CN112561173A - 一种快速提升焊装线产能的优化方法 - Google Patents
一种快速提升焊装线产能的优化方法 Download PDFInfo
- Publication number
- CN112561173A CN112561173A CN202011503155.9A CN202011503155A CN112561173A CN 112561173 A CN112561173 A CN 112561173A CN 202011503155 A CN202011503155 A CN 202011503155A CN 112561173 A CN112561173 A CN 112561173A
- Authority
- CN
- China
- Prior art keywords
- time
- line
- line body
- production
- productivity
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 238000003466 welding Methods 0.000 title claims abstract description 15
- 239000013072 incoming material Substances 0.000 claims abstract description 18
- 230000000903 blocking effect Effects 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 125000004122 cyclic group Chemical group 0.000 abstract 1
- 230000006872 improvement Effects 0.000 description 19
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种快速提升焊装线产能的优化方法,包括以下步骤:将焊装线线体停线作为影响线体产能的主要因素;实时监测线体的状态,采集每个工位的等待来料时间a、线体堵塞时间b、线体故障时间c、线体循环生产时间d,将这些状态时长均转化为JPH值,并以报表形式集中体现;将上述a、b、c和线体循环生产时间d之和与理论的节拍值进行对比,判定当前线体是否能够满足理论产能;在判定当前线体能够满足理论产能的前提下,将影响线体的时间a、b和c按照设定时间段内各工位发生的总时长进行分类统计,据此梳理出影响线体产能的关键因素。本发明给出了产能提升的明确方向,为解决产能提升提供数据支撑。
Description
技术领域
本发明涉及一种快速提升焊装线产能的优化方法。
背景技术
产能提升是每个企业生产线体产能升级面临的一个重要问题,现有产能提升的主要方案有,延长线体的生产时间、增加线体内工艺设备数量、提升线体设备性能和复制生产线,这些方式往往需要投入较大的人力成本和固定资产来满足产能提升。
当前产能提升方法,首先,分析人员到生产线拍摄视频和秒表记录来计算线体的每个工位的实际节拍;其次,通过工位节拍平衡墙分析法;最后,确定瓶颈工位及数量;确定瓶颈工位后,结合该工位视频,再进一步分析每步工序动作时间,梳理出制约瓶颈工位的关键因素。
现有技术是通过视频和秒表的形式来计算线体工位的实际生产时间。往往忽视了线体非生产时间对产能的影响,对于非生产的影响,一般情况下,生产班组人员发现线体停线后或被告知线体停线后,才开始着手处理和记录停线时间,不能实时记录线体的状态。
生产班组记录的非生产时间数据涉及的设备种类繁多,需要经验丰富的人员来进行分析,耗时长且不能快速高效的找出制约产能提升关键因素。
发明内容
本发明的目的在于提供一种快速提升线体产能的优化方法,其能够快速分析出线体的非生产时间,并按照影响大小的进行排序,为解决产能提升提供数据支撑。
为此,本发明提供了一种快速提升焊装线产能的优化方法,包括以下步骤:将焊装线线体停线作为影响线体产能的主要因素,该线体停线包括线体堵塞、线体等待来料和设备故障;实时监测线体的状态,采集每个工位的等待来料时间a、线体堵塞时间b、线体故障时间c、线体循环生产时间d,将这些状态时长均转化为JPH值,并以报表形式集中体现;将上述等待来料时间a、线体堵塞时间b、线体故障时间c和线体循环生产时间d之和与理论的节拍值e进行对比,若所有工位中的某一个工位a+b+c+d<e,则判定当前线体不能满足理论产能,若所有工位a+b+c+d≥e,则判定当前线体能够满足理论产能;在判定当前线体能够满足理论产能的前提下,将影响线体的等待来料时间a、线体堵塞时间b、线体故障时间c按照设定时间段内各工位发生的总时长进行分类统计,据此梳理出影响线体产能的关键因素。
与现有技术相比,本发明可以通过监测线体的状态,结合线体状态与理论值进行对比,来确认产能提升的方向,明确是通过增加设备数量或减少线体非生产时间来解决产能提升问题,为解决产能提升提供数据支撑。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明的快速提升线体产能的优化方法的流程图;
图2是根据本发明所使用的线体产能的总关系图;
图3是根据本发明的影响线体产能的主要因素的关系图;以及
图4是根据本发明的影响线体产能的各工位的主要因素的报表。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。
本发明提供一种快速提升线体产能的优化方法,并且快速找到限制线体产能提升的因素,并将线体采集的非生产数据折合为JPH值,转化为报表,提供给分析人员,找出制约产能提升的关键点,有效指导产能提升工作。
本发明是应用于线体产能提升中,目的在于克服现有技术缺陷,提供一种快速提升焊装线产能的优化方法,如图1所示,包括以下步骤S11-S14。
S11、将焊装线线体停线作为影响线体产能的主要因素,该线体停线包括线体堵塞、线体等待来料和设备故障。
S12、实时监测线体的状态,采集每个工位的等待来料时间a、线体堵塞时间b、线体故障时间c、线体循环生产时间d,将这些状态时长均转化为JPH值,并以报表形式集中体现。
S13、将上述等待来料时间a、线体堵塞时间b、线体故障时间c和线体循环生产时间d之和与理论的节拍值e进行对比,若所有工位中的某一个工位a+b+c+d<e,则判定当前线体不能满足理论产能,若所有工位a+b+c+d≥e,则判定当前线体能够满足理论产能。
S14、在判定当前线体能够满足理论产能的前提下,将影响线体的等待来料时间a、线体堵塞时间b、线体故障时间c按照设定时间段内各工位发生的总时长进行分类统计,据此梳理出影响线体产能的关键因素。
本发明通过监测线体的状态,结合线体状态与理论值进行对比,来确认产能提升的方向,明确是通过增加设备数量或减少线体非生产时间来解决产能提升问题。
下面对本发明的上述优化方法进行举例说明。
参见图2,线体生产时间=计划生产时间+计划停线时间;计划生产时间=线体运行时间+线体停线时间;线体运行时间=实际线体运行时间+设备性能开动损失时间;实际线体运行时间=实际产能+质量损失时间;影响线体产能的主要因素为设备停线时间、设备性能开动损失时间和质量损失时间,其中线体停线时间是其中主要因素。
参见图3,线体停线时间主要为线体堵塞、线体等待来料和设备故障停线,线体堵塞的定义为某板件在该工位内,一个循环节拍后没有离开该工位,等待来料的定义为某上件口,一个循环节拍后没有感应到板件到位信号;线体故障的定义为线体内设备信号丢失,或设备运行停止时间大于1个循环节拍。
参见图4,通过实时监测线体的状态,并记录每个工位的停线时间,并将线体的状态时长转换为JPH值,以报表的形式体现;JPH为1个小时内生产产品数量。
采集线体每个工位的等待来料时间a,线体堵塞时间b,线体故障时间c和线体循环生产时间d,转化为JPH,并求这4个值之和,与理论的节拍值e进行对比。若某个工位a+b+c+d<e,说明将停线时间所产生的节拍之和都不能达到线体的理论产能,需要考虑增加设备数量和提升设备性能来满足产能提升的要求,若某个工位a+b+c+d≥e,说明线体产能是在减少线体的非生产时间后,是可以达到预期产能的。
将影响线体的a,b,c时间按照设定时间段(例如1天或1个月)内的总时长(总时长=时长×频次)进行分类统计,按照大小先后顺序进行排列,梳理出影响线体产能的关键因素,例如该关键因素为某工位的等待来料、某工位的线体堵塞、和/或某工位的设备故障。
通过削减上述关键因素,达到提升产能的目的。例如计算线体所有工位的等待来料时间a、线体堵塞时间b和线体故障时间c的总时长的平均值,将各工位的等待来料时间a、线体堵塞时间b和线体故障时间c中超出各自平均值的项作为影响线体产能的关键因素加以削减。
根据本发明的快速提升线体产能的优化方法不仅可以在线体控制系统中实施,也可以集成在外部的电子设备中,该电子设备可以是服务器,也可以是终端等设备。
其中,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、网络加速服务(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接。
本计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等,其存储有快速提升线体产能的优化程序,该程序在执行时用于实现上述快速提升线体产能的优化方法的步骤。
本发明能够取代人工现场数据采集,减少了数据人工采集时间,提升了工作效率。本发明通过快速分析出线体的非生产时间,并按照影响大小的进行排序,为解决产能提升提供数据支撑。
另外,本发明提供的数据具有实时性和准确性,同时可以根据客户需要提供各类形式的报表,提供给管理者进行决策。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (5)
1.一种快速提升焊装线产能的优化方法,其特征在于,包括以下步骤:
将焊装线线体停线作为影响线体产能的主要因素,该线体停线包括线体堵塞、线体等待来料和设备故障;
实时监测线体的状态,采集每个工位的等待来料时间a、线体堵塞时间b、线体故障时间c、线体循环生产时间d,将这些状态时长均转化为JPH值,并以报表形式集中体现;
将上述等待来料时间a、线体堵塞时间b、线体故障时间c和线体循环生产时间d之和与理论的节拍值e进行对比,若所有工位中的某一个工位a+b+c+d<e,则判定当前线体不能满足理论产能,若所有工位a+b+c+d≥e,则判定当前线体能够满足理论产能;以及
在判定当前线体能够满足理论产能的前提下,将影响线体的等待来料时间a、线体堵塞时间b、线体故障时间c按照设定时间段内各工位发生的总时长进行分类统计,据此梳理出影响线体产能的关键因素。
2.根据权利要求1所述的快速提升焊装线产能的优化方法,其特征在于,若所有工位中的某一个工位a+b+c+d<e,判定当前线体不能满足理论产能,则通过增加设备数量和/或提升设备性能来满足产能提升的要求。
3.根据权利要求1所述的快速提升焊装线产能的优化方法,其特征在于,所述总时长=时长×频次。
4.根据权利要求1所述的快速提升焊装线产能的优化方法,其特征在于,所述线体堵塞定义为某板件在某工位内、一个循环节拍后没有离开该工位;所述等待来料定义为某上件口、一个循环节拍后没有感应到板件到位信号;所述线体故障定义为线体内设备信号丢失或者设备运行停止时间大于1个循环节拍。
5.根据权利要求1所述的快速提升焊装线产能的优化方法,其特征在于,计算线体所有工位的等待来料时间a、线体堵塞时间b和线体故障时间c的总时长的平均值,将各工位的等待来料时间a、线体堵塞时间b和线体故障时间c中超出各自平均值的项作为影响线体产能的关键因素并加以削减。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011503155.9A CN112561173A (zh) | 2020-12-18 | 2020-12-18 | 一种快速提升焊装线产能的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011503155.9A CN112561173A (zh) | 2020-12-18 | 2020-12-18 | 一种快速提升焊装线产能的优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112561173A true CN112561173A (zh) | 2021-03-26 |
Family
ID=75063553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011503155.9A Pending CN112561173A (zh) | 2020-12-18 | 2020-12-18 | 一种快速提升焊装线产能的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561173A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554292A (zh) * | 2021-07-14 | 2021-10-26 | 安徽巨一科技股份有限公司 | 一种循环节拍规划的方法和数字化平台 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049801A (zh) * | 2012-12-20 | 2013-04-17 | 四川长虹电器股份有限公司 | 生产线布局优化设计方法 |
CN103745273A (zh) * | 2014-01-06 | 2014-04-23 | 北京化工大学 | 一种半导体制造过程的多性能预测方法 |
WO2016169287A1 (zh) * | 2015-04-20 | 2016-10-27 | 海安县申菱电器制造有限公司 | 一种混流生产线产能分配方法 |
CN106444675A (zh) * | 2016-10-20 | 2017-02-22 | 中山领创网络科技有限公司 | 一种网络化流水生产线计时生产系统 |
CN107305601A (zh) * | 2016-04-21 | 2017-10-31 | 中国石油天然气股份有限公司 | 一种抽油机井系统效率因素分析方法 |
CN111240286A (zh) * | 2020-01-19 | 2020-06-05 | 珠海格力电器股份有限公司 | 一种基于减少停线原因误判的系统及方法 |
CN111665796A (zh) * | 2020-05-08 | 2020-09-15 | 上海市公安局出入境管理局 | 制证车间的环境参数调节方法、装置 |
-
2020
- 2020-12-18 CN CN202011503155.9A patent/CN112561173A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049801A (zh) * | 2012-12-20 | 2013-04-17 | 四川长虹电器股份有限公司 | 生产线布局优化设计方法 |
CN103745273A (zh) * | 2014-01-06 | 2014-04-23 | 北京化工大学 | 一种半导体制造过程的多性能预测方法 |
WO2016169287A1 (zh) * | 2015-04-20 | 2016-10-27 | 海安县申菱电器制造有限公司 | 一种混流生产线产能分配方法 |
CN107305601A (zh) * | 2016-04-21 | 2017-10-31 | 中国石油天然气股份有限公司 | 一种抽油机井系统效率因素分析方法 |
CN106444675A (zh) * | 2016-10-20 | 2017-02-22 | 中山领创网络科技有限公司 | 一种网络化流水生产线计时生产系统 |
CN111240286A (zh) * | 2020-01-19 | 2020-06-05 | 珠海格力电器股份有限公司 | 一种基于减少停线原因误判的系统及方法 |
CN111665796A (zh) * | 2020-05-08 | 2020-09-15 | 上海市公安局出入境管理局 | 制证车间的环境参数调节方法、装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554292A (zh) * | 2021-07-14 | 2021-10-26 | 安徽巨一科技股份有限公司 | 一种循环节拍规划的方法和数字化平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107943809B (zh) | 数据质量监控方法、装置及大数据计算平台 | |
US10686681B2 (en) | Systems and methods for measuring effective customer impact of network problems in real-time using streaming analytics | |
US10116165B2 (en) | Powergrid operation and supervision system | |
EP4020315A1 (en) | Method, apparatus and system for determining label | |
CN107809331A (zh) | 识别异常流量的方法和装置 | |
US20230369854A1 (en) | Method and apparatus for checking power grid measurement data, device, storagemedium and program product | |
CN112529204A (zh) | 模型训练方法、装置及系统 | |
CN112307003B (zh) | 电网数据多维辅助分析方法、系统、终端及可读存储介质 | |
CN114267178B (zh) | 一种车站的智能运营维护方法及装置 | |
CN111984495A (zh) | 一种大数据监控方法、装置和存储介质 | |
CN114666224A (zh) | 业务资源容量动态分配方法、装置、设备及存储介质 | |
CN113656245A (zh) | 数据的巡检方法、装置、存储介质及处理器 | |
CN112561173A (zh) | 一种快速提升焊装线产能的优化方法 | |
CN111800807A (zh) | 一种基站用户数量告警的方法及装置 | |
CN110647086B (zh) | 一种基于运行大数据分析的智能运维监控系统 | |
CN110262955B (zh) | 基于pinpoint的应用性能监控工具 | |
CN111090585A (zh) | 一种基于众测过程的众测任务关闭时间自动预测方法 | |
CN115422195A (zh) | 一种网络资产管理方法、装置、设备、存储介质 | |
CN114356712A (zh) | 数据处理方法、装置、设备、可读存储介质及程序产品 | |
CN112579391A (zh) | 一种基于人工智能的分布式数据库自动运维方法及系统 | |
CN112085412A (zh) | 一种资源优化分配系统及分配方法 | |
CN109697602A (zh) | 一种用于规费征稽的数据处理系统 | |
CN110555625B (zh) | 一种信息处理方法、装置、计算机设备及存储介质 | |
CN117933849B (zh) | 基于区块链技术的物流供应链智能合约管理系统 | |
Santos et al. | Modeling and Validating Time, Buffering, and Utilization of a Large-Scale, Real-Time Data Acquisition System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210326 |
|
RJ01 | Rejection of invention patent application after publication |