<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[茗鹤APS和MES]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/jianguo0814</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; jianguo0814]]></copyright><item><title><![CDATA[靠模具排产的厂去抄缺料预警：把药吃在别的病上 ]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/170846067</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/170846067</guid><author>jianguo0814</author><pubDate>Mon, 16 Nov 2026 09:48:09 +0800</pubDate><description><![CDATA[汽配被一副模具和一炉料卡住，电子被一颗共用料和一道回流工序卡住，装备被一个项目节点和一段几十天的机加卡住。搬走的是场景，搬不走的是撑起那个场景的数据关系。靠模具排产的厂去抄缺料预警，靠部件齐套撑装配的厂去抄炉次合并，都是把药吃在别的病上。几个项目同期跑，图纸改一版工艺跟着改，关键零件加工以几十天计，装配现场等的是一个部件柜。按技术顺序做事，容易从最容易接的系统、报表最全的部门开始，做完多出一份没人看的看板。：把里程碑与部件层级打通，给长周期件补上可信的采购提前期，让节点一变，部件需求日期跟着变。]]></description><category></category></item><item><title><![CDATA[有记录介质，没留曲线——纸面上只写了“合格“两个字]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/170842848</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/170842848</guid><author>jianguo0814</author><pubDate>Mon, 16 Nov 2026 09:12:13 +0800</pubDate><description><![CDATA[检验记录还在，上一批合不合格也还在，可从结果倒回条件的那段路，从来没人走过，也就断在那里。工件出炉，他拿起来翻一下氧化色，看一眼变形往哪边弯，再问一句今天几点开的炉，心里就有了大概方向：可能装炉太密，可能那批料前道处理没做够，也可能那只热电偶该校了。炉温曲线跑没跑偏，上一炉换的什么色，这批料是哪一家的第几批，工装那天换没换，问到第二句，桌上的人开始互相看。质量会照开，桌上放的东西变了：一份炉次档案，一张两个炉次的差异清单，一份带依据的候选原因排序，一张待验证项的表，每行后面有人、有期限、有确认方式。]]></description><category></category></item><item><title><![CDATA[“它坏之前，能不能提前知道？“ —— 全篇最短、最普适的问句，标题自带答案缺口；副题挂“这句话要听全“。]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/170698881</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/170698881</guid><author>jianguo0814</author><pubDate>Fri, 13 Nov 2026 10:05:12 +0800</pubDate><description><![CDATA[现场的设备，有的带着小概率的突变，多数只有大概率的缓慢前兆。一开口就问模型、问准确率，而模型要的东西只有两类：稳定的采集数据，和有人签过字的标注记录。值得盯的是三个观察维度，以试运行验证为准：误报能不能被复核，提示有没有被采纳，停机记录有没有被补齐。有条朴素顺序值得记：先挑三到五台"一停全线就停"的设备，把最关键的两三个量采稳、采连续，比给全厂每台机都挂上传感器值钱。先别问模型行不行，先问三件事：关键量有没有连续在采，停过几次机有几个人知道，每次停的原因写没写下来。三件答不上，后面的讨论都是空的。]]></description><category></category></item><item><title><![CDATA[五六个电话凑出来的交期，今天能用，明天就悬了 —— 场景感强，业务员、计划员都对得上号。]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/170693724</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/170693724</guid><author>jianguo0814</author><pubDate>Fri, 13 Nov 2026 09:33:33 +0800</pubDate><description><![CDATA[仓库报的是昨天下午的库存，采购转述的是供应商上周的说法，车间那台机排到哪一天，全在主任脑子里，没写在任何一张单上。打给仓库问料齐不齐，打给采购问那批外购件哪天到，打给车间问瓶颈设备排到哪一天了，打给工艺问能不能换条路线，最后问一句上一批做了多久。客户拿到的是日子，工厂内部拿到的是两个版本。把厂里最常被催的那一类单挑出来，顺着客户问的那句话往回倒，看一个答复要经过几个人的嘴、几个人各自用什么口径。哪颗料是卡点，瓶颈设备哪天有空档，替代路线要付什么代价——这些摊在同一张纸上，答复才有可讨论的底盘。]]></description><category></category></item><item><title><![CDATA[单子越算越快，追问一句没少，反倒多了]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/170595849</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/170595849</guid><author>jianguo0814</author><pubDate>Thu, 12 Nov 2026 10:21:46 +0800</pubDate><description><![CDATA[真正能用的是第三种：人的这次调整被当成一条新约束吃进去，后面的工序跟着顺延，别的单的完工日期跟着重算，换型次数跟着变，重算结果当场给出来。把它挤开的那张单，是不是就是客户天天催的那张。计划员被问"一天换三次模"的时候，想听的不是"算法如此"，是这句：这三张单共用一副模具，并一批就省两次换型，但其中一张的完工会顶到交期那天，所以系统选择保住那一天，宁可多换两次模。同一组计算结果，写成日志是十几行字段名，写成一句人话是"这台机今天换三次模，因为这三张单共用一副模具，并批能省两次，但那会挤掉一张单的交付余量"。]]></description><category></category></item><item><title><![CDATA[月底对不上的是数量，没人说得清它是从哪天开始对不上的]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/170591997</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/170591997</guid><author>jianguo0814</author><pubDate>Thu, 12 Nov 2026 09:46:07 +0800</pubDate><description><![CDATA[再问瓶颈在哪，它会从那些填出来的时间里挑一段最像答案的，讲得有条有理。这笔账其实一直在付，只是付在了别处：加一个统计员专门录数，加一本台账专门兜底，加一次周会专门核对不上账的数。补录的人对着流转卡回忆：机加大概是周三做的，热处理哪天想不起来，装配是今天。查差异的人翻了一天的记录，最后停在周五下午那一次提交上——那几条最晚的时间戳，都是那半小时里打进去的。计划员把它发到工位，机加、热处理、装配排得清楚，报工栏当天填满：做了多少、谁做的、几点转到下道。这张工单在系统里的状态栏空着——没人做，也没人写"不做"。]]></description><category></category></item><item><title><![CDATA[模型会换代，供应商会更替；地基不换，换什么模型都接得上]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/170494321</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/170494321</guid><author>jianguo0814</author><pubDate>Wed, 11 Nov 2026 10:03:49 +0800</pubDate><description><![CDATA[正确的推进姿势，不是"治理两年、中台一年、知识库半年，然后开始用 AI"，而是选一个天天要问的问题切入，边用边补：为了让它答得准，倒逼出需要治理的字段、需要打通的链路、需要显式化的规则。能力形态常见四类：问数（问现场状态，答案来自实时事实）、预警（齐套风险、瓶颈负荷、交付偏差的前兆）、方案解释（把结果翻译成现场听得懂的理由）、辅助决策（给几种做法与各自代价，人拍板）。1. 本周随机问三个现场数字：某工单的齐套状态、某台设备的负荷、某订单的交付偏差，记下谁给的、从哪个系统取的、几点几分。]]></description><category></category></item><item><title><![CDATA[AI 项目不是败在模型不够聪明，是败在它被按在了哪个位置]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/170488771</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/170488771</guid><author>jianguo0814</author><pubDate>Wed, 11 Nov 2026 09:36:34 +0800</pubDate><description><![CDATA[算得清的那一类，有约束、有目标函数、有明确的可行域：这一周的工单怎么排在有限的机台和模具上，一批板料怎么下裁损最少，几个客户的加急单怎么抢同一条瓶颈。它可以把排产分析报告讲得头头是道，可你问它明天夜班三号炉具体做哪几张单、几点换模，它给的是一个听起来合理的答案，问法换个顺序，答案可能就跟着换。这种稳可以被追问，也可以被人改，手工调完一处，系统还能接着往下算，把人的调整当成新的约束。所以听到"全包了"这类说法，不必争论，只请对方拿厂里自己的数据现场排一次，排完再重排一次，看两次结果对不对得上。]]></description><category></category></item><item><title><![CDATA[“这个系统上个月帮工厂少停了几个小时？“会议室没人接得上]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/170413582</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/170413582</guid><author>jianguo0814</author><pubDate>Tue, 10 Nov 2026 10:17:29 +0800</pubDate><description><![CDATA[写手：别从"把文档搬全"开始，从一个具体的、天天要问的问题开始，比如"这单能不能按期交"。什么条件的工单可以合批、什么条件必须拆炉、换型顺序按什么排、哪类订单不能往后放——这套条件过去只在一个老师傅的脑子里，藏在"去问一句张师傅"这个动作里。这类项目的风险不是失败，是做完之后停在原地：入口还在，用的人没了，维护费照年交。顺序也就出来了：先问"这个场景要用的事实从哪来、准不准、谁负责"，再问"用哪个模型"。写手：这个问题才是要命的。问题不在执行，在选型时的一次概念替换：把"知识库"当成了"文档库"。]]></description><category></category></item><item><title><![CDATA[它答得又快又漂亮，可没人敢拿上产线]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/170410172</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/170410172</guid><author>jianguo0814</author><pubDate>Tue, 10 Nov 2026 09:36:17 +0800</pubDate><description><![CDATA[第一步，数据治理：先把口径统一。APS 高级计划排程算的是"接下来的活按什么顺序、上哪台设备、配哪副模具"，输出的是一份齐套到位、工序可执行、资源可行的计划。推进节奏上，稳妥的做法仍是三步：先推演（拿一段历史工单、工艺与产能数据做数据摸底和应用模拟），再对比（把推演结果对上历史执行，看差距出在数据还是出在算法），后决定（认可了再谈改造范围、系统边界与实施周期）。如果正准备在工厂里上 AI，最轻的一步不是选模型：拿一段历史工单与产能数据，先做一次数据摸底，看看事实这一半到底通不通，通了，AI 才有得聊；]]></description><category></category></item><item><title><![CDATA[报价时拍胸脯，交付时挤牙膏：装备制造的交期怎么了]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/170186900</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/170186900</guid><author>jianguo0814</author><pubDate>Fri, 06 Nov 2026 09:59:12 +0800</pubDate><description><![CDATA[关键设备共享，少数几台龙门加工中心、大车床、热处理炉被多个项目共用，谁占用、占用多久，决定整个项目的进度；上百张工单、几十台机床、工艺路线十几二十道，叠加优先级、齐套、负荷与装夹损耗，上百个变量相互交织，可行方案的数量是天文级的。最轻的一步是：拿一段历史工单、工艺路线与设备产能数据，先做一次产能诊断和排程模拟，看负荷均衡度、齐套预警准确率、项目交付偏差这三个数，再决定要不要往前走。改图、插单一到，不再是反复开会重排，而是基于图纸版本、齐套、关键设备占用等真实约束快速出新版本，人从救火转向管控。]]></description><category></category></item><item><title><![CDATA[扩产是最后一步：先把现有产线排均衡]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/170129032</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/170129032</guid><author>jianguo0814</author><pubDate>Thu, 05 Nov 2026 10:38:22 +0800</pubDate><description><![CDATA[稳妥的做法分三步：第一步，企业给一段历史工单、产线产能与主材批次数据，服务商做产能诊断与排程模拟，用企业自己的数据还原过往排程；上百个规格并行、工单数百张同时在产，叠加优先级、齐套、负荷与换型损耗，上百个变量相互交织，可行方案的数量是天文级的。最轻的一步是：拿一段历史工单、产线产能与主材批次数据，先做一次产能诊断和排程模拟，看负荷均衡度、换型工时、交期答复偏差这三个数，再决定要不要往前走。主材分批到货、批次不能混用，换型与清洗损耗不小，爬坡曲线还在变化——这些变量，Excel算不动，人脑也记不全。]]></description><category></category></item><item><title><![CDATA[同模具拆成八批跑，换线时间比加工时间还长]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/169545932</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/169545932</guid><author>jianguo0814</author><pubDate>Fri, 30 Oct 2026 11:09:01 +0800</pubDate><description><![CDATA[共享设备抢排，多个订单共用同几台设备，谁先跑、谁等待，手工只能凭印象轮流。如果正在被计划多变、瓶颈错配、交期不稳、产能不透明困扰，最轻的一步是：拿一段历史工单、模具台账与设备产能数据，先做一次产能诊断和排程模拟，看负荷均衡度、换线工时、交期答复偏差这三个数，再决定要不要往前走。上千个物料号、每天几十张工单同时在场，叠加优先级、齐套、负荷与换线调机损耗，上百个变量相互交织，可行方案的数量是天文级的。同模具、同工艺合批连跑，换线、换模、首件确认的时间省下来，产线忙闲被拉平，瓶颈设备的有效产能利用率上去了。]]></description><category></category></item><item><title><![CDATA[下一台车是什么颜色，是算出来的：整车混流排程]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/169435136</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/169435136</guid><author>jianguo0814</author><pubDate>Thu, 29 Oct 2026 09:16:49 +0800</pubDate><description><![CDATA[混流装配按分钟过车、三大总成数千种零部件要齐套，叠加优先级、齐套、负荷与换色换模损耗，上百个变量相互交织，可行方案的数量是天文级的。如果正在被计划多变、瓶颈错配、交期不稳、产能不透明困扰，最轻的一步是：拿一段历史混流序列、配置规则与线体产能数据，先做一次产能诊断和排程模拟，看负荷均衡度、换色换模工时、交付答复偏差这三个数，再决定要不要往前走。ERP是物资台账，MES是行车记录仪，APS（高级计划排程）是导航——算的是“接下来的活按什么顺序、上哪台产线、配什么配色配饰”。四问都答得上来，才谈得上落地。]]></description><category></category></item><item><title><![CDATA[设备等料、料等工艺、工艺等排程——你的生产瓶颈到底卡在哪一环？]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/165879572</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/165879572</guid><author>jianguo0814</author><pubDate>Fri, 18 Sep 2026 14:55:14 +0800</pubDate><description><![CDATA[离散制造场景天生复杂：订单多变、工艺交叉、资源受限、物料牵绊、插单频繁、现场扰动不断。在这种环境下，单靠人工经验排产，已经很难同时兜住交期、成本、效率三根弦。茗鹤APS正是立足于对离散制造场景的长期深入理解，围绕算法引擎、工艺积累、系统集成、动态响应、可视化运营和持续演进六大关键维度，构建起一套真正能跑在车间现场的智能排程解决方案。]]></description><category></category></item><item><title><![CDATA[工业排产：AI可赋能，APS不可替代]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/164366830</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/164366830</guid><author>jianguo0814</author><pubDate>Fri, 04 Sep 2026 13:22:16 +0800</pubDate><description><![CDATA[这两年对接制造企业，我听到最多的疑问就是：“现在AI大模型这么厉害，是不是可以训练一个模型，就能搞定工厂排产？你们有使用AI大模型技术吗？”这是当下行业最大的误区：不少企业和软件厂商过度看高了AI大模型的作用，以为AI能替代专业排产系统。但APS是深耕制造业、经过无数现场验证的成熟排产理论体系，早在AI大模型风口兴起前，APS就已经是工业精准排产的核心应用了，当然，AI大模型的到来确实让APS系统的应用能力有了新的拓展。]]></description><category></category></item><item><title><![CDATA[茗鹤APS系统驱动集团多工厂计划联动]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/164295710</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/164295710</guid><author>jianguo0814</author><pubDate>Wed, 02 Sep 2026 13:34:37 +0800</pubDate><description><![CDATA[传统集团管控模式下，各子公司、工厂往往形成独立的计划体系：销售公司按区域制定订单计划，生产工厂按产能制定排产计划，物流部门按路线制定运输计划，导致资源错配、履约周期冗长、成本隐性流失等核心矛盾。1.建立包含生产资源、物料资源、物流资源、特殊约束等在内的集团资源池，涵盖产线工艺路线、仓库库存、运输网络能力、加工资质要求等关键信息。2.建立"异常-响应"闭环机制，实时处理设备故障、物料短缺、订单插单、质量返工等突发情况，通过产能替代、库存调拨、方案评估等策略快速响应，保障生产计划的稳定性与灵活性。]]></description><category></category></item><item><title><![CDATA[生产驱动型采购：APS系统带来的计划处理变革]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/164295517</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/164295517</guid><author>jianguo0814</author><pubDate>Wed, 02 Sep 2026 13:19:38 +0800</pubDate><description><![CDATA[茗鹤APS系统对物料采购计划的重构，本质是制造企业从"以产定购"到"以需定购"的思维革命。当采购计划与生产工序、供应商能力、物流网络深度耦合，企业才能实现"在正确的时间、以正确的成本、采购正确的物料"，为智能制造奠定坚实供应链基础。加工工序所需采购件需在工序开始前预留合理时间送达线边仓（考虑卸货、质检等前置流程），系统通过逐工序倒推计算，形成覆盖所有采购件的时间网格，精准定义每个物料在供应链各环节的时间节点——从供应商发货、物流运输到厂内验收，实现时间误差的精细化管控。]]></description><category></category></item><item><title><![CDATA[生产驱动型采购：APS系统带来的计划处理变革]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/164258721</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/164258721</guid><author>jianguo0814</author><pubDate>Tue, 01 Sep 2026 13:49:30 +0800</pubDate><description><![CDATA[茗鹤APS系统对物料采购计划的重构，本质是制造企业从"以产定购"到"以需定购"的思维革命。当采购计划与生产工序、供应商能力、物流网络深度耦合，企业才能实现"在正确的时间、以正确的成本、采购正确的物料"，为智能制造奠定坚实供应链基础。加工工序所需采购件需在工序开始前预留合理时间送达线边仓（考虑卸货、质检等前置流程），系统通过逐工序倒推计算，形成覆盖所有采购件的时间网格，精准定义每个物料在供应链各环节的时间节点——从供应商发货、物流运输到厂内验收，实现时间误差的精细化管控。]]></description><category></category></item><item><title><![CDATA[APS生产排程系统热度攀升，其计划结果甘特图拖拽功能解析]]></title><link>https://blog.youkuaiyun.com/jianguo0814/article/details/164220214</link><guid>https://blog.youkuaiyun.com/jianguo0814/article/details/164220214</guid><author>jianguo0814</author><pubDate>Mon, 31 Aug 2026 15:56:29 +0800</pubDate><description><![CDATA[在制造企业中，物料和在制订单数量庞大，若计划可执行率仅为50%-70%，则意味着需人工调整数千个订单，工作量巨大，甚至不如使用人工EXCEL做计划。要么使用人工EXCEL排计划并导入MES系统执行，要么使用APS系统自动运算并直接下发计划至MES系统执行，无需人工二次调整。在这一阶段，管理人员通常基于系统数据进行经验分析后做出决策，而非依赖系统自动运算输出决策方案。未来，随着制造企业逐步迈向数字化决策阶段，系统将通过不断学习管理人员的人工决策结果，逐步实现AI人工智能决策。]]></description><category></category></item></channel></rss>