CN105809307A - 一种基于物联技术的离散生产线瓶颈检测方法 - Google Patents

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

一种基于物联技术的离散生产线瓶颈检测方法

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p_i的某个进度参数为x_i(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p_i上的发生次数累加就可得到x_i(t)，即x_i(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)…x_n(t)]；

(4)部件的检修数量为l_i，对应向量为L；

计划内检修数量为对应向量为L^P；

计划外检修数量为对应向量为L^N；

日计划检修数量为z_i，对应向量为Ζ；

工序的任务量为qi＝l_i·θ_i，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l_i分别通过对事件E₇,E₈,E₉的累加计数直接获得，并且L(t)＝L^P(t)+L^N(t)；

日计划检修数量(z_i)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q_i根据部件检修总量l_i和工作量系数θ_i计算得到，θ_i用来定义p_i的工作量系数；

(5)工序p_i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l_i的构成，表示为工序生产率，即为w_i。

进一步特征为步骤三包括如下步骤：

瓶颈工时ct＝max(τ_i),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τ_i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p_i的某个进度参数为x_i(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p_i上的发生次数累加就可得到x_i(t)，即x_i(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)…x_n(t)]；

(4)部件的检修数量为l_i，对应向量为L；

计划内检修数量为对应向量为L^P；

计划外检修数量为对应向量为L^N；

日计划检修数量为z_i，对应向量为Ζ；

工序的任务量为q_i＝l_i·θ_i，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l_i分别通过对事件E₇,E₈,E₉的累加计数直接获得，并且L(t)＝L^P(t)+L^N(t)；

日计划检修数量(z_i)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q_i根据部件检修总量l_i和工作量系数θ_i计算得到，θ_i用来定义p_i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p_i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l_i的构成，表示为工序生产率，即为w_i。

其中，步骤三包括如下步骤：

瓶颈工时ct＝max(τ_i),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τ_i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p_i的某个进度参数为x_i(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p_i上的发生次数累加就可得到x_i(t)，即x_i(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)…x_n(t)]；

(4)部件的检修数量为l_i，对应向量为L；

计划内检修数量为对应向量为L^P；

计划外检修数量为对应向量为L^N；

日计划检修数量为z_i，对应向量为Ζ；

工序的任务量为q_i＝l_i·θ_i，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l_i分别通过对事件E₇,E₈,E₉的累加计数直接获得，并且L(t)＝L^P(t)+L^N(t)；

日计划检修数量(z_i)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q_i根据部件检修总量l_i和工作量系数θ_i计算得到，θ_i用来定义p_i的工作量系数；

(5)工序p_i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w_i。

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(τ_i),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τ_i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。