产能优化：工作日历、UPH与直通率助力1M订单高效排产

优秀创作者

昨天已成功制作好制造工厂的工作日历。接下来的任务是计算100万（1M）订单的产能负荷。之所以选择先计算负荷再进行排程，是因为若未经负荷计算便直接进行生产排程，极有可能导致在排程过程中出现产能不足的问题。如今，计算负荷所需的两大关键数据——单位小时产出（UPH）和工作日历均已完备。依据这些数据，我们可以着手确定完成订单所需的天数。

日历编号

不论是制程1“Semi线”，还是制程2“成品线”，其单位小时产出（UPH）均经历由产能爬坡到稳定产能的过程。因此，在计算总体产能负荷时，有必要将这两段时期的产能分别考量：一段为爬坡阶段产能，另一段为稳定阶段产能。

在提供的爬坡产能数据中，制程1与制程2分别涵盖了从D1至D14、D1至D12的不同时间段。然而，由于工作日历中包含周六与周日，这些非工作日并不直接对应爬坡数据中的连续日期编号。为确保两者间的准确对应，有必要对工作日进行重新编号，采用类似于D1、D2、D3、…这样的连续序号，以便于与爬坡产能数据进行匹配。

录入以下公式进行编号：

函数释义：

效果如下图：

匹配UPH

具备了上述编号的工作日数据后，结合工厂提供的制程爬坡UPH数据，即可迅速引用相应的爬坡产能与稳定产能。

采用如下公式进行计算：

=IF(D3#=0,0,XLOOKUP("D"&E3#,'1.基础信息'!C6:P6,'1.基础信息'!C7:P7,430))

公式释义：

若工作日历中所对应工时为零，则公式结果返回0。

否则，利用"D"&E3#（即编号）在“1.基础信息”工作表的C6:P6范围内查找与D1、D2直至D14相对应的UPH值（位于C7:P7列）。

如在上述范围内未找到匹配项，则默认返回稳定的UPH产能数值“430”。

同理，可以把直通率也匹配过来

=IF(D3#=0,0,XLOOKUP("D"&E3#,'1.基础信息'!C6:P6,'1.基础信息'!C8:P8,0.98))

效果如下图：

计算日产能

在获得每日对应的UPH（单位小时产出）和直通率后，即可着手计算单线体每日产能。使用如下公式实现：

=FLOOR(D3#*F3#*G3#,1)

公式释义：

公式解释：该公式通过将出勤工时、UPH和直通率相乘，然后运用FLOOR函数向下取整到最接近的整数（最小倍数为1）。如此操作可确保计算结果为整数，有效避免因直通率引入小数而导致的产能数值非整数情况。

计算天数

具备了单线体每日核心产能后，我们可根据订单总数（100万，即1M）及线体数量（5条）来计算完成订单所需的总天数。在此之前，需将爬坡产能与稳定产能分别处理：

爬坡产能阶段：

周期固定为14天。

根据此周期内各线体的爬坡产能，累计计算出14天内5条线体总共能够完成的订单数量。

稳定产能阶段：

计算剩余订单数量，即总订单数量（1M）减去爬坡阶段14天内累计完成的订单量。

用剩余订单数量除以单线体稳定日产能，得出完成剩余订单所需天数。

综合爬坡产能阶段的14天与稳定产能阶段所需的天数，即可得到完成全部1M订单所需的总天数。

分别录入以下公式：

K3=SUM(FILTER(H3#,E3#<15))*5

K4=COUNTA('1.基础信息'!C6:P6)

K5=XLOOKUP(1,E3#,B3#,,,-1)

K6=XLOOKUP(14,E3#,B3#,,,1)

L3=1000000-K3

L4=CEILING(L3/46350,1)

L5=XLOOKUP(15,E3#,B3#)

L6=XLOOKUP(K4+L4,E3#,B3#)

效果如下图所示：

这样就得到了制程一Semi的开工日与完工日，分别为2023年7月24日、2023年8月29日。

最后总结：

通过对制造工厂工作日历的构建以及对1M订单产能负荷的详细计算，我们成功实现了科学排产的前期准备。首先，明确区分爬坡产能与稳定产能，确保对制程过程中的产能变化精准把握。为使工作日与爬坡数据精确匹配，我们对工作日进行了连续编号，有效解决了周六、周日与爬坡数据间对应问题。接着，通过公式匹配UPH与直通率，并利用出勤工时、UPH和直通率计算出单线体每日核心产能。

在这一基础上，我们进一步细分爬坡与稳定产能阶段，计算出各自完成订单的数量及所需天数，最终综合得出完成全部1M订单所需的总天数。通过精准的公式应用与严谨的数据处理，我们不仅确定了制程一Semi的开工与完工日期，更确保了产能调度的合理性和准确性，为高效、有序地完成生产任务奠定了坚实基础。

综上所述，遵循计算负荷先行的原则，我们成功规避了因盲目排程可能导致的产能不足风险，充分展现了科学管理方法在提升生产效率与保障订单交付方面的重要价值。

334 全面解读PMC面试难题：基于WPS表格构建有效工作日历与排产

331 破解多车型适配难题：汽车零配件厂PMC数据转换与决策支持

330 告别繁琐计算：GROUPBY函数引领采购价格监控新时代

329 提升仓库管理水平：一键式物料编码打印标识设计与应用

328 从一维到二维：教你灵活运用GROUPBY与PIVOTBY优化零件工艺排程

327 革新数据透视体验：WPS PIVOTBY函数在销售订单分析中的实战运用

326 数据洞察：PMC中的单条件与多条件筛选技巧与案例剖析

325 告别杂乱：基于WRAPROWS与REDUCE的二维项目跟进表高效重整

324 告别手动更新：WPS动态数组公式助力项目跟进表实现全自动化统计

323 WPS AI：一站式解决方案，让复杂演示汇报轻松化