TOC的集批与丰田生产方式的单件流分析

简介: TOC的集批与丰田生产方式的单件流分析 在工序总用时的分析中,工序总用时=总数×瓶颈时间+转移批量×非瓶颈时间,如果不考虑换模影响,转移批量为1时,总工序用时最小,即单件流时,总工序用时最小。


TOC的集批与丰田生产方式的单件流分析

 

在工序总用时的分析中,工序总用时=总数×瓶颈时间+转移批量×非瓶颈时间,如果不考虑换模影响,转移批量为1时,总工序用时最小,即单件流时,总工序用时最小。当存在换模时,转移批量为多大,总工序用时才最小呢?

客户需求决定生产总数大小以及换模的次数。

假设一瓶颈设备需要生产A产品和B产品中的一道工序。设A产品的需求总数为aB产品的需求总数为b,生产A产品时的此道工序用时为c,生产B产品时此道工序的用时为d,且cd分别为AB的瓶颈用时。而A产品的非瓶颈时间为eB产品的非瓶颈时间为f。设工序从产品AB的转换时间为tA的生产批量为x,转换次数为nA的转换次数n2a/x-1(如图6-168所示)。

6-168 换模问题

所以总工序时间y=总数a×瓶颈用时c+转移批量×非瓶颈用时e+总数b×瓶颈用时d+转移批量×非瓶颈用时f+转换时间t×转换次数(2a/x-1

1)如果转移批量等于生产批量,则工序总用时为

 

此函数是有一个因变量的函数,对y进行求导,并令其为0

 

求得极值点

 

当生产批量为此极值点时,总工序用时最少。

2)如果转移批量不等于生产批量

通过上节的结论,当转移批量为1时,总工序用时最少,所以,总工序用时y=ac+e+bd+f+t(2a/x-1)。由上式可以看出,当A产品和B产品的总数确定后,生产批量为a时,转换次数为最少的1次,两种产品的生产总用时最少。

3)生产批量的确定

既然转换次数越少,总的生产用时越少,为什么TPS还要增加转换次数来增加批次而不是批量生产呢?

这是由于客户的需求的决定的。

生产理论的主要目标是追求缩短生产所需时间,当生产完A产品后,通过换模再生产B产品,两种产品的总用时最少,A产品的交货时间最短,但B产品需要等待是所有的A产品生产时间与换模时间之和,即B产品的交货期变长。由于TPS是因为产品需求种类多,需求量少的环境发展的生产理论,需求量少导致不值得为一件产品专设一条产线;需求种类多导致此产线必须经常换模以应对不同种类的要求。可以将A产品和B产品的购买者看做A产品和B产品的下游工序,如果A产品和B产品的客户不是批量购买的,那么购买批量越少(转移批量),总工序用时越少。由于需求不是批量的,而是按时间先后进行分布的,批量生产完A产品不能马上卖出而导致库存的产生;而B则由于等待时间较长,导致B的客户不能买到产品。这就是为什么TPS强调的准确的时间,生产客户需要数量的产品,即战争理论中的精确打击,这时成本最小,利益最大。丰田生产方式通过均衡生产来平衡生产,如果大批量生产A产品,那么B产品的工序均需要等待,而大批量生产B时,A产品的工序也需要等待。大野耐一在《丰田生产方式》中说:“如果后一道工序在时间和数量上都不均衡地索取零部件,前一道工序就必须在人员和设备上都准备好不均衡供应的最大能力。显然,这会提高成本,是一种浪费。彻底杜绝无效劳动和浪费,是丰田生产方式的宗旨。因此,要严格地实行生产的‘均衡化’,消除生产上的波动。这样做的结果是:要使批量减小,同时的产品不大量流动。”

由于客户的需求是单件的,所以生产也是单件的。大野耐一在《丰田生产方式》的小批量和快速调整中写道:“福特生产方式的想法是集中生产同一工件,而丰田生产方式的做法是‘因为最后在市场上的每一个顾客都要买一辆与别人不同的汽车,所以在生产方面也要一辆一辆地制造,在生产零部件的阶段也要一件一件地生产,也就是贯彻了一件一件地同步生产’的精神”。批量越小,转换次数越多,换模时间的影响就越大,所以TPS必须解决缩短换模时间,否则它的产出将大幅下降。批量的大小是由客户的需求,生产的实际情况等因素决定的,丰田生产也不是强调绝对的单件流,因为如果客户的需求并没有很急切,减少换模次数可以增加产出。

诺贝尔经济学奖获得者赫尔伯特·西蒙在《一般经济理论》中对于企业生产也有相当深刻的论述。工厂如何应对订单上的波动呢?西蒙给出了三种方法,1)通过和订单波动完全一致的雇佣和解雇来调整雇佣劳动力规模;2)通过不变雇佣劳动力的加班和“闲置”来与订单一致的调整生产速度;3)维持不变的雇佣劳动力和不变的生产速度,允许存货和延迟订单交货。第三种方法就是提前生产和延后生产来平衡订单波动。西蒙通过为每一种方式建立一个二次型(抛物线)的函数,最终构成一个由三个向上的抛物线相加组成的成本函数,通过求得此函数的最小值而得到如何分配使用三种方法。即使西蒙建立的函数完全正确,他得到的解是最优解吗?作者的回答:不是。西蒙的给出的解决方案是建立在批量订单,批量生产和批量交货的基础上的。除了西蒙给出的三种方法,还有第四种方法来平衡订单的波动,TPS,精益和TOC都给出了解决方案,就是减小批量从而增加产出速度。这包括订单从大批量减为小批量,甚至单件;生产从集批改为切批甚至单件流生产,交货从大批量减为小批量。这样可以有效的平衡订单的波动。比如客户每天能卖出100件的A产品,但是客户是按月来下订单的,即下了一个3000A产品的订单。交货期要求为30天,否则罚款。而企业每天只能生产90件,一个月最多能生产2700件。那么按照西蒙的方法,要么多雇佣一些人来生产超企业可以从产出的那300件,这需要增加雇佣成本;要么通过员工加工来生产这300件,这需要增加加班费;要么通过提前生产300件或者延后3天交货,提前生产会产生库存,库存是负债,延后交货要受到罚款。从广义动量定理Fαt=nmV的角度说,西蒙的三种方法是基于力量F和时间t的。第一种是增加人力F,不增加总的工作天数t,可以比以前增加产出,从而满足订单的波动。第二种是增加每一天的工作时间t,不增加人力F和总的天数,也可以增加产出而满足订单的波动。第三种是不增加人力F和每天工作的时间t,增加总的天数t来满足订单的波动,总工作时间t=每天工作时间×工作天数。除了西蒙提出的基于力量F和时间t的三种方法,从广义动量定理Fαt=nmV的角度说,改变方法α也可以增加产出,从而满足订单的波动。无论是精益生产的价值流梳理还是TOC制约理论,将一条产线提升10%的产生能力很正常,这样就可以在不增加人力F和工作时间t的情况下增加产出,增加的成本是使用这两种方法的成本。TPS、精益生产和TOC制约理论不仅优化内部的生产流程,也会优化外部流程。比如一次性交货3000件对生产企业和客户都是一个很大的波动,都需要很大的库存和成本来安放和管理这些货物,库存是负债。并且市场变化多端,预留越多的库存,未来不能完全卖出去的可能性越大,资金的占用也就越多。TPS、精益生产和TOC制约理论会和客户商量缩短供货期和每次的供货数量来均衡需求,比如每天供货100件,这样客户从订单到卖出去的60天(30天生产+30天销售)缩短为30天。


摘自《可以量化的管理学》

 


目录
相关文章
|
8天前
|
数据采集 SQL 数据可视化
大数据可视化技巧:借助PowerBI提升数据故事讲述力
【4月更文挑战第8天】Power BI助力大数据可视化,支持多种数据源连接,如SQL Server、Excel,提供数据清洗与转换功能。通过选择合适图表类型、运用颜色和大小强化表达,创建交互式仪表板。讲述数据故事时,注重故事主线设计,利用叙事技巧引导观众,并添加文本说明。分享已完成报告,提升数据驱动决策能力。动手实践,体验Power BI的强大与易用。
27 0
|
1月前
|
传感器 供应链 数据可视化
智慧物流大数据的设计与实现(论文+源码)_kaic
智慧物流大数据的设计与实现(论文+源码)_kaic
|
8月前
|
安全 大数据
数据要素市场研究资料合集
数据要素市场研究资料合集
|
存储 SQL 分布式计算
一幅长文细学华为MRS大数据开发(一)—— 大数据时代的挑战和机遇
本文主要讲述了大数据的定义,以及华为鲲鹏对于日益见长的大数据的解决方案
520 0
|
缓存 分布式计算 大数据
客快物流大数据项目(六十六):车辆主题(下)
客快物流大数据项目(六十六):车辆主题(下)
170 0
客快物流大数据项目(六十六):车辆主题(下)
|
大数据
客快物流大数据项目(六十六):车辆主题(上)
客快物流大数据项目(六十六):车辆主题(上)
120 0
客快物流大数据项目(六十六):车辆主题(上)
|
传感器 人工智能 运维
AI技术之于制造业,除了提升生产效率还有什么?【结尾有彩蛋】
人工智能是引领中国制造业发展的一项关键技术,是促进实体经济发展的重点方向,是制造业网络化、数字化、智能化转型发展的重要推动力。
2968 0
AI技术之于制造业,除了提升生产效率还有什么?【结尾有彩蛋】
|
机器学习/深度学习 消息中间件 人工智能
【1012 - 1016直播导视 | PPT 下载】走进工业级图神经网络框架GraphLearn、一个真正人人可用的云时代研发模式已经到来!
本周将为你带来多场技术公开课:开源日也迎来第四期走进工业级图神经网络框架GraphLearn;并且还有阿里云Serverless云开发平台风驰为你揭秘一个真正人人可用的云时代研发模式已经到来!
5603 0
|
新零售 人工智能 智能设计
阿里巴巴淘系开源大型3D家具数据集(3D-FUTURE)推动3D家居智能研究
阿里巴巴淘系技术部与英国伦敦大学伯贝克学院Steve Maybank教授、悉尼大学陶大程教授等国际知名学者合作,与3月30日正式开源业界首个饱含纹理细节的大型3D家具数据集(3D-FUTURE),共同推动3D家居智能研究。并面向全球3D几何与视觉研究爱好者同步启动第一届阿里巴巴3D人工智能挑战赛暨IJCA-PRICAI 2020 Workshop。
2012 0
阿里巴巴淘系开源大型3D家具数据集(3D-FUTURE)推动3D家居智能研究
|
Python 关系型数据库 数据库
带你读《Python数据分析与数据化运营(第2版)》之二:数据化运营的数据来源
这是一本将数据分析技术与数据使用场景深度结合的著作,从实战角度讲解了如何利用Python进行数据分析和数据化运营。作者是有10余年数据分析与数据化运营的大数据专家,书中对50余个数据工作流知识点、14个数据分析与挖掘主题、4个数据化运营主题、8个综合性案例进行了全面的讲解,能让数据化运营结合数据使用场景360°落地。