做计划的人都知道，排产排出来的东西能不能落地，七分靠数据，三分靠算法。你算法再牛，数据是一坨屎，那出来的东西就是垃圾——这就是IT圈常说的"Garbage in, Garbage out"。
一、数据不准的5种典型场景
场景1：工时数据拍脑袋
我见过最离谱的一家工厂，工艺参数表是2018年建的，之后就没更新过。设备换了好几代，产能早翻倍了，但标准工时栏写的还是五年前的数据。结果排产系统吭哧吭哧算出来一批订单，明明三天就能干完，系统非说要五天，车间看着计划直摇头："这玩意儿能信？"
场景2：BOM版本混乱
做过装配型企业的都知道，物料清单（BOM）这玩意儿一旦多版本并行，那叫一个灾难。研发改了个螺丝规格，采购那边还在用旧料，仓库贴着新料标签里面装的是旧料，车间工人按新图纸干活结果装不上去。你APS系统里跑的是哪个版本的BOM？鬼知道。
场景3：库存数据不实
说一个我亲眼见过的笑话：某企业PMC去仓库盘库，发现系统显示库存5000个，实际盘点600个。仓库主管振振有词："那4000多个是别的订单预留的，虽然单子早就结了，但料还压着呢。"这种库存数据，你让APS怎么算？算出来的缺料清单全是假警报，计划员看到最后直接无视。
场景4：设备日历不清楚
设备什么时候能跑、什么时候要保养、什么时候换班，这本来应该是最基本的约束条件。但现实是，很多工厂的设备日历就是Excel表，PMC靠记忆记哪些机台这周要检修。你系统里可能显示设备空闲，实际上人家早被生产占用，或者反过来，系统显示忙碌实际空着。这种数据质量，排出来的东西能准才怪。
场景5：工序顺序想当然
有些企业的工艺路线是"口头传承"，老员工知道先A后B再C，但系统里没录进去，或者录错了。APS按默认顺序一排，出来的计划要么工序打架，要么把本来可以并行的活串行了。这种"隐性知识"没结构化，系统永远算不对。
二、数据问题怎么毁掉整个排产逻辑
很多人觉得数据不准影响的是单道工序，其实不是。数据不准的影响是链式放大的。
拿一个典型的离散制造业场景举例：
订单A需要3道工序，工序1的工时数据偏大20%，工序2的库存数据差了30%，工序3的设备日历没更新。把这三个误差叠加进去，最后出来的交期可能比实际长50%以上。然后业务拿这个交期去谈客户，要么丢单，要么接了之后天天救火。
更坑的是，APS系统会基于"不准的数据"不断自我强化。比如你第一次报交期是假的，后面客户追问时你又用假数据去调整计划，久而久之，整个生产体系都在围绕"虚假数据"运转，谁也不知道真相是什么。
数据不准还会造成"计划-执行"双轨制。PMC按系统出的计划发工单，车间按实际经验干活，两套并行，互相不认。最后系统成了摆设，Excel表格反而成了真正的"系统"。
三、从源头治理数据质量：APS对数据的要求
好，说了这么多问题，该讲讲怎么治了。
1. 建立主数据标准，分清哪些是"APS必须的数据"
APS系统需要的基础数据就那么几类：物料数据（含BOM）、工艺数据（工序+标准工时）、设备数据（产能+日历）、订单数据（交期+数量）、库存数据（实时库存+在途）。
这五类数据，每一类都要有明确的Owner和更新机制。谁负责维护？多久更新一次？更新的触发条件是什么？这些问题不答清楚，数据质量永远好不了。
2. 打通实时数据链路，别让APS用"昨天的库存"算"今天的计划"
很多企业APS和ERP/MES是两张皮，APS里跑的库存数据可能是T-1甚至T-2的。这种延迟数据在快速响应场景下就是灾难。
真正能用的APS，必须是实时对接MES的报工数据、ERP的库存数据、WMS的发货数据。数据链路不打通，APS永远算不准。
3. 建立数据校验机制，让"脏数据"在入口就被拦住
在上APS之前，建议先上一套数据校验逻辑。比如工时数据超出历史均值30%的，系统自动预警；库存数据与实物盘点差异超过阈值的，锁定不让参与排产；设备日历与实际不符的，PMC必须确认签字才能解锁。
4. 用APS本身的"模拟排产"功能反向验证数据质量
这是个小技巧——你不知道数据准不准，可以让APS跑个模拟排产，然后跟车间实际执行情况对比。偏差大的地方，数据一定有问题的。哪个工单算出来和实际差得远，哪个字段大概率有问题。
四、说在最后
排产不准这个事，八成以上在于数据。
你要是还没上线APS，先把数据治理列为最高优先级——系统是放大器，数据好它帮你，数据烂它也会帮你烂得更快。
你们厂现在排产系统里，最大的数据问题是什么？工时不准、BOM混乱，还是库存数据失真？可以聊聊
如果对APS智能排产有疑问或兴趣，欢迎交流。免费在线体验及开源：https://bctools.cn
的弹性属性使用)
