某线缆企业:多规格连续生产的排程优化
同一设备要生产上百种规格,换型频繁。通过成组排产与换型时间矩阵,减少了换型次数。
企业背景
某电线电缆制造企业,员工约 400 人,生产各类规格的电力电缆、控制电缆,规格超过 300 种。
面临的痛点
痛点一:换型频繁
挤塑机、绞线机等关键设备需要频繁换型(换模具、换材料、调参数)。规格切换一次耗时 1-3 小时。
实际测量显示:换型时间占设备总运行时间的 25%-30%。
痛点二:排产靠经验
计划员凭经验手工排产,考虑的因素:
- 交期
- 规格相似度(减少换型)
- 设备可用性
但人脑难以同时优化多个目标,结果常常是"交期优先"导致换型频繁。
痛点三:交期与效率难平衡
按交期排 → 换型多 → 产能下降 → 更多订单延误。 按换型优化排 → 交期可能延误。
解决方案
一、建立换型时间矩阵
这是方案的核心。
统计不同规格之间的切换时间:
| 从 → 到 | 规格 A | 规格 B | 规格 C |
|---|---|---|---|
| 规格 A | 0 | 1.5h | 2h |
| 规格 B | 1h | 0 | 1h |
| 规格 C | 2h | 1.5h | 0 |
建立方法:结合工艺知识(哪些规格相似)和实际测量(抽样实测若干种切换)。
二、成组排产
把规格分组(按材料、尺寸、工艺相似度),同组内的产品排在一起。
系统排产时优先考虑:
- 交期约束(硬约束)
- 同组产品聚集(软约束)
- 换型时间最短的衔接顺序(优化目标)
三、可视化的排产结果
计划员能在甘特图上:
- 看到每个设备的任务序列
- 看到每次换型的时间
- 手工调整任务顺序(拖拽)
- 实时看到调整后的换型时间变化
保留人工干预很重要:算法给建议,计划员做最终决定。
四、换型时间统计
系统记录每次换型的实际时间,用于:
- 验证换型时间矩阵是否准确
- 发现换型耗时异常的情况
- 为 SMED 改善提供数据
实施过程
| 阶段 | 内容 | 周期 |
|---|---|---|
| 换型时间实测 | 抽样测量各设备换型时间 | 3 周 |
| 规格分组 | 按工艺相似度分组 | 2 周 |
| 系统配置 | 换型矩阵、排产规则 | 4 周 |
| 并行验证 | 系统排产与人工排产对比 | 4 周 |
| 正式使用 | 逐步替代手工排产 | 4 周 |
实施中的难点:
- 换型时间数据难获取:规格组合太多(300×300),不可能全部实测。解决方案是分组测量 + 工艺推断
- 计划员的信任问题:初期计划员不相信系统排的结果,需要并行对一段时间
- 插单处理:客户催货时的紧急插单,需要快速重排
效果
| 指标 | 改善 |
|---|---|
| 换型次数 | 减少约 20%-30% |
| 设备有效产能 | 相应提升 |
| 排产耗时 | 从数小时缩短至分钟级 |
| 交期达成率 | 有改善 |
注意:这些数字是示例口径。实际效果取决于换型时间的可优化空间,以及插单频率。
经验总结
经验一:换型时间矩阵是关键输入
没有这个数据,排产算法再先进也没用。要花时间把基础数据做扎实。
经验二:先做 SMED,再上排产
如果换型时间本身可以压缩(比如从 2 小时压到 40 分钟),收益比排产优化更大。
建议两个方向并行:一边优化换型,一边优化排产。
经验三:保留人工调整
计划员有算法没有的信息(客户关系、现场情况)。系统提供建议,人来决定。
经验四:并行验证建立信任
初期让系统排产和人工排产同时跑,对比结果。计划员看到系统排的结果确实更好,才会真正使用。
案例中的企业名称与具体数据均经过脱敏处理。多规格连续生产的排程优化在电缆、管材、纺织、造纸等流程型行业有共性,方案需结合设备特点设计。百华智造 MES 排程模块支持换型时间矩阵与成组排产,[待补充:功能说明]。
这篇内容对你有帮助吗?
当前为游客态,投票按设备去重