本页是排产引擎方法论的单一文本面:每个机制给定义、给公式、给对照。 引擎值与实测/推算基准两行并列、从不混标; 全部数字来自确定性引擎实跑(数字零手抄),金样只作对照、不进计算。
毫秒时间轴离散事件仿真(DES):双端拉动、批授权、makespan 精确记账。无随机噪声——同一输入永远同一输出, 每个数字可复现、可审计。事件级轨迹(CT_SAMPLE / BATCH_PIERCE / JUDGE_OVERHEAT / REST / PROBE / RECOVER | RETIRE / DROP_RECOVER / ANDON)全量导出,回放页数字直接读事件流。
| 口径 | 含义 | 纪律 |
|---|---|---|
| 引擎值 | 确定性实跑输出(makespan/CT/队列) | 零手抄,导出即展示 |
| 实测基准 | 产线实测标定锚点(3D 动作捕捉前处理流水线,GPU/CPU 双机台,2026-09-22) | 单独一行,不冒充实测 |
| 题面标定锚点 | 经题面转引的同批产线实测参数(数值性质=实测,入库路径=题面) | 与实测基准同源,不重复计实测 |
| 推算基准 | 题面/经验推算区间 | 标注区间与出处 |
每台机建 CT 热历史模型(热积分衰减 / 单向漂移)。冷态数字真实但断章取义—— 实测案例:496 件按快机冷态节拍算 0.88 分钟, 真实跑完 7.2 分钟(连续负载约 150 件后热退化 13×,节拍爬到 1000~1400ms)。 引擎算得出「能维持多久」,而不只是「多快」。
| 项 | 值 | 来源行 |
|---|---|---|
| 冷态节拍(快机/慢机) | 107ms / 527ms | 题面标定锚点 |
| 冷态谎言排期 | 0.88min(150 件内稳) | 推算基准(仅锚点) |
| 全 A 实测 | 7.2min ⚠ 翻车 | 实测基准(锚点) |
| 双端+歇-探 | 2.40min | 引擎实跑(另起一行) |
容错 × 有意探测的闭环:不赌恢复节律,让探针说话。事件序列(七元组):
Roser《拉动生产》看板/CONWIP/工作负荷公式(16/17/25/28)+ 库存直方图微调回路: 卡数从「一次算死」升级为「初值 → 探测 → 判读 → 微调」。
| 字段 | 记号 | 含义 |
|---|---|---|
| processTime | TE | 加工时间(拆自原 cycleTime 死字段) |
| waitTransportTime | TW | 等待+运输;缺省 = leadTime − processTime |
| infoTransmitTime | TI | 信息传递时间 |
| taktTime | TT | 节拍;兼任需求率 μ = 1/TT |
| leadTime | LT | 补货周期 = TE + TW(不变量) |
同一套卡数,两个场合两种读法:稳态(F1)看降卡提效点—— fill 达标前提下取最小卡数;应变(F2)看保供下界—— 扰动中把 fill 顶回目标。扫描输出 Pareto 非支配集(avg_inventory × fill_rate),建议区间按臂分列。
数据→引擎的统一入口。envelope 强制 provenance(数字零手抄);meta.kind: synthetic | factory | calibrated 为换真实工厂数据留口—— 换数据只换 JSON,引擎与校验管线不动。字段表与样例见 /tools。
已发表对照值(2026-09-03)vs 引擎实测(2026-10-13 复现,seed 42)。 容差=已发表表舍入位(±0.015;库存 ±1)。全部复现到舍入位; 对照数字只作金样校验,不进运行时计算。
| 格 | 臂 | 已发表(锚点行) | 引擎实测(实跑行) | 容差 |
|---|---|---|---|---|
| C=1 N=10 | 稳态 | fill ∈ [0.88, 0.90](零余量点) | fill≈0.8835 | 区间 |
| C=5 N=10 | 稳态 | fill=1.00, OVR=3.12 | OVR≈3.1204 | ±0.015 |
| C=5 N=2 vs 10 | 稳态 | OVR 对 N 不变 | 逐位相等 | bit |
| C=10 N=5 | 稳态 | OVR=2.99 | OVR≈2.9887 | ±0.015 |
| C=20 N=2 | 稳态 | OVR=3.83 | OVR≈3.8255 | ±0.015 |
| C=5 N=2→20 | 周期脉冲 | fill 0.63→0.97 | 0.6299→0.9652 | ±0.015 |
| C=5 N=2 | 周期脉冲 | OVR=0.20(N 不变) | OVR≈0.2005 | ±0.015 |
| C=2 N=2 | 周期脉冲 | fill=0.33, OVR=0(饱和签名) | 复现 | ±0.015 |
| C=1 N=10 | 周期脉冲 | fill=0.22, OVR=0(饱和) | 复现 | ±0.015 |
| C=10 N=5 | 周期脉冲 | fill=1, inv=194, OVR=0.70 | 复现 | inv±1 |
| C=20 N=2 | 周期脉冲 | fill=1, inv=148, OVR=1.07 | 复现 | inv±1 |
注:扰动臂 Pareto 格(C=10/N=5、C=20/N=2)属周期脉冲臂的 fill=1 最小组合,非稳态——按臂分列,防跨臂误读。
真实工厂 MES 报工(31 个月连续、94.9 万条工序事件,客户/厂名/编码已脱敏)喂进引擎的回盘结果。 每个数字由抽取脚本从脱敏 CSV 计算或引擎实跑产出(数字零手抄); 工厂口径与引擎口径分列不混标——口径不同的量(TI 换型 vs 信息传递、 快照 WIP vs 轮均库存、计划达成率 vs 需求满足率)保留差异,不静默归一。 时间单位 1 轮 = 10 分钟;生成物 tools/extract_calibration.py(可重跑,确定性)。
| 量 | 工厂实测(锚点行) | 引擎/公式(实跑行) | 口径说明 |
|---|---|---|---|
| μ 产能实现率 | 0.897~0.925(脚本实算,合装 3 组对齐≥30 天) 0.9~0.93(交付说明 §2 报告锚点) | 见 factory-cardscan.json scan 列 | 达成/计划 分组日执行率;对齐天数≥30 fill_rate=需求满足率 —— 与计划达成率口径不同,分列不换算 |
| μ 交叉印证 | 0.969 日级 n=360 / 0.9859 行级 n=5841(报告引用 2024 存档) | 独立来源互证,μ≈0.90~0.99 可信 锚点行,不进计算 | |
| μ 反例(纪律展示) | 0.704(跨 sheet 合装计划/达成 配对加权,94 日) | 跨产品线求和 —— 报告 §2 判定方法论错误,仅作口径警示 不进标定 | |
| TE 加工时间 | 钎焊:批次 6.4h ÷ 批量 32.0 件 = 单件 0.19972h | processTime=1.19832 轮/件(1 轮=10min) | 批次累计耗时→单件换算:批次中位秒÷批量中位良品数 换算式同列,零手抄 |
| TI 换型/信息 | TI_effective 81.3min 中位(≥30min n=104,854,上界含调试+等待) | infoTransmitTime≈8.13 轮(=min→10min 轮 保守代理) | 换型代理(上界);工序切片见 calibration.json perProcess ⚠ 工厂 TI=换型,引擎 TI=信息传递 —— 同缩写不同口径,分列不混标 |
| 需求/节拍 TT | 合装计划 日均 702.4 件(106 日,min 0.0/max 2050.0) | taktTime=0.20502 轮/件;external 逐轮需求(15264 轮,均值 4.88 件/轮) | 线级逐日计划(全 sheet 合计=线总负荷) 日计划 144 轮/日均摊,日间波动保留;链首计划≈链尾需求(守恒近似显式) |
| WIP 在制品 | 日末快照差值 中位 0.0/均值 16780.7(负值 2,510 行) | avg_inventory(引擎实跑) | 非瞬时在制品,含跨日报工累加 ⚠ 口径不同:快照差值 vs 轮均,趋势对照绝对值不互证 |
| 良率 | 中位 1.0;<1 占 20.5%(8,129 物料) | defectRate=0(ablation 2 不进动力学) | Σ良品/Σ报工;>1 行口径不明剔除 锚点只对照 |
| 卡数 N/C | **工厂缺失(硬缺口)** —— 无看板卡配置表 | cardscan 建议(fill≥0.95 口径):steady/C=5:N∈无达标格; steady/C=10:N∈[2, 20] | 07_critical_gaps 缺口 1,阻断 F1/F2/F3 对照 缺什么算什么:双目标扫描给出建议区间;⚠ fill≥1 在实测需求波动下全网格不可达(最高 0.985@C=10,N=20),建议区间按 fill≥0.95 出,口径显式 |
卡数(kanban)配置是数据包唯一硬缺口——恰好是 cardscan 的核心变量: 缺什么,算什么。扫描输出见 cardscan-factory-sample.json, 样例场景 scenario-factory.json(meta.kind: factory,provenance 记逐字段来源)。