基于CPS的计划排产研究

2021-11-04段江丽

制造业自动化 2021年10期

段江丽

（中国船舶重工集团公司第七一三研究所，郑州 450001）

0 引言

我国制造业企业管理水平正不断提升，正逐步告别过去粗放发展的时代，企业在制定车间生产计划时，需要权衡考虑交期、质量、成本和生产效率等多目标优化问题，提升企业的生产效率[1]。

装备制造业的车间生产计划执行是一个复杂的过程，在车间生产计划的编制过程需要考虑各车间物料与资源等条件的约束，生产过程资源涉及人员、设备、工具工装、夹具、工作班次等要素[2]，企业排产过程面临的是一种多约束求解问题，客户的订单数量、交期调整、生产的人员、物料、设备支撑等一旦有调整，都会对车间生产造成影响[3]。

企业需要基于某种合理有效的算法，针对自身行业、企业、工艺特点，考虑各类生产要素对生产计划排产的相关约束，并综合考虑生产调度与执行的反馈闭环，提高生产排产计划的科学性以及可执行性[4]。本文提出面向CPS的计划排产方案并提供了相关算法,助力企业智能排产。

1 计划排产现状

制造业企业是一个复杂的有机整体，而计划排产则是保证企业能否有机协调运转的核心，企业通过计划排产牵动着产、供、销、库存、物流、财务、人力等一系列业务的正常运转，各业务部门的实际执行情况的反馈，又会驱动计划排产活动的更新响应，企业需要通过制定合理的策略与机制，以驱动计划排产的有效闭环。

多品种、少批量的生产模式，订单的变化导致了排产的复杂性。国内的很多中小企业以及部门大型制造企业一般采用静态排产的方式，并且大多时候需要计划员进行干预排产。

企业生产计划排产需要能够适应客户订单灵活多变特性，以满足客户交期、控制生产成本、保证产品质量、提高生产效率等为优化目标，基于人员、设备、物料、工具工装等多约束条件并充分考虑约束条件的可伸缩性，自动获取库存与生产执行情况反馈实现计划闭环，最后进行订单投产优化、生产计划与排产。

2 基于CPS的计划排产模型

基于CPS的计划排产实现了大数据、人工智能等技术在计划排产过程中的应用，通过生产过程信息采集、模型建立及分析、业务优化决策和业务执行四个循环过程形成管理闭环，通过这四个闭环的循环来实现计划排产的不断迭代优化。基于CPS的计划排产模型如下图1所示。

图1 基于CPS的计划排产模型

2.1 生产过程信息采集

企业需要对生产执行过程中的过程信息实时采集，包括对人员信息（可作业人员数量、可作业人员可用工时、各作业人员生产效率等）、物料信息（相关任务物料及替换物料在制数量、物料可用状态、物料位置、物料报废数量等）、设备信息（相关设备运行状态、设备保修保养情况、设备可用时间、设备故障情况、设备稼动率等）、工具工装信息（相关工具工装所属设备、工具工装状态、工具工装损耗情况）、计划执行信息（生产准备执行情况、派工报工信息、报警信息等）等进行数据采集。

2.2 模型建立及分析

计划的合理编制必须建立在有效切合生产实际的模型基础之上。计划编制之前需要对物料、生产资源、生产工艺过程等过程要素进行模拟仿真，建立生产仿真模型；计划编制过程中，需要对采集的生产执行过程中采集的现场反馈信息进行筛选处理，建立计划排产模型。

生产仿真模型的建立需要对物料数据、生产资源、生产工艺过程等信息进行详细整理汇总。

基本信息包括名称、规格、型号等，其中种类包括产品类、原材料类、自制件类、采购件类、工装类、辅料类、工具类等。

生产资源包括生产车间、生产线与生产线工位、工作中心、设备、工具工装、人员、日历班次等生产资源。

生产线：对于按照生产线流水方式组织生产的生产类型，定义生产线编码、生产线节拍、生产线开线准备时间等基本信息。

生产工位：工位是流水线生产过程管理的最小粒度；生产工位的属性包括工位编码、所属的车间、生产资源的相关配置、节拍（产能）等。

工作中心：工作中心是离散制造业的基础生产单元，工作中心属性包括所归属的车间、生产资源的相关配置（人员、工具工装）等。

设备：机加、装配、质检等设备的编码、名称、安装位置、设备功能等。

工装：工装编码，所属设备、工装状态（在库、在用、维护）等，关联工装台账。

人员：车间员工的唯一编码、所属车间、所属班组、人员权限、人员资质等，作为人员管理的基本信息。

日历：企业中的日历可以有企业日历、车间日历、班组日历等不同层次的日历，企业、车间、班组根据自身能力和任务编制各层级日历。

生产工艺过程建模是从产品生产的角度描述产品的结构，主要包括：产品结构、工艺路线等。

产品结构：产成品与各原材料直接的关系、各物料定额等；生产线工位物料清单，描述产成品与生产线上各工位装配零部件直接的关系、各零部件定额等。

工艺路线：工艺路线体现了物料的加工过程信息，包含工作加工路径、加工时间、加工工具工装等。

计划排产优化模型建立包含优化目标、约束条件、优化目标以及实时反馈等信息。

优化目标：优化目标是计划排产决策的依据，企业需要根据企业发展战略、生产经营策略，结合企业当前发展阶段、市场环境、运行状况等因素，综合决定计划排产优化目标，企业通常需要考虑的优化目标有生产效率、生产成本、设备稼动率、产品质量、产品交期等。

约束条件：约束条件是计划排产过程中必须进行考虑的各种限制因素，具体包括人员、设备、工具和工装、物料数量等。

实时反馈信息：实时反馈信息是指需要实时采集人、机、料、任务执行情况等现场生产执行过程信息，计划排产时，需要基于最新的生产执行过程反馈数据。

2.3 业务优化决策

业务决策是根据历史经验、对当前的评估以及未来展望，为了达到最优排产，进行决策。

基于所建立的生产仿真模型和计划排产优化模型，编制按生产线组织生产的车间级生产线日计划和按工作中心组织生产的车间工序作业计划。

根据计划执行结果，实时采集生产执行过程数据，并与对应计划进行比对，根据计划达成情况，分析对计划造成影响的相关因素，通过大量数据的分析，识别关键影响因素。相关管理人员根据所识别出的结果，分析决策后输出相关处理措施计划，如人员限制因素明显，则决策后可输出对应的人员招聘计划、员工培训计划。

2.4 业务执行

业务执行是对业务优化决策的物理实现，对于通过采集、分析、决策等过程识别出的问题及输出的相应决策，进行具体的措施执行，相关措施包括需求管理、约束管理、目标管理等过程。需求管理可以通过销售订单管理、预测模型建立等方法进行执行；约束管理可通过员工的培训、设备维护或采购、物流的调整优化等一系列措施进行优化生产过程相关的人机料法环测等要素的管理水平，最终实现保证交期、降低成本、提高质量与效率的运营目标。通过采集、分析、决策、执行闭环流程不断进行优化，提高企业计划排产水平。

3 计划排产算法

基于复杂装备制造业对应的不同行业、不同工艺场景，包括机加车间、焊接、涂装、铸造、总装等构建工业机理模型，基于生产比倒数法、遗传算法、动态规划算法等科学算法对车间生产进行计划排产，最大程度的实现对车间计划排产多约束多目标问题的优化求解。

本节对制造业典型业务场景下的计划排产的4种主要优化算法进行描述。

3.1 面向市场响应的订单投产优化—生产比倒数法

采用生产比倒数法对面向市场响应的订单投产优化问题进行求解。生产比倒数法适用于多订单情况下，订单投产优化顺序及投产数量求解问题，实现面向市场需求动态扰动情况下的订单投产优化。生产比倒数法同样可应用于JIT准时化生产排产过程中，订单数量不均衡情况下的产品计划平准化，通过基于生产比倒数法的产品平准化，使生产线订单投入均衡优化。

生产比倒数法的主要思想是控制同一种产品不能连续的进行投产。生产比倒数法是根据各任务产品的生产比的倒数值来决定排产策略，具体如下：

通过分析计算各种产品的投产比，确定每个产品在每个生产循环周期中的投产数量；

计算产品的投产比倒数；

计算投产顺序：从所有投产产品中选择生产率倒数最小的产品；如果多个产品的生产率倒数相等且最小，则靠后确定的产品先进行投产，后续投产的产品规格型号应尽量与前一次不同，避免某一同类产品连续投产；

更新各个产品投产比倒数值，选定下一个投入生产的产品，直到最小生产周期中所有产品都被分类。

3.2 基于生产节拍的准时生产计划—JIT

生产线流水作业方式，使用基于生产节拍的准时化（JIT）生产计划，通过生产线父子线定义关系，由总装线生产计划“拉动”产生相应子线生产计划，父线与子线之间设置缓冲，以解决各线之间可能发生的产能不匹配情况。汽车制造业的装配过程是典型的准时化生产模式，如图2所示。

图2 准时化生产模型

基于生产节拍的准时生产计划采用倒推拉动式生产，后工序从前工序领料，前工序根据后序需要加工，使得物料有最小的位移，提高效率。制造工序的最后一道工序的下线点就是总装线起始点，工序间无缝连接，保证物料高效周转。

基于生产节拍的准时生产计划要求生产必须均衡化，各工位生产节拍必须一致，或者设置缓存以处理节拍的不一致，保持产线的均衡。在制定投入顺序的计划时，充分考虑到装配线之前的各工序之间的产能均衡化，并且需要通过方法尽量减少相关的原材料、半成品在各工序产量以及运送量的变化，减少缓存区的在制品的数量。为了达到这个目的，装配线所需要的各种原材料以及半成品的单位时间消耗就应尽可能保持不变。