Yeee
走過前四篇，你知道排程是一個決策。你也知道 Excel 和 ERP 的極限，知道 AI 排程在做什麼。最後一個問題最實際：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。不量，就不知道改善從哪裡來。也不知道值不值得。
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。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。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。不必死守過期的表。
重排耗時沒有業界基準可抄。文獻量得出的是生管的一天長什麼樣。Larco 等人（2018）以現場觀察記錄 7 位生管、19 個 8 小時班次。生管平均每天處理 55 件任務，25.2% 開始後就被打斷（Cognition, Technology & Work 20(1), 1–10）。但「人工重排一次要多久」沒有研究量得出來。它取決於你的機台數、工序數與變動頻率。所以這個數字只能自己量。記下每次重排的觸發原因（新單／插單／異常／例行）與耗時。累積一段期間，你就有了一條別人給不了的基線。
關鍵觀念：指標會互相拉扯
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。它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。
好的 AI 排程讓你清楚看見每一種取捨的代價。你有依據地選，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。想直接看 SARA 怎麼排你工廠的料況，也可以預約一場 Demo。
參考文獻
括號內為研究對象與樣本數。
- Larco, J.A., Fransoo, J.C. & Wiers, V.C.S. (2018). Scheduling the scheduling task: a time-management perspective on scheduling. Cognition, Technology & Work 20(1), 1–10.（7 位生管、19 個 8 小時班次、1,595 筆活動紀錄）連結