主生产计划（MPS）是制造业企业将销售预测、客户订单与产能资源进行综合平衡后形成的中长期生产纲领，是驱动整个制造运营体系的核心计划枢纽。 元序·智序体通过整合流程引擎、数据中台、智能分析引擎、应用组装引擎等核心基座能力，为制造业企业提供"需求感知智能化、产能平衡精准化、计划编制自动化、执行跟踪实时化"的全链条解决方案，实现主生产计划从"经验驱动"向"数据驱动"的范式跃迁。
一、场景概述
1.1 场景定义与范围
主生产计划涵盖销售需求管理、产能资源评估、计划编制与平衡、计划下达与跟踪、计划调整与滚动更新等核心业务。
| 业务板块 | 具体内容 | 管理对象 |
|---|
| 需求管理 | 销售预测与客户订单归集 | 需求数据 |
| 产能评估 | 设备、人员、物料产能评估 | 产能资源 |
| 计划编制 | MPS编制与粗能力平衡 | 生产计划 |
| 计划下达 | 计划分解下达至车间 | 执行指令 |
| 跟踪监控 | 计划执行进度实时跟踪 | 执行数据 |
| 滚动调整 | 计划滚动更新与动态调整 | 计划变更 |
1.2 政策背景
| 时间 | 政策文件 | 核心要求 |
|---|
| 2015年 | 中国制造2025 | 智能制造 |
| 2021年 | "十四五"智能制造发展规划 | 数字化车间 |
| 2023年 | 制造业数字化转型行动方案 | 智能排产 |
| 2025年 | 新型工业化推进计划 | 柔性制造 |
二、核心痛点分析
2.1 数据之痛
| 痛点 | 具体表现 | 业务后果 |
|---|
| 需求数据不准 | 销售预测准确率低 | 计划偏差大 |
| 产能数据不清 | 设备人员产能底数不清 | 排产脱离实际 |
| 物料数据滞后 | BOM和库存数据不及时 | 计划不可执行 |
| 历史数据浪费 | 历史排产经验未沉淀 | 重复犯错 |
2.2 流程之痛
| 痛点 | 具体表现 | 业务后果 |
|---|
| 计划编制慢 | 手工编制MPS耗时长 | 响应市场慢 |
| 粗能力不平衡 | 计划未充分考虑产能约束 | 频繁调整 |
| 计划下达脱节 | MPS到车间计划衔接差 | 执行走样 |
| 调整频繁 | 插单改单导致计划混乱 | 效率低下 |
2.3 协同之痛
| 痛点 | 具体表现 | 业务后果 |
|---|
| 产销不协调 | 销售与生产计划脱节 | 交期难保证 |
| 采购不联动 | 物料需求计划与MPS不同步 | 缺料停线 |
| 部门信息孤岛 | 计划数据各部门不一致 | 协同困难 |
| 多工厂协调难 | 集团多工厂计划统筹差 | 资源浪费 |
三、元序解决方案
3.1 核心能力映射
| 元序基座 | 主生产计划应用 | 解决痛点 |
|---|
| 流程引擎FlowEngine | 计划编制审批与下达流程 | 计划编制慢 |
| 数据中台 | 需求、产能、物料数据统一汇聚 | 数据不清 |
| 智能分析引擎 | 需求预测、产能平衡优化 | 计划偏差大 |
| 协同联动中心 | 产销协同、采购联动 | 产销不协调 |
| 开放连接平台 | ERP/MES系统对接 | 信息孤岛 |
| 应用组装引擎 | 计划看板与报表快速配置 | 系统僵化 |
3.2 核心业务流程
┌─────────────────────────────────────────────────────────┐
│ 主生产计划全流程 │
├─────────────────────────────────────────────────────────┤
│ │
│ ┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐ │
│ │ 需求 │──▶│ 产能 │──▶│ 计划 │──▶│ 计划 │ │
│ │ 归集 │ │ 评估 │ │ 编制 │ │ 下达 │ │
│ └──────┘ └──────┘ └──────┘ └──────┘ │
│ │ │
│ ▼ │
│ ┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐ │
│ │ 滚动 │◀──│ 偏差 │◀──│ 执行 │◀──│ 跟踪 │ │
│ │ 调整 │ │ 分析 │ │ 反馈 │ │ 监控 │ │
│ └──────┘ └──────┘ └──────┘ └──────┘ │
│ │
└─────────────────────────────────────────────────────────┘
3.3 关键功能详解
需求感知与智能预测平台：建立基于数据中台和智能分析引擎的需求感知与智能预测平台——通过数据中台汇聚历史销售数据、客户订单数据、市场趋势数据，利用智能分析引擎构建需求预测模型。实现从被动接收订单到主动预测需求的转变，为MPS编制提供精准的需求输入。
产能资源评估与粗能力平衡系统：建立基于数据中台的产能资源评估与粗能力平衡系统——通过数据中台实时汇聚设备产能、人员产能、模具资源等数据，利用智能分析引擎在MPS编制过程中自动进行粗能力平衡校验。确保计划与产能约束匹配，减少因产能不足导致的计划调整。
MPS智能编制与多方案比选系统：建立基于智能分析引擎的MPS智能编制系统——通过智能分析引擎综合考虑需求优先级、产能约束、物料可用性、交期要求等多维约束条件，自动生成多个MPS方案并量化比选。计划人员可快速选择最优方案，大幅缩短计划编制周期。
计划执行跟踪与滚动调整系统：建立基于流程引擎和协同联动中心的计划执行跟踪与滚动调整系统——通过流程引擎实现MPS从编制、审批、下达到执行的全流程在线管理。利用协同联动中心实现销售、采购、生产的多方协同，当需求变化或执行偏差时自动触发计划滚动调整。
四、核心价值
4.1 量化价值对比
| 价值维度 | 传统模式 | 元序模式 | 提升幅度 |
|---|
| 需求预测准确率 | 50%-60% | 85%以上 | +50% |
| 计划编制周期 | 3-5天 | 数小时 | +100倍 |
| 产能平衡效率 | 人工核算 | 自动校验 | +500% |
| 计划达成率 | 70%-80% | 95%以上 | +20% |
| 插单响应速度 | 1-2天 | 实时调整 | +100倍 |
| 交期达成率 | 75%-85% | 95%以上 | +15% |
4.2 定性价值
- 一需驱动——需求数据精准感知，计划源头清晰可靠
- 一平产能——产能平衡自动校验，计划与实际高度匹配
- 一智编排——MPS多方案智能比选，计划编制高效精准
- 一链协同——产销采购多方联动，计划执行顺畅有序
五、数据资产沉淀
5.1 核心数据资产
| 数据资产 | 数据来源 | 应用场景 |
|---|
| 需求预测数据库 | 历史销售与市场趋势数据 | 需求预测 |
| 产能资源数据库 | 设备人员物料产能数据 | 产能评估 |
| 计划方案数据库 | MPS编制与执行历史数据 | 计划优化 |
| 执行跟踪数据库 | 计划执行进度与偏差数据 | 绩效分析 |
| 产销协同数据库 | 产销协调与变更记录 | 协同管理 |
5.2 四层沉淀路径
┌─────────────────────────────────────────────┐
│ 第一层：数据采集层 │
│ 订单数据 → 产能数据 → 物料数据 → 执行数据 │
├─────────────────────────────────────────────┤
│ 第二层：数据治理层 │
│ 需求分类 → 产能建模 → BOM映射 → 指标标准化 │
├─────────────────────────────────────────────┤
│ 第三层：计划应用层 │
│ 需求预测 → 产能平衡 → 计划编制 → 执行跟踪 │
├─────────────────────────────────────────────┤
│ 第四层：智能决策层 │
│ 趋势分析 → 方案优化 → 风险预警 → 智能决策 │
└─────────────────────────────────────────────┘
六、实施建议
6.1 分阶段推进策略
| 阶段 | 周期 | 重点任务 | 预期成果 |
|---|
| 数据基础 | 6个月 | 需求产能物料数据汇聚、数据中台建设 | 数据基础就绪 |
| 核心上线 | 6个月 | MPS编制系统、产能平衡系统上线 | 核心功能上线 |
| 智能深化 | 6个月 | 需求预测、智能排产、滚动调整上线 | 全面能力就绪 |
| 持续优化 | 持续 | 模型迭代、数据积累、流程优化 | 计划能力进化 |
6.2 关键成功因素
- 数据质量：需求、产能、物料数据的准确性和及时性是智能计划的基础
- 产销协同：建立有效的产销协同机制，确保计划反映真实市场需求
- 渐进推进：从粗能力平衡到细能力排产逐步深化，避免一步到位
- 人才培养：培养既懂业务又懂系统的计划人才，推动计划管理升级
七、结语
主生产计划是制造业企业运营管理的"大脑"和"指挥棒"。元序·智序体以数据中台实现需求、产能、物料数据统一汇聚、以智能分析引擎驱动需求预测和产能平衡优化、以流程引擎保障计划编制审批下达全流程在线管理、以协同联动中心打通产销采购多方协同链路，为主生产计划提供全方位智能化解决方案，让计划真正成为驱动制造高效运营的核心引擎。