智能排产需要哪些前置数据条件

智能排产项目失败案例的复盘里，很少有人质疑算法写得不好，多数卡在同一个地方：数据不具备。算法要在毫秒之间做权衡，前提是手里有可信的约束条件。上系统之前先回答三个问题：底表全不全、数据活不活、规则有没有翻译成机器能读的形式。

三张底表是入场券

一是产能底数：每台设备、每条产线在各班次下的额定产出、换型时间、已知的停机计划。二是订单与工艺：产品对应的物料清单、工序路线、标准工时，缺了它系统不知道一张单要走哪几步。三是库存与在制：原料可用量、线边仓水位、在制品的当前位置。三类数据缺一，排产结果就只能靠人再改，工具沦为摆设。

数据要保持着鲜活

静态导入一次不等于就绪。排产信任的是近期事实：报工如果隔天才录入，系统眼里的车间永远停在昨天；设备故障若靠口头传达，重排的计划就会把单落到停机的机台上。评估标准很朴素——随机抽十张近一周的工单，对比系统记录与车间实际状态，偏差大说明采集链路要先于算法补齐。

规则先于算法

车间里的调度常识需要结构化：换型矩阵、最小批量、订单优先级策略、交期与产能冲突时的取舍。这些规则过去装在老师傅脑子里，系统读不到，就只能给出理论可行、现场没法执行的计划表。梳理方式通常是排产顾问与车间主管逐条访谈，把经验写成可判定的条件。规则梳理应当赶在选型之前：带着规则清单去测试演示，可以逐条检验，算法上的空话当场现形，消化不了规则的服务商也能尽早淘汰。

别被假就绪迷惑

实践中常见的迷惑形态：ERP里有数据但半年没动过；MES上线了，报工靠月底补录；试点产线一切正常，推广到全厂就失真。判断口径只有一条——数据更新频率与实际业务节奏匹配。达不到，先补采集，再谈算法。

九顺控股的数字化团队进厂诊断时按这个顺序检查：底表覆盖度、数据新鲜度、规则可结构化程度，三项过线才建议启动排产选型。先补数据的方案，比直接采购软件的试错成本低。制造车间数字化前期评估可致电 0755-8359 0008 沟通。