智能排产：动态响应需求，协同降本增效

订单在销售系统里，库存由仓库维护，生产进度又记录在车间。计划员要判断一张订单能否按时完成，常常需要来回查表、找人确认。即使数量对上了，也还要分清：哪些是能直接交付的成品，哪些半成品仍需加工，哪些设备与人员已经被其他任务占用。

连山通过 Ontology（业务本体），把现实生产中的对象、属性和关系映射到统一模型中：订单对应需求与交期，产品关联 BOM 和工艺路线，工序关联设备与人员，库存记录物料状态和可用时间，日历与班次限定可用产能。来自不同系统的数据由此对应到同一张生产关系图上。

例如，一批喷涂后的半成品关联着下游装配需求，装配任务又关联设备、人员和班次。系统沿这些关系核对可用库存与生产缺口，并检查工序衔接和资源冲突。现场“这批货能供哪张订单、这道工序占用哪些资源”的判断，有了系统能够共同使用的依据。 计划员因此可以减少重复核对，集中处理需要现场确认的异常。

排产 Ontology：现实生产对象、属性与关系的映射

动态响应插单与缺料

数据接起来之后，计划员还要面对另一个更频繁的问题，“计划排好了，现场却不会一直按原来的条件运行”。客户突然要求提前交付，采购通知一批物料无法按时到厂，或者设备临时停机，都会改变原来的安排。依赖人工时，计划员需要先找出受影响的任务，再逐个确认库存、工序和资源，调整之后还要检查有没有牵动其他订单。困难就在这里，一处变化，可能沿着多道工序向后传递；局部看起来排得进去，整条交付链却未必接得上。以一笔“两天后交付、共 240 件”的急单为例。在这个示例推演中，计划员需要考虑三种安排：调整原线顺序、加班合批，或者跨线拆批。沿原线插入急单，可能不增加额外费用，却让原有订单延期；安排加班，可以保住原订单交期，但会产生新增成本；跨线分担，也需要检查设备适配、人员安排以及对其他任务的影响。

计划员需要的，是尽快看清每种安排会影响谁、增加什么成本，以及哪些条件必须先确认。在连山的方案中，Agent 负责串联影响分析、工具计算与方案比较：沿订单、工序和资源关系识别影响范围，调用排产引擎核验齐套情况与可用产能，在已明确的约束下生成候选安排，再将交期、额外成本和计划变动放在同一口径下比较。

在上述示例中，假设实际业务情境下，加班合批方案的增量成本为 3,200 元，跨线拆批为 4,800 元，两者均可避免原订单延期。如果现场允许加班，且其他约束得到满足，加班合批就有了优先考虑的依据。计划员可以据此确认或调整，而不必先从几份表里重新推算一遍。物料突然来不了时，也可以沿同样的逻辑处理，先核实预计到料时间和实际可用库存，识别哪些工单会缺料、哪些后续交付会受到影响，再比较调整生产顺序、做齐套任务等。如果现有资源无法满足交期，就应把冲突提前暴露出来，支持业务人员提前协调。

此外，重排之后，还要继续看执行，报工落后、库存变化、资源异常，都可能触发下一轮评估；如果偏差能够被现有余量吸收，则不必把整张计划推倒重来。

动态响应的价值，就在于此：变化发生后，能够有依据地判断要不要调、调哪里、怎样调，计划员只需在关键环节确认并推进执行。

降低库存与制造成本

对计划员来说，能够更快确认影响、完成调整，意味着少一些反复协调。站在公司管理层的位置，还要继续追问：同样一批订单按时交出去，能不能少占一些库存、少做几次切换、少安排一些临时加班？在利润空间承压、竞争加剧的经营环境下，这些日常消耗会直接影响订单最终留下多少收益。过去，为了降低交付风险，各工序往往倾向于多留余量。担心后面来不及，就提前生产；担心换色麻烦，就把同色产品一次多做一些；担心临时缺人，就增加班次。这些决定各有理由，但叠加起来，可能形成一边库存积压、一边仍在赶工的局面。

连山智能排产把交付要求与多种目标放在一起考虑，在满足必要约束的可行方案中寻找更合理的安排。

• 减少不必要的库存。 沿订单和 BOM 展开真实需求，分层抵扣成品与半成品库存，再安排需要补充的数量与时间，可以减少各工序重复备货和过早生产。必要的安全库存仍应保留，但不能因为上下游信息没有衔接，就让每个环节都额外加一层保险。
• 减少切换与材料损耗。 喷涂中的换色、注塑中的换模，都可能伴随停机、清洗、过渡料或试产损耗。将批量与生产顺序结合考虑，有机会把适合的任务集中安排，减少不必要的切换。同时，也要检查集中生产是否造成过量备货，避免用更多库存换取局部效率。
• 减少班次和用工成本。 把设备、模具、人员和生产日历共同纳入计算，可以更早看见哪些时段确实存在产能缺口，哪些加班来自工序衔接不顺或资源安排冲突。需要加班时，把增量成本与交付影响一起比较；有调整空间时，优先利用现有可用产能。

这几项成本需要一起看。压低库存，却增加了大量加班，未必划算；减少换色，却把暂时不需要的产品提前做出来，也未必降低了总成本。公司需要的是在保交付的前提下，让整条生产链的总体代价更合理。