一家工厂的产销协调会上，可以同时存在两种声音。

一种来自销售：缺产能，客户的单子排不进去，再不加设备就要丢订单。关键焊接工序的大吨位设备负荷率一度冲到120%，日缺口上万件，直接影响5款产品的交付；小吨位设备负荷率超过九成，测算下来缺口十几台——某个重点项目要求开7台设备、厂里实际只开得出2台，订单在排队；注塑工序同样告急，一天也缺上万件。

另一种来自报表：总装基地百余条产线，全年平均开线率七成出头，有数十条产线处于闲置状态，开线率最低的月份只有五成多。另有部分冲压设备，负荷表上最低只有14%。

这些数据来自一家典型的多工序离散制造企业——产品从原材料到成品，要经过冲压、注塑、焊接、总装等多道工序；型号多、批次杂，下游是几家头部电池大厂，生产节奏跟着客户订单走。

两种声音说的都是事实。这也是我们在这家企业从订单到交付的诊断中面对的第一个局面：

"缺产能"和"产能闲置"，在同一家工厂、同一个月里同时成立。

企业的判断很明确：缺产能，需要扩产。但这个判断解释不了一个问题——

如果产能真的不够，为什么会有几十条产线开不起来？

01 拆解：平均数背后，藏着一个不同的工厂

先介绍两个看产能的基本口径。

开线率，指实际开工的产线占总可用产线的比例——在这家企业，统计对象是总装基地百余条可用产线；

设备综合效率（OEE），衡量设备真正用于生产合格品的时间占比。

这家企业日常被汇报、被讨论的，其实主要是第一个数的平均值：全年七成出头。也因此，当我们把平均值放下，产能拆到其他层面，看到的东西完全不一样。

·结构面：同一个月份，焊接工序负荷率超过九成，部分冲压设备最低只有14%。

【工序负荷率对比图】

·时间面：全厂OEE约六成——但连这个数字本身都要打个问号：厂里各工序的OEE口径并不统一，有的用标准公式，有的用"实际/标准"的比值，而且主要靠手工统计。

口径之外，停机原因拆解显示，仅模具故障就占了异常停机的一半以上。这笔账并非无解：模具全生命周期管理、模具传感器预警、夜班配齐质量与工艺判定人员——这些措施可以让模具异常停机减少六成以上。

但更核心的问题是，这些动作此前从未进入"产能够不够"的讨论。

·形态面：前工序按计划推式生产，不看后工序的消耗信号，工序间在制品没有上限，账面产能有相当一部分以在制品的形态停在工序之间，既不在可用库存里，也没有形成产出。

平均开线率七成出头，单看并不差。但它把九成与14%的工序差距、约六成且口径混杂的OEE、大量停在工序之间的在制品，全部压平成了一个数。

【开线率月度波动图】

也就是说，平均数在这里非但不能更有效地描述产能，反而隐藏了产能的真实分布。

02 分析：产能从三道缝里漏走

顺着三条线索分别往下看：结构为什么错配、时间为什么对不齐、机制为什么堵——

产能就是在这三个环节里，一点一点漏走的。

【产能三道漏损图】

先看结构。九成与14%并存的根子，在于产品型号增加的速度，远快于设备结构调整的速度。

这几年需求已经从少数大批量型号转向多型号、多批次，设备还是按过去的品种结构配置的。一台冲压设备上通常挂着三到五个产品型号，来回换模，产量和质量都难以稳定——型号越杂，换模越频繁，同一台设备的有效产出越低。

产品变了，设备结构没跟着变，产能就没有长在需求所在的地方。

再看时间。全厂OEE约六成，是时间流失的集中体现。

流失是怎么发生的？客户需求月间波动约三成，产线从一种产品切换到另一种产品，需要四十到八十天。这里说的不是换一次模具，而是产线级的切换改造——改造未完成，这条线就既不属于旧产品，也不属于新产品。需求按周在变，产线按季度才能转身。即便总量匹配，时间上也对不齐：需求高峰到来时，产线还在上一个产品的改造里。

还有机制。推式生产下，前工序按计划投料，不看后工序的消耗信号——上面看到的"产能停在工序之间"，就是这么发生的：局部越忙，工序间堵得越厉害，有一部分产能不是消失了，而是被锁在了工序之间。

结构、时间、机制，三层漏损叠加在一起。而企业最初的判断只有六个字：缺产能，加设备。

03 判断：缺的不是产能，是可兑现的产能

顺着前面的分析，我们认为，这个项目的真正发现其实可以概括为一句话：

企业真正需要管理的，不只是"拥有多少产能"，而是"有多少产能能够在需要的时候，变成实实在在的交付"

——放在供应链的语境里，其实就是“订单承诺之前，先问承诺的是哪部分产能”。

这个发现对"缺产能"三个字，意味着两件事。

第一，订单的交付被锁定在一条具体链条上：某几个产品型号、某一道瓶颈工序（负荷率最高、直接卡住交付的工序）、某几台特定设备、某一个客户的交期。全厂总产能再充裕，只要这条链条上有一个环节卡住，交付就出不去。开头提到的那组"要求开7台、只开得出2台"的设备，就是这个卡点的直接形态。

【可兑现产能链条图】

第二，这个判断在两个方向上都成立。约束工序九成负荷的时候，平均开线率再低，也不能据此叫停扩产——企业缺的是特定工序的产能，与总装平均开线率无关；反过来，平均开线率再好看，也不能据此放心扩产——链条上有卡点，加了设备也只是在账面上好看。

顺着"缺产能"的惯性，自然的动作是扩产、买设备。而沿着"哪里紧张补哪里"的习惯走的话，新设备大概率流向已经超负荷的工序，14%的设备群继续闲置。不改变结构就增加设备，账面产能变大了，能顶到订单上的产能并没有变多。

扩产解决的是"总量不足"。这个项目暴露出来的，是另一种问题——单纯依靠新增设备，解决不了需求波动下的产能漏损。

04 启示：遇到类似问题，先重新检查四件事

不止是这家企业的具体产品和设备，对任何多工序、多产品、需求有波动的制造企业，如果也在讨论"缺产能"，值得先重新检查四件事。

第一，产能分析的单位对不对。

不要只报总装平均开线率，要拆到工序、设备、产品、订单。

九成与14%的差距，只有拆开之后才可见——它一直藏在平均开线率里，此前没有人看到。如果月度经营会上只有全厂开线率一页纸，这本身就是风险。

同样要警惕的是口径：如果连OEE各工序算法都不统一、靠手工统计，那么任何基于它的结论都要先复核度量本身。

第二，瓶颈工序映射到订单了吗。

哪一道工序约束了哪些产品、哪些客户、多少交付量，应该有明确的对应关系。

十几台缺口的意义不是设备数字本身，而是它直接卡住具体订单——负荷率120%的焊接工序背后是5款产品在等交付。说不出"瓶颈工序—产品—客户"映射的扩产方案，投入依据是不完整的。

第三，区分名义产能和可兑现产能。

设备存在，不代表订单可以使用——型号不匹配、工序不对，闲置设备顶不上瓶颈；设备空闲，也不代表它能补上缺口。

把"有多少设备"当成"有多少产能"，是这两个概念混淆的根源。

第四，把产能调整的时间成本算进产能决策。

需求波动约三成、产线切换改造四十到八十天，这两个数字放在一起，决定了这家企业短期内真正可调用的产能，远小于账面产能。

这个投入值不值得做、做多少，应该在这两个数字的基础上讨论——也就是说，扩产可研里应该涉及负荷率和产线改造周期，而不是只有全厂平均数和总投资回收测算。

若您正在规划相关方向或有相关咨询需求，欢迎交流具体情境，我们愿意分享更多一线观察。

说明：本文基于真实咨询项目案例整理（已脱敏），所有对标数据均为项目母本研究引用。文中涉及的经营数据已按公开发布标准处理，企业名称、客户名称均已匿名化。

分享至：

上一篇: 项目洞察｜黑灯工厂的灯，机械臂关不掉，物流才关得掉

下一篇: 30万亿美元TAM背后：AI正在进入的不只是软件市场，而是人的工作

返回上级

01 拆解：平均数背后，藏着一个不同的工厂

03 判断：缺的不是产能，是可兑现的产能

04 启示：遇到类似问题，先重新检查四件事

● 添加客服微信