PLAN-001: 周度生产计划制定

优先级: 🔴 高 (17.0分) | 技术复用度: 80% | 实施周期: 1个月

客户原话

"我们每周要给20多个卫星厨房做生产计划,但是每家的需求都不一样,有的卖得好有的卖得差,天气一变化需求又变了,计划做完第二天就要改,太累了。而且经常算不准,要么做多了浪费,要么做少了缺货,店长天天投诉。"

—— 某连锁餐饮中央厨房计划主管

业务场景描述

典型场景

场景1: 周度计划制定

• 每周五下午,根据各卫星厨房上报的需求,制定下周生产计划
• 要考虑历史销量、节假日、天气、库存、产能
• 手工计算,一个计划员要花3-4小时
• 20个厨房,200多个菜品,计算量巨大

场景2: 计划调整

• 周一早上,店长说"今天有团餐,要加50份"
• 周二下午,天气预报说明天下雨,外卖需求会增加
• 周三上午,某个菜品卖得特别好,要临时加产
• 计划频繁调整,生产和采购都很被动

场景3: 计划执行跟踪

• 计划做好了,但不知道执行得怎么样
• 生产了多少?配送了多少?还剩多少?
• 要打电话问生产部门、配送部门
• 信息不同步,无法及时调整

核心痛点

1. 计算复杂 - 要考虑需求、库存、产能、原料等多个因素
2. 预测不准 - 凭经验预测,经常不准确
3. 调整频繁 - 计划赶不上变化,天天要改
4. 信息不同步 - 计划、生产、配送信息不同步
5. 效率低下 - 手工计算,耗时长,容易出错

业务流程图

生产计划制定整体流程

graph TB
    A[周五下午] --> B[获取卫星厨房需求]
    B --> C[来自COLL-001需求上报]

    C --> D[需求预测调整]
    D --> E[历史销量分析]
    D --> F[节假日系数调整]
    D --> G[天气影响调整]

    E --> H[汇总预测需求]
    F --> H
    G --> H

    H --> I[查询当前库存]
    I --> J[来自INV-001库存管理]

    J --> K[计算净需求]
    K --> L[净需求 = 预测需求 - 库存]

    L --> M[产能平衡]
    M --> N[检查设备产能]
    M --> O[检查人员排班]

    N --> P{产能是否充足}
    O --> P

    P -->|充足| Q[生成生产计划]
    P -->|不足| R[调整需求或加班]

    R --> Q

    Q --> S[拆解BOM]
    S --> T[来自PLAN-002配方]

    T --> U[生成采购需求]
    U --> V[推送给PROC-002]

    Q --> W[生成生产任务]
    W --> X[推送给PROD-001]

    Q --> Y[生成配送计划]
    Y --> Z[推送给DIST-001]

需求预测流程

graph LR
    A[基础需求] --> B[历史销量]
    B --> C[最近4周平均值]

    C --> D[节假日调整]
    D --> E{节假日类型}
    E -->|春节/国庆| F[+30%]
    E -->|五一/端午| G[+20%]
    E -->|周末| H[+10%]
    E -->|工作日| I[基准值]

    F --> J[调整后需求]
    G --> J
    H --> J
    I --> J

    J --> K[天气调整]
    K --> L{天气情况}
    L -->|雨天| M[外卖+15%, 堂食-10%]
    L -->|高温>35℃| N[冷饮+25%, 热菜-15%]
    L -->|低温<5℃| O[热菜+20%, 冷饮-30%]
    L -->|正常| P[基准值]

    M --> Q[最终预测需求]
    N --> Q
    O --> Q
    P --> Q

产能平衡流程

graph TB
    A[生产需求] --> B[按菜品分类]
    B --> C[热菜类]
    B --> D[凉菜类]
    B --> E[主食类]

    C --> F[计算所需产能]
    D --> F
    E --> F

    F --> G[热菜: 200份/小时]
    F --> H[凉菜: 300份/小时]
    F --> I[主食: 400份/小时]

    G --> J[查询设备产能]
    H --> J
    I --> J

    J --> K[炒锅: 4台 × 50份/小时 = 200份/小时]
    J --> L[冷藏台: 2台 × 150份/小时 = 300份/小时]
    J --> M[蒸箱: 3台 × 133份/小时 = 400份/小时]

    K --> N{产能对比}
    L --> N
    M --> N

    N -->|需求≤产能| O[产能充足]
    N -->|需求>产能| P[产能不足]

    P --> Q[调整方案]
    Q --> R[延长工作时间]
    Q --> S[增加班次]
    Q --> T[外包部分产品]
    Q --> U[调整需求]

计划执行跟踪流程

graph LR
    A[生产计划] --> B[计划数量]
    B --> C[菜品A: 1000份]
    B --> D[菜品B: 800份]

    E[生产执行] --> F[实际产量]
    F --> G[菜品A: 950份]
    F --> H[菜品B: 820份]

    C --> I[计划达成率]
    G --> I
    I --> J[菜品A: 95%]

    D --> K[计划达成率]
    H --> K
    K --> L[菜品B: 102.5%]

    J --> M{达成率判断}
    L --> M

    M -->|90-110%| N[绿色正常]
    M -->|80-90%或110-120%| O[黄色预警]
    M -->|<80%或>120%| P[红色预警]

    N --> Q[继续执行]
    O --> R[分析原因]
    P --> S[立即调整]

业务规则详解

规则1: 需求预测公式

基础预测:

基础需求 = (上周实际销量 + 最近4周平均值) / 2

示例:
菜品: 红烧肉
上周实际销量: 1000份
最近4周平均值: 1200份
基础需求 = (1000 + 1200) / 2 = 1100份

节假日调整:

节假日系数:
- 春节/国庆: 1.3 (增加30%)
- 五一/端午/中秋: 1.2 (增加20%)
- 周末: 1.1 (增加10%)
- 工作日: 1.0 (基准值)

调整后需求 = 基础需求 × 节假日系数

示例:
基础需求: 1100份
节假日: 五一假期
节假日系数: 1.2
调整后需求 = 1100 × 1.2 = 1320份

天气调整:

天气系数:
- 雨天: 外卖×1.15, 堂食×0.9
- 高温(>35℃): 冷饮×1.25, 热菜×0.85
- 低温(<5℃): 热菜×1.2, 冷饮×0.7
- 正常: 1.0

调整后需求 = 节假日调整后需求 × 天气系数

示例:
节假日调整后需求: 1320份
天气: 雨天
菜品类型: 外卖为主
天气系数: 1.15
最终预测需求 = 1320 × 1.15 = 1518份

规则2: 净需求计算

净需求公式:

净需求 = 预测需求 - 当前库存 - 在产量 + 安全库存

示例:
预测需求: 1518份
当前库存: 200份
在产量: 0份 (当天生产当天配送)
安全库存: 100份 (10%的安全库存)
净需求 = 1518 - 200 - 0 + 100 = 1418份

安全库存设置:

安全库存 = 预测需求 × 安全库存系数

安全库存系数:
- 畅销品: 10% (需求稳定)
- 一般品: 15% (需求波动)
- 滞销品: 5% (避免积压)

规则3: 产能平衡规则

设备产能计算:

设备产能 = 设备数量 × 单台产能 × 工作时间 × 设备利用率

示例:
设备: 炒锅
设备数量: 4台
单台产能: 50份/小时
工作时间: 8小时/天
设备利用率: 85% (考虑换锅、清洗等时间)
设备产能 = 4 × 50 × 8 × 0.85 = 1360份/天

人员产能计算:

人员产能 = 人员数量 × 人均产能 × 工作时间 × 人员效率

示例:
岗位: 炒菜工
人员数量: 8人
人均产能: 25份/小时
工作时间: 8小时/天
人员效率: 90% (考虑休息、培训等时间)
人员产能 = 8 × 25 × 8 × 0.9 = 1440份/天

产能瓶颈判断:

实际产能 = min(设备产能, 人员产能)

示例:
设备产能: 1360份/天
人员产能: 1440份/天
实际产能 = min(1360, 1440) = 1360份/天
瓶颈: 设备产能不足

规则4: BOM拆解规则

原料需求计算:

原料需求 = 生产计划数量 × 配方用量

示例:
菜品: 红烧肉
生产计划: 1418份
配方用量: 500g五花肉/份
原料需求 = 1418 × 500g = 709kg五花肉

原料汇总:

同一原料在多个菜品中使用,需要汇总

示例:
红烧肉: 709kg五花肉
梅菜扣肉: 500kg五花肉
总需求 = 709 + 500 = 1209kg五花肉

规则5: 计划调整规则

调整触发条件:

1. 卫星厨房临时需求变化(>20%)
2. 天气预报突变
3. 原料缺货,需要替换
4. 设备故障,产能下降

调整审批:

调整幅度 | 审批人 | 审批时限
<10% | 计划员自行调整 | 立即
10-30% | 计划主管审批 | 1小时
>30% | 计划主管+生产经理审批 | 2小时

调整通知:

• 调整后,自动推送给生产部门、采购部门、配送部门
• 标注调整原因和调整幅度
• 记录调整历史,用于后续分析

数据流转

输入数据

1. 需求数据 (来自 COLL-001)

   • 各卫星厨房上报的需求
   • 按菜品、按日期汇总

2. 库存数据 (来自 INV-001)

   • 当前库存量
   • 在产量

3. 配方数据 (来自 PLAN-002)

   • 菜品BOM
   • 原料用量

4. 产能数据 (来自生产系统)

   • 设备产能
   • 人员排班

5. 历史数据 (来自销售系统)

   • 历史销量
   • 销售趋势

6. 外部数据

   • 节假日日历
   • 天气预报

输出数据

1. 生产计划 (给 PROD-001)

   • 生产菜品清单
   • 生产数量
   • 生产时间

2. 采购需求 (给 PROC-002)

   • 原料清单
   • 原料数量
   • 需求时间

3. 配送计划 (给 DIST-001)

   • 配送目的地
   • 配送菜品和数量
   • 配送时间

关键业务问题

问题1: 如何提高预测准确性?

场景:

• 预测经常不准,要么做多了浪费,要么做少了缺货

解决方案:

1. 多因子预测: 不只看历史销量,还要考虑节假日、天气、促销活动
2. 机器学习: 积累数据后,使用机器学习模型预测
3. 反馈优化: 每周对比预测vs实际,持续优化预测模型
4. 人工干预: 允许计划员根据经验调整预测结果

问题2: 如何处理产能不足?

场景:

• 需求突然增加,产能不够

解决方案:

1. 延长工作时间: 加班或增加班次
2. 优先级排序: 优先生产畅销品,暂停滞销品
3. 外包生产: 部分产品外包给其他厨房
4. 调整需求: 与卫星厨房协商,调整需求

问题3: 如何处理原料缺货?

场景:

• 计划做好了,但采购说某个原料缺货

解决方案:

1. 原料替换: 使用替代原料(如五花肉→梅花肉)
2. 菜品替换: 用其他菜品替换缺货菜品
3. 调整计划: 减少该菜品的生产量
4. 紧急采购: 联系其他供应商紧急采购

问题4: 如何处理计划频繁调整?

场景:

• 计划天天要改,生产和采购都很被动

解决方案:

1. 锁定期: 设置计划锁定期(如提前24小时锁定),锁定后不允许调整
2. 弹性计划: 预留10-20%的弹性空间,应对临时需求
3. 滚动计划: 采用滚动计划,每天更新未来7天的计划
4. 应急机制: 建立应急响应机制,快速处理突发需求

实施要点

第一步: 建立预测模型

需要准备的数据:

1. 至少3个月的历史销售数据
2. 节假日日历
3. 天气历史数据
4. 促销活动记录

预测模型:

• 初期: 简单的加权平均
• 中期: 多因子回归模型
• 长期: 机器学习模型(如ARIMA、Prophet)

第二步: 配置产能数据

需要整理的数据:

1. 设备清单和产能
2. 人员排班和产能
3. 工作时间和班次
4. 设备利用率和人员效率

第三步: 集成相关系统

集成要点:

1. 从需求上报系统获取需求数据
2. 从库存系统获取库存数据
3. 从配方系统获取BOM数据
4. 推送计划到生产、采购、配送系统

第四步: 培训和试运行

培训对象:

• 计划员: 如何使用系统制定计划
• 生产部门: 如何查看和执行计划
• 采购部门: 如何根据计划采购
• 配送部门: 如何根据计划配送

试运行:

• 先在1-2周试运行
• 人工复核计划结果
• 对比预测vs实际
• 收集反馈,优化模型

预期收益

量化指标

指标	当前	目标	提升
计划制定时间	3-4小时	30分钟	缩短87%
计划准确率	60%	85%	提升25%
缺货次数	8次/月	2次/月	降低75%
库存积压	15%	8%	降低47%
计划调整次数	20次/周	5次/周	降低75%

业务价值

1. 效率提升 - 计划员每周节省20小时,可以做更多分析工作
2. 准确性提升 - 预测更准确,减少浪费和缺货
3. 协同优化 - 计划、生产、采购、配送信息同步,协同更高效
4. 成本节约 - 减少浪费和缺货,降低运营成本

成功案例

案例: 某连锁餐饮中央厨房

背景:

• 20个卫星厨房,200多个菜品
• 手工制定计划,每周要3-4小时
• 计划准确率只有55%,经常缺货或积压

实施效果:

• 计划制定时间从3-4小时降至30分钟
• 计划准确率从55%提升至82%
• 缺货次数从每月10次降至2次
• 库存积压从18%降至9%
• 计划调整次数从每周25次降至6次

客户反馈:

"以前每周五都要加班做计划,做到晚上8点。现在系统自动生成,我只需要复核一下就行了。最重要的是,预测准了,缺货少了,浪费也少了。"

相关场景

• COLL-001: 需求上报与确认 - 需求数据来源
• PLAN-002: 菜单标准化管理 - BOM数据来源
• INV-001: 分类库存管理 - 库存数据来源
• PROC-002: 采购订单生成与审批 - 采购需求输出
• PROD-001: 标准化加工执行 - 生产计划输出
• DIST-001: 配送计划与路径优化 - 配送计划输出

常见问题

Q1: 如何处理新菜品的预测?

A:

• 新菜品没有历史数据,无法预测
• 可以参考同类菜品的销量
• 或者让卫星厨房手工填写预测需求
• 运营1个月后,再启用自动预测

Q2: 如何处理季节性菜品?

A:

• 季节性菜品(如火锅、冷饮)的需求波动大
• 建议使用同期历史数据,而不是最近4周数据
• 或者在系统中标记为"季节性菜品",使用特殊的预测模型

Q3: 如何处理促销活动?

A:

• 促销活动会导致需求突增
• 建议在系统中录入促销活动信息
• 预测时自动加上促销系数(如+50%)
• 或者让卫星厨房手工调整需求

Q4: 如何与现有ERP系统集成?

A:

• 如果有ERP系统,优先从ERP获取需求、库存、配方数据
• 生产计划可以推送回ERP,用于生产和采购
• 通过API接口实现数据同步