提前估计 [4];到货日期不准,逐单分配算出来的结果也不准,只能退回到「总量够不够」。

留下改期记录还有一个用处:一段时间之后,您能看到哪些供应商、哪些料经常晚到、平均晚几天,排产时就可以给这些料留出余量。

第二步:把库存账和物料清单核准。 在手数量要和仓库实物对得上,物料清单里的用量和损耗要准。逐单分配会严格按这些数据去扣,数据错了,算出来的齐套结论也会错。

第三步:先用一张表手工做逐单分配。 不必一开始就覆盖所有物料。挑一两种最常缺、最影响交期的关键料,把下周计划开工的订单按开工顺序列出来,逐单扣在手、按到货日期加在途,看哪几张单开工当天会缺。这样一来,缺料在排计划时就能暴露出来,比开工当天领不到料才发现要早。

第四步:把两种缺口分开处理。 每周看一次缺料结果,总量缺的交给采购和销售,时序缺的在排程里先调整。

第五步:把齐套接进排产。 让每张单的「最早可开工时间」成为排产的开工下限,配不齐的单按上一节的判断,要么排在到货之后,要么先列入缺料待排。

每一步都可以单独带来改善,不需要等全部就绪再开始。

齐套这件事还牵涉上下游的配合。《权力与预测》一书讲过一个现象,作者叫它 AI 长鞭效应:一处用更准的预测把决策做得更灵活,却让它对上下游变得更难预期 [5]。排程一灵活,采购和供应商就更难预期;一张单今天插进来、明天又挪后,到货日期跟着来回改。书里给的应对有两条:加强协调,让计划、采购、仓库看到同一份齐套结果、一起调整;或者用冻结期和缓冲库存把一处的变化隔开。把在途到货日期记准、改期留痕,就是协调的第一步。

以下是我们的看法

以下内容是我们的观点,供您参考。

第一,排出来的计划有没有用,要看它能不能按时开工。只看产能的计划,到了开工那天才发现缺料,再精细的机台安排也会被打乱。物料齐套应该和机台、班次、工序先后一样,作为排程的前提条件,在排的时候就算进去。

第二,「料够不够」要按单、按时间回答。总量够不够是采购关心的问题,每张单开工那天够不够是车间关心的问题,两个问题的答案可能不一样,需要分开回答。

第三,缺料信息的价值在于早。开工当天发现缺料,能做的只有停线等;提前一周发现,还可以调整顺序、催货、和客户沟通。逐单分配的意义就在于把缺口提前暴露出来,并且说清楚是哪一种缺口、卡在哪种料。

第四,齐套算得准不准,很大程度取决于到货日期、库存和物料清单这些基础数据。工具能把规则执行得很严格,数据的准确和及时更新,仍然要靠采购、仓库和计划一起维护。

我们的排程产品 APSer-Aps 按这个思路处理物料:排产规则里可以开启全料齐套,按优先级逐单分配在手和按到货日期计入的在途原料,配齐之前不排开工,计划期内配不齐的订单列为缺料待排并写明缺哪几种料。物料齐套页把缺口分为「总量缺」和「到货时序缺」;一张生产订单的首道工序派工时,只认已经入库的料。

参考来源

  1. B. Ronen. The complete kit concept. International Journal of Production Research, 30(10): 2457–2466, 1992. 摘要页(特拉维夫大学学术成果库)
  2. Everette S. Gardner, Jr. Operations Management 课程讲义,Chapter 4: Material Requirements Planning. 休斯顿大学 C. T. Bauer 商学院
  3. Mirjam S. Meijer, Willem van Jaarsveld, Ton de Kok. Synchronization in a Two-supplier Assembly System: Combining a Fixed Lead-time Module with Capacitated Make-to-Order Production. arXiv:2105.08991, 2021
  4. Institute for Manufacturing, University of Cambridge. Materials Requirements Planning (MRP)
  5. Ajay Agrawal, Joshua Gans, Avi Goldfarb. Power and Prediction: The Disruptive Economics of Artificial Intelligence. Harvard Business Review Press, 2022;中文版《权力与预测:人工智能的颠覆性经济学》,何凯译,中信出版集团,2024