【国民娱乐每日礼金gm77.top,盈发彩票|手机app下载中大奖】我们为您提供盈发彩票|手机app下载注册,盈发彩票|手机app下载投注,盈发彩票|手机app下载app,盈发彩票|手机app下载平台,巨华彩票开户,充提快速,操控简单,为盈发彩票|手机app下载彩民服务!

專業訂制制造業一站式
系統化解決方案服務商
400-6966-916
0757-28091800
 

掃碼關注微信官網

首頁 > 管理智慧 > 管理文萃

為什么智能計劃排產如此之難?

發布時間:2017-2-23 16:28:09    查看次數:

    我們知道生產計劃與排程是生產管理之核心,是企業的指揮調度中心,哪為什么大部分企業計劃管理的效果都不理想,這不能全怪企業高層的重視程度,也不是靠個人英雄主義(主計劃、總調度)所能駕馭的。真相是,智能計劃與排程的復雜性,我們必須了解與正視。

    在計劃方面的難度:

    一、面對相互沖突的計劃排產目標
    制作生產計劃需要平衡四個矛盾:滿足客戶交貨期與生產成本之間的矛盾、產能最大化與浪費最小化之間的矛盾、庫存成本最小化與客戶需求的矛盾、批量采購與庫存最小化之間的矛盾。
    1、客戶交貨期與生產成本之間的矛盾
為了滿足具有竟爭力的交期,可能需要投入很多的產能成本。既要在既定的成本下,最優的客戶服務。
    2、產能最大化與浪費最小化之間的矛盾
為了滿足資源利用最大化來提高效率,但是又要考慮過量生產帶來的浪費。
    3、庫存成本最小化與客戶需求的矛盾
為了糾正預測的不確定性,需備有一定安全庫存。做出最優的庫存計劃來快速響應客戶需求。
    4、批量采購與庫存最小化之間的矛盾
大量的采購帶來的低價,但會導致庫存溢出。
    二、面對預測不準確的概率
    制作生產計劃需要判斷選擇三個策略的決策:追逐式生產(Match/Chase)、均衡式生產(Level)、混合式生產(Combination/Hybrid)。
    1、追逐式生產(Match/Chase)
    優勢可以穩定的庫存水平,可以用變動生產以適應需求。劣勢是人力、培訓、加班、額外班次的成本,解雇員工的成本,對員工士氣的影響,員工被解雇,需要的工作技能不存在,需要滿足需求的最大能力。
    2、均衡式生產(Level)
    優勢是生產速率穩定,避免追逐式生產引起的人力、資金方面的成本。劣勢是庫存水平提高,需要更準確的預測。
    3、混合式生產(Combination/Hybrid)。
    可以在某些時段以全負荷或接近全負荷進行。也可能在其它時段以低產量(或不生產)進行。利用可用生產能力,有限的庫存儲備和持庫成本。
生產計劃團隊需要:
    1、平衡銷售預測與銷售定單。
    2、平衡生產能力。
    3、平衡計劃庫存與實際庫存。
    4、提前安排季節性的高峰需求。
    5、減少產品提前期。
    6、安排緊急的客戶訂單。
    7、減少應急情況的發生。
    8、持續的和客戶溝通確認交期。
    9、監控現場的進度與變化。
    10、保持和供應商的戰略協同。
    在預期的生產提前期和庫存目標下,保證生產與采購有充足的供應(庫存、生產訂單和采購訂單)以滿足當前的需求(客戶訂單)和未來需求(銷售預測),解決生產什么、何時生產?買什么、何時買?

    在排產方面的難度:

    一、復雜多約束的生產現場
    因為復雜的工藝路徑對各種設備的特殊需求各不相同,有限產能的生產設備,物料、工裝模具及人員的約束。
    二、多品種小批量的復雜生產模式
    因為多品種并行、資源共享易出現瓶頸、定單變化和生產周期的不確定性、計劃排程應變能力、監控訂單進度難、物料變化多變,導致缺料與采購延遲嚴重。
    三、動態變動的生產環境
    臨時訂單改變、緊急插單的情況經常出現。實際進度和計劃排產的不吻合。產品流程不斷變化,新產品研制流程的不確定性,機器設備故障檢修,員工生病請假等。
    四、精益生產的多品種混排模式
導致排序需要根據節拍優化順序,既要考慮客戶的交期,又要考慮上游供應的均衡和JIT/JIS準時、順序、同步化。

    在工廠車間建模方面的難度:

    我們知道確定性的模型可以使用一些的優先法則,同時也采用許多算法技術與啟發式程序。不確定的隨機模型使我們對優先規則的魯棒性有了更深人的認識。隨機模型的結果說明了這樣一個結論:隨著系統的隨機性增大,采用復雜優化技術是不明智的。也就是說,系統的隨機性越大,排程策略應該采用場景化規則處理,就可以使系統優化簡化。
    如何應用這些知識來排程實際問題呢?答案并不是很明確。這些問題在學術界標準化模型的研究中有著相當大的差異。在解決實際問題的時候,這些規則與方法往往被包含在一些更復雜的結構中。
現實排程問題往往與理論研究中的數學模型有很大三別。因為實際中的排程問題都有白己的特點,所以要找出所有的區別是一件很困難的事情。不過,有一些區別是共有的,因此值得關注。
    1、理論模型往往假設有n項工作需要排程,并且在排程之后,這個有n項工作的問題被解決。但是在現實中,系統中往往會出現在同一時刻有n項工作需要解決,但是新的工作還在不斷增加。調度當前的n項工作需要在沒有將來情形確切信息的條件下進行。因此,需要對這些未知的情形做出推測。我們需要一個動態的環境,例如:在排程中加入寬裕時間,來適應緊急工作或是設備故障。
    2、理論模型住往不強調重排程問題。在現實中,經常會出現這樣的情況:在根據確定的假設做出了一個排程之后,由于隨機事件的發生需要對這個排程進行一些調整。這種重新排程問題也可以被認為是反應式調度,它往往用來滿足某些具體的約束。舉個例子,人們往往希望只對原有的排程做出盡可能小的調整,即使這樣并不是最優的排程。更確切地說在重新排程的時候只需對原有排程做出一些微小的調整,這就意味著做出一個具有一定“強壯性”的排程是相當有利的。也就說過于靈敏的重排,會導致計劃排產脆弱不可執行。
    3、現實中的機器環境往往比理論假設的機器環境更為復雜。加工限制以及約束也更加棘手。在機器、工作或是時間方面,有可能是相互關聯而不是獨立的。
    4、在數學模型中,每一件工作的權重(優先級)是固定的(它們不隨時間的變化而變化)。而在現實中,每一件工作的權重往往隨著時間的變化而變化,這種變化可能是隨機的。一件低優先級的任務單有可能突然變為高優先級的任務單。
    5、數學模型往往不考慮“偏好”這個因素。在一個模型中,一件任務要么能夠,要么不能夠被一臺機器處理。換句話說,一件任務能否被一臺機器處理可用0和1來表示。在現實中,經常會出現這樣一種情況:一件任務能夠由給定的機器來加工,但是出于一些原因,任務執行者更偏好用另一臺機器加工這項工作。用第一種情況下的機器處理這項任務往往是在一些緊急并且可能帶來額外費用的情況下。
    6、多數的理論生產模型并沒有考慮機器的可用性約束。一臺機器往往被假定為在任何情況下均可用。在現實中,一臺機器并不一定是連續可用的。有許多原因會導致機器不在操作狀態下。一部分原因是基于一些確定性過程,而另一部分原因是基于隨機過程。設備的輪班模式會造成機器不是一直運行的。預防性的維護也會造成這種情況。還有就是機器可能受到隨機故障以及維修的影響導致不能連續運作。
    7、在研究中,大多數懲罰函數是分段線性的(例如:一項任務的滯后、單位懲罰等)。在現實中,存在可以商定的發貨日期或是工期,所以懲罰函數往往是非分段線性的。
    8、大多數理論關注單目標模型。在現實中,一個問題往往存在多個目標,也就是多目標加權優化。。不僅僅是多目標,它們各自的權重還可能隨著時間的變化而變化,甚至還與不同排程者的經驗相關。各個目標對象之間似乎經常會存在一種特殊的聯系,例如最小化總加權滯后時間和最小化順序相關的總準備時間(特別對于那些瓶頸機器)。
    最小化總加權滯后時間是很重要的,這是因為保持服務的質量往往是一個有很大權重的日標。最小化與順序相關的準備時間總和也是重要的。這是因為對于—個確定的生產環境,它可以使產量增加。當這種聯系成為全部目標時,這兩種目標的權重不能是簡單的常數。這些權重可能與時間相關或者可以說與當前生產環境的狀態相關。如果工作負荷相對偏重,那么最小化順序相關準備時間將更加重要,如果工作負荷相對較小,最小化總加權滯后時間將更加重要。
    9、現實中的排程過程,往往同分配工人班次和調度加班時間緊密結合。當工作負荷將要超過實際能力,工期非常緊迫的時候,排產調度員將會增加加班時間或是增加班次來按時發貨。
    10、理論研究的隨機模型常常假設加工時間服從一些非常典型的分布。例如,已經深入研究過的指數分布。在現實中,加工時間往往不是符合指數分布的。一些觀測結果顯示,加工時間有著不同的密度函數。我們可以把這個密度函數看作一個確定值和一個分布的卷積。這樣的密度函數會發生在確定任務的手工操作中。加工時間有這樣的密度函數看似是有道理的。如果完成一項任務所需的最少時間已經確定,那么即使是最優秀的工人都不能用低于這個標準的時間完成這項工作(包括等于這個標準)。然而,加工時間存在許多變數,它們取決于操作者在任務中的表現。完成率隨著時間的增加而增加。有可能加工時間有98%的概率是一個固定的值;而另有2%的概率是一個均值很大的指數分布。這種類型的概率函數往往出現在自動生產或裝配線上。如果一個機器人來執行操作,那么加工時間往往是固定的(通過系統設定好的),但是當遇到一些突發事故的時候,加工時間立刻顯著增大。
    11、隨機加工時間的另一個重要方面是相關性。在現實中,同一臺機器上的連續加工時間是高度正相關的。在隨機模型研究中,常常將所有加工時間假設或—個(或多個)相互獨立的分布。
    12、加工時間的分布可能因受到學習曲線因素以及老化因素的影響而改變?!獋€人工操作的加工時間分布可能受到學習因素的影響。通過人來不斷加工作業有可能減少完作業的平均時間。如果一個操作對應的分布包含機器的影響,那么機器的使用年限(機器老化)將會導致平均加工時間增長。
    盡管我們研究的數學模型與現實情形有許多不同,但這些理論研究絕對不是在浪費時間。這些研究讓我們更深人地認識了許多排程問題,同時這些認識對于解決硯實中大部分排程系統的算法模型的發展是有很大幫助。
    在現實中,排程問題常常通過看上去不那么準確的啟發式算法(場景化規則)來解決。不采用更加精確數學算法的原因在于現實中往往存在大量的隨機事件,這些事件往往導致在執行原有排程時被迫做出調整。

    所以,我們必須建立一個高效的計劃排產執行的閉環體系,形成可以不斷自我改善、學習、進化的系統,提供堅實的應用功能來滿足企業的智能指揮計劃調度中心,其目標是:按需生產、精益制造、柔性運作。
我們必須需要引進新的智能計劃系統。傳統的計劃的方法,已佷難適應快速多變的市場環境,很多企業正在轉向按需生產模式C2M(Customer to Manufacturing )。按需生產的最大的挑戰就是計算CTP(Capable to Promise)承諾的交貨期和準時交貨。不僅需要訂單需求可以直接進入計劃排程的物料和能力系統,還要和供應商互動供應信息。
    當精益運作拓展到敏捷供應鏈的智能制造時,按最終客戶的需求所拉動快速客戶反應時,將會給企業帶來巨大利益。但是,實施所需要的投入和精力也是巨大的。



上一篇:>為什么管理一嚴,員工就會辭職?
下一篇:>一個小車間主任的管理絕招,驚呆了無數大老板!

Contact us

  • 地址:佛山市順德區鳳翔路41號創意產業園C棟202室、211室
  • 電話:400-6966-916    0757-28091800
  • 傳真:0757-28091801
  • E-mail:gaosheng@gdgaosheng.cn

掃碼訪問高勝手機版

盈发彩票|手机app下载 优游彩票|官网登录 703彩票|手机app下载 K1彩票|手机app下载 头头彩票|手机app下载 大兴彩票|手机app下载 华夏彩票|手机app下载 奔驰彩票|手机app下载 248彩票|官网登录 679彩票|手机app下载 南国彩票|官网登录 千城彩票|手机app下载 248彩票|官网登录