生產排程這件事，很多工廠都排過，也都排不太準。表格拉得再細，現場一插單、一缺料，隔天就得重來一次；月底交期追不上，生管夾在業務跟產線中間兩頭挨罵。問題其實不在排程表做得夠不夠精細，而在動手排的時候，手上那份資料早就跟現場對不起來了。 這篇會從生產排程的分層談起，說明為什麼第一步該做的不是排程本身！
生產排程是什麼？從計畫、排程到追蹤的三層分工
生產排程表實際要回答的三個問題
一張排程表攤開來，其實只回答三件事：這段時間要做什麼、交給誰做、什麼時候要做完。
- 做什麼：哪幾張訂單、哪些工序要在這個區間內動起來。
- 誰來做：機台、線別與人員如何配置。
- 什麼時候做完：每張單的預計完工時間，也就是交期的依據。
三件事看起來各自獨立，實際上是同一組資源在時間軸上的分配結果。清華大學開放式課程把生產計劃與管制系統拆成需求預測、產能規劃、主排程、作業排程到生產活動管制等模組，排程只是其中一環，卻是最直接決定交期承諾的那一環。也因為如此，排程一旦失準，整條承諾鏈都會跟著鬆掉。
計畫、排程、追蹤三層的差異與投入落差
生管的工作放大來看有三層，處理的對象與變動頻率都不相同：
- 計畫：處理月或季的總量與產能配置，變動慢，但牽動採購與人力布局。
- 排程：處理日或週的工單順序，變動快，每次調整都要重算整條線。
- 追蹤：處理每張單、每道工序的實際進度，變動最頻繁，卻只影響回報這個動作。
三層的導入難度呈階梯狀。計畫與排程要動，就得先把邏輯講清楚，接著轉成規則、寫成程式、回廠驗證，一輪下來動輒數月，成本量級也跟著往上跳。追蹤的性質不同，它不需要重新定義任何邏輯，只需要讓現場把「做到哪裡」這件事誠實記下來。
而三層之中，追蹤是門檻最低、也最容易在短期內看出變化的一層。
為什麼生產排程總是排不準？三個現場常見原因
一、標準工時過期，排程從源頭就失準
排程算得再細，用的參數是五年前的數字，結果一樣不會準。
myMKC 的資料指出，國內能建立標準工時的中小企業不到三成，能真正拿來當生產規劃基礎的甚至不到一成；多數工廠的工時是按經驗或過去實績抓的，誤差大到難以操作。
設備換過、人員換過、產品規格也改過，工時卻沒跟著更新，排程表上的每一格就建立在一個已經失效的假設上。把表格做得更精美，只是把錯誤算得更精確。
二、瓶頸站沒抓出來，前面排得再滿也沒用
排程表滿載，跟產線真的做得出來，是兩件事。
菲律賓一家近千人、十八條針車線的包袋廠，在製品曾經堆到看不見操作員——前段一直投料，瓶頸站消化不掉，材料就卡在原地變成庫存。
生產線平衡的實務也提到，人員請假、材料變異與設備異常都會讓瓶頸浮動，不是排一次就定案。瓶頸沒辨識出來時，投料越多只會讓現場越塞，產出卻不會增加。
三、換線與換款時間被低估，交期一開始就錯
不少排程表把換線當成不存在，或者只留一個粗略的固定值。快速換模的做法會先把換線時間拆開來看：
- 內部作業：機器停下來才能做的拆裝與調整。
- 外部作業：物料與工具的事前準備，以及事後整理。
光看這個區分，就知道「換一次線要多久」其實可以被壓縮。同樣那家包袋廠，生管原本估到週三才有三百個產量，經一天靜態分析培訓後，週一就先做出兩百五十個，落差不在執行不力，而在排程當初的假設就錯了。
生產排程改善，為什麼要先從進度追蹤開始做起？
追蹤是三層裡投入最低的一層
改一次的代價，決定了該從哪裡下手：
- 動排程邏輯：派工順序、產能假設、料件對應全要重新驗證，一處沒對上整張表就不能用。
- 動追蹤：只影響「怎麼回報」這個動作，換了回報方式，其他環節照舊運作。
風險落差也在這裡——來自台灣註冊數億的 APS 公司內部人員分享，真正的 APS 先進智慧排程成功率不到 1%。這並不代表排程系統沒有價值，而是說明高投入層級一旦失敗，代價太高，不適合當第一步。
有了真實資料，排程調整才有依據
追蹤補的是排程的輸入端。
工序什麼時候開始、實際做了多久、卡在哪一站，這些數字回來之後，排程才有東西可以算；少了這一層，排程只能靠生管的記憶與經驗撐著。
中國生產力中心在生產計劃管制的課程規劃裡，把進度管制與現場執行機制放在主排程、細排程之後，順序上同樣是先讓現況回得來，再談規劃與調整。資料品質先改善，準確度才有機會跟上；反過來走，往往只是把猜測包裝得更複雜。
追蹤久了，能反過來校正標準工時
累積三個月的實際工時，價值會超出一開始的預期。
每張單、每道工序都留下真實耗時之後，那些沿用多年的標準工時就有了對照基準，哪一站被高估、哪一站長期超時，數字自己會說話。
這一步正好接回前面談的第一個失準原因：排程不準是因為參數錯了，而修正參數的材料，只能從追蹤裡長出來。兩者形成閉環，追蹤支撐排程，排程的假設又靠追蹤持續校正。
LeadTime Web 生產排程追蹤平台的落地方式
不必先改排程邏輯，沿用現有進度表
流程優化教育訓練的 LeadTime Web 的切入點就在追蹤這一層。工廠原本在用的生產進度表可以直接沿用，不必先把排程邏輯重新定義一次，前置設定只有三件事：
- 上傳現行的生產進度表
- 補上部件資料
- 標出加工流程的站別順序
三份資料進去，平台就能對應出每張單要在哪些站點回報。現場人員不用重學一套陌生的操作方式，一天上手、一週就能上線；導入服務費為一次性五萬元，跟動輒數百萬的系統專案不是同一個量級。
工序追詢，讓每張單的進度看得見
報工改成雲端之後，各工站的進度就不再只存在某個人的記憶或某張紙上：
- 生管：依工序追詢每張訂單，看到它停在哪一站、完成多少。
- 業務：回覆客人前不必再打一輪電話問現場。
- 管理端：即時產量回傳搭配報表輸出，人工核對跟著減少。
資料在 Web、手機與平板之間同步，現場拿手機就能回報，辦公室同一時間看到的是同一份數字。
保母陪跑，不必先養專職人力
導入推不動，多半不是工具的問題，而是廠內沒人有時間扛。
陪跑式導入把這件事接下來，設定過程有人帶、現場的疑問有人接、要調整的地方直接改，工廠不需要為了一套系統先招一個專職人力，也不必等內部先養出懂系統又懂現場的人。
彰化一家約三十人的織襪廠，織襪與對目等八個部門原本各做各的，手寫帳本轉成排程模板約三個月，橫跨八個部門的溝通機制約六個月，產能提升兩成。
台南一家上櫃生技廠的狀況不同，原本靠 Excel 進度表追蹤各站點，人一多就容易漏掉提醒，導入後建立起交期預測與提前預警，異常在發生前就會先跳出來。
兩家廠的共同點是都沒有先花大錢換系統，而是從把進度記清楚這件事開始。【更多實際成功案例，請參考流程優化教育訓連官網。】
關於生產排程與進度追蹤，工廠最常問的 Q&A
Q1：生產排程要排到工序還是排到天？
顆粒度該多細，取決於現場回報得到什麼程度。清華大學開放式課程把主排程與作業排程分在不同層級處理，前者管到週與總量，後者才進到工序。對照回現場：
- 每天回報一次：排程排到天就夠。
- 每道工序都回報：才有條件排到工序層級。
硬要排得比追蹤得到的還細，只會產生一份沒人驗證得了的計畫。排程的細緻度不該超過追蹤的能力，這是很多工廠一開始就踩到的坑。
Q2：只做進度追蹤，排程真的會變準嗎？
追蹤本身不會改寫任何排程方法，它改的是餵進去的東西。
標準工時、換線時間、瓶頸位置這三個假設一旦貼近現實，同一套排程邏輯得出的結果自然會比較接近實際；參數不對的時候，再聰明的排程邏輯也只是把錯誤放大。
精實生產的觀點也提到，現場管理要屏除憑個人工作經驗安排工作的做法，改以量化統計分析為依據，而追蹤提供的就是這批可以拿來分析的數字。
Q3：現場人員不熟電腦，推得動嗎？
接受度的關鍵在回報動作設計得夠不夠簡單。
掃一下、點一下就完成的操作，跟要求現場填一整張表格，得到的配合度差距非常大；只要動作單純，年資深、不熟電腦的師傅一樣做得來。
陪跑期間有專人在現場處理卡點，也能把學習障礙壓到最低。若人力真的吃緊，經濟部針對三十人以下的製造業者提供數位轉型培力補助，可以用來分攤導入初期的負擔。