基于瓶颈的复杂制造车间生产过程优化方法

唐 娟 刘 志

(安徽工程大学管理工程学院， 安徽 芜湖 241000)

0 前言

随着经济全球化和科学技术的迅速发展，制造业不仅面临着技术进步带来的机遇，同时还面临着产品竞争日益激烈的挑战，产品特点日趋个性化、多样化和小批量化，制造企业的生产过程也越来越充满了不确定性。对于复杂制造车间而言，因其规模大、工艺和资源约束复杂、目标多，使得优化过程变得更加困难。

为降低复杂制造车间优化工作的复杂性和难度，有学者提出了基于操作、滚动时域或设备分解的生产过程优化方法[1-2]。但该类方法因未突出生产过程优化的关键要素、子问题分解数目多、子问题之间协调难等问题，使得优化的整体性能难以保证。针对以上问题，相关学者将约束理论(Theory of Constraints, TOC)中的瓶颈概念加以拓展，提出了一种基于瓶颈的复杂制造车间生产过程优化方法[3]。该方法强调在复杂的制造环境中快速识别影响系统整体性能的薄弱环节(即系统瓶颈)，并以此为中心，对制造车间生产过程进行分解，以降低复杂制造车间生产过程优化的难度，提高优化的性能。本文在阐述基于瓶颈的复杂制造车间生产过程优化内容的基础上，对其重要组成部分(即瓶颈识别、制造流程优化和生产作业计划等)的研究现状和存在的问题进行详细阐述，并探讨该领域的可能发展方向。

1 基于瓶颈的复杂制造车间生产过程优化

制造车间生产过程优化是车间生产管理的一项重要任务，旨在通过对人机环境、生产流程、资源配置、生产作业计划(包括作业调度)、质量控制、生产现场等方面的优化，以实现车间与外界需求的最佳组合，赢得企业的竞争优势。

针对以流水线形式组织的大批量生产方式，在确保质量的前提下，应持续地解决瓶颈工序问题，实现制造流程的均衡化是生产过程优化的核心。单件、小批生产时，工时定额的准确性、计划的周密性、调度的合理性成为生产过程优化的核心。中等批量生产的优化方式取决于生产组织方式：生产组织方式与流水线相同或相似时，按流水生产线方式进行优化；生产组织方式与单件、小批生产相同或相似时，按单件、小批生产方式进行优化。因此，制造流程和生产作业计划(包括作业调度)是制造车间生产过程优化的核心内容。

2 国内外研究现状

国内外学者以瓶颈识别(预测)为起点，以制造流程、生产作业计划优化为核心，展开了基于瓶颈的复杂制造车间生产过程优化方法的相关研究。

2.1 瓶颈识别(预测)

识别系统瓶颈是生产过程优化的首要任务，其准确性直接决定了优化工作的时效性。现有的瓶颈识别(预测)方法可归结为3类：

(1) 基于瓶颈外部表现特征的识别方法。即利用瓶颈的外部表现特征，如设备阻塞和饥饿时间、设备活性时间、设备负荷、设备利用率等，以识别系统瓶颈。SHI N C等人以生产线上游单元和下游单元的饥饿与阻塞状态为瓶颈特征，研究瓶颈动态识别方法[1]；ROSER C等人利用设备持续活性时间辨识离散事件系统的瞬时瓶颈和平均瓶颈[2]；RAJAKUMAR S等人以设备最高负荷为原则识别系统瓶颈[3]；乔非等人通过设备利用率实现系统瓶颈的识别[4]。该方法依据的瓶颈外部表现特征是瓶颈判定的必要条件，而不一定是充分条件，如当系统处于饱和生产状态时，很多设备的利用率均会达到比较高的相似水平，此时，运用设备利用率难以识别系统瓶颈。

(2) 基于仿真结果的统计分析瓶颈识别方法。即在制造系统运行过程建模仿真的基础上，统计分析各个制造单元对系统性能的影响程度，进而实现瓶颈的识别。翟颖妮等人以系统作业目标对各个机器上调度方案变化的敏感度为指标，运用正交试验以识别瓶颈机器[5]；王刚等人将瓶颈识别和调度方案相结合，运用遗传算法对作业进行多次调度，具有最大出现频率的PBM即为系统瓶颈[6]；ZHANG R等人以非常规约束为前提，提出了一种基于模拟退火算法的瓶颈识别方法(SA-BM法)[7]。该方法充分利用了仿真技术和统计分析的优势，可在一定情况下准确识别系统瓶颈；但是，它以考虑时间和数量对瓶颈的影响为主，而对质量在瓶颈上的影响分析较少，当质量因素对瓶颈产生影响时，其识别精度将会降低。

(3) 基于瓶颈度的识别方法。即从瓶颈产生的原因出发，对制造单元成为瓶颈的能力进行度量，并以此为依据，以实现瓶颈的识别。RICHARD A R通过度量制造单元能力和需求的大小，对瓶颈识别方法进行研究[8]；WANG Z J提出设备瓶颈度以预测系统瓶颈[9]；刘志等人利用瓶颈指数，以度量各个制造单元成为瓶颈的能力，进而实现瓶颈的动态识别[10]。该方法克服了前两种方法的不足，但是当系统中存在多个瓶颈时，因其无法合理区分制造单元之间的瓶颈责任，使得主次瓶颈并不总能得到有效的辨识。

2.2 制造流程优化

针对制造流程优化，现有研究主要以流水线上工序的相对平衡或物流平衡为目标，在识别瓶颈的基础上，运用工作研究、生产线平衡、系统平衡知识、建模仿真技术、启发式平衡等方法加以开展。陈勇等人对企业CD段流水线上的瓶颈工位进行分析，并运用工作研究和生产线平衡两大技术对其进行优化，以提高生产线的平衡性[11]；侯琳娜等人运用工作研究对液晶显示器外壳生产的整个制造流程进行分析和改善，并在此基础上，运用Flexsim仿真软件对瓶颈工站进行分析、优化和评价[12]；曹国安等人运用Flexsim软件对某汽车转向节车间进行仿真，在发现问题的基础上，以瓶颈为中心，通过设置合理的缓冲、改变设施布局、维护或更新设备、改善工艺等优化方法，提高整个系统的平衡性[13]；刘力卓等人运用Witness软件对某制造车间进行建模仿真，分析影响生产线的各种因素，通过设置物料投放速度和优化机器数量以提高机器利用率、减少在制品数量[14]；李强等人运用多媒体技术和X-σ质量控制图测定发动机装配线各工序的作业时间，并以此为基础，利用达宝易软件对瓶颈工序进行动作分析与优化，以提高装配平衡率[15]。

上述研究主要以追求流水线的相对平衡为目标，但是当流水线相对平衡时系统瓶颈漂移的概率会增大，此时需进一步对生产过程中各种不确定性因素进行优化，以促使瓶颈在流水线相对平衡的条件下固定于理想位置。目前，虽有部分学者对瓶颈漂移现象和各种不确定性因素之间的内在关联以及如何控制优化单个因素以减少瓶颈漂移展开了初步的分析，但是对相互关联、相互影响的不确定性因素组合优化方法的研究涉及较少。

2.3 生产作业计划

基于瓶颈的生产作业计划以鼓-缓冲器-绳子(Drum-Buffer-Rope，DBR)为主要方法。DBR理论是Goldratt博士于1986年在约束理论的生产管理哲学上发展出的一套解决生产作业计划与控制的新方法。它克服了传统计划方法不注重企业生产能力的缺点，着眼于系统的瓶颈单元，通过瓶颈单元的生产作业计划来推动整个生产系统的运行，进而实现高产出、低在制品以及准时交货等目标。

在实际应用过程中，DBR理论在识别系统瓶颈的基础上，通过设定缓冲、制定瓶颈资源生产调度方案、非瓶颈资源生产调度方案和投料策略以完成生产作业计划，因此，现有研究主要围绕着缓冲、批量等关键期量标准和基于瓶颈的生产调度方法展开研究。

(1)期量标准 —— 批量与缓冲。合理的加工批量和转移批量可充分挖掘瓶颈资源的潜能、加快物流速度、减少在制品数量。目前，针对批量研究，主要运用仿真或智能优化算法以动态确定系统的批量大小。YOON S H等人应用遗传算法对流水车间作业的nmFCmax的批量问题进行了研究[16]；许一敏等人在分析产能、WIP、平均等待时间、系统制造提前期等参数对批量决策影响的基础上，提出了2种批量优化策略[17]。

在DBR理论中，采用时间缓冲以保护瓶颈资源的作业时间不受生产波动的影响，进而提高整个系统的有效产出。针对缓冲，现有研究主要从缓冲位置和缓冲大小优化两个方面展开。NAHAS N等人通过设计的一套分解模拟算法以确定缓冲区位置[18]；刘远等人针对灰信息下关键设备生产缓冲问题，构建了关键设备生产缓冲的灰色Petri网模型，并结合遗传算法进行仿真运算，以探寻其最优解[19]。

批量与缓冲既是基于瓶颈的生产作业计划优化结果，又是瓶颈漂移的影响因素，它们会随着生产任务、制造资源状态的不断改变而变化。上述研究主要关注如何设置缓冲和批量以提高瓶颈单元的利用率，而忽略了它们与瓶颈漂移的这种关系。

(2) 基于瓶颈的生产调度方法。针对基于瓶颈的复杂制造车间生产调度方法，国内外学者多以多重入制造车间(以晶圆制造为代表)和大规模作业车间为对象，在DBR调度思想指导下，运用智能优化理论和启发式规则，以获得性能较优的调度方案。

① 基于智能优化理论的调度方法。李莉等人提出了晶圆加工生产线蚁群优化排程方法[20]；郭乘涛等人提出一种基于问题分解与蚁群算法相结合的调度方法[21]；吴莹等人以蚁群算法为优化方法，提出了光刻区(光刻工序为系统瓶颈)并行机半在线调度方法[22]；翟颖妮等人针对机器数较大的大规模调度问题，提出了一种基于滚动窗分解和遗传算法的多瓶颈调度方法[23]。

② 基于启发式规则的调度方法。WANG Z T等人采用启发式派工规则对排队工件赋予优先级，以动态在线调度瓶颈资源[24]；M NCH L等人将遗传算法融入到修正转移瓶颈启发式算法中，以优化单机调度问题[25]；李晓红等人提出了一种基于弄合机制的动态瓶颈实时调度算法，该算法利用一组综合型启发式规则对瓶颈设备实施调度[26]；苏国军等人提出了一种基于分层着色时间Petri网模型的分时段优化调度方案，即以瓶颈机器组为重点，利用遗传算法优化分时间段内调度规则组合，以提高调度方法的性能[27]。

现有成果主要在“瓶颈事前预测 — 以瓶颈为中心制定生产调度优化方案 — 瓶颈漂移后重新预测 — 生产调度重新优化”的思路指导下，以一个或多个瓶颈为中心，运用智能优化理论和启发式规则，研究生产调度方法，以获得较优的调度方案，即瓶颈漂移后，不考虑其对调度方案性能的影响大小，立即以新瓶颈为中心，运用调度方法，重新制定生产调度方案，以适应瓶颈的动态变化。在实际生产过程中，并不是每次瓶颈漂移都会对原先的调度方案产生较大的影响；因此，在不考虑瓶颈漂移对调度方案性能影响程度的前提下进行调度重优化，必然引发制造系统的振荡和不稳定。目前，从瓶颈漂移角度出发，对调度优化驱动机制(即判定瓶颈漂移时是否重新制定生产调度方案)的研究涉及较少。

3 结 语

基于瓶颈的复杂制造车间生产过程优化方法在理论研究上取得了一定的成果，但目前的研究是以被动响应瓶颈的动态变化为主，缺乏对瓶颈漂移的主动控制，难以保证优化后的整体性能。因此，需在瓶颈动态、准确、连续预测的基础上，进一步研究面向瓶颈漂移的复杂制造车间生产过程优化方法，以提高生产过程优化的主动性、全局性和时效性：

(1) 在现有瓶颈识别方法的基础上，进一步研究复杂制造车间瓶颈动态预测方法，以在合理认定瓶颈责任的前提下实现瓶颈与非瓶颈、主瓶颈与次瓶颈的准确预测。

(2) 定量分析瓶颈漂移现象与各种不确定性因素的内在联系，并以此为基础，研究各种不确定因素的组合优化方法，以促使瓶颈在系统制造单元能力相对平衡的前提下固定于理想位置，使生产过程优化由被动转向主动。

(3) 在综合考虑瓶颈漂移对生产调度方案性能影响程度的基础上，研究生产调度驱动机制，以过滤掉瓶颈漂移引发的不必要生产调度优化过程，提高系统的稳定性。

(4) 进一步研究面向多瓶颈的生产作业调度方法(包括构建调度模型与优化调度算法)，以提高生产调度在瓶颈漂移环境下的时效性和鲁棒性。

[1] Shi N C,Meerkova S M,Zhang L.Assembly Systems with Non-exponential Machines:Throughput and Bottlenecks[J].Nonlinear Analysis:Theory,Methods & Applications,2008,69(31):911-917.

[2] Roser C,Nakano M,Tanak M.Comparison of Bottleneck Detection Methods for AGV Systems[C]Proceedings of the 2003 Winter Simulation Conference,New Orleans.2003:1192-1198.

[3] Rajakumar S,Arunachalam,Selladuraiv.Workflow Balancing in Parallel Machine Scheduling with Precedence Constraints Using Genetic Algorithm [J].Journal of Manufacturing Technology Management,2006,17(2):239-254.

[4] 乔非，马玉敏，李莉，等.基于分层瓶颈分析的多重入制造系统调度方法[J].计算机集成制造系统，2010，16(4)：855-860.

[5] 翟颖妮，孙树栋，王军强，等.基于正交试验的作业车间瓶颈识别方法[J].计算机集成制造系统，2010，16(9)：1945-1952.

[6] 王刚，王军强，孙树栋，等.扰动环境下Job Shop瓶颈识别方法研究[J].机械科学与技术，2010，29(12)：1697-1702.

[7] Zhang R,Wu C.Bottleneck Machine Identification Method Based on Constraint Transformation for Job Shop Scheduling with Genetic Algorithms [J].Information Sciences,2012,188:236-252.

[8] Richard A R.Applying the TOC Five-step Focusing Process in the Service Sector-A Banking Subsystem[J].Managing Service Quality,2007,17(2):209-234

[9] Wang Z J,Chen J,Wu Q D.A New Method of Dynamic Bottleneck Detection for Semiconductor Manufacturing Line[C]Proceedings of the 17th World Congress the International Federation of Automatic Control,Amsterdam.2008:14840-14845.

[10] 刘志，唐娟，费志敏.基于瓶颈多态性的生产物流瓶颈闭环预测方法[J].计算机集成制造系统，2012，18(11):2554-2561.

[11] 陈勇，汤科峰，林飞龙，等.企业CD段流水线的瓶颈分析与平衡改善[J].工业工程与管理，2008，(1)：112-115.

[12] 侯琳娜，王海燕，贾伟伟.液晶显示器外壳生产线平衡分析与改善[J].工业工程，2011，14(4)：124-128.

[13] 曹国安，王丽，万文杰，等.离散型制造企业车间生产物流系统的优化[J].合肥工业大学学报:自然科学版，2011，34(5)：665-670.

[14] 刘力卓，王丹.基于Witness的某制造车间生产线仿真优化[J].工业工程，2012，15(1)：109-114.

[15] 李强，梁工谦，张晶.IE技术在发动机装配线作业改善中的应用[J].机械设计与制造，2012，(3)：79-81.

[16] Yoon S H,Ventura J A.An Application of Genetic Algorithms to Lot-streaming Flow Shop Scheduling[J].IIE Transactions,2002,34(9):779-787.

[17] 许一敏，张毕西，吴菊华.对系统提前期等待时间敏感的批量排队优化模型[J].工业工程与管理，2011，16(3)：27-30.

[18] Nahas N,Ait-kadi D,Nourelfath M.A New Approach for Buffer Allocation in Unreliable Production Lines[J].International Journal of Production Economics,2006,103(2):873-881.

[19] 刘远，方志耕，刘思峰，等.灰信息下关键设备生产缓冲Petri网模型研究[J].中国管理科学，2010，18(4)：108-113.

[20] 李莉，乔非，田晓雨.晶圆加工生产线蚁群优化排程方法[J].清华大学学报:自然科学版，2007，47(S2)：1890-1894.

[21] 郭乘涛，江志斌，张怀.基于问题分解的蚁群算法在半导体晶圆制造调度中的应用[J].上海交通大学学报，2009，43(11)：1798-1802.

[22] 吴莹，乔非，李莉，等.晶圆生产线瓶颈区并行机半在线调度方法[J].控制与决策，2011，26(3)：339-345.

[23] 翟颖妮，孙树栋，杨宏安，等.大规模作业车间多瓶颈调度算法[J].计算机集成制造系统，2011，17(7)：1486-1493.

[24] Wang Z T,Wu Q D,Qiao F.A Lot Dispatching Strategy Integrating WIP Management and Wafer Start Control [J].IEEE Trans on Automation Science and Engineering,2007,4(4):579-583.

[25] Monch L,Schabacher R,Pabst D,et al.Genetic Algorithm-based Sub Problem Solution Procedures for a Modified Shifting Bottleneck Heuristic for Complex Job Shops[J].European Journal of Operational Research,2007,177(3):2100-2118.

[26] 李晓红，周炳海.晶圆制造过程中动态瓶颈设备的实时调度[J].上海交通大学学报，2008，42(4)：599-606.

[27] 苏国军，汪雄海.半导体制造系统改进Petri网模型的建立及优化调度[J].系统工程理论与实践，2011，31(7)：1372-1377.