东北大学学报:自然科学版   2015, Vol. 36 Issue (10): 1501-1505   PDF (822 KB)    
基于价值流图析的客户定制产品拉动系统设计
周健, 肖浩锋, 王小虎    
北京科技大学 机械工程学院, 北京 100083
摘要:客户定制产品特点为按订单多品种、单件生产,如何设计拉动系统,提高产出并控制库存,快速响应客户需求是一大难题.为研究该类型产品的拉动系统设计,以暖通空调这一典型客户定制产品的制造为案例,采用价值流图(VSM)分析生产系统及关键业务流程,结合看板(Kanban)和固定在制品(Conwip)构建拉动生产系统,以Arena对生产流程及关键件采购流程仿真建模,选取输出指标建立目标函数,在不同的权重下以OptQuest优化拉动系统参数.系统的综合绩效提升15.5%~30.5%,拉动系统参数稳定,结果表明所设计的拉动系统可行、有效.
关键词精益生产     客户定制     价值流图析     拉动系统     仿真优化    
Pull System Design Based on Value Stream Mapping for ETO Products
ZHOU Jian, XIAO Hao-feng, WANG Xiao-hu    
School of Mechanical Engineering, Tongji University, Shanghai 201804, China.
Corresponding author: XIAO Hao-feng, E-mail: tjxhf@foxmail.com
Abstract: The features of ETO products are multi-species but single production for each contract, how to design pull system, improve throughput and control WIP, response to customers’ demand quickly are big problems. To study the pull system which is designed for products of this kind, a HVAC manufacturing company was taken as the case since it is a typical ETO product, and the VSM was used to analyze the production system and critical business process, and the Kanban and Conwip were combined to build pull system. The production process and critical parts procurement process were simulated with Arena, and objective function was constituted with chosen output indexes. The parameters of the system were optimized with OptQuest under different weights. The overall performance of the systeme improves 15.5%~30.5%, and the parameters of pull system are steady. The results showed that the designed pull system is feasible and effective.
Key words: lean production     ETO(engineer-to-order)     value stream mapping     pull system     simulation-optimization    

精益生产在消除浪费、卓越运营上发挥着关键作用[1],越来越多的企业建立拉动系统满足客户多样化需求,创造价值.与推式生产不同,拉动的本质在于控制在制品,形式包括看板和Conwip[2],在保证产出的同时减少在制品,而精益的本质就是最小化缓冲成本.但是,并非所有企业都能通过实施精益取得预期收益,原因在于设计拉动生产系统时忽略了制造流程内部变异性,没有根据产品特点考虑非生产因素影响[3].

客户定制型生产主要特征为按合同设计产品、采购关键件和交付订单;多品种单件生产,关键件价值大、重复使用频率低,备货风险大,一般现购[4].生产对物料齐备性敏感,包括关键外购件和自制件.所以,分析客户定制型生产必须考虑非生产流程如关键件采购的影响[5].而制造变异性会腐蚀生产绩效,包括随机性停机、长时间换模、质量损失,都会降低绩效[6].价值流图析能有效系统地分析现状和设计拉动状态[7].

价值流图析精度有限,不能反映随机动态绩效,对于未来状态的设计缺乏定量证据[8, 9, 10],而系统仿真是非常好的互补工具,充分考虑随机性同时反映长期动态绩效,结果更具说服力[11, 12],并且能够将非生产业务流程加入系统分析.

暖通空调是典型的客户定制产品,产品参数和材料按合同设计,客户对产品的需求都是个性化,关键部件风机的价值大品种多,重复使用频率低,备货风险大.基于此,以暖通空调作为案例,采用价值流图分析生产系统和关键业务流程现状,设计拉动系统,结合仿真建模,考虑生产系统内部变异性及非生产业务流程对生产绩效的影响,以OptQuest优化看板及Conwip上限.

1 价值流图析 1.1 计算节拍时间

计划节拍的计算式为

式中:T′为计划节拍;A为每日时间;D为每日需求.考虑生产变异性,在计划节拍基础上引入调整系数λ,调整生产节拍

1.2 设计拉动状态

1) 选择定拍工序.定拍工序是生产计划的下达点,该点决定了生产的速度,一般用总装作为定拍工序拉动上游生产和采购.

2) 尽可能使用连续流划分工作站.连续流的含义就是在两个工位之间没有在制品,一次只加工一个批量,对于多流程汇合生产,按照各主生产流程将工作站划分为连续流.

3) 不能使用连续流的地方使用超市.在一些情况下,生产变异性或者必须批量生产的工序会打断连续流,超市通过固定库存水平作为缓冲吸收变异性并防止过量生产.

4) 看板和Conwip是实现拉动的两大策略,两者都通过控制在制品实现拉动,看板适用于重复性生产,而Conwip能用于非重复性生产.

1.3 均衡生产

均衡生产目的为设定排程使实际生产速度与节拍时间吻合,在定拍工序处创造稳定需求流,拉动生产.Monden[13]提出了计算排程的公式:

式中:n为产品种类数; Di为产品i的每日需求; Td=D1+D2+…+Dn,为每日的产品总需求;j表示产品i的第j次生产; dij是产品i在整个生产序列中第j次生产的最佳位置.

2 仿真优化

拉动系统的设计必须有足够定量证据作为依据,仿真具备这种能力,既能反映生产变异性,又考虑外部关键件采购的影响,并通过绩效指标反映未来状态收益,Arena是常用的仿真软件.在加工时间的基础上,为详细反映生产状态,加入换模时间和设备故障,数据均来自生产管理系统,通过输入数据拟合器拟合成分布反映随机性.

OptQuest设定看板和Conwip上限最佳参数组合,实现输出指标综合收益最优,由于输出指标量纲不一致,以现状作为基准,加权各指标的改进比例作为综合收益,求解最佳参数组合.

式中:OB为各响应指标加权后综合收益;wi为响应指标i的权重,i=1,2,3,…,nRi为响应指标i的改善百分比;ri为响应指标i的原始绩效;r′i为响应指标i改善后绩效.

OptQuest求解:

决策变量:Conwip上限C1/C2;超市库存K1/K2/K3; 目标函数:最大化综合收益OB.

3 案例分析

暖通空调制造包括三条主流程:附件、钣金件和采购件加工.附件为标准件,同一类规格产品通用;钣金件按订单特定设计生产;采购件加工需按照客户订单采购关键件,关键件采购到货后进一步加工;三条主流程汇合至总装,见图 1.

图 1 暖通空调的制造流程Fig. 1 Main processes of HVAC manufacturing
3.1 节拍时间

客户需求分为小、中、大三类规格产品.不同规格产品需求见表 1.不同规格产品加工/采购时间见表 2.

表 1 不同规格产品需求Table 1 Requirements for each type of products

表 2 不同规格产品加工/采购时间Table 2 Process/procurement time for each type of products

可用时间A=8 h/d; 以小规格产品为基准,加工时间倍数分别为中规格1.09,大规格1.23;则每日需求D=1+0.4×1.09+0.2×1.23=1.682,客户需求节拍时间T′=≈4.756 h.由于存在产品切换和设备失效,设定调整系数λ为0.97,生产节拍T= T′×λ=4.614 h.

3.2 附件生产未来拉动状态

附件为重复性生产,建立超市-看板控制在制品.工作站的划分上,在总装工序前设置超市,其上游工作站整合成连续流,总装通过看板提取所需附件,当附件被消耗时,上游工序按生产看板的要求补充消耗掉的附件.附件生产拉动状态见图 2.

图 2 附件生产拉动状态Fig. 2 Pull state of accessory production
3.3 钣金件生产未来拉动状态

钣金件根据客户定制,单件非重复生产,采用Conwip拉动,产品有生产卡片授权才能投料,卡片全部在生产系统中时,不允许新产品投料,在制品达到上限,成品离开系统时,卡片回到生产控制.以生产卡片数量限制了系统中在制品数量.在工作站的划分上,从投料到总装构成一个连续流.钣金件生产拉动状态见图 3.

图 3 钣金件生产拉动状态Fig. 3 Pull state of sheet metal part production
3.4 采购件加工未来拉动状态

采购件价值大,重复使用频率低,根据客户订单需求现购,采用Conwip拉动,生产卡片控制生产和采购.按照生产计划顺序采购,且有生产卡片授权以保证与加工顺序同步,生产卡片控制在制品和采购件上限.在工作站的划分上,从剪切到总装构成一个连续流.采购件生产未来拉动状态见图 4.

图 4 采购件生产未来拉动状态Fig. 4 Pull state of purchased part production
3.5 均衡排产

选择总装作为定拍工序,拉动上游各流程生产.产品种类n=3,每日的产品总需求Td=1+0.4+0.2=1.6,可计算理想均衡生产,如表 3所示.

表 3 均衡生产Table 3 Level production

生产序列符合M-S-S-L-S-M-S-S特征,可简化为S-S-S-S-S-M-M-L.

3.6 仿真建模

仿真模型的逻辑结构见图 5.由于仿真模型初期没有在制品,为反映真实生产情况,需要准备时间使系统稳定,才能反映其长期稳定绩效.由图 6可知,仿真系统运行300 h后稳定.选择300 h作为准备时间,仿真总时间设置为1 300 h,考虑到仿真数据随机性,重复仿真50次.

图 5 仿真模型的逻辑结构Fig. 5 Logic structure of simulation model

图 6 系统中在制品-时间序列图Fig. 6 WIP in system-time plot
3.7 OptQuest设置最佳参数

以有效产出、生产周期、在制品为响应指标,设定各改善百分比权重分别为0.6,0.2,0.2.OptQuest优化过程见图 7.

图 7 Optimization progress by OptQuestFig. 7 OptQuest优化过程

多次长时优化后,得到最佳参数组合见表 4.

表 4 最佳参数组合Table 4 Optimal parameters combination
3.8 敏感性分析

为保证参数设置有效性,敏感性分析见表 5.暖通空调的未来状态价值流图见图 8.

表 5 敏感性分析Table 5 Sensitivity analysis

图 8 暖通空调的未来状态价值流图Fig. 8 VSM of future state for HVAC

从结果可以看出,权重变化过程中,最佳参数稳定,可认为参数设置有效.

4 结语

1) 客户定制型产品由于其产品特点,在设计拉动生产系统时,除了考虑变异性,关键业务流程对生产也有关键影响.

2) 本文将价值流图析与仿真优化结合应用于分析客户定制生产,有效提高绩效.以价值流图析设计拉动系统,在设置具体参数时,结合仿真和OptQuest优化,得到参数组合;为保证参数设置有效性,作了敏感性分析.

参考文献
[1] Ohno T.Toyota production system:beyond large-scale production [M].Portland:Productivity Press,1988:1-17.(1)
[2] Hopp W J,Spearman M L.To pull or not to pull:what is the question?[J].Manufacturing and Service Operations Management,2004,6(2):133-148.(1)
[3] Lu J C,Yang T,Wang C Y.A lean pull system design analyzed by value stream mapping and multiple criteria decision-making method under demand uncertainty [J].International Journal of Computer Integrated Manufacturing,2011,24(3):211-228.(1)
[4] Yang L R.Key practices,manufacturing capability and attainment of manufacturing goals:the perspective of project/engineer-to-order manufacturing [J].International Journal of Project Management,2013,31(1):109-125.(1)
[5] Merschmann U,Thonemann U W.Supply chain flexibility,uncertainty and firm performance:an empirical analysis of German manufacturing firms [J]. International Journal of Production Economics,2011,130(1):43-53.(1)
[6] Hopp W J,Spearman M L.Factory physics [M].Illinois:Waveland Press,2011:287-339.(1)
[7] Rother M,Shook J.Learning to see [M].Boston:Lean Enterprise Institute,1999:5-17(1)
[8] Detty R B.Quantifying benefits of conversion to lean manufacturing with discrete event simulation:a case study [J].International Journal of Production Research,2000,38(2):429-445.(1)
[9] Lian Y H.Analyzing the effects of lean manufacturing using a value stream mapping-based simulation generator [J]. International Journal of Production Research,2007,45(13):3037-3058.(1)
[10] McDonald T,Van Aken E M,Rentes A F.Utilizing simulation to enhance value stream mapping:a manufacturing case application [J].International Journal of Logistics,2002,5(2):213-232.(1)
[11] Standridge C R,Marvel J H.Why lean needs simulation[C]//The 38th Winter Simulation Conference.Monterey,2006:1907-1913.(1)
[12] Schroer B J.Simulation as a tool in understanding the concepts of lean manufacturing [J]. Simulation,2004,80(3):171-175.(1)
[13] Monden Y.Toyota production system:an integrated approach to just-in-time [M].Boca Raton:CRC Press,2011:72-84.(1)