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