企業(yè)精益管理咨詢——提供企業(yè)精益戰(zhàn)略管理咨詢落地解決方案服務(wù)，企業(yè)值得信賴的精益咨詢顧問！
在計(jì)劃方面的難度：
一、面對(duì)相互沖突的計(jì)劃排產(chǎn)目標(biāo)
制作生產(chǎn)計(jì)劃需要平衡四個(gè)矛盾：滿足客戶交貨期與生產(chǎn)成本之間的矛盾、產(chǎn)能最大化與浪費(fèi)最小化之間的矛盾、庫存成本最小化與客戶需求的矛盾、批量采購與庫存最小化之間的矛盾。
1、客戶交貨期與生產(chǎn)成本之間的矛盾
為了滿足具有竟?fàn)幜Φ慕黄?，可能需要投入很多的產(chǎn)能成本。既要在既定的成本下，最優(yōu)的客戶服務(wù)。
2、產(chǎn)能最大化與浪費(fèi)最小化之間的矛盾
為了滿足資源利用最大化來提高效率，但是又要考慮過量生產(chǎn)帶來的浪費(fèi)。
3、庫存成本最小化與客戶需求的矛盾
為了糾正預(yù)測的不確定性，需備有一定安全庫存。做出最優(yōu)的庫存計(jì)劃來快速響應(yīng)客戶需求。
4、批量采購與庫存最小化之間的矛盾
大量的采購帶來的低價(jià)，但會(huì)導(dǎo)致庫存溢出。
二、面對(duì)預(yù)測不準(zhǔn)確的概率
制作生產(chǎn)計(jì)劃需要判斷選擇三個(gè)策略的決策：追逐式生產(chǎn)(Match/Chase)、均衡式生產(chǎn)(Level)、混合式生產(chǎn)(Combination/Hybrid)。
1、追逐式生產(chǎn)(Match/Chase)
優(yōu)勢可以穩(wěn)定的庫存水平，可以用變動(dòng)生產(chǎn)以適應(yīng)需求。劣勢是人力、培訓(xùn)、加班、額外班次的成本，解雇員工的成本，對(duì)員工士氣的影響，員工被解雇，需要的工作技能不存在，需要滿足需求的最大能力。
2、均衡式生產(chǎn)(Level)
優(yōu)勢是生產(chǎn)速率穩(wěn)定，避免追逐式生產(chǎn)引起的人力、資金方面的成本。劣勢是庫存水平提高，需要更準(zhǔn)確的預(yù)測。
3、混合式生產(chǎn)(Combination/Hybrid)。
可以在某些時(shí)段以全負(fù)荷或接近全負(fù)荷進(jìn)行。也可能在其它時(shí)段以低產(chǎn)量（或不生產(chǎn)）進(jìn)行。利用可用生產(chǎn)能力，有限的庫存儲(chǔ)備和持庫成本。
生產(chǎn)計(jì)劃團(tuán)隊(duì)需要：1、平衡銷售預(yù)測與銷售定單。2、平衡生產(chǎn)能力。3、平衡計(jì)劃庫存與實(shí)際庫存。4、提前安排季節(jié)性的高峰需求。5、減少產(chǎn)品提前期。6、安排緊急的客戶訂單。7、減少應(yīng)急情況的發(fā)生。8、持續(xù)的和客戶溝通確認(rèn)交期。9、監(jiān)控現(xiàn)場的進(jìn)度與變化。10、保持和供應(yīng)商的戰(zhàn)略協(xié)同。
在預(yù)期的生產(chǎn)提前期和庫存目標(biāo)下,保證生產(chǎn)與采購有充足的供應(yīng)(庫存、生產(chǎn)訂單和采購訂單)以滿足當(dāng)前的需求(客戶訂單)和未來需求(銷售預(yù)測)，解決生產(chǎn)什么、何時(shí)生產(chǎn)？買什么、何時(shí)買？
在排產(chǎn)方面的難度：
一、復(fù)雜多約束的生產(chǎn)現(xiàn)場
因?yàn)閺?fù)雜的工藝路徑對(duì)各種設(shè)備的特殊需求各不相同，有限產(chǎn)能的生產(chǎn)設(shè)備，物料、工裝模具及人員的約束。
二、多品種小批量的復(fù)雜生產(chǎn)模式
因?yàn)槎嗥贩N并行、資源共享易出現(xiàn)瓶頸、定單變化和生產(chǎn)周期的不確定性、計(jì)劃排程應(yīng)變能力、監(jiān)控訂單進(jìn)度難、物料變化多變，導(dǎo)致缺料與采購延遲嚴(yán)重。
三、動(dòng)態(tài)變動(dòng)的生產(chǎn)環(huán)境
臨時(shí)訂單改變、緊急插單的情況經(jīng)常出現(xiàn)。實(shí)際進(jìn)度和計(jì)劃排產(chǎn)的不吻合。產(chǎn)品流程不斷變化，新產(chǎn)品研制流程的不確定性，機(jī)器設(shè)備故障檢修，員工生病請假等。
四、精益生產(chǎn)的多品種混排模式
導(dǎo)致排序需要根據(jù)節(jié)拍優(yōu)化順序，既要考慮客戶的交期，又要考慮上游供應(yīng)的均衡和JIT/JIS準(zhǔn)時(shí)、順序、同步化。
在工廠車間建模方面的難度：
我們知道確定性的模型可以使用一些的優(yōu)先法則，同時(shí)也采用許多算法技術(shù)與啟發(fā)式程序。不確定的隨機(jī)模型使我們對(duì)優(yōu)先規(guī)則的魯棒性有了更深人的認(rèn)識(shí)。隨機(jī)模型的結(jié)果說明了這樣一個(gè)結(jié)論：隨著系統(tǒng)的隨機(jī)性增大，采用復(fù)雜優(yōu)化技術(shù)是不明智的。也就是說，系統(tǒng)的隨機(jī)性越大，排程策略應(yīng)該采用場景化規(guī)則處理，就可以使系統(tǒng)優(yōu)化簡化。
如何應(yīng)用這些知識(shí)來排程實(shí)際問題呢？答案并不是很明確。這些問題在學(xué)術(shù)界標(biāo)準(zhǔn)化模型的研究中有著相當(dāng)大的差異。在解決實(shí)際問題的時(shí)候，這些規(guī)則與方法往往被包含在一些更復(fù)雜的結(jié)構(gòu)中。
現(xiàn)實(shí)排程問題往往與理論研究中的數(shù)學(xué)模型有很大三別。因?yàn)閷?shí)際中的排程問題都有白己的特點(diǎn)，所以要找出所有的區(qū)別是一件很困難的事情。不過，有一些區(qū)別是共有的，因此值得關(guān)注。
1、理論模型往往假設(shè)有n項(xiàng)工作需要排程，并且在排程之后，這個(gè)有n項(xiàng)工作的問題被解決。但是在現(xiàn)實(shí)中，系統(tǒng)中往往會(huì)出現(xiàn)在同一時(shí)刻有n項(xiàng)工作需要解決，但是新的工作還在不斷增加。調(diào)度當(dāng)前的n項(xiàng)工作需要在沒有將來情形確切信息的條件下進(jìn)行。因此，需要對(duì)這些未知的情形做出推測。我們需要一個(gè)動(dòng)態(tài)的環(huán)境，例如：在排程中加入寬裕時(shí)間，來適應(yīng)緊急工作或是設(shè)備故障。
2、理論模型住往不強(qiáng)調(diào)重排程問題。在現(xiàn)實(shí)中，經(jīng)常會(huì)出現(xiàn)這樣的情況：在根據(jù)確定的假設(shè)做出了一個(gè)排程之后，由于隨機(jī)事件的發(fā)生需要對(duì)這個(gè)排程進(jìn)行一些調(diào)整。這種重新排程問題也可以被認(rèn)為是反應(yīng)式調(diào)度，它往往用來滿足某些具體的約束。舉個(gè)例子，人們往往希望只對(duì)原有的排程做出盡可能小的調(diào)整，即使這樣并不是最優(yōu)的排程。更確切地說在重新排程的時(shí)候只需對(duì)原有排程做出一些微小的調(diào)整，這就意味著做出一個(gè)具有一定“強(qiáng)壯性”的排程是相當(dāng)有利的。也就說過于靈敏的重排，會(huì)導(dǎo)致計(jì)劃排產(chǎn)脆弱不可執(zhí)行。
3、現(xiàn)實(shí)中的機(jī)器環(huán)境往往比理論假設(shè)的機(jī)器環(huán)境更為復(fù)雜。加工限制以及約束也更加棘手。在機(jī)器、工作或是時(shí)間方面，有可能是相互關(guān)聯(lián)而不是獨(dú)立的。
4、在數(shù)學(xué)模型中，每一件工作的權(quán)重（優(yōu)先級(jí)）是固定的（它們不隨時(shí)間的變化而變化）。而在現(xiàn)實(shí)中，每一件工作的權(quán)重往往隨著時(shí)間的變化而變化，這種變化可能是隨機(jī)的。一件低優(yōu)先級(jí)的任務(wù)單有可能突然變?yōu)楦邇?yōu)先級(jí)的任務(wù)單。
5、數(shù)學(xué)模型往往不考慮“偏好”這個(gè)因素。在一個(gè)模型中，一件任務(wù)要么能夠，要么不能夠被一臺(tái)機(jī)器處理。換句話說，一件任務(wù)能否被一臺(tái)機(jī)器處理可用0和1來表示。在現(xiàn)實(shí)中，經(jīng)常會(huì)出現(xiàn)這樣一種情況：一件任務(wù)能夠由給定的機(jī)器來加工，但是出于一些原因，任務(wù)執(zhí)行者更偏好用另一臺(tái)機(jī)器加工這項(xiàng)工作。用第一種情況下的機(jī)器處理這項(xiàng)任務(wù)往往是在一些緊急并且可能帶來額外費(fèi)用的情況下。
6、多數(shù)的理論生產(chǎn)模型并沒有考慮機(jī)器的可用性約束。一臺(tái)機(jī)器往往被假定為在任何情況下均可用。在現(xiàn)實(shí)中，一臺(tái)機(jī)器并不一定是連續(xù)可用的。有許多原因會(huì)導(dǎo)致機(jī)器不在操作狀態(tài)下。一部分原因是基于一些確定性過程，而另一部分原因是基于隨機(jī)過程。設(shè)備的輪班模式會(huì)造成機(jī)器不是一直運(yùn)行的。預(yù)防性的維護(hù)也會(huì)造成這種情況。還有就是機(jī)器可能受到隨機(jī)故障以及維修的影響導(dǎo)致不能連續(xù)運(yùn)作。
7、在研究中，大多數(shù)懲罰函數(shù)是分段線性的（例如：一項(xiàng)任務(wù)的滯后、單位懲罰等）。在現(xiàn)實(shí)中，存在可以商定的發(fā)貨日期或是工期，所以懲罰函數(shù)往往是非分段線性的。
8、大多數(shù)理論關(guān)注單目標(biāo)模型。在現(xiàn)實(shí)中，一個(gè)問題往往存在多個(gè)目標(biāo)，也就是多目標(biāo)加權(quán)優(yōu)化。。不僅僅是多目標(biāo)，它們各自的權(quán)重還可能隨著時(shí)間的變化而變化，甚至還與不同排程者的經(jīng)驗(yàn)相關(guān)。各個(gè)目標(biāo)對(duì)象之間似乎經(jīng)常會(huì)存在一種特殊的聯(lián)系，例如最小化總加權(quán)滯后時(shí)間和最小化順序相關(guān)的總準(zhǔn)備時(shí)間(特別對(duì)于那些瓶頸機(jī)器）。
最小化總加權(quán)滯后時(shí)間是很重要的，這是因?yàn)楸３址?wù)的質(zhì)量往往是一個(gè)有很大權(quán)重的日標(biāo)。最小化與順序相關(guān)的準(zhǔn)備時(shí)間總和也是重要的。這是因?yàn)閷?duì)于—個(gè)確定的生產(chǎn)環(huán)境，它可以使產(chǎn)量增加。當(dāng)這種聯(lián)系成為全部目標(biāo)時(shí)，這兩種目標(biāo)的權(quán)重不能是簡單的常數(shù)。這些權(quán)重可能與時(shí)間相關(guān)或者可以說與當(dāng)前生產(chǎn)環(huán)境的狀態(tài)相關(guān)。如果工作負(fù)荷相對(duì)偏重，那么最小化順序相關(guān)準(zhǔn)備時(shí)間將更加重要，如果工作負(fù)荷相對(duì)較小，最小化總加權(quán)滯后時(shí)間將更加重要。
9、現(xiàn)實(shí)中的排程過程，往往同分配工人班次和調(diào)度加班時(shí)間緊密結(jié)合。當(dāng)工作負(fù)荷將要超過實(shí)際能力，工期非常緊迫的時(shí)候，排產(chǎn)調(diào)度員將會(huì)增加加班時(shí)間或是增加班次來按時(shí)發(fā)貨。
10、理論研究的隨機(jī)模型常常假設(shè)加工時(shí)間服從一些非常典型的分布。例如，已經(jīng)深入研究過的指數(shù)分布。在現(xiàn)實(shí)中，加工時(shí)間往往不是符合指數(shù)分布的。一些觀測結(jié)果顯示，加工時(shí)間有著不同的密度函數(shù)。我們可以把這個(gè)密度函數(shù)看作一個(gè)確定值和一個(gè)分布的卷積。這樣的密度函數(shù)會(huì)發(fā)生在確定任務(wù)的手工操作中。加工時(shí)間有這樣的密度函數(shù)看似是有道理的。如果完成一項(xiàng)任務(wù)所需的最少時(shí)間已經(jīng)確定，那么即使是最優(yōu)秀的工人都不能用低于這個(gè)標(biāo)準(zhǔn)的時(shí)間完成這項(xiàng)工作（包括等于這個(gè)標(biāo)準(zhǔn)）。然而，加工時(shí)間存在許多變數(shù)，它們?nèi)Q于操作者在任務(wù)中的表現(xiàn)。完成率隨著時(shí)間的增加而增加。有可能加工時(shí)間有98％的概率是一個(gè)固定的值；而另有2％的概率是一個(gè)均值很大的指數(shù)分布。這種類型的概率函數(shù)往往出現(xiàn)在自動(dòng)生產(chǎn)或裝配線上。如果一個(gè)機(jī)器人來執(zhí)行操作，那么加工時(shí)間往往是固定的（通過系統(tǒng)設(shè)定好的），但是當(dāng)遇到一些突發(fā)事故的時(shí)候，加工時(shí)間立刻顯著增大。
11、隨機(jī)加工時(shí)間的另一個(gè)重要方面是相關(guān)性。在現(xiàn)實(shí)中，同一臺(tái)機(jī)器上的連續(xù)加工時(shí)間是高度正相關(guān)的。在隨機(jī)模型研究中，常常將所有加工時(shí)間假設(shè)或—個(gè)（或多個(gè)）相互獨(dú)立的分布。
12、加工時(shí)間的分布可能因受到學(xué)習(xí)曲線因素以及老化因素的影響而改變。—個(gè)人工操作的加工時(shí)間分布可能受到學(xué)習(xí)因素的影響。通過人來不斷加工作業(yè)有可能減少完作業(yè)的平均時(shí)間。如果一個(gè)操作對(duì)應(yīng)的分布包含機(jī)器的影響，那么機(jī)器的使用年限（機(jī)器老化）將會(huì)導(dǎo)致平均加工時(shí)間增長。
盡管我們研究的數(shù)學(xué)模型與現(xiàn)實(shí)情形有許多不同，但這些理論研究絕對(duì)不是在浪費(fèi)時(shí)間。這些研究讓我們更深人地認(rèn)識(shí)了許多排程問題，同時(shí)這些認(rèn)識(shí)對(duì)于解決硯實(shí)中大部分排程系統(tǒng)的算法模型的發(fā)展是有很大幫助。
在現(xiàn)實(shí)中，排程問題常常通過看上去不那么準(zhǔn)確的啟發(fā)式算法（場景化規(guī)則）來解決。不采用更加精確數(shù)學(xué)算法的原因在于現(xiàn)實(shí)中往往存在大量的隨機(jī)事件，這些事件往往導(dǎo)致在執(zhí)行原有排程時(shí)被迫做出調(diào)整。
所以，我們必須建立一個(gè)高效的計(jì)劃排產(chǎn)執(zhí)行的閉環(huán)體系，形成可以不斷自我改善、學(xué)習(xí)、進(jìn)化的系統(tǒng)，提供堅(jiān)實(shí)的應(yīng)用功能來滿足企業(yè)的智能指揮計(jì)劃調(diào)度中心，其目標(biāo)是:按需生產(chǎn)、精益制造、柔性運(yùn)作。
我們必須需要引進(jìn)新的智能計(jì)劃系統(tǒng)。傳統(tǒng)的計(jì)劃的方法,已佷難適應(yīng)快速多變的市場環(huán)境,很多企業(yè)正在轉(zhuǎn)向按需生產(chǎn)模式C2M（Customer to Manufacturing ）。按需生產(chǎn)的最大的挑戰(zhàn)就是計(jì)算CTP（Capable to Promise）承諾的交貨期和準(zhǔn)時(shí)交貨。不僅需要訂單需求可以直接進(jìn)入計(jì)劃排程的物料和能力系統(tǒng)，還要和供應(yīng)商互動(dòng)供應(yīng)信息。
當(dāng)精益運(yùn)作拓展到敏捷供應(yīng)鏈的智能制造時(shí)，按最終客戶的需求所拉動(dòng)快速客戶反應(yīng)時(shí)，將會(huì)給企業(yè)帶來巨大利益。但是，實(shí)施所需要的投入和精力也是巨大的。
