全文约2507字；
阅读时间：约7分钟；
听完时间：约12分钟；
在编制生产计划的过程中，生产计划员通常需要安排多条生产线的调度。这涉及到计算每条生产线具体的开工时间和预计完工时间。进行这些计算时，关键因素包括：生产线的数量、统一规定的开工时间以及各个产品对应的标准工时。基于上述信息，可以利用特定公式快速准确地确定每条生产线的开工和完工时间。
整体思路在确定了统一的开工日期（9月30日）之后，接下来需要单独计算每条生产线的具体开工时间和完工时间。这一过程的核心步骤是首先识别出每条生产线上安排的产品。一旦明确了这些产品，就可以根据它们各自的标准工时来计算总的所需工时，并将这个总工时转换为“天”的形式，以便与9月30日这一基准日期进行运算。
例如，如果计算得出某条生产线所需的总工时换算成0.8天，则从9月30日起加上这0.8天即可得到该生产线的预计完工时间。值得注意的是，在连续的任务安排中，一个任务的完成时间即为下一个任务的开始时间。
为了实现上述目标，可以通过以下步骤操作：
筛选每条生产线上的产品。
根据筛选出的产品及其标准工时累加总工时。
将累计工时转换为以“天”为单位的形式。
使用垂直堆叠函数处理所有生产线的开工时间数据。
从上一步骤的结果中移除最后一行的数据后，将其余部分与相应的开工时间相加，从而得到每条生产线的实际完工时间。
整个流程可以概括为：筛选产品 -> 累计工时 -> 转换天数 -> 计算开工时间 -> 计算完工时间。
筛选线体如果采用传统的公式方法，上述流程其实可以大大简化。但为了实现完全动态化的数组处理，这里采取了一系列较为复杂的步骤来设计表格。首先，我们需要筛选出特定线体对应的标准工时。为便于理解，下面将分步展示如何编写相关公式。
=FILTER(M5#,G5#="1#")
公式解释：
参数1（数组）: M5# 表示每张生产任务所需的标准工时。
参数2（条件）: G5# 代表每张生产任务对应的生产线编号；在此处我们设定条件为 "1#"，意味着只选择那些属于第一生产线的生产任务的标准工时数据。
通过这种方式，我们可以轻松地获取到指定生产线上的所有相关标准工时信息，为进一步计算开工时间和完工时间打下基础。
累计天数第二步是将筛选出的工时进行累加。在累加之前，需要先将这些工时转换为天数格式。由于只上白班（即每天工作12小时），我们将标准工时除以12来完成单位转换。然后，使用SCAN函数对转换后的数据进行累计求和。以下是具体的公式：
=SCAN(0,FILTER(M5#,G5#="1#")/12,SUM)
公式解释：
参数1（初始值）: 0，作为累加的起始值。
参数2（数组）: FILTER(M5#, G5#="1#")/12，这里首先通过FILTER函数筛选出第一生产线的所有生产任务的标准工时，然后将每个工时除以12转换为天数。
参数3（累加函数）: SUM。每次迭代中，将当前累计值与新值相加。形成累计求和的效果。
这样，我们可以得到一个包含每一步累计工时（以天为单位）的结果数组，便于后续进一步计算开工时间和完工时间。
开工时间第三步是计算每条生产线的开工时间。给定的统一开工日期是9月30日，这个信息由生产计划员在单元格J2中录入。我们需要将这个日期与筛选出的第一生产线（1#）的标准工时累加后的天数进行垂直拼接，然后去掉最后一行的结果，从而得到每张生产任务的实际开工日期。以下是具体的公式：
=DROP(VSTACK(J2,J2+SCAN(0,FILTER(M5#,G5#="1#")/12,SUM)),-1)
公式解释:
VSTACK(J2, ...): 将J2单元格中的日期（即9月30日）与后续计算出的每个累计天数相加后的日期垂直堆叠。
J2 + SCAN(..)):
FILTER(M5#, G5#="1#")/12：筛选出第一生产线的所有生产任务的标准工时，并将其转换为天数。
SCAN(...)：对这些天数进行累加，每次累加都将当前累计值加上新的天数值
J2 + ...：将初始日期9月30日与累加后的天数相加，得到每个生产任务的实际开工日期。
DROP(..., -1): 去掉结果数组的最后一行，因为最后一行是最后一个生产任务的完工时间，而不是下一个任务的开工时间。
通过上述步骤和公式，我们可以得到一个包含每张生产任务实际开工日期的列表。
水平堆叠最后一步就是用函数REDUCE进行垂直方向堆叠，把不同线体筛选后的数据全部堆叠起来。录入动态数组公式：
=LET(J,J2,G,G5#,DROP(REDUCE("",UNIQUE(G),LAMBDA(X,Y,VSTACK(X,VSTACK(J,DROP(J+SCAN(,FILTER(M5#,G=Y),SUM)/12,-1))))),1))
公式解释:
LET 定义:
J 代表单元格 J2 中的统一开工日期（9月30日）。
G 代表列 G5#，其中包含了每张生产任务对应的线体信息。
UNIQUE(G): 提取出所有唯一的生产线编号。
REDUCE 函数:
初始值为一个空字符串 ""。
对于每个唯一的生产线编号，执行以下操作：
FILTER(...): 筛选出属于当前生产线的所有生产任务的标准工时。
/12: 将标准工时转换为天数。
SCAN(0, ...): 对转换后的天数进行累加求和。
J + ...: 将初始日期加上累计天数，得到每个生产任务的实际开工日期。
DROP(..., -1): 去掉最后一个累计天数，因为它对应的是完工时间而不是下一个任务的开工时间。
VSTACK(J, ...): 将初始日期与计算出的开工日期垂直堆叠。
VSTACK(, ...): 将当前结果与之前的结果垂直堆叠起来。
DROP(..., 1): 去掉最终结果数组的第一行，因为第一行是一个空字符串（REDUCE的初始值），不需要显示。
通过上述步骤和公式，我们可以将所有生产线的开工日期进行垂直堆叠，并生成一个包含每张生产任务实际开工日期的列表。这样可以方便地查看和管理不同生产线的任务安排。
同理也可堆叠出过完工日期：录入对应公式：
=LET(J,J2,G,G5#,DROP(REDUCE("",UNIQUE(G),LAMBDA(X,Y,VSTACK(X,J+SCAN(,FILTER(M5#,G=Y),SUM)/12))),1))
至此，一个全自动的主生产计划（MPS）排程表模型已经设计完成。由于采用了全动态数组公式，无需手动填充公式，这大大提升了生产计划员的工作效率。
最后总结通过上述步骤，我们成功构建了一个全自动的主生产计划（MPS）排程表模型。该模型利用了Excel&WPS中的全动态数组公式，能够自动计算每条生产线的具体开工时间和完工时间，从而极大地简化了生产计划员的工作流程。具体来说，整个过程包括筛选产品、累计工时、转换为天数、计算开工时间以及计算完工时间等关键步骤。
采用这种动态化处理方式的优势在于：
提高效率：无需手动填充或调整公式，减少了人为错误的可能性，同时节省了大量时间。
灵活性强：当生产数据发生变化时，只需更新基础数据，所有相关计算将自动更新，确保计划的实时性和准确性。
易于维护：一旦模型建立完成，后续的维护工作变得相对简单，生产计划员可以更专注于其他重要任务。
可视化管理：生成的排程表清晰地展示了各生产线的任务安排，便于管理层进行监督和决策。
总之，这个全自动MPS排程表模型不仅提高了生产计划的编制效率，还增强了对生产过程的控制与管理，是现代制造业中不可或缺的工具之一。通过这样的自动化解决方案，企业可以更好地应对市场变化，优化资源配置，提升整体运营效率。
