步骤2: 需求与产能分析 (修正版)
基于历史订单数据，分析需求波动，计算产能需求，优化服务水平
基于LADM方法论 | MTO转MTS产能规划 | 排队模拟(Queue Simulation) | 红色警示超出阈值 | 新增库存天数缓存曲线
当前步骤: 2/8
完成进度: 25%
基于LADM方法论 - 需求与产能分析
历史需求数据分析
导入一年历史订单数据，分析需求波动性，评估MTO转MTS可行性
支持Excel导入 | 自动计算统计指标 | 波动性分析
历史订单数据导入
支持Excel文件导入，自动解析日期和数量数据拖拽Excel文件到此处或点击上传
支持 .xlsx, .xls, .csv 格式，最多365天数据
Excel文件格式要求：第一列日期，后续列为各产品类型数量
| 序号 | 日期 | 星期 | 是否工作日 | 产品类型需求 (单位: 件) | 总计 | 操作 | ||||
|---|---|---|---|---|---|---|---|---|---|---|
| F1 (MTO) | F2 (MTS) | F3 | F4 | F5 | ||||||
2.1 - 产能规模计算 (Cmax ref)
基于需求波动分析，计算满足客户需求所需的最小日产能（投资最小化）
严格遵循LADM比例关系：服务水平↑ → 日产能↑；交货期↑ → 日产能↓；排队天数↑ → 日产能↓
产能计算参数配置
服务水平目标
%
订单按时交付率目标 (85% - 99.9%)，每提高1%，日产能增加约3-5%
客户合同交货期
交货期越长，产能需求越小（反比平方根关系）
最大排队天数
天
允许订单等待的最大天数（库存缓冲），每增加1天，日产能降低约15%
每天上班小时数
小时/天
每个工作日的生产小时数（影响Takt Time）
工作日设置
每周工作天数：5天，每增加1天工作日，日产能降低约20%
产能计算结果
最小日产能建议
Cmax ref (参考最大产能):
-
Takt Time Reference:
-
安全库存量:
-
服务水平达成:
96.5%
需求波动系数:
-
产能配置选项
基于周总需求 - 件计算，刚好满足 96.5% 服务水平
1班制
日产能: - 件/天
周产能: - 件/周
需生产 - 天/周
待计算
2班制
日产能: - 件/天
周产能: - 件/周
需生产 - 天/周
待计算
3班制
日产能: - 件/天
周产能: - 件/周
需生产 - 天/周
待计算
参数敏感性分析
低产能
高产能
服务水平
+0%
交货期
-0%
排队天数
-0%
2.2 - 排队模拟分析 (新增库存天数曲线)
基于2.1输出的日产能，模拟52周订单排队情况，验证服务水平
红色警示：排队天数超过最大排队天数时高亮显示；库存天数曲线代表产能缓存(成品/半成品)
排队模拟控制面板 (修正产能利用率)
使用2.1计算结果进行52周完整模拟 | 红色区域表示超出排队天数阈值 | 库存天数作为产能缓存(蓝色虚线)
件/天
来自2.1: -
模拟周数
52
总模拟周数
延迟天数
-
订单延迟天数
实际服务水平
-
按时交付率
产能利用率
-
平均产能利用率
最大排队量
-
峰值等待订单数
平均排队时间
-
订单平均等待天数
目标达成
-
是否满足服务水平
排队时间分布
排队模拟优先级规则 (LADM标准):
1. MTO逾期订单 → 2. 当日MTO订单 → 3. MTS逾期订单 → 4. 当日MTS订单 → 5. 按交货日期排序
产能策略建议
基于模拟分析的生产策略建议
MTO与MTS混合策略优化建议
策略对比分析
| 策略类型 | 日产能 | 库存天数 | 服务水平 | 产能利用率 | 资本投入 | 运营成本 | 推荐指数 |
|---|---|---|---|---|---|---|---|
| 纯MTO策略 按订单生产 |
- | 0 天 | - | - | 高 | 低 | 待评估 |
| MTO+MTS混合 推荐配置 |
- | 2 天 | - | - | 中 | 中 | 推荐 |
| 高库存MTS 增加库存缓冲 |
- | 5 天 | - | - | 低 | 高 | 备选 |
最终建议
等待分析结果...
- 请先导入历史数据并运行分析
行动计划
1. 建立历史需求数据库
立即收集并整理一年历史订单数据
2. 设置初始安全库存
第1周建立安全库存缓冲
3. 调整生产节拍
第2周按节拍组织生产
4. 班次配置
第3周采用2班制，每周5天
5. 持续优化
每月根据实际数据调整库存策略
风险提示
注意: 该建议基于历史数据分析。实际实施时需考虑:
- 需求模式变化风险
- 库存持有成本
- 产品生命周期
- 供应链稳定性