光伏企业供应链规划：集成计划如何实现“预测-供应-库存”闭环

简介：这是一份面向光伏企业供应链规划与集成计划的高质量研究报告，共95页PPT，适用于企业供应链管理人员、数字化规划咨询顾问及新能源行业从业者。内容围绕供应链能力评估展开，包含总体架构、业务架构与应用架构的现状梳理，并系统介绍了管理层访谈调研、领先实践对标、关键发现输出及改进方向设计等完整方法论框架。资源为单个pptx格式文件，压缩包大小6.94MB，便于直接查阅与二次编辑。报告在5场执行委员会领导层访谈、14场业务领导层访谈、50场业务代表访谈及逾110人实地调研的基础上，详细剖析了光伏行业周期性、季节性、地域性与规模性特点，从需求衔接、排产协同、物料供应到交付发运等环节给出端到端集成计划提升路径，并涵盖愿景战略解读、蓝图理解、能力评估、改进举措四个核心模块。当前已有55人浏览学习，适合需要系统性理解光伏供应链规划方法论并用于实际业务策略制定的读者。

1. 光伏企业供应链规划：集成计划不是排产，是“预测-供应-库存”三张表的闭环

光伏行业的经营节奏和传统制造业不太一样：需求端受电站开工节奏、组件价格预期和并网节点影响，供应端又被硅料、玻璃、胶膜等关键材料的产能周期牵制。很多企业不是缺计划，而是计划太多，销售、生产、采购各有一张表，月底发现缺口才做紧急调度。集成计划要做的事情，是把需求预测、产能约束和库存策略放进同一个滚动计划体系里，形成有依据的缺口分析和决策路径。下面从主数据、核心算法、报告表达和落地机制四个层面，把“光伏企业供应链规划及集成计划报告”的做法拆开讲，适合计划、供应链运营和数字化团队直接复用。

2. 先把计划体系建起来：层级、数据底座和光伏特有的主数据

在建模和写报告之前，要先说清楚“集成计划”到底是什么。它不是一套排产系统，而是以滚动计划为轴线的管理闭环。光伏企业常见的问题是各层级计划互相脱节：销售把年度目标按月平均摊，生产按季度产能排产，采购再根据生产计划追料，最终三个口径的数值对不上。要避免这个问题，必须先在数据层面把计划层级、主数据映射和一张统一的计划物料清单立起来。

2.1 光伏供应链的四个计划层级：从战略库存到周度排产

我一般会把计划体系分成四个层级，每一级回答不同的问题：

• 长期资源计划：覆盖 18 到 24 个月，关注多晶硅、光伏玻璃、高纯石英砂等上游资源能否满足扩产需求，同时评估新技术如 N 型电池替代对产能布局的影响。
• 中期供需平衡：按月度滚动，回答“下季度出货目标是多少、自有产能有多少、缺口从哪补”，这是集成计划报告的核心章节。
• 短期生产计划：按周或按日排产，处理组件功率段切换、订单插单、在制品和代工资源调配。
• 日周执行调度：落在制造执行层面，跟踪产线实际产出、物料到货和停机异常。

这四级计划的刷新频率不一样。长期计划每月更新一次投资假设和长单状态，中期计划每周刷新需求预测与库存水位，短期计划每天锁定到当天 24 点的未交付订单。光伏行业里最容易出错的是中期计划颗粒度选得太细。组件功率段每周都在变，按具体型号做中期滚动预测，数据维护成本极高且永远对不齐；更稳的做法是按“产品族 + 生产基地 + 月”做计划，把功率段差异放到短期排产里再处理。

四级计划里，中期供需平衡是锚点。长期计划为它提供产能边界，短期排产为它反馈实际产出，所以中期计划的主数据必须单独维护，不能直接用 ERP 里的成品物料编码。常见做法是先建一张计划主数据映射表，把 ERP 编码、计划编码、产品族、基地、计划周期分组统一起来，后面所有计算和图表都从这张表取数。

2.2 光伏主数据里最容易被忽视的三组映射

第一组是“功率段到产品族”的映射。光伏组件按功率段、版型、双玻或单玻、单面或双面切分，光功率段就有十几种。计划场景下不需要管到每一档，核心维度只保留组件版型、电池技术类型和安装场景。

第二组是“基地到产能参数”的映射。每个生产基地的瓶颈工序、可用开工天数、良率、厂房可扩展面积都不同。这些参数如果埋在 Excel 里，报告里的任何产能结论都没法复核，必须进主数据表。

第三组是“物料到供应约束”的映射。硅料、EVA 胶膜、光伏玻璃、背板、铝边框的供应周期差异很大，有的按季度锁量，有的按周采购。计划表至少要区分“长单锁定量”和“现货敞口量”，方便在缺口分析中判断哪些缺口能用采购解决，哪些必须靠库存缓冲。

表：光伏计划主数据的最小字段建议

字段建议控制在十列以内。字段越多，滚动计划的数据校验工作越重，反而不利于周度高频刷新。优先保证“唯一键 + 三个核心业务字段”能对上就足够。

2.3 用一张计划物料清单统一产销口径

数据底座的落地不一定要上重型系统，用数据仓库或 SQLite 就能跑。核心是一张以“计划 SKU + 基地 + 年月”为唯一键的事实表，把需求、供应、库存、缺口放在同一行，避免多张 Excel 互相引用造成口径混乱。

-- 以计划SKU、基地、年月作为唯一键，保证一个单元格只维护一个数值 CREATE TABLE plan_supply_balance ( plan_sku TEXT NOT NULL, base_location TEXT NOT NULL, period TEXT NOT NULL, -- 格式：2025-08，用于月度滚动 demand_qty_gw NUMERIC DEFAULT 0, -- 预测需求量，单位GW supply_qty_gw NUMERIC DEFAULT 0, -- 可用供应量，单位GW opening_stock_gw NUMERIC DEFAULT 0, -- 期初库存 target_stock_gw NUMERIC DEFAULT 0, -- 目标期末库存 gap_qty_gw NUMERIC DEFAULT 0, -- 供需缺口 is_frozen INTEGER DEFAULT 0, -- 1表示锁定版本，0表示可改写 PRIMARY KEY (plan_sku, base_location, period) );

这里有几个字段要对齐含义。plan_sku 是计划主数据表里的编码，不用与 ERP 物料编码一一对应，输出报告时再映射回财务和销售系统。supply_qty_gw 表示“可承诺供应量”，包括自有工厂产出、已签长单外购量和代工产能，不包含未锁定采购意向。gap_qty_gw 由需求减供应再减期初库存变化得到，是缺口分析的核心列。

如果企业没有数据仓库，直接用 Excel 的 Power Query 建同名表也能跑。关键是这张表要有唯一键，否则销售、计划、采购各传一版数据，一张表里出现重复记录，后续的 95 页报告里任何数字都经不起追问。is_frozen 字段专门用于版本管理：当某一版计划要被管理层决策采用时，把对应行置为 1，后续调整另起版本，这样汇报时可以清楚看到上版与现版的差异。

3. 集成计划的核心算法：需求预测、产能约束和库存策略怎么算

主数据立起来之后，要处理的就是预测、产能和库存三个计算模块。这三块不是各自独立算完再拼报告，而是按顺序滚动：先用需求预测得出需求量，再用产能约束算出自身供应量，最后用库存策略决定要不要补库存或清理呆滞，最终落成一组月度缺口。

3.1 需求预测：从装机量到组件需求的两级拆解

光伏需求预测不能只靠销售拍脑袋。常见的做法是“从区域新增装机量倒推组件需求”，再用销售端项目漏斗做校正。第一级拆解是把区域交流侧新增装机容量乘以容配比，得到直流侧组件需求；第二级拆解是乘以企业在对应区域的供应份额，得到本企业的计划需求量。

import pandas as pd # 各区域新增交流侧装机容量，单位 MW market = pd.DataFrame({ 'region': ['西北大基地', '华东分布式', '欧洲海外仓'], 'new_ac_capacity_mw': [12000, 8500, 28000], 'dc_ac_ratio': [1.25, 1.20, 1.28], # 容配比：组件容量与逆变器交流容量之比 'loss_factor': [0.03, 0.02, 0.04], # 遮挡、温度、衰减综合损失 'supply_share': [0.15, 0.35, 0.25] # 本企业在对应市场的目标份额 }) market['dc_demand_mw'] = market['new_ac_capacity_mw'] * market['dc_ac_ratio'] / ( 1 - market['loss_factor'] ) market['plan_demand_mw'] = market['dc_demand_mw'] * market['supply_share'] print(market[['region', 'dc_demand_mw', 'plan_demand_mw']])

代码中的 dc_ac_ratio 一般在 1.2 到 1.3 之间，集中式电站偏下限，分布式屋顶偏上限。loss_factor 是安装端损失，不同区域的温度、纬度差异会影响这个值。supply_share 是计划假设，不能只填目标份额，建议近三个月的订单执行份额与在谈项目漏斗份额加权。加权规则可以做得很细，但至少不要直接拿年度销售目标反推需求量，否则预测和销售目标永远重合，偏差分析失去意义。

做完两季之后，还要和历史预测做一次滚动比较：将本月度预测与上月同一周期预测的差异列出来，差异超过 5% 的月份必须注明原因，比如大基地项目并网延后、欧洲订单取消等。这部分在报告里就是需求波动说明页，管理层最关心的不是“总需求是多少”，而是“哪个区域、哪个月的需求和上次相比变了”。

3.2 产能计划：识别瓶颈工序并做产线平衡

光伏制造有硅片、电池片、组件三段主要工序，不同基地可能还配套有光伏玻璃、接线盒产线。产能计划的重点不是算出所有环节的产能，而是识别出最短那道工序，因为瓶颈决定了自产上限。下面用一个简化产能表说明计算方式。

表：某基地月度可用产能测算示例

这个表里，电池片月可用产能最低，是自产瓶颈。组件看起来产能充足，但如果电池片全部自产，组件不可能跑到 1.62GW。产能计划要把各工序产能折算到同一个单位，再按“瓶颈工序的可用产能 = 整体最大自产交付量”来设定供应上限。

# 产线参数和良率来自主数据表，不是排产系统值 line_profile = { 'silicon_wafer': {'lines': 6, 'line_gw': 2.5, 'yield': 0.98}, 'cell': {'lines': 8, 'line_gw': 1.8, 'yield': 0.93}, 'module': {'lines': 10, 'line_gw': 2.0, 'yield': 0.97} } capacity_by_step = {} for step, cfg in line_profile.items(): annual_gw = cfg['lines'] * cfg['line_gw'] * cfg['yield'] capacity_by_step[step] = annual_gw / 12 print(f"{step}: 年度可用产能 {annual_gw:.2f} GW, 月度 {capacity_by_step[step]:.3f} GW")

输出结果会直接显示瓶颈。实际业务中，产线条数要用“可开工产线数”而不是“已安装产线数”，维修、技改、爬坡中的产线不能计为满负荷。这里还有两个参数容易被忽略：一是良率会随产品切换波动，切型次数越多，稼动损失越大；二是季节性，比如春节、法定假期要按当月实际可用天数重新计算，而不是用 30 天除以 12。

算出瓶颈后，供应计划表里的 supply_qty_gw 要单独拆成“自有产量”和“外购量”。外购量不是缺口，只有决策层确认外购价格和长单锁量后，才允许填入 supply_qty_gw。这个纪律很重要，否则产能不足会被采购“预计能买到”的假设掩盖，到执行月份才发现买不到。

3.3 库存计划：安全库存和策略 SKU 分类

库存策略在光伏供应链规划里容易被弱化，因为过去几年行业多数时间在“缺货”和“暴库”之间切换。集成计划中，库存不是财务资产负债表上的数字，而是供需错配的缓冲池。安全库存的计算要覆盖从计划冻结到执行恢复的完整周期。

import math z_score = 1.65 # 95%服务水平对应的安全系数 lead_time_days = 45 # 从硅料锁量到组件入库的前置期 review_interval_days = 7 # 滚动计划每周刷新一次 weekly_demand_std_mw = 95.0 # 近52周需求预测偏差的标准差，单位MW exposure_weeks = (lead_time_days + review_interval_days) / 7.0 safety_stock_mw = z_score * math.sqrt(exposure_weeks) * weekly_demand_std_mw print(f"暴露周期: {exposure_weeks:.2f} 周, 安全库存建议: {safety_stock_mw:.1f} MW")

这个公式把提前期和计划刷新周期都放进“暴露周期”里。lead_time_days 不单指硅料采购周期，而是从计划冻结到组件可以发运的完整周期，包括生产、检测和物流。weekly_demand_std_mw 用近 52 周预测和实际出货偏差计算，不能用订单波动直接替代，因为订单波动里本来就有季节因素。

安全库存不能平均分配。不同产品族要用不同策略：对大基地集中式项目，通常是 MTO 项目型生产，组件按订单生产，不设安全库存；对分布式渠道组件，以 MTS 备货为主，安全库存按周需求量的一定比例设置；对海外仓，还要额外增加在途库存和目的港清关时间。把这些策略写进主数据的 plan_strategy 字段，计算时按产品族批量套公式即可。

4. 把报告做到95页：结构、图表口径和汇报前的数值对账

“95页PPT”听起来很多，但集成计划报告的信息密度本来就高。关键不是凑页数，而是让每一页承担一个有明确边界的任务。这里讲的报告结构只围绕供应链规划与集成计划，不包含财务预算和投资测算部分，适合作为企业内部季度经营会或年度规划会的主报告骨架。

4.1 报告骨架：战略结论、供需平衡、缺口层层分解

一份 95 页的供应链规划报告，可以按“结论先行、假设透明、缺口可追溯”的逻辑切成六段。

前三段是条件和假设，中间两段是结论，最后一段是审计底稿。管理者紧急时只看前 10 页，计划部门接手时直接查最后 10 页的附件，中间内容按需展开。很多企业把报告写成“每个部门各讲 10 页”，结果变成工作汇报而不是规划决策。正确的做法是不要让部门主导章节，而是按“需求、供应、平衡”三个主题组织内容，部门口径只出现在附表中。

4.2 用供需平衡瀑布图讲清缺口

95 页报告中最关键的可视化是供需平衡桥图。它要回答的不是“供应多少、需求多少”，而是“从期初库存到期末缺口，中间每一笔变化是什么”。用 matplotlib 代码可以生成最简洁的版本。

import matplotlib.pyplot as plt # 单位统一为GW，正数代表增加供应，负数代表消耗 flow = [3.2, 12.8, -18.5, -1.4, -1.2] labels = ['期初库存', '供应增量', '需求消耗', '物料损耗', '剩余缺口'] offset = 0 bottoms = [] for v in flow: bottoms.append(offset) offset = offset + v plt.figure(figsize=(10, 5)) plt.bar(range(len(flow)), flow, bottom=bottoms, color=['gray', 'green', 'red', 'orange', 'blue']) plt.axhline(0, color='black', linewidth=0.8) plt.xticks(range(len(flow)), labels, rotation=15) plt.ylabel('组件当量（GW）') plt.title('月度供需平衡桥图') plt.show()

这段代码中的 flow 列表是人工输入的示例，实际报告里应该直接从 plan_supply_balance 表用 SQL 聚合生成。bottoms 数组把每根柱子接在前一根柱子的累计值上，形成瀑布效果。如果期末累计值在零轴下方，说明有净缺口；在零轴上方，说明库存会增加。要注意物料损耗不能只放一个汇总数，要在附件中说明损耗结构，比如组件层压不良、包装破损、在途运输损伤分别占多少。

4.3 汇报前必做的多口径对账

报告做得再漂亮，数值口径对不齐，评审会上一定被打断。光伏企业最容易出现三类对账问题：需求预测与销售目标的差异、产能统计与生产实际达成率的差异、库存报表与财务库存的差异。汇报前至少要完成下面这张表的核对。

每次对账要留下差异清单。差异说明占报告篇幅不宜多，但必须在附录里列出，包括“造成差异的原因”和“责任人”。95 页报告的性能驱动业务，从实际业务执行看，能够到达这种页数的规划报告，往往不是内容写不出来，而是数据对不齐被迫反复修改。

5. 从报告到机制：把集成计划排进周例会和IBP系统

报告只是阶段性交付物。若想让这套供应链规划体系活下来，需要变成每周固定运行的机制，并在信息化系统里固化出边界。

5.1 周度S&OP运行节奏

常见做法是设立周度 S&OP 会议，用四天完成准备、周五做决策。周一到周二分别更新需求和供应数据，周三生成供需平衡及缺口，周四模拟不同决策方案，周五上午召开半小时决策会议。会议只做三件事：确认缺口、选择弥补方案、调整下一个冻结周期。

5.2 落地IBP时的三个系统边界

IBP 集成业务计划要能落得住，必须界定好三个边界：IBP 管中期数据，不替代排产系统；APS 管短期可执行排产，不向上覆盖战略预测；MES 管实际生产结果，但回写 IBP 的只能是“达成率”和“有效产能”，不是细到分钟的工单状态。主数据、工作日历和版本冻结逻辑，是集成计划系统建设中最优先解决的问题。

5.3 用三个指标验证计划是否闭环

最后用三个回溯指标验证计划有效性。需求准确率用绝对百分比误差 MAPE 计算，重点看未来 2 到 3 个月的口径；生产达成率等于实际可用产出除以计划可用产能，低于 90% 要复盘瓶颈工序；库存偏差用期末实际库存减目标库存再除以当月出货量，控制在一个合理周库存量以内。把这三个指标做成周度看板，集成计划才算从 95 页报告变成了可迭代的管理工具。

本文还有配套的精品资源，点击获取