小工廠排程與 BOM：不靠老師傅腦袋的 AI 輔助做法

簡單回答：小工廠要把排程做好，不必先花大錢導入 APS（先進規劃與排程系統）。先把五份資料數位化：料號主檔、BOM（物料清單）、途程、機台產能、未結訂單與交期。資料放進最輕、但撐得住的工具，一份結構化的試算表或一套 MRP，再讓 AI 做三件範圍明確的事：需求預測、限制條件檢查、排程草稿。最後拍板的，永遠是人。

這篇寫給台灣中小製造業與貿易商的老闆和廠長。依經濟部在行政院第 4020 次院會的簡報（2026 年 9 月 10 日，資料來源為 2025 年《中小企業白皮書》），台灣中小微企業有 171.6 萬家，占全體企業 98.9%，其中工業部門 32.7 萬家。這些工廠裡，最常見的排程方式是：生管辦公室一塊白板，加上一位做了二三十年的老師傅。哪張單先做、哪台機台接哪個料號、急單能不能插，全靠他腦袋裡的經驗。訂單單純的時候，這套方法很好用；一旦急單、缺料、機台故障同時發生，或老師傅請假、退休，整間工廠就開始救火。

本文不是要取代老師傅，而是要把他腦袋裡的東西，變成公司其他人和軟體都讀得懂的資料。寫作方式說明：文中提到的軟體功能、限制與數字，都來自廠商官方文件或政府公開資料，於 2026 年 10 月 21 日查閱，並在出現的地方附上連結。我們沒有安裝或實測這些工具，也不替它們排名；HappyCXO Studio 與文中任何廠商都沒有代理、轉售或推薦佣金關係。如果您正在比較 ERP 與庫存系統的價格和功能，可以搭配閱讀我們的傳產 ERP 與庫存系統比較。

小工廠排程要先數位化什麼？五份資料的順序

先數位化排程依賴的五份資料，順序是：料號主檔、BOM、途程、機台產能、未結訂單（含交期與物料狀態）。軟體和 AI 只能安排它「看得到」的工作；只要其中一份資料還只存在老師傅的記憶裡，排程就還是綁在他一個人身上，買什麼系統都一樣。

每份資料最少要有這些欄位：

• 料號主檔：一個料號一列，包含品名規格、單位、自製或外購、主要供應商、採購前置時間。其他所有資料都要回頭對到這張表。
• BOM：每個成品用到哪些子件料號、每單位用量、單位、版次，以及這個版次從哪一天開始生效。
• 途程：每個料號依序要經過哪些工序、每道工序在哪個工作中心或機台、換線（準備）時間、每單位加工時間。很多小廠最常漏掉的就是這一份，偏偏排程最需要它。
• 機台產能：每個班別的工作時數、一台機台或一個工作站同時能做幾個、實際速度跟標準工時差多少。
• 未結訂單：客戶訂單與內部工單，包含數量、交期，以及料是已到、在途還是缺料。

軟體描述產能的方式，可以拿來檢查您的試算表該有哪些欄位。以 Odoo 的工作中心說明文件為例：工作時數預設是「Standard 40 hours/week」的行事曆；產能定義為一個工作中心同時能生產的數量；每個產品可以設定以分鐘計的準備時間與清理時間；另外有一個時間效率百分比，文件舉例說，舊設備若要花兩倍時間，效率就填 50%。您的產能表只要有這四類欄位，日後要匯入大多數系統都不難。

順序之所以重要，是因為每一份資料都依賴前一份。Katana 的 BOM 匯入說明寫得很清楚：匯入 BOM 之前，所有產品與原物料都必須已經存在系統裡，檔案格式要用 .xls 或 .xlsx。其他系統實際上也差不多：BOM 引用了料號主檔裡沒有的料號，不是匯入失敗，就是生出一堆垃圾資料。

破除一個常見迷思：很多老闆覺得「我們廠小，不需要搞這些」。事實正好相反。兩百人的工廠有代理人、有生管部門、有書面流程；二十人的工廠，往往排程的那個人就是流程本身。他請一週假，交期就開始延，也沒人說得出為什麼 A 單排在 B 單前面。把五份資料寫下來，是小廠對抗這種風險最便宜的保險，花的只是時間。

台灣小廠還有一個特別的情況：很多公司早就買了本土 ERP，但系統裡只有訂單、進銷存和會計，BOM 與途程還在工程師的 Excel 或老師傅的筆記本裡。這種情況不必急著換系統，先確認 ERP 裡有沒有 BOM 與途程的欄位、目前誰在維護、能不能匯出。很多時候，問題不是系統不夠好，而是資料從來沒有被完整放進去。

BOM 為什麼要先整理好？一張 BOM 健檢清單

BOM 錯了，排程只會錯得更快。用料需求、缺料警示、開工日期，全部都是從展開 BOM 算出來的；少一個子件或用量寫錯，就會變成漏下採購單或機台空等。每個產品只留一份 BOM，指定負責人、標上版次，並拿現場實際領料去對帳。

小工廠裡，同一個產品常常同時有三份 BOM：業務報價用一份，工程圖面上一份，現場領料又照另一張貼在推車上的清單。可替代料存在採購的信箱或 LINE 對話裡。料件改版時，舊版直接被覆蓋，下次同型號回頭單只好憑記憶重組。這些缺口安靜地吃掉利潤：領錯料變成重工，報價成本和實際用料越差越遠，工程師每天花時間找「哪一版才是對的」。

在買任何排程軟體、或請 AI 幫忙排程之前，先用這張清單把 BOM 健檢一次：

• 一位負責人：每次 BOM 變更都由指定的人核准。沒有負責人，每次修正都是暫時的。
• 一份正式檔案：其他副本停用，或設成唯讀並註明正式版在哪裡。
• 料號用選的，不用打的：試算表裡用下拉選單，從料號主檔帶入。Google 的 Google 試算表資料驗證說明提到，預設情況下，輸入不在清單上的值會被拒絕，可以擋掉打錯字造成的「幽靈料號」。
• 版次要找得回來：Google 試算表可以建立已命名版本，避免版本被合併，每份試算表最多 15 個已命名版本。同一頁也提醒，還原試算表的舊版本會清除逐格的編輯紀錄，需要保留紀錄時，請改用「建立副本」。
• 單位一致：公尺對支、公斤對片，是 BOM 展開出現荒謬數字最常見的原因。
• 損耗率寫清楚：如果下料總是多切一些應付損耗，就把損耗率寫在 BOM 上，而不是留在老師傅腦袋裡。
• 替代料明列：寫出核准的替代料號，以及誰有權決定使用替代料。
• 跟現場對帳：拿這個產品最近幾張工單的實際領料，和 BOM 逐項比對，差異就地修正。

等試算表不夠用了，要找有正式版次控管的系統。例如 Odoo 的 PLM 應用程式用工程變更單（ECO）處理改版：把生產中的 BOM 複製成新版本，自動編上下一個版號（例如 V2、V3），並在設定的生效日套用；變更生效之前，現場繼續用目前的版本生產。

自動化之前有一個二階效應值得先知道：BOM 一旦被 MRP 系統或程式讀取，錯誤就不再是偶發的單次失誤，而會變成每週自動產生的採購建議。以前用量寫錯，頂多領錯一次料；現在可能每週都下錯一張採購單。這也是為什麼 BOM 要排在預測之前，而且上線後頭幾個月，採購建議都應該由人逐筆核准。

Excel、MRP 還是 ERP：小廠排程工具怎麼選？

多數小工廠應該從結構化的試算表開始；途程與產能寫下來之後，再換到 MRP 系統；只有在會計、庫存與生產需要同一個資料庫時，才考慮完整的 ERP。自己建最佳化模型，只適合限制條件複雜但穩定、而且有人能長期維護的工廠。

從試算表換到 MRP，最大的差別是軟體會替您守住產能。MRPeasy 的生產排程說明寫道，系統不允許工作站超額排程，會把工序排進下一個可用的時段，並以行事曆和甘特圖呈現。同一頁也提到一個要知道的限制：在甘特圖拖動工單時不檢查物料是否到齊，行事曆檢視才會檢查。MRPeasy 的製令說明另外補充，重排一張製令，不會自動重排整個生產行事曆。在 Odoo，啟用「工單」設定之後，物料清單才會帶有工序，每道工序的預設工時會用在排程與工作中心的可用時間計算。

看這張表有兩點提醒。第一，這幾層是累加的，沒有任何工具能讓您跳過那五份資料。第二，請依未來兩三年的需要選，而不是理想中的樣子。一份試算表都維護不了的工廠，換成 ERP 也一樣維護不了。各家系統的價格、資料搬移與適合規模，請看傳產 ERP 與庫存系統比較。

如果您已經有本土 ERP，又不想換，可以先走「檔案層級」的串接：ERP 每天匯出未結訂單、庫存與在途採購的檔案，排程試算表或 MRP 讀這些檔案，排好的結果再由人回填工單。這種做法不碰 ERP 本身，壞了也不會讓工廠停擺。更多串接方式，可以參考API 串接與貿易流程自動化。如果您真正的瓶頸其實是報價慢，而不是排程，請先處理報價；不換 ERP 也能用 AI 加速 RFQ 報價這篇，用的正是同一份乾淨的料號與 BOM 資料。

AI 真正幫得上忙的三件事：預測、限制檢查、排程草稿

在小工廠排程裡，AI 真正派得上用場的是三件範圍明確的事：從訂單歷史做需求預測、拿產能與物料限制去檢查一份排程、替生管擬一份排程草稿。三件事的產出都只是建議，必須經過人看過，才會變成採購單或對客戶的交期承諾。

MRP 與 ERP 內建的需求預測

預測是廠商著墨最多的地方，而且各家都把資料門檻寫得很清楚。Katana 的 AI 補貨功能最多分析 13 個月的銷售紀錄、最少要 6 個月，產出 12 個月的需求預測，提供最低、建議、最高三種下單情境，並可一鍵把建議轉成待核准的採購單或製令草稿。MRPeasy 的 AI 銷售預測需要至少 3 個月、來自客戶訂單的銷售資料，每份預測最多 100 個產品，而且不會覆蓋您手動輸入的數字。Odoo 的主生產排程（MPS）可以依去年同期、或最近 30 天、3 個月、12 個月的平均需求建議預測量，並可加上調整係數；文件也明說，把產品加入 MPS 不會自動產生採購單或製令。

這三套的共通點是：都從您的訂單歷史去預測，所以也會繼承歷史的缺口。上一季才推出的新品、一年只下兩次單的客戶、一張很大的專案單，都會讓預測變得不可靠。對台灣常見的接單生產、少量多樣工廠來說，預測多半用在常備料與重複性高的標準品，而不是每一張客製單。

用通用 AI 助理做限制檢查

ChatGPT、Claude、Gemini、Copilot 這類通用 AI 助理，最適合當「第二雙眼」，檢查一份已經排好的排程。把下週排程、未結訂單、產能表匯出，請它列出衝突：機台不開的時段被排了工序、物料到廠前就開工、同一台機台兩張單時間重疊、完工日晚於交期。這是「檢查」，不是「排程」；最好請 AI 把檢查邏輯寫成試算表公式或一小段程式，讓您每週都能重跑。可以重複執行的檢查，比一次性的聰明答案更有價值。

排程草稿，以及真正的求解器

把工單排到多台機台上，是一個研究很成熟的最佳化問題，真正適合的引擎是限制條件求解器，而不是聊天模型。Google OR-Tools 的零工式排程（job shop）說明描述的，正是多數小廠每天面對的限制：每張工單是一串必須依序完成的工序，每道工序在指定機台上做，一台機台同一時間只能做一道工序，工序一旦開始就要做完，目標是讓整批工作最早完工。依 OR-Tools 的 GitHub 專案頁，它以 Apache License 2.0 開源，提供 Python、C#、Java 介面。AI 助理可以協助分析人員依您的途程寫出第一版模型，但結果仍是草稿，要由懂現場的人把關。

AI 做不到什麼？哪些判斷一定要留給人

AI 不認識您的工廠。它不知道三號機做不鏽鋼時特別不穩、某個大客戶可以接受晚兩天但另一個不行、某家供應商每年農曆年前一定延遲。它也可能產出看起來合理、實際上違反限制的排程。商業取捨、對客戶的承諾、排程的最後發布，都要留給人。

要事先防範的幾種狀況：

• 看似合理但做不到：聊天模型是在預測最可能的文字，並沒有證明排程符合每一條限制。對 AI 的草稿，要跑一次和人工排程相同的規則檢查。
• 歷史資料太少或太跳：前面提到的門檻，MRPeasy 的 3 個月、Katana 的 6 個月，只是預測「能跑」的下限，不代表結果就好用。新品、季節性產品、專案單，仍需要人來估。
• 沒寫下來的規則：老師傅腦袋裡的規則，例如先做淺色再做深色以減少清洗，在被寫下來之前，任何系統都看不到。
• 工具本身的盲點：軟體也有缺口，前面提過 MRPeasy 的甘特圖拖動時不檢查物料。弄清楚每個畫面檢查什麼、不檢查什麼。
• 資料外流：排程、客戶名稱、價格都是營業資料。請用公司帳號與商用條款，而不是個人帳號；有人離職就收回權限。
• 自動化越界：好幾套工具都能一鍵把建議轉成訂單草稿。就算覺得慢，也要保留核准這一步。

永遠留給人的決定：兩張單交期衝突時讓哪個客戶等、對客戶承諾出貨日、核准採購單、訂安全庫存政策、選供應商、把排程發布到現場。AI 輔助排程最有價值的結果，不是讓決定變少，而是讓生管把早上的時間花在這些決定上，而不是花在算數上。

人的那一面同樣重要。資深的排程人員常常會抗拒，因為擔心被取代或被質疑。請先讓他參與，讓他擔任規則的負責人、每一份 AI 草稿的審核者，並清楚說明：他的判斷，正是軟體學不來的部分。他的經驗，就是這套系統最需要的資料。

把老師傅腦袋裡的規則寫下來：訪談、決策紀錄與每週流程

把老師傅的經驗留下來，靠的不是一次大訪談，而是三個小習慣：先用固定問題訪談一輪，把規則寫進途程備註；每次排程取捨都用一句話記下原因；每週五比對計畫與實際，補上新發現的規則。幾個月下來，這些紀錄就是工廠從來沒有過的排程知識庫。

第一步是訪談。建議由老闆或廠長和老師傅坐下來，用下面這些問題逐一問，答案直接寫進途程或料號備註，而不是另開一份沒人看的文件：

• 哪幾台機台可以互相替代？替代時速度或品質差多少？
• 哪些料號要排在一起做，才能少換一次模具或少清洗一次？
• 哪些客戶的單可以晚一兩天，哪些絕對不行？為什麼？
• 哪些供應商常延遲？您通常會提早多久催料？
• 遇到急單時，您先看什麼、先犧牲什麼？
• 哪些工序最常出問題，需要預留緩衝？

第二步是固定每週流程，讓每一步都留下紀錄：

1. 週一上午匯出：從 ERP 或會計系統匯出未結訂單、庫存與在途採購，不要重新打字。
2. 缺料檢查：展開未來兩週到期工單的 BOM，列出缺料或晚到的工單。
3. 擬排程：由生管或 MRP 依交期與機台排出順序；想要的話，可以請 AI 助理依途程先擬一版。
4. 限制檢查：每週跑同一套檢查：機台時數、時間重疊、到料日、交期。每個衝突都要修正，或寫下為什麼接受。
5. 決定取捨：兩張單無法同時準時時，由老闆或業務主管決定打電話給哪個客戶，用一句話記下決定和理由。
6. 發布：排程只在一個地方發布給現場，紙本或螢幕都可以，並把變更摘要傳給業務。
7. 週中變更：遇到急單或機台故障，只針對受影響的機台重跑第 2 到第 4 步，並記錄變更原因。
8. 週五回顧：逐張比對計畫與實際，修正一直不準的標準工時，把老師傅這週用到的新規則補進備註。

第 4 步可以參考這段提示詞，依您的欄位調整：

這裡有三張表：下週排程、各料號途程、工作中心行事曆。請列出所有以下情況：工序被排在非工作時段、同一工作中心兩道工序時間重疊、工單開工日早於到料日、工單完工日晚於交期。每一筆請列出所在列、違反哪條規則與相關數字。不要修改排程。

最後一句很關鍵：只請 AI 列出問題，不要請它直接改好，讓生管始終是做修改的人。第 5 步的決策紀錄與第 8 步補上的規則，累積幾個月，就是老師傅退休後還留在公司的東西。如果想把這些整理成新人也看得懂的 SOP 與知識庫，可以參考我們的知識庫與 SOP 服務；想看其他傳產工廠怎麼用 AI 處理類似問題，可以讀傳統工廠導入 AI 自動化的三個情境。

怎麼知道有沒有變好？導入前先量基準

改任何東西之前，先記錄四到六週的基準：準時交貨率、因缺料而中途停工的工單數、每週排程變更次數、生管花在排程的時數、接單到出貨的天數。之後每個月比較一次。一季之後數字還沒動，先回頭修資料或流程，不要急著再買軟體。

對小工廠最有意義的幾個指標：

• 準時交貨率：依承諾交期準時出貨的訂單項目比例。用您承諾的日期，而不是客戶一開始要求的日期。
• 因缺料中途停工的工單數：這是 BOM 與缺料檢查有沒有發揮作用最直接的訊號。
• 每週排程變更次數：有變更是正常的；如果每天都在重排，代表缺資料或缺規則。
• 生管花在排程的時數：導入前後各誠實記錄幾週。省下來的時間應該移到客戶溝通與供應商追料，而不是消失。
• 代班測試：主要排程人員休假一週時，交期守得住嗎？這才是經驗有沒有真正離開他腦袋的測試。

衡量方式要簡單到一個人每週五花幾分鐘就能更新。歸因永遠不會完全乾淨：淡季、新客戶、原物料行情，都可能和新工具一樣影響數字，所以請看一季的趨勢，而不是每週的起伏。

還有一個常被忽略的效益：排程變得透明之後，業務接單時能更快回答「這張單最快什麼時候能出」。很多台灣小廠過去不敢接少量多樣或交期緊的單，是因為算不出來；資料整理好之後，這些訂單有機會從「不敢接」變成「接得起」。這是能力的改變，不是保證，但值得放進您評估投入的理由裡。

HappyCXO Studio 能怎麼協助排程資料與流程？

HappyCXO Studio 提供一位在台灣、以遠端方式工作的團隊成員，協助中小製造商與貿易商處理排程背後的資料與例行工作：整理料號主檔與 BOM、把途程和老師傅的規則寫成文件、準備系統匯入、每週產出缺料與衝突檢查報告交給生管核准。排程決定與對客戶的承諾，始終由您負責。

實際的工作大致是這樣：先盤點料號、BOM 與訂單資料目前散在哪裡，合併重複資料、統一料號格式，建立有下拉選單與已命名版本的結構化試算表；訪談您的排程人員，把規則寫進途程備註與 SOP；如果您要換到 MRP 或 ERP，我們準備測試匯入檔，並核對筆數與原始資料是否一致，ERP 系統內部的設定則由原廠或導入顧問負責。之後，我們可以每週執行前面提到的缺料與限制檢查，把結果交給您的生管核准。每一份 AI 產出都會先經過人工審核才交給您，帳號也都在貴公司名下。

開始合作前，我們會和您一起訂好 KPI 與基準，之後每週提供報告，並定期與您檢討成果。溝通方式是 Email 與約定時間的視訊會議。我們的一位共同創辦人曾任鴻海資深專案經理，負責製造採購、供應商評估與成本控管，這是我們做這類工作的背景。我們不代理、不轉售文中提到的任何軟體。

您可以先看看所有服務，了解 CRM／ERP 優化與更新，或到 AI 工具比較專區看更多文章。想知道這套做法在您的工廠怎麼落地，歡迎預約 20 分鐘線上展示。