CN117132005A - 高度离散、高度柔性下的大排量摩托车低成本制造系统 - Google Patents
高度离散、高度柔性下的大排量摩托车低成本制造系统 Download PDFInfo
- Publication number
- CN117132005A CN117132005A CN202311405321.5A CN202311405321A CN117132005A CN 117132005 A CN117132005 A CN 117132005A CN 202311405321 A CN202311405321 A CN 202311405321A CN 117132005 A CN117132005 A CN 117132005A
- Authority
- CN
- China
- Prior art keywords
- module
- motorcycle
- pulling
- motorcycles
- model
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 148
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 30
- 239000006185 dispersion Substances 0.000 title description 10
- 238000000034 method Methods 0.000 claims abstract description 204
- 230000008569 process Effects 0.000 claims abstract description 150
- 230000002159 abnormal effect Effects 0.000 claims abstract description 42
- 230000004044 response Effects 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000003860 storage Methods 0.000 claims description 25
- 239000000463 material Substances 0.000 claims description 23
- 238000011144 upstream manufacturing Methods 0.000 claims description 20
- 238000009792 diffusion process Methods 0.000 claims description 16
- 230000004048 modification Effects 0.000 claims description 14
- 238000012986 modification Methods 0.000 claims description 14
- 238000012384 transportation and delivery Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 238000011143 downstream manufacturing Methods 0.000 claims description 10
- 239000013589 supplement Substances 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 9
- 230000000712 assembly Effects 0.000 claims description 8
- 238000000429 assembly Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 2
- 239000000047 product Substances 0.000 description 17
- 239000002994 raw material Substances 0.000 description 10
- 239000011248 coating agent Substances 0.000 description 8
- 238000000576 coating method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 238000003754 machining Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000012261 overproduction Methods 0.000 description 4
- 230000001932 seasonal effect Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000003466 welding Methods 0.000 description 4
- 238000005507 spraying Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 206010017472 Fumbling Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000013070 change management Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的高度离散、高度柔性下的大排量摩托车低成本制造系统,包括:预测模块、排程模块、拉动模块、协同模块、异常响应模块和质量检测模块。预测模块对不同车型摩托车进行需求预测;排程模块根据预计需求量生成整车作业计划和工序排程计划;拉动模块生成工序拉动模型,并确定执行工序拉动模型中的任一道工序的设备;协同模块根据整车作业计划和工序拉动模型生成协同信息,并将协同信息发送至协同终端;异常响应模块对发生异常的模块进行修正,并对其余模块联动修改;质量检测模块检测到组件不符合工艺要求时发送异常信息至异常响应模块。本申请提供的系统能够以较低的生产成本满足个性定制、小批量、多品种的大排量摩托车生产制造需求。
Description
技术领域
本申请涉及大排量摩托车生产制造技术领域,尤其涉及一种高度离散、高度柔性下的大排量摩托车低成本制造系统。
背景技术
对于摩托车制造,大致包括焊接、涂装、整车总装三大工段,对于有特殊能力的工厂,还会具备对发动机部件加工以及整机装配,因此,生产过程高度离散,工序约有400~600道。针对车架焊接、涂装喷涂、机加工、发动机装配、整车装配等复杂性生产过程的场景,需涉及到车架焊接线,涂装工厂塑件涂装全自动综合线,机加工工厂箱体缸盖加工线,发动机工厂装配线,大排量摩托车工厂总装装配线等复杂应用场景。
由于摩托车生产工序复杂,因此,传统的摩托车制造方式仅适用于大规模的标准制造。如果要从传统的大规模标准制造离散转型到柔性化个性化的大规模单台定制模式,会增加很高的制造成本,包括:WIP(Work In Progress,车间生产管理)在制品偏高、零部件库存积压、变更管理和异常响应滞后(积压物料)、特殊工艺和质量控制要求无法在线、实时监控及处置(下线返工、不良成品积压)、原材料库严重呆滞(个性化定制和法规件等专用件无法通用)、成品库存无法及时发运到客户、成品库爆仓和仓储成本增加等等方面,要持续不断在摸索中一步步的进行改善和优化,甚至是新旧设备的替换以及系统更新换代,这些过程的投入会非常大。
因此,有必要提供一种技术方案,解决相关技术中存在的在面对个性定制、小批量、多品种的大排量摩托车需求时生产成本较高的问题。
发明内容
本申请的目的在于,提供一种技术方案,解决相关技术中存在的在面对个性定制、小批量、多品种的大排量摩托车需求时生产成本较高的问题。
基于以上问题,本申请提供一种高度离散、高度柔性下的大排量摩托车低成本制造系统,系统包括:预测模块、排程模块、拉动模块、协同模块、异常响应模块以及质量检测模块。
预测模块用于对不同车型的摩托车进行需求预测,预测模块根据某一车型的摩托车的特征属性进行需求预测获得车型的摩托车在时间值域内的预计需求量,其中特征属性至少包括第一属性和第二属性;排程模块与预测模块通讯连接,排程模块用于根据不同车型的摩托车的预计需求量生成各个车型的摩托车的整车作业计划和每种车型摩托车的工序排程计划;拉动模块与排程模块通讯连接,在排程模块生成工序排程计划后,拉动模块按照工序排程计划调整各道工序的上下游关系以生成工序拉动模型,并将工序拉动模型映射到生产线以确定执行工序拉动模型中的任一道工序的设备;协同模块与拉动模块通讯连接,在拉动模块生成工序拉动模型之后,协同模块根据整车作业计划和工序拉动模型生成协同信息,并将协同信息发送至协同终端,协同信息包括库存补充计划,协同终端在接收到拉动模块发送的协同信息后,根据协同信息补充库存;异常响应模块用于当预测模块、排程模块、拉动模块和协同模块中的任一个出现异常时对发生异常的模块进行修正,并判断其余模块是否进行联动修改,当判断需要联动修改,异常响应模块发送指令至对应的需要联动修改的模块,以触发模块进行联动修改;质量检测模块用于识别生产线生产的摩托车组件所属的摩托车车型,并根据车型查找工艺信息,工艺信息包括车型的摩托车的至少部分组件的工艺要求,在组件经历某一指定工序后,质量检测模块检测组件是否符合工艺要求,若不符合工艺要求,质量检测模块发送异常信息至异常响应模块,以触发异常响应模块修改以下模块中的至少一个:预测模块、排程模块、拉动模块和协同模块。
进一步的,预测模块根据摩托车的时间特征选择预测模型对摩托车在时间值域内的需求量进行预测,预测模型包括巴斯扩散模型和时间序列模型;
当摩托车的时间特征大于第一时间阈值时,预测模块选择时间序列模型,并基于第一属性对摩托车的订单量进行预测,以获得预计需求量,第一属性包括摩托车的销售数据;
当摩托车的时间特征小于第二时间阈值时,预测模块选择巴斯扩散模型,并基于第二属性对摩托车的需求量进行预测,以获得预计需求量,第二属性包括摩托车的竞品销售数据,第二时间阈值小于第一时间阈值;
当摩托车的时间特征大于或等于第二时间阈值,且小于或等于第一时间阈值时,预测模块基于第一属性,分别利用巴斯扩散模型和时间序列模型对摩托车的需求量进行预测,并将两个模型的需求量预测结果的平均值作为最终的预计需求量。
进一步的,预测模块还对预测模型加入影响因子,以对预测模型进行调整,影响因子包括以下影响中的一种或多种:原始因子、时间因子以及环境因子。
进一步的,排程模块按照摩托车交期的先后顺序和产线产能生成整车作业计划,整车作业计划包括不同车型的摩托车的计划生产批次;
系统还包括存储模块,存储模块存储有各个车型的摩托车的工艺路径清单,工艺路径清单包括摩托车组件的工艺信息;
排程模块解析工艺路径清单,统计各个车型的摩托车中具有相同制造工艺的组件,在进行工序排程时,将相同或相邻批次的摩托车中具有相同制造工艺的组件在同一工序中进行生产,从而生成工序排程计划。
进一步的,拉动模块还用于生成拉动信号,拉动模块还用于监控工序间存储区的组件数量,对于任意相邻的两道工序,当下游工序从工序间存储区拿取组件后,拉动模块向上游工序传递拉动信号,以触发上游工序制造组件,上游工序将制造的组件补充入工序间存储区;
拉动模块根据工序排程计划设置在预设时间内的拉动信号生成次数。
进一步的,拉动模块还用于控制生产线换型,在生产线按照整车作业计划完成一种车型摩托车的生产后,拉动模块调整工序拉动模型或控制生产线上执行任一道工序的设备换装换夹具。
进一步的,协同模块用于生成协同信息,协同信息包括库存补充计划,库存补充计划包括补货周期、补货种类、每次补货的数量以及补货次数;
协同模块根据整车作业计划获得制造不同车型摩托车的物料总需求量,并统计工序拉动模型中各道工序的加工用时获得各个车型摩托车的物料的消耗速度,协同模块根据消耗速度设置补货周期、补货种类以及每次补货的数量,并根据物料总需求量设置补货次数。
进一步的,排程模块还根据客户实际订单制定整车作业计划和工序排程计划;
当客户的实际订单发生变动时,异常响应模块控制排程模块重新制定整车作业计划和工序排程计划,并控制拉动模块和协同模块联动修改。
进一步的,系统还包括存储模块,存储模块存储有任一车型的摩托车的工艺路径清单,工艺路径清单包括摩托车组件的工艺信息;
工艺路径清单包括可拆解和下发至对应工位的标准动作,在工位上根据标准动作可以完成对应的工序。
进一步的,系统还包括控制模块,控制模块用于针对任一车型的摩托车设置工艺要求。
综上,本申请实施例提供的高度离散、高度柔性下的大排量摩托车低成本制造系统通过预测模块、排程模块、拉动模块、协同模块、异常响应模块和制造执行模块的协作,以较低的生产成本满足个性定制、小批量、多品种的大排量摩托车生产制造需求。
附图说明
图1为本申请第一种实施例提供的高度离散、高度柔性下的大排量摩托车低成本制造系统示意图;
图2为本申请实施例提供的预测流程示意图;
图3为本申请第二种实施例提供的高度离散、高度柔性下的大排量摩托车低成本制造系统示意图;
图4为本申请实施例提供的协同模块架构示意图;
图5为本申请第三种实施例提供的高度离散、高度柔性下的大排量摩托车低成本制造系统示意图。
具体实施方式
以下将结合附图所示的具体实施方式对本申请进行详细描述,但这些实施方式并不限制本申请,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本申请的保护范围内。
如图1所示,本申请实施例提供一种高度离散、高度柔性下的大排量摩托车低成本制造系统100,包括预测模块11、排程模块12、拉动模块13、协同模块14、异常响应模块15和质量检测模块16。
其中,预测模块11用于对不同车型的摩托车进行需求预测,预测模块11根据某一车型的摩托车的特征属性进行需求预测获得车型的摩托车在时间值域内的预计需求量,其中特征属性至少包括第一属性和第二属性;
排程模块12与预测模块11通讯连接,排程模块12用于根据不同车型的摩托车的预计需求量生成各个车型的摩托车的整车作业计划和每种车型摩托车的工序排程计划;
拉动模块13与排程模块12通讯连接,在排程模块12生成工序排程计划后,拉动模块13按照工序排程计划调整各道工序的上下游关系以生成工序拉动模型,并将工序拉动模型映射到生产线以确定执行工序拉动模型中的任一道工序的设备;
协同模块14与拉动模块13通讯连接,在拉动模块13生成工序拉动模型之后,协同模块14根据整车作业计划和工序拉动模型生成协同信息,并将协同信息发送至协同终端,协同信息包括库存补充计划,协同终端在接收到拉动模块13发送的协同信息后,根据协同信息补充库存;
异常响应模块15用于当预测模块11、排程模块12、拉动模块13和协同模块14中的任一个出现异常时对发生异常的模块进行修正,并判断其余模块是否进行联动修改,当判断需要联动修改,异常响应模块15发送指令至对应的需要联动修改的模块,以触发模块进行联动修改;
质量检测模块16用于识别生产线生产的摩托车组件所属的摩托车车型,并根据车型查找工艺信息,工艺信息包括车型的摩托车的至少部分组件的工艺要求,在组件经历某一指定工序后,质量检测模块16检测组件是否符合工艺要求,若不符合工艺要求,质量检测模块16发送异常信息至异常响应模块15,以触发异常响应模块15修改以下模块中的至少一个:预测模块11、排程模块12、拉动模块13和协同模块14。
根据以上说明,本申请实施例提供的高度离散、高度柔性下的大排量摩托车低成本制造系统100通过预测模块11、排程模块12、拉动模块13、协同模块14、异常响应模块15和质量检测模块16的协作,以较低的生产成本满足个性定制、小批量、多品种的客户订单需求。具体的,预测模块11可以预测已在销售的车型的摩托车预计需求量,也可以是计划推出的新车型的摩托车预计需求量。并且,对于同一系列的摩托车,按照定制配件的不同,目标销售地区的政策的不同,可以衍生出不同的新车型,预测模块11可以对各个车型的摩托车的需求量进行预测,进而实现对个性定制的、小批量、多品种的客户订单需求的预测。本申请通过精准预测不同车型的摩托车的需求量,可以做到提前进行计划生产,缩短交期。并且,进行精准的需求量预测,按照需求量预测计划生产,可以避免过量生产,进而可以避免库存积压,降低企业的生产成本。
在预测模块11完成不同车型摩托车的需求量预测后,排程模块12可以根据预计需求量,在满足交期的前提下,以存货最少、换装换夹最少、产能利用率最大、人员效率最高、成品发运库存在库时长最少为目标制定整车作业计划和工序排程计划。
整车作业计划可以包括不同车型摩托车的生产数量、生产批次、计划交期等。根据产线的产能限制、各个车型摩托车的计划生产数量和计划交期等条件,排程模块12在制定整车作业计划时,可以将相同车型的摩托车分批次进行生产。工序排程计划包括对摩托车生产过程中如车架焊接、涂装喷涂、机加工、发动机装配、整车装配等工序的合理安排和调度,以确保生产流程的高效性和顺畅性。工序排程计划涉及到确定多道工序之间的串并行关系以及每道工序的开始时间、结束时间、持续时间以及资源分配等方面。排程模块12在进行工序排程时,需要分析生产每种车型摩托车所需的工艺信息,按照工艺信息制定工序排程计划,才能使按照工序排程计划生产出的各个车型的摩托车能够符合个性定制的客户订单需求。并且,通过合理制定工序排程计划,能够提高生产线的设备利用率,使产能利用率最大化,减少换装换夹次数,从而可以缩减进行个性定制、小批量、多品种的摩托车生产时的时间成本。此外,减少换装换夹次数可以延长加工设备的使用寿命,从而降低生产成本。以涂装喷涂工序为例,减少换装换夹次数可以减少涂料的更换次数,进而可以延长喷枪的使用寿命,降低生产成本。
拉动模块13可以按照工序排程计划调整各道工序间的上下游关系以生成工序拉动模型,并确定执行工序拉动模型中任一道工序的设备,从而拉动模块13可以根据下游工序的需求拉动上游工序,实现拉动式生产。拉动式生产是一种按需生产方式,本申请通过预测模块11进行精准的需求量预测,并以排程模块12制定工序排程计划,拉动模块13可以按照工序排程计划并依据预先设定的拉动信号实现下游工序拉动上游工序生产,这种根据下游工序的需求拉动上游工序的生产方式,从而可以避免过量生产,减少浪费。
通过协同模块14可以使本申请提供的系统与供应商建立紧密的协作关系。协同模块14向协同终端发送协同信息,供应商可以通过协同终端接收协同信息。当供应商在接收到协同信息后,可以提前安排生产以避免缺货。并且,根据整车作业计划和工序拉动模型生成的协同信息中包括库存补充计划,库存补充计划中可以设置要求到货时间。将要求到货时间设置为接近工序实行的时间,例如,可以将工序拉动模型中工序的实行时间加上一预设时间获得要求到货时间,在原材料抵达后仅需等待较短的时间即可被使用,通过这种方式,可以减少原材料库存,提高在制物料周转率,减少资源浪费。
本申请实施例提供的系统中,还通过异常响应模块15对以上预测模块11、排程模块12、拉动模块13以及协同模块14进行监控,当任一模块出现异常时,异常响应模块15可以做到及时叫停相关的生产计划,并控制各个模块进行联动调整,做到及时止损,及时修正,使得生产出来的摩托车可以符合个性定制、小批量、多品种的客户订单需求。
本申请实施例提供的系统中,还通过质量检测模块16对组件的质量进行检测,当出现不合要求的组件时触发异常响应模块15对各个模块进行调整,以确保产品质量,并确保生产出的组件符合个性定制车型的摩托车的工艺要求。
根据以上说明,本申请实施例提供的高度离散、高度柔性下的大排量摩托车低成本制造系统100在预测模块11对摩托车的需求量进行精准预测后,排程模块12根据预测需求量制定整车作业计划和工序排程计划,拉动模块13按照工序排程计划调整各道工序间的上下游关系以生成工序拉动模型,根据下游工序的需求拉动上游工序,实现拉动式生产,从而在面对个性定制、小批量、多品种的客户订单需求时可以避免生产过剩,减少浪费,从而降低生产成本。并且,本申请提供的系统通过协同模块14与供应商建立紧密的协作关系,协同模块14根据整车作业计划和工序拉动模型生成的协同信息,确保生产线不会因缺货而停产,并设置要求到货时间以减少原材料的在库时间,从而可以提高在制物料周转率,减少资源浪费。通过质量检测模块16进行质量检测,尤其是对个性化定制的组件的质量进行检测,以确保产品质量,并确保生产出的组件符合个性定制车型的摩托车的工艺要求。并且,还通过异常响应模块15应对生产过程中的意外状况,自动进行快速决策,实现快速调整。本申请实施例提供的系统通过预测模块11、排程模块12、拉动模块13、协同模块14、异常响应模块15和质量检测模块16的协作,以较低的生产成本满足个性定制、小批量、多品种的客户订单需求。
如图2所示,其示出了本申请实施例提供的预测流程示意图。预测模块11根据摩托车的时间特征选择预测模型对摩托车在时间值域内的需求量进行预测,预测模型包括巴斯扩散模型和时间序列模型。预测流程包括以下步骤:
步骤S21、判断摩托车的时间特征是否大于第一时间阈值,若是则进入步骤S22,否则进入步骤S23。
步骤S22、预测模块11选择时间序列模型,并基于第一属性对摩托车的需求量进行预测,以获得预计需求量,第一属性包括摩托车的销售数据。
步骤S23、判断摩托车的时间特征是否小于第二时间阈值,若是则进入步骤S24,否则进入步骤S25和步骤S26。
步骤S24、预测模块11选择巴斯扩散模型,并基于第二属性对摩托车的需求量进行预测,以获得预计需求量。第二属性包括摩托车的竞品销售数据,第二时间阈值小于第一时间阈值。
步骤S25、预测模块11基于第一属性,利用巴斯扩散模型对摩托车的需求量进行预测,获得巴斯扩散模型需求量预测结果。
步骤S26、预测模块11基于第一属性,利用时间序列模型对摩托车的需求量进行预测,获得时间序列模型需求量预测结果。
步骤S27、将步骤S25和步骤S26中获得的两个模型的需求量预测结果作均值处理,以平均值作为最终的预计需求量。
根据以上说明,本申请实施例提供的系统可以记录任一款车型的摩托车的历史订单数据,根据历史订单数据可以获得摩托车的时间特征。例如,可以将第一时间阈值设置为个月,对于销售时长大于第一时间阈值的车型的摩托车,可以认为是成熟车,系统中已存储有足够数据的历史订单数据,此时可以选择时间序列模型,依据第一属性中的摩托车的销售数据对该车型摩托车的需求量进行精准预测。
作为一种可选的实现方式,可以设置第二时间阈值为6个月,对于销售时长小于第二时间阈值的车型的摩托车,可以认为是新车,此时可以选择巴斯扩散模型,依据第二属性中的竞品销售数据对该车型的摩托车的需求量进行预测。具体的,可以根据竞品销售数据筛选出潜在使用者总数m、创新系数p和模仿系数q。创新系数p是指尚未使用该产品的人,受到大众传媒或其他外部因素的影响,开始使用该产品的可能性。模仿系数q是指尚未使用该产品的人,受到使用者的口碑影响,开始使用该产品的可能性。在巴斯扩散模型中加入影响因子进行调整,以获得预计需求量。影响因子可以包括以下影响中的一种或多种:外部因子、内部因子、原始因子、时间因子以及环境因子。
外部因子是指外部影响因素,如不同车龄的整车保有量影响、不同区域的整车保有量等,内部因子是指内部影响因素,如营销活动,原始因子可以包括摩托车自身的需求衰减系数,时间因子可以包括节假日或季节性影响,环境因子可以包括地域政策性影响等。
而对于销售时长在第一时间阈值和第二时间阈值之间的车型的摩托车,可以依据第一属性中的摩托车的销售数据,分别采用巴斯扩散模型和时间序列模型预测摩托车的需求量,并将两个模型的预测的需求量结果取平均值,获得最终的预计需求量,从而可以提高需求量的预测准确度。具体的,采用巴斯扩散模型预测摩托车的需求量时,先剔除第一属性中销售数据的季节效应,根据剔除季节效应的销售数据拟合出潜在使用者总数m、创新系数p和模仿系数q,之后再在巴斯扩散模型中加入季节效应进行调整,以获得预计需求量。采用时间序列模型预测摩托车的需求量时,可以在时间序列模型中加入影响因子,并根据销售数据进行预测。
根据以上说明,本申请实施例提供的系统中,预测模块11对不同车型的摩托车的需求量进行预测,根据摩托车的销售时长的不同,选择对应的预测模型来对摩托车的需求量进行预测,从而提高摩托车需求量预测的精准度。并且,对于销售时长在第一时间阈值和第二时间阈值之间的车型,本申请在进行需求预测时将巴斯扩散模型和时间序列模型相结合,从而使得摩托车需求量预测更为精准。按照预测需求量制定生产计划,从而可以在应对个性定制、小批量、多品种的客户订单需求时,可以避免过量生产,并确保摩托车能够快速交付。此外,按照预测需求量制定生产计划,还可以应对全球供应各地法规、认证等特殊要求。
作为一种可选的实现方式,预测模块11还可以根据实际销售数据对预测模型进行修正。根据实际的销售数据,判断需求预测的准确率,若准确率低于预设阈值,则调整预测模型,根据调整后的预测模型重新对需求量进行预测。通过以上方式对预测模型进行迭代调整,可以使需求预测结果更为精准。
作为一种可选的实现方式,预测模块11可以加入影响因子对至少一种对预测模型进行优化。影响因子可以包括以下影响中的一种或多种:外部因子、内部因子、原始因子、时间因子以及环境因子。例如,加入时间因子,考虑节假日或季节对摩托车需求量的影响,从而可以提高预测模型对摩托车需求量预测的准确性。
作为一种可选的实现方式,预测模块11还可以通过模拟工具进行模型拟合,实现支持新车预测、零售预测等业务场景,比如预测模块11可以实现市场份额分析、细分市场分析、新车市场估计、整车销售预测、线索转化估计等功能。模拟工具包括模拟(simulation)和回测(backtest)。
如图3所示,作为一种可选的实现方式,排程模块12按照摩托车交期的先后顺序和产线产能生成整车作业计划,整车作业计划包括不同车型的摩托车的计划生产批次。系统还包括存储模块17,存储模块17存储有各个车型的摩托车的工艺路径清单,工艺路径清单包括摩托车组件的工艺信息。排程模块12解析工艺路径清单,统计各个车型的摩托车中具有相同制造工艺的组件,在进行工序排程时,将相同或相邻批次的摩托车中具有相同制造工艺的组件在同一工序中进行生产,从而生成工序排程计划。
排程模块12在制定整车作业计划和工序排程计划时,以存货最少、换装换夹具最少、产能利用率最大、成品发运库存在库时长最短、人员效率最高、交期最准为目标。排程模块12首先制定整车作业计划,整车作业计划中包括各个车型摩托车的生产批次以及每一生产批次中摩托车的生产数量,摩托车计划的生产批次需要满足摩托车的交期要求。在预测模块11对各车型摩托车的需求量精准预测的前提下,排程模块12根据预测需求量制定整车作业计划,从而在面对个性定制、小批量、多品种的客户订单需求时可以确保交期准确,并避免生产过剩,减少浪费,降低摩托车的生产成本。排程模块12在制定了整车作业计划后,还需要制定工序排程计划,工序排程计划中包括生产摩托车的各个组件的工序排程。排程模块12通过解析各个车型摩托车的工艺路径清单,将相同或相邻批次的摩托车中具有相同制造工艺的组件在同一工序中进行生产,从而可以在确保交期的前提下使换装换夹具最少,产能利用率最大化,提高人员效率,提高生产效率,缩短摩托车的交期。
排程模块12还可以根据实际的订单制定整车作业计划和工序排程计划。
根据以上说明,本申请实施例提供的系统中,以预测模块11对个性定制、小批量、多品种的客户订单需求进行预测,排程模块12在进行工序排程时,结合所有客户的各种需求进行同一调配生产,根据客户的不同的配置要求、不同的交期、不同的车型、不同的产线产能、不同的工艺路线,以最低的成本、最经济的方式安排整车作业计划以及工序排程计划,从而可以避免过量生产以及可以缩短摩托车的交期,可以以较低的成本来满足个性定制、小批量、多品种的客户订单需求。
作为一种可选的实现方式,拉动模块13还用于生成拉动信号,拉动模块13还用于监控工序间存储区的组件数量,对于任意相邻的两道工序,当下游工序从工序间存储区拿取组件后,拉动模块13向上游工序传递拉动信号,以触发上游工序制造组件,上游工序将制造的组件补充入工序间存储区。拉动模块13根据工序排程计划设置在预设时间内的拉动信号生成次数。
工序间存储区是指与工序对应的存储区域。对于任一道工序,在该工序完成加工后,将完成加工的组件存入与工序对应的存储区域。对于任意相邻的两道工序,当下游工序从工序间存储区拿取组件后,拉动模块13向上游工序传递拉动信号,以触发上游工序制造组件,上游工序将制造的组件补充入工序间存储区。通过这种方式,可以使上游工序按照下游工序的需求进行生产,对于下游工序的需求,可以参照整车作业计划和/或工序排程计划设置,例如,拉动模块13可以根据工序排程计划设置在预设时间内的拉动信号生成次数,从而可以设置各个工序加工组件的数量,从而可以避免生产过剩或不足的情况。并且,面对不同工序间生产节拍不同的状况,工序间存储区可以提供缓冲,避免组件在生产线上堆积。
作为一种可选的实现方式,拉动模块13还用于控制生产线换型,在生产线按照整车作业计划完成一种车型摩托车的生产后,拉动模块13调整工序拉动模型或控制生产线上执行任一道工序的设备换装换夹具。拉动模块13控制生产线进行快速换型,从而使生产线可以生产不同车型的摩托车,进而可以满足个性定制的、小批量、多品种的客户订单需求。并且,本申请还通过工序排程模块12制定合理的工序排程计划,可以减少换装换夹次数,提高产能利用率。
在拉动模块13的作用下,生产线可以实现JIT(Just In Time,准时制生产方式)生产。按照排程模块12制定的整车作业计划和工序排程计划,拉动模块13可以调整生产线的工序,实现在同一生产线上混合生产不同车型的摩托车,使得生产量与需求量达成一致,从而可以使生产的摩托车能够满足个性定制、小批量、多品种的客户订单需求,实现零库存。
拉动模块13在实现拉动式生产时,还需要协同模块14的协同。通过协同模块14将本系统与供应商紧密关联。通过协同模块14与供应商建立长期、稳定的合作关系,保证供应链的稳定性和可靠性,确保拉动模块在拉动生产时供应商能够及时、准确地提供原材料。
协同模块14用于生成协同信息,协同信息包括库存补充计划,库存补充计划包括补货周期、补货种类、每次补货的数量以及补货次数。
协同模块14根据整车作业计划获得制造不同车型摩托车的物料总需求量,并统计工序拉动模型中各道工序的加工用时获得各个车型摩托车的物料的消耗速度,协同模块14根据消耗速度设置补货周期、补货种类以及每次补货的数量,并根据物料总需求量设置补货次数。
具体的,除了通用物料外,根据每种车型摩托车的个性定制需求,生产摩托车时还需要使用特殊物料。本申请实施例中协同模块14统计工序拉动模型中各道工序的加工用时获得各个车型摩托车的物料的消耗速度,并根据消耗速度设置补货周期、补货种类以及每次补货的数量,从而可以使物料在库存中等待较短时间即可投入生产,通过这种方式,可以减少原材料库存,提高在制物料周转率,减少资源浪费。在协同模块14的高效协同作用下,可以实现原材料不入库或仅在库存短暂停留,在材料、零部件等到达某一生产工序时正好是该工序准备开始生产之时,产品完工即可运输给客户,从而可以将原材料、半成品和成品库存降到最低,在生产过程中实现零库存。
作为一种可选的实现方式,异常响应模块15可以监控预测模块11、排程模块12、拉动模块13和协同模块14的状况,当任一个模块发生异常时,异常响应模块15可以对发生异常的模块进行修正,并触发其余模块联动修改。
具体的,异常响应模块15可以自动根据业务判定策略进行快速决策,实现快速调整。例如,对于物料号技改情况,如,引入了新的产品、对产品进行试制、改制,或为了降低成本对某些物料进行替代等情况下,需要对物料号进行修改。在这种情况下,异常响应模块15可以进行快速决策,同步修正原材料的库存管理、供应链的物料采购物料拉动等业务单据。
例如,客户订单的需求(如订单数量增加或减少、车辆的个性化配置变更)发生变化,目标销售地的政策变化等情况,预测模块11需要重新进行需求预测,排程模块12根据新的预测需求量生成整车作业计划和工序排程计划,拉动模块13需要根据工序排程重新制定物料调配计划。协同模块14向供应商发送的协同信息也需要进行相应的修改,例如,采购申请、供应链的到货计划、送货单、收货、检验等信息都需要同步修正。
例如,对于N+3~7预示计划滚动变化的情况,异常响应模块15可以控制排程模块12修改整车作业计划和工序排程计划,并联动修改拉动模块13和协同模块14,拉动模块13修改工序拉动模型,协同模块14变更原材料采购计划、修改采购订单,同步变更送货计划,对在制工单配料同步修正。其中,N+3~7预示计划滚动是指未来三到七个时间周期内的生产计划,可以根据实际生产和销售情况进行更新调整。
根据以上说明,异常响应模块15可以使预测模块11、排程模块12、拉动模块13和协同模块14等模块进行联动,修改物料和计划信息等,系统自动进行快速决策,实现快速调整,从而可以避免过量生产,确保生产出的摩托车符合个性定制、小批量、多品种的客户订单需求,避免成品库存积压。
如图4所示,其示出了本申请实施例提供的协同模块14示意图。包括:供应商准入与管理、采购需求管理、寻源管理、合同签署、订单履行、财务结算&付款。
其中,订单履行包括对“采购申请PR(Purchasing Request,采购申请单)-采购订单PO(Purchase Order,采购订单)-到货计划-送货单-PDA收货&验收”的执行。业务人员通过N+2~7的计划需求量,在SAP(Systems Applicationsand Productsin Data Processing)创建到货计划,下发到SRM(Supplier Relationship Management,供应商关系管理)。供应商分别对N+7月预示计划进行确认和计划排产,对采购订单进行在线确认和反馈问题,然后,根据到货计划的具体时间进行送货单创建以及JIT送货,最后,根据收货验收情况,根据合同条款要求进行对账和开票付款。
如图5所示,作为一种可选的实现方式,本申请实施例提供的高度离散、高度柔性下的大排量摩托车低成本制造系统100还包括控制模块18,控制模块18可以针对任一车型的摩托车设置工艺要求,从而可以实现对个性化配置的质量阀点控制。例如,控制模块18按照客户的个性定制需求设置工艺要求,生产线按照设置的工艺要求进行生产,并利用质量检测模块16检测生产出的组件是否符合客户的个性定制需求,从而可以确保生产出的摩托车能够满足客户个性定制的订单需求。
作为一种可选的实现方式,可以针对每一车型的摩托车制定工艺路径清单,工艺路径清单中包括摩托车的工艺要求。工艺路径清单还包括可拆解和下发至对应工位的标准动作,在工位上根据标准动作可以完成对应的工序。各个工位上的操作人员仅需按照标准动作完成对应的工序,通过这种方式,可以防止操作人员在面对小批量、多品种的混线生产的情况时出错,实现在线防呆防错,确保产品质量。
作为一种可选的实现方式,本申请实施例提供的高度离散、高度柔性下的大排量摩托车低成本制造系统100还包括质量检测模块16。质量检测模块16能够识别各道工序生产的组件所属的摩托车的车型,并根据车型查找工艺信息,工艺信息包括车型的摩托车的至少部分组件的工艺要求。在组件经历某一指定工序后,质量检测模块16检测组件是否符合工艺要求。
具体的,对于不同车型的摩托车,可以具有不同的工艺技术要求,例如,对于摩托车上部分组件的扭力、扭矩以及加注要求。本申请提供的系统通过在线对组件进行检测,确保组件符合该车型摩托车的工艺要求,进而确保最终生产出的摩托车整车符合个性定制的客户订单需求。
进一步的,异常响应模块15也可以与质量检测模块16通讯连接,若质量检测模块16检测出某一组件不合工艺要求,异常响应模块15可以联动排程模块12、拉动模块13进行修改,补充生产这一组件。或者异常响应模块15可以叫停该组件生产相关的工序,决定是否进行生产调动。
综上,本申请实施例提供的高度离散、高度柔性下的大排量摩托车低成本制造系统100通过预测模块11、排程模块12、拉动模块13、协同模块14、异常响应模块15和质量检测模块16的协作,以较低的生产成本满足个性定制、小批量、多品种的客户订单需求。并利用质量检测模块16对摩托车的组件进行检测,确保生产出的摩托车能够符合个性定制的客户订单需求。
以上所揭露的仅为本申请的较佳实施例而已,然其并非用以限定本申请之权利范围,本领域普通技术人员可以理解:在不脱离本申请及所附的权利要求的精神和范围内,改变、修饰、替代、组合、简化,均应为等效的置换方式,仍属于发明所涵盖的范围。
Claims (10)
1.一种高度离散、高度柔性下的大排量摩托车低成本制造系统,其特征在于,所述系统包括:
预测模块,所述预测模块用于对不同车型的摩托车进行需求预测,所述预测模块根据某一车型的摩托车的特征属性进行需求预测获得所述车型的摩托车在时间值域内的预计需求量,其中所述特征属性至少包括第一属性和第二属性;
排程模块,所述排程模块与所述预测模块通讯连接,所述排程模块用于根据不同车型的摩托车的所述预计需求量生成各个车型的摩托车的整车作业计划和每种车型摩托车的工序排程计划;
拉动模块,所述拉动模块与所述排程模块通讯连接,在所述排程模块生成所述工序排程计划后,所述拉动模块按照所述工序排程计划调整各道工序的上下游关系以生成工序拉动模型,并将所述工序拉动模型映射到生产线以确定执行所述工序拉动模型中的任一道工序的设备;
协同模块,所述协同模块与所述拉动模块通讯连接,在所述拉动模块生成所述工序拉动模型之后,所述协同模块根据所述整车作业计划和所述工序拉动模型生成协同信息,并将所述协同信息发送至协同终端,所述协同信息包括库存补充计划,所述协同终端在接收到所述拉动模块发送的所述协同信息后,根据所述协同信息补充库存;
异常响应模块,当所述预测模块、所述排程模块、所述拉动模块和所述协同模块中的任一个出现异常,所述异常响应模块对发生异常的模块进行修正,并判断其余模块是否进行联动修改,当判断需要联动修改,所述异常响应模块发送指令至对应的需要联动修改的模块,以触发所述模块进行联动修改;
质量检测模块,用于识别所述生产线生产的摩托车组件所属的摩托车车型,并根据车型查找工艺信息,所述工艺信息包括所述车型的摩托车的至少部分组件的工艺要求,在所述组件经历某一指定工序后,所述质量检测模块检测所述组件是否符合工艺要求,若不符合工艺要求,所述质量检测模块发送异常信息至所述异常响应模块,以触发所述异常响应模块修改以下模块中的至少一个:所述预测模块、所述排程模块、所述拉动模块和所述协同模块。
2.根据权利要求1所述的高度离散、高度柔性下的大排量摩托车低成本制造系统,其特征在于,
所述预测模块根据所述摩托车的时间特征选择预测模型对所述摩托车在所述时间值域内的需求量进行预测,所述预测模型包括巴斯扩散模型和时间序列模型;
当所述摩托车的时间特征大于第一时间阈值时,所述预测模块选择所述时间序列模型,并基于所述第一属性对所述摩托车的订单量进行预测,以获得所述预计需求量,所述第一属性包括所述摩托车的销售数据;
当所述摩托车的时间特征小于第二时间阈值时,所述预测模块选择所述巴斯扩散模型,并基于所述第二属性对所述摩托车的需求量进行预测,以获得所述预计需求量,所述第二属性包括所述摩托车的竞品销售数据,所述第二时间阈值小于所述第一时间阈值;
当所述摩托车的时间特征大于或等于所述第二时间阈值,且小于或等于所述第一时间阈值时,所述预测模块基于所述第一属性,分别利用所述巴斯扩散模型和所述时间序列模型对所述摩托车的需求量进行预测,并将两个模型的需求量预测结果的平均值作为最终的预计需求量。
3.根据权利要求2所述的高度离散、高度柔性下的大排量摩托车低成本制造系统,其特征在于,
所述预测模块还对所述预测模型加入影响因子,以对所述预测模型进行调整,所述影响因子包括以下影响中的一种或多种:原始因子、时间因子以及环境因子。
4.根据权利要求1所述的高度离散、高度柔性下的大排量摩托车低成本制造系统,其特征在于,
所述排程模块按照摩托车交期的先后顺序和产线产能生成整车作业计划,所述整车作业计划包括不同车型的摩托车的计划生产批次;
所述系统还包括存储模块,所述存储模块存储有各个车型的摩托车的工艺路径清单,所述工艺路径清单包括摩托车组件的工艺信息;
所述排程模块解析所述工艺路径清单,统计各个车型的摩托车中具有相同制造工艺的组件,在进行工序排程时,将相同或相邻批次的摩托车中具有相同制造工艺的组件在同一工序中进行生产,从而生成所述工序排程计划。
5.根据权利要求4所述的高度离散、高度柔性下的大排量摩托车低成本制造系统,其特征在于,
所述拉动模块还用于生成拉动信号,所述拉动模块还用于监控工序间存储区的组件数量,对于任意相邻的两道工序,当下游工序从所述工序间存储区拿取所述组件后,所述拉动模块向上游工序传递所述拉动信号,以触发所述上游工序制造所述组件,所述上游工序将制造的所述组件补充入所述工序间存储区;
所述拉动模块根据所述工序排程计划设置在预设时间内的拉动信号生成次数。
6.根据权利要求5所述的高度离散、高度柔性下的大排量摩托车低成本制造系统,其特征在于,
所述拉动模块还用于控制生产线换型,在所述生产线按照所述整车作业计划完成一种车型摩托车的生产后,所述拉动模块调整所述工序拉动模型或控制生产线上执行任一道工序的所述设备换装换夹具。
7.根据权利要求5所述的高度离散、高度柔性下的大排量摩托车低成本制造系统,其特征在于,
所述协同模块用于生成所述协同信息,所述协同信息包括库存补充计划,所述库存补充计划包括补货周期、补货种类、每次补货的数量以及补货次数;
所述协同模块根据所述整车作业计划获得制造不同车型摩托车的物料总需求量,并统计所述工序拉动模型中各道工序的加工用时获得各个车型摩托车的物料的消耗速度,所述协同模块根据所述消耗速度设置补货周期、补货种类以及每次补货的数量,并根据所述物料总需求量设置补货次数。
8.根据权利要求1所述的高度离散、高度柔性下的大排量摩托车低成本制造系统,其特征在于,
所述排程模块还根据客户实际订单制定所述整车作业计划和所述工序排程计划;
当客户的所述实际订单发生变动时,所述异常响应模块控制所述排程模块重新制定所述整车作业计划和所述工序排程计划,并控制所述拉动模块和所述协同模块联动修改。
9.根据权利要求1所述的高度离散、高度柔性下的大排量摩托车低成本制造系统,其特征在于,
所述系统还包括存储模块,所述存储模块存储有任一车型的摩托车的工艺路径清单,所述工艺路径清单包括摩托车组件的工艺信息;
所述工艺路径清单包括可拆解和下发至对应工位的标准动作,在所述工位上根据所述标准动作可以完成对应的工序。
10.根据权利要求9所述的高度离散、高度柔性下的大排量摩托车低成本制造系统,其特征在于,
所述系统还包括控制模块,所述控制模块用于针对任一车型的摩托车设置所述工艺要求。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311335412 | 2023-10-16 | ||
CN2023113354126 | 2023-10-16 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117132005A true CN117132005A (zh) | 2023-11-28 |
CN117132005B CN117132005B (zh) | 2024-02-27 |
Family
ID=88861391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311405321.5A Active CN117132005B (zh) | 2023-10-16 | 2023-10-25 | 高度离散、高度柔性下的大排量摩托车低成本制造系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117132005B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5245554A (en) * | 1990-03-19 | 1993-09-14 | Hitachi, Ltd. | Integrated quality control method and system |
WO2013074864A1 (en) * | 2011-11-16 | 2013-05-23 | General Electric Company | Method and system for electric vehicle adoption simulation with reasoning |
CN106779308A (zh) * | 2016-11-23 | 2017-05-31 | 智能云科信息科技有限公司 | 一种面向离散制造的车间生产计划排产的系统与方法 |
CN109344420A (zh) * | 2018-08-06 | 2019-02-15 | 武汉虹信技术服务有限责任公司 | 一种基于bim模型的建筑协同联动方法和系统 |
CN110222937A (zh) * | 2019-05-09 | 2019-09-10 | 山东钢铁集团有限公司 | 一种应用于钢铁制造的新型产销融合系统 |
CN110580026A (zh) * | 2019-09-18 | 2019-12-17 | 工业云制造(四川)创新中心有限公司 | 一种智能制造mes系统 |
CN111126748A (zh) * | 2019-10-30 | 2020-05-08 | 江山雷钧智能制造技术有限公司 | 一种面向离散制造业的动态生产计划排程方法 |
CN111967815A (zh) * | 2020-07-24 | 2020-11-20 | 阿帕数字技术有限公司 | 一种仓储配送管理系统 |
CN116300720A (zh) * | 2023-02-06 | 2023-06-23 | 广州辰创科技发展有限公司 | 一种智能化产线柔性调度高级计划排产系统 |
-
2023
- 2023-10-25 CN CN202311405321.5A patent/CN117132005B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5245554A (en) * | 1990-03-19 | 1993-09-14 | Hitachi, Ltd. | Integrated quality control method and system |
WO2013074864A1 (en) * | 2011-11-16 | 2013-05-23 | General Electric Company | Method and system for electric vehicle adoption simulation with reasoning |
CN106779308A (zh) * | 2016-11-23 | 2017-05-31 | 智能云科信息科技有限公司 | 一种面向离散制造的车间生产计划排产的系统与方法 |
CN109344420A (zh) * | 2018-08-06 | 2019-02-15 | 武汉虹信技术服务有限责任公司 | 一种基于bim模型的建筑协同联动方法和系统 |
CN110222937A (zh) * | 2019-05-09 | 2019-09-10 | 山东钢铁集团有限公司 | 一种应用于钢铁制造的新型产销融合系统 |
CN110580026A (zh) * | 2019-09-18 | 2019-12-17 | 工业云制造(四川)创新中心有限公司 | 一种智能制造mes系统 |
CN111126748A (zh) * | 2019-10-30 | 2020-05-08 | 江山雷钧智能制造技术有限公司 | 一种面向离散制造业的动态生产计划排程方法 |
CN111967815A (zh) * | 2020-07-24 | 2020-11-20 | 阿帕数字技术有限公司 | 一种仓储配送管理系统 |
CN116300720A (zh) * | 2023-02-06 | 2023-06-23 | 广州辰创科技发展有限公司 | 一种智能化产线柔性调度高级计划排产系统 |
Non-Patent Citations (2)
Title |
---|
李学兵;: "小批量多品种装配生产管理系统的开发与应用", 现代制造工程, no. 03, pages 23 - 27 * |
邓朝辉: "《智能制造技术基础》", 华中科技大学出版社, pages: 302 * |
Also Published As
Publication number | Publication date |
---|---|
CN117132005B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI394089B (zh) | 虛擬生產管制系統與方法及其電腦程式產品 | |
Bernstein et al. | Inventory policies in a decentralized assembly system | |
CN102549512B (zh) | 用于为企业优化而整合计划、调度和控制的装置和方法 | |
Krajewski et al. | The value of production schedule integration in supply chains | |
CN111126806B (zh) | 基于2b业务的销产供信息化系统 | |
CN108198093B (zh) | 一种基于cps的智慧建造系统 | |
CN103268538A (zh) | 面向生产计划变更的多目标约束物料替代方法 | |
CN109583761A (zh) | 一种锻钢工序的生产计划与调度系统 | |
CN111915254A (zh) | 一种适用于汽车售后配件的库存优化控制方法和系统 | |
Shang et al. | Coordination mechanisms in decentralized serial inventory systems with batch ordering | |
Meng et al. | A bilevel optimization approach to demand response management for the smart grid | |
CN116300720A (zh) | 一种智能化产线柔性调度高级计划排产系统 | |
KR20240025574A (ko) | 지능형 수요 반응 입찰 관리 시스템 및 그 방법 | |
Li et al. | Machine learning algorithm generated sales prediction for inventory optimization in cross-border E-commerce | |
CN117132005B (zh) | 高度离散、高度柔性下的大排量摩托车低成本制造系统 | |
CN117371883A (zh) | 一种基于大数据的跨境电商物流订单管理方法 | |
CN117236818A (zh) | 一种电商服务的物流管理系统 | |
CN116415780A (zh) | 一种智能排单的方法及系统 | |
CN112613722B (zh) | 一种利用强化学习基于区块链的供应链系统业务分配方法 | |
CN111882169A (zh) | 一种基于pert核心erp(mrpii)业务模型 | |
Kumar et al. | Serve your supply chain, not operations–a case study | |
Di | Research on the Product Logistics Cost Control Strategy Based on the Multi-Source Supply Chain Theory. | |
Zhang et al. | Vendor Managed Inventory System Adaptability: A supply chain management analysis | |
KR102637167B1 (ko) | 생산 공정 및 기업간 생산 계획과 연동된 제품 이송최적화 방법 | |
Xu et al. | Data-driven Procurement Optimization in Fresh Food Distribution Market under Demand Uncertainty: A Two-stage Stochastic Programming Approach |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |