经济批量与单件流——《可以量化的管理学》

简介: 6.8.5.2经济批量与单件流内容提要:转移批量可以不等于生产批量,转移批量越小,生产时间越少。单件流的生产总时间最少(不考虑换模时间)。工序总用时=总数×瓶颈用时+批量×非瓶颈用时高德拉特在《站在巨人的肩膀上》写到:“我们从福特和大野耐一身上学到的是,不要接受所谓的固定批量。

6.8.5.2经济批量与单件流

内容提要:转移批量可以不等于生产批量,转移批量越小,生产时间越少。单件流的生产总时间最少(不考虑换模时间)。工序总用时=总数×瓶颈用时+批量×非瓶颈用时

高德拉特在《站在巨人的肩膀上》写到:“

我们从福特和大野耐一身上学到的是,不要接受所谓的固定批量。因为经济批量实际上不经济,相反我们应该尽力追求单件流,我们已经深深认识到当我们正在加工一个批量的一件产品时(混合或烘干过程除外),其它的部件都在等待。”我们追求的目标是:改善生产的流动性(等同于前置时间),即追求总工序时间最短。

一个生产流程有A、B和C三道工序,速度分别为10分钟/件、11分钟/件和10分钟/件。如果转移批量是10件,批次是1批,那么生产完10件产品需要310分钟。如果转移批量是1件,批次是10批,那么总工序用时是130分钟(如图6-138所示)。

图6-138 生产批量和移动批量

下边我们来推导工序总用时的公式。一个生产流程有4道生产工序,每道工序的速度分别是2分钟/件、3分钟/件、1分钟/件和4分钟/件,工序4是瓶颈(如图6-139所示)。

图6-139 生产流程案例

当批量为1件,批次为2批时,工序1耗时2分钟,工序2耗时3分钟,工序3耗时1分钟,工序4耗时4分钟,第一批耗时10分钟。当工序1生产耗时2分钟完成本道工序工作后,可以接着完成第二批的工序1的工作,耗费2分钟后,工序2正在生产第一批的产品,还需要1分钟才能完成,所以第二批需要等待1分钟。接着第6分钟时,工序2开始生产第二批的产品,花费3分钟,此时工序3已经完成第一批的生产,所以不需要等待,第二批可以直接进行工序3的加工。当工序3加工完第二批时,工序4正在加工第一批产品,还需要1分钟才能完成,所以第二批需要等待1分钟才能进入工序4的生产。生产完2批产品共耗时14分钟,其中等待2分钟(如图6-140所示)。

图6-140 工序总用时示意图

当转移批量为2件,批次为2批时,第一批耗时20分钟。当工序1生产耗时2分钟完成本道工序工作后,工序1接着生产第一批的第2件产品,第一批在工序1耗时4分钟,然后2件同时转移到工序2进行加工。工序2耗时6分钟完成2件产品的加工,然后顺次将2件产品转移到工序3和工序4,第一批共耗时20分钟完成生产。在工序1完成第一批的2件产品后,接着开始生产第二批的2件产品。当工序1完成第二批的2件产品后,工序2正在加工第一批产品,所以需要等待2分钟才能生产第二批。在对应10分钟的时刻时,工序2开始生产第二批产品,在对应时刻16分钟时完成加工,此时工序3已经完成第一批的生产,第二批可以直接进入工序3进行加工。在对应时刻18分钟时,工序3完成第二批的生产,此时工序4正在加工第一批的产品,所以第二批需要等待2分钟才能进行工序4进行加工。两批产品加工一共耗时28分钟。

当批量是1件,批次是2批时,第2批工序等待差是2分钟,分别在时刻第4分钟和第9分钟时进行了等待(如表6-13所示)。

表6-13 工序用时表格

1、只有2批,每批1件的情况

工序总用时=第一件总用时+第2件累计时间=单件总用时+(第一道工序用时+工序累计等待时差)

2、有多批,每批不只1件的情况

工序总用时=第一批总用时+剩余批次累计等待用时=单件总用时×批量+(第一道工序用时×批量+累计等待时差×批量)×(总批次数-1)

=批量×[单件总用时+(第一道工序用时+工序累计等待时差)×(总批次数-1)]

因为第一道工序用时+工序累计等待时差等于瓶颈用时,所以

工序总用时=批量×[单件总用时+瓶颈工序用时×(总批次数-1)]

=批量×单件总用时+批量×瓶颈工序用时×总批次数-批量×瓶颈工序用时

=批量×单件总用时+总数×瓶颈工序用时-批量×瓶颈工序用时

=批量×(非瓶颈用时+瓶颈工序用时)+总数×瓶颈工序用时-批量×瓶颈工序用时

=总数×瓶颈用时+批量×非瓶颈用时

结论:工序总用时与总数,瓶颈用时,批量和非瓶颈用时有关。在这个式子中,总数,瓶颈工序用时和非瓶颈用时都是常数不变的,只有批量是可以改变的,即工序总用时大小只与批量大小有关。批量越大,工序总用时越多。

设非瓶颈用时为a,批量为x,瓶颈用时为b,总数为q,瓶颈用时×总数等于bq,为常数不可改。则工序总用时y=ax+bq(如图6-141所示)。(上图中,B工序为瓶颈,A和C为非瓶颈,非瓶颈总用时为20分钟)

图6-141 工序总用时

工序总用时是一条单调上升的曲线,因为最小的生产批量为1,所以在批量为1时,工序总用时取得最小值为a+bq,当批量为x时,工序总用时随着x的增加而增加,工序总用时等于ax+bq。

如果批量由于某些原因不是最小量1时,随着批量的增加,批量×非瓶颈工序用时也在快速增加,此时工序总用时也在快速增加,如果能减少非瓶颈(生产单件产品的此工序时间)的用时,总工序时间也会相应的减少很多。当然,由于瓶颈用时×总数,每减少瓶颈用时1分钟,相当于减少总数分钟的总用时,瓶颈的变化对总用时影响最大。

结论:瓶颈每减少1单位时间,工序总时间减少总数单位个时间;非瓶颈每减少1单位时间,工序总用时减少批量个单位时间。

当批量变成1时,就和丰田生产方式的一件流“One Piece Flow”是一样的了。TOC与丰田生产方式都是追求缩短生产时间。当一台机器需要生产多种产品且是瓶颈时,则需要经常切换工序,而每次切换是需要花时间的,如果采用一件流时,即批量为1时,总工序用时可能不是最小的,因为切换次数过多。下边我们会推到考虑切换工序时的情况。

在TOC理论中有几条黄金法则,

TOC黄金法则一:瓶颈损失一小时等于整个系统损失一小时。

TOC黄金法则二:非瓶颈节省一小时对整体产出没有任何贡献。

对于这两条法则,如果其中的时间不是指瓶颈和非瓶颈的速度,即如瓶颈工序A速度10分钟/件,非瓶颈工序B速度8分钟/件,而只是指总瓶颈和非瓶颈的工作时间,那么这两条是对的。当瓶颈工作时间由7小时变为8小时,则系统损失1小时;当非瓶颈工作时间由8小时变为7小时,对系统没有影响。

但如果其中的时间是指速度的话,那么第二条法则就错了。作者没找到高德拉特对此的解释,但网上的TOC资料和其中所举的例子都是指生产速度。错误的原因是他们只将总生产用时推导到:

工序总用时=批量×[单件总用时+(第一道工序用时+工序累计等待时差)×(总批次数-1)]

=批量×[单件总用时+瓶颈工序用时×(总批次数-1)]

所以得出错误的结论是:工序总用时与批量,瓶颈工序用时,单件总用时三个变量相关;对总用时的影响为从大到小排列。

如果进一步推到得到:工序总用时=总数×瓶颈用时+批量×非瓶颈用时

所以工序总用时与总数,瓶颈用时,批量及非瓶颈用时有关。当非瓶颈的生产速度提高1分钟时,总工序用时则提高批量个分钟。

目录
相关文章
|
4月前
|
机器学习/深度学习 人工智能
阿里轨迹可控版Sora,告别抽卡,让视频生成更符合物理规律
【8月更文挑战第26天】阿里团队新推出的Tora视频生成模型是对先前Sora模型的重要升级。Tora通过引入轨迹控制机制,极大提升了视频中物体运动的真实性和准确性。其核心技术包括轨迹提取器、运动指导融合器及空间时间扩散变换器,共同确保视频既高质量又流畅。实验表明,Tora在清晰度、细节表现力及运动轨迹控制上均有显著进步。尽管如此,模型训练复杂度和轨迹理解能力仍有待优化。[论文](https://arxiv.org/pdf/2407.21705)
51 2
|
7月前
|
调度
Matlab|考虑源-荷-储协同互动的主动配电网优化调度研究
Matlab|考虑源-荷-储协同互动的主动配电网优化调度研究
|
7月前
|
编解码 人工智能 移动开发
气候变化和人类活动对中国植被固碳的贡献量化数据月度合成产品
气候变化和人类活动对中国植被固碳的贡献量化数据月度合成产品
40 0
|
分布式计算 算法 数据可视化
带你读《2022年开源大数据热力报告》——研究目标和研究模型
带你读《2022年开源大数据热力报告》——研究目标和研究模型
358 0
|
自然语言处理 达摩院 数据格式
带你读《达摩院智能客服知识运营白皮书》——3.2 如何进行知识收集?--基于知识来源收集候选知识
带你读《达摩院智能客服知识运营白皮书》——3.2 如何进行知识收集?--基于知识来源收集候选知识
149 0
|
机器学习/深度学习 传感器 算法
考虑“源-荷-储”协同互动的主动配电网优化调度研究附Matlab代码
考虑“源-荷-储”协同互动的主动配电网优化调度研究附Matlab代码
|
图形学
为什么说“3D建模”是未来不可少的行业
随着国家文化政策的大力支持,一场新世纪的文化复兴运动,正在悄然展开。文化娱乐产业蓬勃发展,而随着生活水平的不断提高,人们也越来越愿意在精神享受上花钱。**电影行业、游戏行业**就是两个典型的例子。
134 0
为什么说“3D建模”是未来不可少的行业
|
机器学习/深度学习 Python
Python 金融量化 道路突破策略(唐奇安道路突破策略&布林带通道及其市场风险)
Python 金融量化 道路突破策略(唐奇安道路突破策略&布林带通道及其市场风险)
1459 0
Python 金融量化 道路突破策略(唐奇安道路突破策略&布林带通道及其市场风险)
城市交通流估计背景简介
在城镇化演变进程中,汽车数量增加交通拥堵的问题越来越严峻,交通流量数据预测是交通管理和调控过程中尤为重要的环节,涉及到能否精准得到短时交通流量预测数据。
416 0
|
机器学习/深度学习 数据采集 编解码
AAAI 2019 提前看:融合质量不理想数据
这篇文章笔者想讨论的研究主要跟数据质量相关。此前腾讯 AI Lab 主任张潼返回学术界的消息引起了对于学界和业界之间的鸿沟的思考。
144 0
AAAI 2019 提前看:融合质量不理想数据