走過前四篇，你知道排程是一個決策、知道 Excel 和 ERP 的極限、知道 AI 排程在做什麼。最後一個問題，也是最實際的一個：排程到底好不好，怎麼量？
排程好壞，不能靠感覺
很多工廠評估排程，靠的是「這個月好像比較順」。但「順」不是指標。沒有量化，就無法知道改善從哪裡來、值不值得、有沒有真的發生。
排程的好壞，要落在幾個追蹤得到的數字上。
三個核心指標
一、準交率（On-Time Delivery）訂單在客戶要求的交期內完成的比例。分母怎麼算（按訂單、按批次或按交期日）各廠不同，重點是定義固定下來，長期才比得了。——守不守得住對客戶的承諾。關鍵是看「整體」，不是看單張：一張單準時不代表排程好，要看一段期間裡整批訂單的準時比例。
二、稼動率（產能利用率）機台實際在生產的時間，佔它可用時間的比例。待料、換線、故障停機都會吃掉這個數字。——設備有沒有被善用。換線、空等、卡料都會吃掉稼動率，而這些損失往往是排程造成的，藏在「機台明明開著卻沒在產出」裡。
三、換線（換模、setup）同一台機從做 A 產品切換到做 B 產品的準備工作：換模具、換料、調機、首件確認。換線期間機台不產出，所以排程會盡量把同類工單排在一起。次數 / 換線時間——排程取捨最直接的體現。換線是純損耗，把同類工單聚在一起就能壓低——但要和交期權衡，這就是排程每天在做的決策。
兩個容易被忽略的指標
在製品（WIP, Work In Process）已經投料生產、還沒完成入庫的半成品。在製品越多，代表越多資金與現場空間卡在產線中間。水位——排程一亂，現場就用「先開工卡著」來應急，半成品堆在線邊。WIP 是排程混亂的一面鏡子。
重排耗時——從狀況變動，到產出一版新的可信排程，要花多久。重排耗時越短，工廠越敢跟著現實調整，而不是死守過期的表。
關鍵觀念：指標會互相拉扯
這是整個 101 最重要的收束。
拉高稼動率，可能犧牲準交率；壓低換線，可能讓某些急單來不及。好排程不是把單一指標推到最大，是在你的工廠脈絡下取得平衡——排程沒有標準答案，只有取捨。
一套好的 AI 排程，價值就在於讓你清楚看見每一種取捨的代價，然後有依據地選，而不是憑感覺挪。
先量基線，才談改善
很多工廠連現在的準交率是多少都說不準。
改善的第一步不是導入工具，是先把基線量出來：現在準交率多少、稼動率多少、一次重排要多久。有了基線，才知道問題有多大、改善有沒有真的發生。
走完 101
到這裡，你走完了排程 101——
- 排程是一個在限制衝突下、每天重做的決策；
- Excel 與 ERP 各有結構性的極限，不是用得不夠認真；
- AI 排程補的是「算」與「重排」的能力；
- 排程的好壞，要用一組會互相拉扯的指標來衡量。
接下來的 201，會從觀念進到實作：SARA 實際怎麼從你的 Excel 匯入、怎麼跑出第一版排程、怎麼和 ERP 串接。如果你想直接看 SARA 怎麼排你工廠的料況，也可以預約一場 Demo。
常見問題
我們連準交率都沒在固定統計，該從哪開始？
從最小可行的基線開始。挑一段期間（例如近三個月），算整批訂單的準時比例，再粗估稼動率與一次重排平均花多久。數字不必精準，目的是建立一個「之前」，日後才有得比。
準交率衝到 100% 就代表排程最好嗎？
不一定。準交率 100% 也可能是用大量加班和庫存堆出來的。排程好壞要同時看準交率、稼動率、換線、WIP——單一指標漂亮，代價可能藏在別的指標裡。
現在 AI 這麼強，是不是丟給 AI 排就好？
AI 排程不是把所有排法試一遍——這系列第二篇算過，光 20 張工單就有約 10 的 18 次方種，多接十張單，排法再多約 10 的 14 次方倍，逐一試排是不可能的。它做的是相反的事：先用工廠的限制砍掉大片不可能的排法，再在剩下的裡面找。你們的老師傅其實也是這樣排的，他沒試過所有排法，靠經驗跳過大部分選項；差別在他一次顧得了的限制有限，而且他請假時沒有備份。所以合理的期待不是「找到理論上最好的那一種」，是在你等得起的時間內，給一版守得住你設定進系統的限制、又看得見取捨代價的排程。