研发型制造产能规划：先找瓶颈，再算设备

1. 内容整体设计与思路拆解

1.1 从一次“产能翻倍”的失败说起

先讲一个真实的案例。我见过一家做精密零部件的研发型制造企业，订单暴增，老板大手一挥，买了两台五轴加工中心，又招了一批操作工。设备到位、人员到岗，产能倒是没怎么涨，反而因为新产品试制频繁换型，在制品堆得到处都是，交付周期从45天一路拖到60天开外。老板很困惑：设备多了、人多了，为什么产能反而卡住了？

这个场景在研发型制造企业里太常见了。大家默认产能规划就是从设备数量、人员数量、班次这些“硬资源”下手，算一算稼动率、算一算工时，觉得数字够了就万事大吉。但实际跑起来根本不是那么回事。原因很简单：产能不是所有单点资源能力的简单加总，而是整条价值流里最薄弱环节的天花板。你让其他所有环节都做得再快，只要瓶颈还堵在那里，整条系统的产出就是瓶颈的产出。

我在这个行业混了十几年，见过太多团队在产能规划上走弯路。前期调研做得轰轰烈烈，Excel模型建了一大堆，最后落在车间里却不解决实际问题。问题就出在，大多数人的思维惯性是先“算设备”，而真正的第一步，应该是先“找瓶颈”。

1.2 为什么“算设备”不是第一步

算设备这种事，看起来科学，其实隐含了好几个假设。第一个假设是需求是稳定可预测的，研发型制造恰恰不是这样，订单随项目走，其中一个重点客户的新产品导入节奏一变，整个产能需求就要重排。第二个假设是所有设备的使用方式是一样的，实际上研发型企业的设备经常承担打样、试制、小批量生产等多种职能，一台设备可能同时服务于好几个项目。第三个假设是设备之间是独立工作的，现实里设备之间通过物料流、信息流紧密耦合，一台设备停下来，上下游很快就受影响。

而这些假设，在研发型制造企业里几乎都是不成立的。项目制生产、多品种小批量、工艺频繁变更、插单不断，在这样的环境里，单纯按“标准工时×订单量”去算设备数量，误差大得离谱，而且算出来的结果只是“账面产能”，离“实际有效产能”差得太远。

所以，产能规划的第一步，一定是先回答一个问题：当前这个系统里，真正决定整体产出的是哪一个或哪几个环节？找对了瓶颈，后面的设备计算、人员配置、班次安排才有意义。找错了瓶颈，算得越精细，错得越离谱。

1.3 瓶颈识别的底层逻辑

要理解瓶颈，得先接受一个简单但反直觉的事实：任何时候，一个制造系统里必然存在瓶颈。就算你是一个只有三台设备的小车间，也一定有某一个环节在拖着整个系统的后腿，只是有时候它明显到一眼就看出来，有时候它藏得很深，要靠数据才能挖出来。

瓶颈识别的理论基石是TOC制约理论里的核心思想：系统的产出由最薄弱的环节决定。这个理论特别好用，因为研发型制造企业面临的恰恰是多重不确定性，订单不确定、工艺不确定、人员技能不确定。在不确定性这么高的环境里，你很难靠“全面推进”来提升产能，但你一定可以靠“抓住最关键的那一点”来撬动全局。

打个生活化的比方。一条四车道的公路，中间某一段因为桥梁施工只剩下一条车道，那么无论你在其他路段修得多宽，每小时能通过的车流量就卡在桥梁这段。你要提升整条路的通行能力，唯一有效的方法是先拓宽那座桥。车间里的产能逻辑，和堵车路段的交通逻辑完全一致。

所以，做产能规划，第一件事不是去算每台设备需要增加多少台，而是去现场走一圈，把整条价值流从头到尾捋一遍，找到那座“桥”。

1.4 这份指南适合谁读

这篇文章主要写给几类人：一是研发型制造企业的生产计划人员和工艺工程师，他们天天面对插单、试制、换型，最需要一套科学的瓶颈识别方法；二是车间主任和生产主管，他们负责日常产出，需要知道资源该往哪里倾斜；三是做产能投资的决策者，他们需要避免“拍脑袋买设备”，让每一笔投资都花在刀刃上。

如果你刚入行也没关系，我会从最基础的原理讲起，一步步教你怎么在车间里找到瓶颈，怎么做数据分析，怎么据瓶颈制定产能方案。这套方法论不需要昂贵的软件，不需要复杂的建模，一张纸、一块秒表、一套Excel就能跑起来，但你会发现，它能帮你解决很多看起来很复杂的问题。

2. 瓶颈识别的三维度框架：数据、现场、流动

2.1 维度一：数据先行，用库存和等待时间定位瓶颈

很多管理者喜欢凭感觉判断瓶颈，觉得某个设备看起来总是很忙，就认定它是瓶颈。这个判断方法经常出错。看起来忙不等于瓶颈，有些设备忙是因为它不停地在生产“非瓶颈需要的数量”，也就是过量生产，忙了半天，产出的东西下游根本来不及消化，全部堆在中间库。真正的瓶颈，通常有几个数据特征：在制品库存最高的地方、设备前排队时间最长的地方、操作人员等待时间最多的地方。

识别瓶颈最基础的数据指标有三个，我一个个说。

第一个指标是在制品存量。去看看车间里哪些工位旁边堆的料最多。物料不会无缘无故堆积，它停在某个环节前，说明这个环节的产出速度跟不上上游的供给速度。物料堆积的地方，就算不是瓶颈本身，也一定离瓶颈不远。这个判断方法简单直接，但要注意区分一种特殊情况：如果公司有意设置缓冲库存，那在制品堆得多可能是有意为之，需要结合其他指标判断。

第二个指标是设备的等待时间。在瓶颈环节，设备前通常有物料在排队，设备的稼动率很高，但生产计划里经常出现某个零件等待加工的情况。真正的瓶颈设备，它的等待加工队列通常是稳定的、跨订单的，也就是说，无论订单怎么插，那台设备的队列始终存在。反过来说，如果一台设备的等待时间忽长忽短，那它更可能是受瓶颈影响的下游环节，而不是瓶颈本身。

第三个指标是产出速率对比。如果你对每道工序的周期时间有一定概念，可以做一个简单的对比：统计一段时间内各工序的实际产出数量，找出产出最低的那道工序。注意，这里说的产出最低，不是单单看UPMH（单位人小时产出），还要看它是否真的承担了整个系统的关键路径。

用数据识别瓶颈，要特别注意一个坑：数据采集的时间范围。研发型制造企业的订单结构经常变化，一周的数据可能完全无法代表一个月的状态。我建议，在做正式瓶颈分析之前，至少持续跟踪两到三个完整的订单交付周期，把数据拉长到足以覆盖典型的产品组合，再下结论。

2.2 维度二：现场为证，到车间里走一条“物料追踪路线”

数据是理性的，但数据也会骗人。尤其是研发型制造企业，数据采集往往不完善，报工不及时、报废数据缺失、返工数量没有记录，这些都是家常便饭。所以，光看数据还不够，必须回到现场，用眼睛确认。

我常用的方法叫做“物料追踪路线法”：随便挑一个正在生产的订单，从原材料仓库开始，跟着这批料走完整条生产流程，一直走到成品入库。每到一个工位，记录三样东西：物料在这里停了多久、设备正在干什么、人员在等什么。

这个方法看起来笨，但极其有效。你在现场会看到很多报表上看不到的细节：某台设备前面堆了三框半成品，操作工正在里面翻找当前订单要用的那一个；某道工序的设备在等一个快要报废的物料重新补料；某个检验环节的工程师同时在处理三个项目的紧急放行，忙得不可开交。这些细节才是产能真正的损耗点。

走现场还有一个好处：能帮你区分“物理瓶颈”和“逻辑瓶颈”。物理瓶颈是设备加工能力真的不足，逻辑瓶颈是流程设计、排产规则、质量管理方式导致的不畅通。研发型制造企业的瓶颈，往往后者更多。比如一个检验环节，设备检验能力明明足够，但因为来料时间不定、检验标准不明确、人员安排分散，导致检验环节成为事实上的瓶颈。这种瓶颈算设备算不出来，只能靠现场观察才能找到。

我建议每个做产能规划的团队，每周至少安排一次现场走线，每次走线指定一个责任人，记录一份标准的现场观察表。不要等到做产能规划才去走线，平时就养成习惯，数据的积累会让你在关键时刻的判断准确得多。

2.3 维度三：流动为纲，从价值流图看系统瓶颈

数据维度告诉你瓶颈在哪个工位，现场维度告诉你瓶颈为什么在那里，但要回答“这个瓶颈对整条价值流的影响有多大”，还需要一个全局视角。价值流图分析就是这个全局视角。

画价值流图的方法不复杂。拿一张A3纸，从左到右画出从原材料到成品交付的全部工序，每一道工序下方记录关键数据：周期时间、换型时间、设备稼动率、在制品数量、操作人员数量。然后画出工序之间的物料流和信息流，标注库存点。画完之后，你会看到一条清晰的链条，瓶颈环节会因为库存堆积、等待时间长而一目了然。

价值流图对研发型制造企业尤其重要的原因是，这些企业的产品生命周期短、工艺变动频繁，工序之间的连接经常是断裂的。有些工序可能是为了某个老项目上的特殊工艺而设立的，新项目已经不需要这道工序了，但排产规则没变，物料还是照旧往那里送。这种隐性浪费，只有画价值流图的时候才会被发现。

画完图之后，还要算一个关键指标：交付周期与增值时间比。计算方法很简单，把一个订单从放到完成的总时间除以实际加工的时间，这个比值越大，说明生产周期里浪费的比例越高。比值在10倍以下算健康，20倍以上就需要高度警惕。研发型制造企业做到5倍以下很难很难，但有一个数值参考，你至少知道自己的系统在什么水平。

2.4 三维度融合：一个综合判断模板

三个维度各有侧重，也各有盲区，把它们综合起来，才能比较可靠地锁定瓶颈。我习惯用下面这个模板来整理判断结果。

三组信息汇集到一起之后，你会发现它们往往指向同一两个环节。如果三个维度指向不同的环节，也不用慌，这恰恰说明你的系统里可能存在“游动瓶颈”：瓶颈不是固定的某一个工位，而是随产品组合、订单结构的变化在几个环节之间游移。这种游动瓶颈在研发型制造企业里极其常见，也是后续产能规划中最难处理的情况。

遇到游动瓶颈，我的经验是先做一个“瓶颈负荷矩阵”：横轴是主要产品线或项目类别，纵轴是关键工序，单元格里填入不同产品组合下各工序的负荷率。你会很直观地看到，哪些工序是多个产品线共用的高负荷工序，哪些工序只对特定产品有压力。共用且高负荷的工序，就是最需要优先配置资源的潜在瓶颈点。

3. 实操过程与核心环节实现

3.1 实操案例：一家电子制造服务企业的瓶颈锁定

光讲理论，可能有人觉得太抽象。我拿一个实际做过的项目来拆解一遍，把整套方法完整过一遍。

某家做电子制造服务的企业，主要产品是多品种小批量的工业控制板卡，客户定制化程度很高，平均每张订单的批量只有几十套到几百套不等。我们做产能规划的时候，公司正准备接一个量比较大的新项目，老板的初步想法很简单：SMT贴片线再加一条线，回流焊炉子再买一台，测试工位也要增加。

按照我的习惯，没有急着算设备，而是先花了两周时间做瓶颈分析。

第一周做数据收集。我把过去三个月的订单数据全部导出来，按产品族统计了各工序的产出数量、设备利用率和在制品数量。数据一跑出来，结果让所有人有点意外：SMT贴片和回流焊的利用率并不高，平均只有65%左右，真正利用率接近90%的工序，是手工插件环节，其次是功能测试工位。

第二周做现场追踪。我挑了一个典型的批量订单，从物料上线开始跟踪。结果发现，板卡在手工插件工位前排了整整两天队，而SMT贴片后的半成品库已经积压了三千多片待插件的PCBA。再一看手工插件工位，只有六个人，其中两个还是入职不到一个月的新手，插一块板的耗时是老手的两倍。瓶颈在哪里，已经不用再多说了。

更关键的是价值流图分析。画完图发现，手工插件环节前有安全库存，后有测试工位的缓冲，从表面看，它并没有直接导致整条线停线，因为上游一直在生产、下游一直有料可以做。但如果你算的是“订单交付周期”，就会发现所有订单都卡在插件队列里，交付周期的中间段被人为拉长了。

这个案例的结论非常清晰：真正的瓶颈不是老板想买的SMT线，而是那六个人的手工插件工位。产能规划的第一步，应该是先把插件工位的能力补上来，或者通过工艺改进把一部分插件工作转移到SMT贴片环节，而不是一上来就花几百万买新线。

3.2 量化瓶颈潜力：产能规划里的三个关键计算

锁定瓶颈之后，不是马上就去买设备、加人员，而是先量化瓶颈的潜力和差距。这里有三个关键计算，做产能规划必须掌握。

第一个计算是瓶颈工序的理论产能。计算公式不复杂：

• 理论产能 = 瓶颈工序可开动时间 × 设备/工位数量 × 合格率

举例来说，假设手工插件环节每天可开动时间是22小时，有6个工位，合格率按95%算，那么每天的理论产能就是22×6×0.95，大约是125.4个标准工时。如果每块板卡的标准插件工时是0.4小时，那一天大约能产出313块板卡。这个数字可以作为产能规划的基准参考。

第二个计算是需求产能的换算。预计新项目加入后，每日需求是400块板卡，那么对应需要的标准工时就是400×0.4=160小时。对比理论产能125.4小时，差距一目了然：缺口大约34.6小时，相当于需要增加大约1.6个插件工位，按人员效率折算，大约需要新增3名熟练插件人员。这个计算过程必须记住一个关键点：要使用“标准工时”而不是“实际工时”，否则，你按实际工时算出来的需求会被熟练度差异严重干扰。

第三个计算是瓶颈的“放大效应”。瓶颈产能每提升1小时，整条系统的有效产出提升多少？有一个非常实用的估算方法：观察瓶颈一个小时可以释放多少下游工作量。如果瓶颈每小时产出的物料，在下游还需要经过合计2小时加工，那么瓶颈每提升1小时，系统的整体交付能力大约能提升2个小时的价值。这个倍率关系决定了瓶颈改善是所有改善里杠杆最高的那一个。你花同样的精力去改善一个非瓶颈环节，对系统产出的影响极有可能是零。

3.3 从瓶颈识别到产能方案的落地步骤

瓶颈找到了，量化也做完了，下一步才是真正进入产能规划的实操环节。我把整个过程拆成八个步骤，每个步骤都贴着“瓶颈”这个主线走。

第一步，明确规划的时间窗口。做产能规划不能只说“明年需要多少产能”，要落到具体的时间段，比如未来12个月按季度分。研发型制造企业的需求波动大，按季度分段的规划精度至少还有参考价值。

第二步，确定需求预测的关键输入。去跟销售和市场团队聊，收集已签约订单、意向订单、新项目导入时间表、老项目退出的时间点。特别要关注新项目导入，那会给瓶颈带来短期冲击。

第三步，建立产能需求模型。把需求拆解到每一道关键工序，换算成标准工时需求。这一步可以不做得特别细，但至少要把已经识别出的瓶颈工序和其他主要工序的需求量算清楚。

第四步，对照瓶颈产能，识别缺口。把需求产能和瓶颈可用产能对照，算出差距是正的还是负的。这里的“正”是指缺口，千万别搞反。

第五步，设计产能提升方案。优先考虑成本低、见效快的方案，例如瓶颈工序的加班安排、工艺改进、工装优化、人员调配、培训提升熟练度。设备投资方案放在倒数第二步，因为那是最贵、周期最长的手段。

第六步，验证方案的可行性。把方案带回车间，和工艺、质量、生产团队一起过一遍，评估会不会对质量、交付周期、其他工序产生负面冲击。

第七步，制定实施计划并明确责任人。产能方案不是一份报告，是要落地的。每一项改善措施都要有明确的责任人、完成时间和效果评估标准。

第八步，建立后期瓶颈监控机制。瓶颈是会移动的，做完一轮改善后，要定期重新评估瓶颈的位置。我的习惯是每月做一次轻量级瓶颈分析，每季度做一次完整的三维度分析。

3.4 研发型制造企业的特殊考量

研发型制造企业做产能规划，有几个机关普通制造企业遇不到的特殊情况，处理不好方案就是一纸空文。

第一个特殊情况是新产品试制对产能的冲击。研发型项目通常要经历打样、小批量试产、量产爬坡几个阶段，每个阶段的工艺路线和工时都不同。做产能规划时，不要只用量产工时去算，要在需求模型里单独建一个“试制产能池”，预估每个月有多少试制任务要占用哪些工序的产能。试制任务对设备时间的占用，往往比量产订单更不确定，但一定不能省略。

第二个特殊情况是工程变更对瓶颈识别的影响。研发型企业的产品设计经常变，一个零件改了图纸，原来不是瓶颈的工序可能瞬间变成瓶颈。做瓶颈分析的时候，除了看当前状态，还要关注工程变更的Pipeline，把未来几个月计划导入的变更考虑进去，提前预判瓶颈会不会转移。

第三个特殊情况是“共线生产”问题。研发型项目之间，经常有设备共用、工装互换、人员交叉支持的情况。瓶颈识别时，按产品线分别分析是不够的，必须把不同项目对同一台设备的总需求合并起来看。我见过最夸张的案例，一台设备被四个项目组认为是“自己的关键设备”，每个项目组都单独做了产能需求，实际上这台设备的产能冲突非常严重，排产的时候只能靠项目经理之间私下协调。

第四个特殊情况是人员技能的柔性问题。研发型制造企业的高技能工人往往是稀缺资源，一个熟练的多能工同时支持多个工序，他的调度对瓶颈影响极大。在做产能规划时，必须把人员技能矩阵纳入分析。我推荐的实操方法是，先建立一份技能矩阵表，标注每个操作工掌握哪些工序技能、熟练程度如何，然后以此为基础做瓶颈工序的人员配置规划。

4. 常见问题与排查技巧实录

4.1 瓶颈总在变，怎么破

很多研发型制造企业的管理者跟我反馈说，瓶颈分析做了一次，结论很清晰，但过了两个月，再去看现场，瓶颈好像又换了个地方。这是研发型制造企业特有的“游动瓶颈”现象。产品组合一变、订单结构一变、人员出勤一变，瓶颈就跟着变。

破解游动瓶颈，光靠一次静态分析是不够的。我的经验是，建立一个动态的瓶颈监控机制：把关键工序的负荷率做成一张看板，每周更新一次数据。看板上不要显示太多信息，只关注负荷率超过80%的工序、排队时间超过标准的工序、在制品数量异常增加的工序。看到异常，就启动新一轮的瓶颈分析。

另外一个技巧是给瓶颈设置“缓冲”。既然瓶颈不确定，那就主动在几个潜在的瓶颈点前面都设置一定量的安全库存，确保瓶颈一旦出现，不至于因为缺料而停摆。这看起来是一种“浪费”，实际上是应对研发型制造企业不确定性最有效的策略，宁可多一点在制品，也不要让瓶颈设备饿肚子。

4.2 数据不准，怎么判断瓶颈

研发型制造企业的数据质量差是常态，报工不及时、工时记录不准、报废率数据缺失，这些都会让数据分析的结果失真。数据不准不代表不能做瓶颈分析，关键是选择对数据依赖度低的判断方法。

我的做法是，在数据可信度低的时候，把现场维度提到最高优先级。花更多的精力去现场走线，亲自蹲几天的瓶颈工序，记录设备实际的加工时间和等待时间。现场观察得到的数据虽然样本量小，但准确度高，对于锁定瓶颈来说，远比一套看起来精确但基础数据不准的Excel模型有价值。

另外，可以采用一个简单有效的“时间戳法”：给每一批物料挂一张随工单，每经过一道工序，操作工在随工单上记录到达时间和完成时间。不用太复杂，手写就行。收集一周的随工单，基本上就能看出哪个环节时间消耗最大。这个方法在信息化程度不高的企业里特别好用，成本极低，效果立竿见影。

4.3 领导不认可瓶颈分析，怎么沟通

这是很多人实践瓶颈分析时遇到的最尴尬的问题：明明分析出瓶颈在某个环节，但领导或老板不认可，觉得“那个环节设备这么多，怎么可能是瓶颈”。这个问题表面上是技术层面的分歧，实际上是认知层面的错位，需要针对性地沟通。

我的经验是，与其争论，不如用数据说话。拿一个具体的订单为例，把从投料到入库的完整时间线画出来，标注每个环节的等待时间和加工时间。然后问领导一个问题：这笔订单在系统里总共待了几天，实际加工只有几小时，剩下的时间在哪？当领导亲眼看到一张订单80%以上的交付周期消耗在等待上，他对“瓶颈”的认知会发生明显的改变。

还有一个更务实的方法：先拿瓶颈改善做一个试点项目。选一个瓶颈环节，做一个周四以内的快速改善，比如调整班次、优化换型方式、增加一个工装。然后用试点前后的产出数据做对比，把结果摆在所有人面前。数据可以反驳一切直觉判断，也可以建立分析方法的信任基础。

4.4 瓶颈解决了，产能没上去，问题出在哪

做完瓶颈改善，产能却没什么变化，这是另一种让人沮丧的情况。复盘下来，最常见的根源是：改善动作并没有真正提升瓶颈环节的有效产出，只是让瓶颈环节“更忙”了。

举一个常见的例子：瓶颈工序是热处理，改善方案是给热处理炉加了一个自动装料机构，省了人工装料的时间。听起来产能应该提升，实际上热处理的周期是热处理炉的工艺时间决定的，装料时间占比很小，提升装料速度对整个环节的产出影响微乎其微。这是典型的“改善了瓶颈的非关键要素”失误。

要避免这个问题，做改善之前要先区分瓶颈的“节拍时间”和“准备时间”。如果瓶颈的总可用时间充足，只是换型准备吃掉太多时间，那优化换型流程就是正确的改善方向；如果瓶颈的加工节拍本身就慢，那就得从工艺路线、工装设计层面想办法，单纯增加管理动作毫无意义。找准改善方向，比盲目投入动作重要得多。

另外还有一种情况：瓶颈改善后，产出确实上去了，但下游环节消化不了，订单交付周期反而拉长。这说明瓶颈已经发生了转移，需要重新做一个快速的瓶颈分析，把改善资源转移到新的瓶颈上。很多团队做完瓶颈改善就停手了，实际上，瓶颈改善是一个持续迭代的过程，一轮结束，马上开始下一轮。

4.5 新人上手：一套21天的瓶颈识别训练方案

最后分享一个给团队新人用的21天训练方案。我自己带过不少新入行的计划员和工艺工程师，发现最快让他们学会瓶颈识别的方法，不是培训课程，而是现场训练。

前七天，只做一件事：每天固定时间到车间走一次线，每个环节待五分钟，记录正在加工的物料数量、设备和人员状态。不做分析，只积累第一手现场感觉。

第八天到第十四天，开始画价值流图。把前几天记录的数据整理到图上，标注出物料堆积点。这一步会开始出现分析的乐趣，因为你会慢慢看出规律。

第十五天到第二十一天，做瓶颈假设和验证。根据价值流图提出瓶颈假设，然后用随工单收集数据、蹲点观察，验证假设是否正确。最后输出一份瓶颈分析报告，讲给团队大人听，让有经验的同事来挑战。

这套训练方案我已经用了很多年，效果出奇地好。瓶颈识别这门手艺，和开车一样，看再多的理论知识，不如亲手开上十天。真正把现场的感觉和数据的方法结合起来，才算是掌握了这门手艺。

4.6 一个容易被忽视的后续动作：瓶颈监控常态化

最后一个建议，也是我在很多企业里反复强调的：瓶颈分析不是一次性的项目，而是一个必须常态化的机制。

研发型制造企业的环境本身在动态变化，新产品不断进来，老产品不断退出，工艺持续优化，人员持续流动。每过一段时间，原本的瓶颈分析结论就可能失效。最合理的做法是，把瓶颈监控纳入月度经营分析会的固定议程，每月花十五分钟回顾一次关键工序的负荷率、在制品库存和交付周期三个指标的走势。

设定一个简单的预警规则：任何一道关键工序的负荷率连续两周超过85%，或者某个在制品库存点连续两周持续增长，就自动触发一次快速的瓶颈分析。这样可以确保，瓶颈一旦开始转移，团队能在最早的时间点察觉，而不是等到交付周期拉长到客户投诉了才反应过来。

我个人在实际操作中的体会是，产能规划最大的敌人不是产能不足，而是对现状的认知盲区。多数情况下，系统里不是真的没有产能，而是产能被错误地配置在了非瓶颈环节。把“找对瓶颈”这一步扎扎实实做好，后面所有的规划动作都会顺畅很多。如果这篇文章能让你下一次做产能规划时，先停下来问一句“瓶颈到底在哪”，我觉得就值了。最后再分享一个小技巧：每次做完一轮产能规划，把当初找到瓶颈的过程记录下来，三个月后回头看，你会对自己和团队判断力的进步速度感到惊讶。