CN105809307A - 一种基于物联技术的离散生产线瓶颈检测方法 - Google Patents
一种基于物联技术的离散生产线瓶颈检测方法 Download PDFInfo
- Publication number
- CN105809307A CN105809307A CN201410843171.0A CN201410843171A CN105809307A CN 105809307 A CN105809307 A CN 105809307A CN 201410843171 A CN201410843171 A CN 201410843171A CN 105809307 A CN105809307 A CN 105809307A
- Authority
- CN
- China
- Prior art keywords
- bottleneck
- maintenance
- time
- task
- plan
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于物联技术的离散生产线瓶颈检测方法,首先对生产作业基础数据采集,其次应用终端接收到所述步骤一中的采集的数据,并计算得出作业进度参数及其向量,作业进度参数包含部件检修数量、计划内检修数量、计划位检修数量、日计划检修数量、工序的任务量、单位时间任务量、单位任务量时长;再次应用终端根据所述步骤二中计算得出的作业进度参数及其向量,进一步计算得出瓶颈工时;最后将步骤二中计算得出的工序的单位任务量时长与步骤三计算得出的瓶颈工时进行比较,单位任务量时间长达到或超过瓶颈工时的工序为生产线瓶颈。本发明具有能够在生产过程中快速识别瓶颈工位的优点。
Description
技术领域
本发明涉及物联技术领域,尤其涉及一种基于物联技术的离散生产线瓶颈检测方法。
背景技术
现代复杂生产流水线所涉及的工序繁多,不同流水线之间存在串行、并行、分支、汇聚等关系。流水线效率符合木桶定律,即其整体效率受限于单位工作量时长最低的工序,而不是最高的,因此如何在动态的生产过程中快速识别瓶颈工位,并进行主动调度干预,对于提升现代离散生产车间效率具有重要意义。
发明内容
为了解决上述问题,本发明提供了一种能够在生产过程中快速识别瓶颈工位的生产线瓶颈检测方法。本发明采用的技术方案如下:
一种基于物联技术的离散生产线瓶颈检测方法,包括如下步骤:
步骤一,生产作业基础数据采集,具体过程如下:
首先,作业人员在无线手持终端上刷身份卡,登陆个人信息;
进一步,作业人员通过手持终端选择作业任务,当日该作业人员的工作任务列表已通过无线网络下载到手持机上;
进一步,RFID标签存储了各作业工位的标识。任务开始时,作业人员刷粘贴于工位特定位置上的RFID标签,通知作业开始;任务结束时,作业人员刷该RFID标签,通知作业结束;
步骤二,应用终端接收到所述步骤一中的采集的数据,并计算得出作业进度参数及其向量,作业进度参数包含部件检修数量、计划内检修数量、计划位检修数量、日计划检修数量、工序的任务量、单位时间任务量、单位任务量时长;
步骤三,应用终端根据所述步骤二中计算得出的作业进度参数及其向量,进一步计算得出瓶颈工时;
步骤四,将步骤二中计算得出的工序的单位任务量时长与步骤三计算得出的瓶颈工时进行比较,单位任务量时间长达到或超过瓶颈工时的工序为生产线瓶颈。
进一步特征为步骤二包括如下子步骤:
(1)工序进度通过对计划内检修事件E7/计划外检修事件E8、全部检修事件E9的计算获得,应用终端实时监控这三种事件,然后实时更新工序进度;
(2)设当日工序数量为n,从t0开始到时间t,有ΔT=t-t0,随时间流逝,令工序pi的某个进度参数为xi(t),其对应事件类型为E,其中i=1、2…n,n为整数;
(3)E(t)表示t时刻的事件实例,从初始时刻t0起,对事件E(t)在工序pi上的发生次数累加就可得到xi(t),即xi(t)=ΣE(t),那么n个工序的进度参数对应于一个进度参数向量:X(t)=[x1(t)x2(t)…xn(t)];
(4)部件的检修数量为li,对应向量为L;
计划内检修数量为对应向量为LP;
计划外检修数量为对应向量为LN;
日计划检修数量为zi,对应向量为Ζ;
工序的任务量为qi=li·θi,对应向量为Q;
单位时间任务量为对应向量为W;
单位任务量时长为对应向量为Γ;
计划内检修数量计划外检修数量和部件检修总量li分别通过对事件E7,E8,E9的累加计数直接获得,并且L(t)=LP(t)+LN(t);
日计划检修数量(zi)是由日检修计划定义的系统全局变量,为工序的计划部件数量;
工序的任务量qi根据部件检修总量li和工作量系数θi计算得到,θi用来定义pi的工作量系数;
(5)工序pi的当前进度由三个指数体现:部件检修总量与计划检修数量的比值,表示为部件检修总量li的构成,表示为工序生产率,即为wi。
进一步特征为步骤三包括如下步骤:
瓶颈工时ct=max(τi),i=1,...,n,检修节拍为b,流水线平衡率为平衡损失时间为稼动损失时间为β=n(b-ct);
整个流水线的周期时间ct即完成单位检修量所费时间,等于瓶颈工序单位检修量的作业时长;
节拍b控制流水线上各工序的作业节奏,是完成单位检修量所需作业时长上限;
流水线平衡率为各工序的单位任务时长τi总和与周期时间ct总和的比值,用百分比表示,代表整个流水线的平衡程度;
平衡损失时间α为瓶颈工时与各工位工时差值的总和,代表因不平衡而导致的能力浪费;
稼动损失时间β为各工序节拍与瓶颈工时差值的总和,代表因节拍设置不合理(过高)而导致的能力浪费。
本发明同现有技术相比,具有以下优点和有益效果:
1、采用RFID、智能卡、手持终端等泛在感知方式实现生产过程数据采集,操作模式可依据实际应用场景灵活设计。
2、生产线数据采集质量高,具有准确性和及时性。
3、对比人工计时检测的方法,工人劳动强度低,节省了大量人力成本。
4、依据本发明可形成一种常态化的流水线状态监测机制,一旦发现生产效率瓶颈,调度员能够及时进行动态干预。
5、完整记录车间离散流水线的生产历史实绩,对于产品优化设计及工艺改进提供了重要的数据基础。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一种基于物联技术的离散生产线瓶颈检测方法的工作流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
如图1所示,一种基于物联技术的离散生产线瓶颈检测方法,包括如下步骤:
步骤一,生产作业基础数据采集,具体过程如下:
首先,作业人员在无线手持终端上刷身份卡,登陆个人信息;
进一步,作业人员通过手持终端选择作业任务,当日该作业人员的工作任务列表已通过无线网络下载到手持机上;
进一步,RFID标签存储了各作业工位的标识。任务开始时,作业人员刷粘贴于工位特定位置上的RFID标签,通知作业开始;任务结束时,作业人员刷该RFID标签,通知作业结束;
步骤二,应用终端接收到所述步骤一中的采集的数据,并计算得出作业进度参数及其向量,作业进度参数包含部件检修数量、计划内检修数量、计划位检修数量、日计划检修数量、工序的任务量、单位时间任务量、单位任务量时长;
步骤三,应用终端根据所述步骤二中计算得出的作业进度参数及其向量,进一步计算得出瓶颈工时;
步骤四,将步骤二中计算得出的工序的单位任务量时长与步骤三计算得出的瓶颈工时进行比较,单位任务量时间长达到或超过瓶颈工时的工序为生产线瓶颈。
其中,步骤二包括如下子步骤:
(1)工序进度通过对计划内检修事件E7/计划外检修事件E8、全部检修事件E9的计算获得,应用终端实时监控这三种事件,然后实时更新工序进度;
(2)设当日工序数量为n,从t0开始到时间t,有ΔT=t-t0,随时间流逝,令工序pi的某个进度参数为xi(t),其对应事件类型为E,其中i=1、2…n,n为整数;
(3)E(t)表示t时刻的事件实例,从初始时刻t0起,对事件E(t)在工序pi上的发生次数累加就可得到xi(t),即xi(t)=ΕE(t),那么n个工序的进度参数对应于一个进度参数向量:X(t)=[x1(t)x2(t)…xn(t)];
(4)部件的检修数量为li,对应向量为L;
计划内检修数量为对应向量为LP;
计划外检修数量为对应向量为LN;
日计划检修数量为zi,对应向量为Ζ;
工序的任务量为qi=li·θi,对应向量为Q;
单位时间任务量为对应向量为W;
单位任务量时长为对应向量为Γ;
计划内检修数量计划外检修数量和部件检修总量li分别通过对事件E7,E8,E9的累加计数直接获得,并且L(t)=LP(t)+LN(t);
日计划检修数量(zi)是由日检修计划定义的系统全局变量,为工序的计划部件数量;
工序的任务量qi根据部件检修总量li和工作量系数θi计算得到,θi用来定义pi的工作量系数,由于各工序所检修的列车部件类型不同,流水修时相同时间的检修数量需要符合一定的比例关系;
(5)工序pi的当前进度由三个指数体现:部件检修总量与计划检修数量的比值,表示为部件检修总量li的构成,表示为工序生产率,即为wi。
其中,步骤三包括如下步骤:
瓶颈工时ct=max(τi),i=1,...,n,检修节拍为b,流水线平衡率为平衡损失时间为稼动损失时间为β=n(b-ct);
整个流水线的周期时间ct即完成单位检修量所费时间,等于瓶颈工序单位检修量的作业时长;
节拍b控制流水线上各工序的作业节奏,是完成单位检修量所需作业时长上限;
流水线平衡率为各工序的单位任务时长τi总和与周期时间ct总和的比值,用百分比表示,代表整个流水线的平衡程度;
平衡损失时间α为瓶颈工时与各工位工时差值的总和,代表因不平衡而导致的能力浪费;
稼动损失时间β为各工序节拍与瓶颈工时差值的总和,代表因节拍设置不合理(过高)而导致的能力浪费。
本发明采用RFID、智能卡、手持终端等泛在感知方式实现生产过程数据采集,操作模式可依据实际应用场景灵活设计。
本发明生产线数据采集质量高,具有准确性和及时性。
本发明对比人工计时检测的方法,工人劳动强度低,节省了大量人力成本。
本发明依据本发明可形成一种常态化的流水线状态监测机制,一旦发现生产效率瓶颈,调度员能够及时进行动态干预。
本发明完整记录车间离散流水线的生产历史实绩,对于产品优化设计及工艺改进提供了重要的数据基础。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于物联技术的离散生产线瓶颈检测方法,其特征在于,包括如下步骤:
步骤一,生产作业基础数据采集,具体过程如下:
首先,作业人员在无线手持终端上刷身份卡,登陆个人信息;
进一步,作业人员通过手持终端选择作业任务,当日该作业人员的工作任务列表已通过无线网络下载到手持机上;
进一步,RFID标签存储了各作业工位的标识。任务开始时,作业人员刷粘贴于工位特定位置上的RFID标签,通知作业开始;任务结束时,作业人员刷该RFID标签,通知作业结束;
步骤二,应用终端接收到所述步骤一中的采集的数据,并计算得出作业进度参数及其向量,所述作业进度参数包含部件检修数量、计划内检修数量、计划位检修数量、日计划检修数量、工序的任务量、单位时间任务量、单位任务量时长;
步骤三,应用终端根据所述步骤二中计算得出的作业进度参数及其向量,进一步计算得出瓶颈工时;
步骤四,将所述步骤二中计算得出的工序的所述单位任务量时长与步骤三计算得出的瓶颈工时进行比较,单位任务量时间长达到或超过瓶颈工时的工序为生产线瓶颈。
2.根据权利要求1所述的一种基于物联技术的离散生产线瓶颈检测方法,其特征在于,所述步骤二包括如下子步骤:
(1)工序进度通过对计划内检修事件E7/计划外检修事件E8、全部检修事件E9的计算获得,应用终端实时监控这三种事件,然后实时更新工序进度;
(2)设当日工序数量为n,从t0开始到时间t,有ΔT=t-t0,随时间流逝,令工序pi的某个进度参数为xi(t),其对应事件类型为E,其中i=1、2…n,n为整数;
(3)E(t)表示t时刻的事件实例,从初始时刻t0起,对事件E(t)在工序pi上的发生次数累加就可得到xi(t),即xi(t)=ΣE(t),那么n个工序的进度参数对应于一个进度参数向量:X(t)=[x1(t)x2(t)…xn(t)];
(4)部件的检修数量为li,对应向量为L;
计划内检修数量为对应向量为LP;
计划外检修数量为对应向量为LN;
日计划检修数量为zi,对应向量为Ζ;
工序的任务量为qi=li·θi,对应向量为Q;
单位时间任务量为对应向量为W;
单位任务量时长为对应向量为Γ;
计划内检修数量计划外检修数量和部件检修总量li分别通过对事件E7,E8,E9的累加计数直接获得,并且L(t)=LP(t)+LN(t);
日计划检修数量(zi)是由日检修计划定义的系统全局变量,为工序的计划部件数量;
工序的任务量qi根据部件检修总量li和工作量系数θi计算得到,θi用来定义pi的工作量系数;
(5)工序pi的当前进度由三个指数体现:部件检修总量与计划检修数量的比值,表示为部件检修总量li的构成,表示为工序生产率,即为wi。
3.根据权利要求2所述的一种基于物联技术的离散生产线瓶颈检测方法,其特征在于,所述步骤三包括如下步骤:
瓶颈工时ct=max(τi),i=1,...,n,检修节拍为b,流水线平衡率为平衡损失时间为稼动损失时间为β=n(b-ct);
整个流水线的周期时间ct即完成单位检修量所费时间,等于瓶颈工序单位检修量的作业时长;
节拍b控制流水线上各工序的作业节奏,是完成单位检修量所需作业时长上限;
流水线平衡率为各工序的单位任务时长τi总和与周期时间ct总和的比值,用百分比表示,代表整个流水线的平衡程度;
平衡损失时间α为瓶颈工时与各工位工时差值的总和,代表因不平衡而导致的能力浪费;
稼动损失时间β为各工序节拍与瓶颈工时差值的总和,代表因节拍设置不合理(过高)而导致的能力浪费。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410843171.0A CN105809307A (zh) | 2014-12-30 | 2014-12-30 | 一种基于物联技术的离散生产线瓶颈检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410843171.0A CN105809307A (zh) | 2014-12-30 | 2014-12-30 | 一种基于物联技术的离散生产线瓶颈检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105809307A true CN105809307A (zh) | 2016-07-27 |
Family
ID=56419866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410843171.0A Pending CN105809307A (zh) | 2014-12-30 | 2014-12-30 | 一种基于物联技术的离散生产线瓶颈检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105809307A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615279A (zh) * | 2019-01-24 | 2019-04-12 | 山东科技大学 | 一种面向均衡生产的主煤流系统平衡率评估与监测方法 |
CN110580579A (zh) * | 2019-08-28 | 2019-12-17 | 上汽通用五菱汽车股份有限公司 | 一种基于互联网的汽车零部件供应商产能管理方法及系统 |
CN111427323A (zh) * | 2020-04-22 | 2020-07-17 | Oppo(重庆)智能科技有限公司 | 一种产能瓶颈监控方法、装置、设备及存储介质 |
CN111913449A (zh) * | 2020-07-24 | 2020-11-10 | Tcl王牌电器(惠州)有限公司 | 生产系统及其生产节拍监控方法、监控装置和存储介质 |
CN113408915A (zh) * | 2021-06-25 | 2021-09-17 | 中国科学院重庆绿色智能技术研究院 | 生产线瓶颈识别方法及其系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5966694A (en) * | 1995-05-02 | 1999-10-12 | Maxager Technology, Inc. | Method and apparatus for cycle time costing |
CN1862582A (zh) * | 2006-06-20 | 2006-11-15 | 清华大学 | 基于价值工程的离散型中小汽配企业生产流程诊断方法 |
CN101017539A (zh) * | 2006-02-06 | 2007-08-15 | Msc有限公司 | 利用射频识别装置改进生产的系统和方法 |
CN102930397A (zh) * | 2012-11-01 | 2013-02-13 | 北方信息控制集团有限公司 | 离散型企业智能作业控制方法 |
CN103310328A (zh) * | 2013-06-27 | 2013-09-18 | 南京浦镇海泰制动设备有限公司 | 轨道车辆制动系统检修方法 |
CN104020676A (zh) * | 2014-05-23 | 2014-09-03 | 中原工学院 | 基于仿真模拟技术的服装流水线编排方法 |
-
2014
- 2014-12-30 CN CN201410843171.0A patent/CN105809307A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5966694A (en) * | 1995-05-02 | 1999-10-12 | Maxager Technology, Inc. | Method and apparatus for cycle time costing |
CN101017539A (zh) * | 2006-02-06 | 2007-08-15 | Msc有限公司 | 利用射频识别装置改进生产的系统和方法 |
CN1862582A (zh) * | 2006-06-20 | 2006-11-15 | 清华大学 | 基于价值工程的离散型中小汽配企业生产流程诊断方法 |
CN102930397A (zh) * | 2012-11-01 | 2013-02-13 | 北方信息控制集团有限公司 | 离散型企业智能作业控制方法 |
CN103310328A (zh) * | 2013-06-27 | 2013-09-18 | 南京浦镇海泰制动设备有限公司 | 轨道车辆制动系统检修方法 |
CN104020676A (zh) * | 2014-05-23 | 2014-09-03 | 中原工学院 | 基于仿真模拟技术的服装流水线编排方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615279A (zh) * | 2019-01-24 | 2019-04-12 | 山东科技大学 | 一种面向均衡生产的主煤流系统平衡率评估与监测方法 |
CN110580579A (zh) * | 2019-08-28 | 2019-12-17 | 上汽通用五菱汽车股份有限公司 | 一种基于互联网的汽车零部件供应商产能管理方法及系统 |
CN110580579B (zh) * | 2019-08-28 | 2023-05-30 | 上汽通用五菱汽车股份有限公司 | 一种基于互联网的汽车零部件供应商产能管理方法及系统 |
CN111427323A (zh) * | 2020-04-22 | 2020-07-17 | Oppo(重庆)智能科技有限公司 | 一种产能瓶颈监控方法、装置、设备及存储介质 |
CN111427323B (zh) * | 2020-04-22 | 2021-09-24 | Oppo(重庆)智能科技有限公司 | 一种产能瓶颈监控方法、装置、设备及存储介质 |
CN111913449A (zh) * | 2020-07-24 | 2020-11-10 | Tcl王牌电器(惠州)有限公司 | 生产系统及其生产节拍监控方法、监控装置和存储介质 |
CN113408915A (zh) * | 2021-06-25 | 2021-09-17 | 中国科学院重庆绿色智能技术研究院 | 生产线瓶颈识别方法及其系统 |
CN113408915B (zh) * | 2021-06-25 | 2023-02-28 | 中国科学院重庆绿色智能技术研究院 | 生产线瓶颈识别方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809307A (zh) | 一种基于物联技术的离散生产线瓶颈检测方法 | |
Liang et al. | Cyber Physical System and Big Data enabled energy efficient machining optimisation | |
CN109978293A (zh) | 一种多任务智能排班方法、装置、设备和存储介质 | |
JP2014532230A5 (zh) | ||
CN102929219A (zh) | 基于云计算的生产监控和智能调度决策系统 | |
Wang et al. | Single-machine due date assignment problem with deteriorating jobs and resource-dependent processing times | |
CN104881753A (zh) | 一种企业内部经济管理成本控制系统 | |
CN107273587B (zh) | 一种用于实验室工程建设的进度监控方法 | |
WO2013150405A1 (en) | Smoothing power output from a wind farm | |
CN111222653A (zh) | 结合物联网实现的高空作业设备保养计划智能制定方法及系统 | |
WO2021007845A1 (zh) | 一种氧化铝生产指标的云-边协同预报系统及方法 | |
CN103488169B (zh) | 连续型化工装置及其控制回路性能实时评价方法、装置 | |
CN109634238A (zh) | 一种数控机床加工过程质量-能量效率评估与监控方法 | |
CN112418548B (zh) | 一种基于人工智能技术的智能车间管理方法和系统 | |
CN206209865U (zh) | 自动计算工资的智能终端 | |
CN101763100A (zh) | 一种基于双进度因子的生产优化系统及其优化方法 | |
CN103985061A (zh) | 基于熵值法的电力企业资产效率综合评价方法 | |
Stich et al. | Energy-efficiency concept for the manufacturing industry | |
CN109426918A (zh) | 一种基于工时数据进行车间生产加工排产的方法 | |
CN103473638A (zh) | 一种网络化外协加工质量信息实时管控方法 | |
CN112783131A (zh) | 一种基于大数据的智慧工地物联网系统 | |
CN103078319B (zh) | 电网的实时计划平衡能力评价方法及系统 | |
Nienke et al. | Introducing an Information Logistics Approach to Support the Development of Future Energy Grid Management. | |
CN104008468A (zh) | 一种基于物联网的游艇管理系统 | |
Rajenthirakumar et al. | Measuring the impact of lean tools in a printing machinery manufacturing company |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination |