面向订单式生产的智能制造操作系统

译者：周双牛 天津工业大学1903研摘要：第四次工业革命预计将由机器人和人工智能等领域的新兴技术突破推动。因此，公司和国家都在探索能够处理各种客户需求的智能、自动化工厂。然而，99.5%的日本制造商是中小企业。他们中的大多数甚至在内部部门之间也缺乏数据交流，他们的平均劳动生产率只有大型制造商的43%。为了实现一个能够在紧迫的最后期限内以高生产率提供定制产品的智能工厂，本研究的重点是在最终产品下订单之前制造零部件的中小型工程订单型企业。零部件短缺和过剩的库存是此类公司面临的一个主要问题。为了确保这些公司的高效运作，本文提出了一种新颖的生产运营系统，该系统可以将销售、生产和采购部门获得的不同类型的信息联系起来。利用未来的询价信息进行备品，通过预定的收单计划使用可用备品。将订货计划发展为一个带备件库存和短期询价信息约束的整数线性规划问题。结果验证了所提出的操作系统在增加订单和降低零部件库存方面的有效性。我们相信，本文的发现对实现未来的智能工厂有很大的帮助。关键词：智能工厂 大规模定制 定制工程师(ETO) 产品功能规格生产座位预订系统1 引言自18世纪最初的工业革命以来，工业生产格局瞬息万变，工业发展的最新趋势是“智慧工厂”。2011年，德国为了发展经济，提出了工业4.0的概念，其特征是融合了正在模糊物理、数字和生物领域之间的界限的技术(Brettel等，2014年；Hermann等，2016年)。工业4.0背后的中心思想是为单独的制造机器分配“智能”，使它们不仅可以识别和调整自己在制造过程中的参数和操作，而且还可以与相关机器“合作”，实现全局优化。随后，中日两国政府分别在2015年和2016年提出了类似的概念，“社会5.0”，尽管各国此类产业计划的侧重点不同，但核心战略是共同的：使用网络和物联网(IoT)，连接虚拟空间(CyberSpace)和物理空间，开发具有高效自我管理功能的智能工厂，以满足不同的客户需求等。在这种背景下，本文提出了一种新的制造操作系统，它可以帮助工厂变得“智能”。我们专注于按订单工程(ETO)公司，这些公司制造设备，包括加工中心和钻床等机床。由于这种类型的机械设备决定半成品和最终产品的质量，因此确保制造效率对制造商本身至关重要。通过智能工厂，可以在较短的交货跨度内满足多样化的客户需求。同时，智能工厂可以高效、有效地应对大规模定制的挑战。小松株式会社(Komatsu Ltd.)是日本智能工厂的一个成功例子，该公司在全球制造各种ICT产品和ICT支持服务。日本99.5%的制造商是中小企业，他们在内部部门之间也经常缺乏数字连接，他们的平均劳动生产率(每名员工的附加值)只有大型制造商的43%。为了实现中小型制造企业的智能制造，本文提出了一种新型的生产操作系统，它可以将销售、生产和采购部门获得的不同类型的信息联系起来，以优化ETO公司的输入/输出，具体方法是：(1)开发一种新的零部件需求计划方法，以减少零部件库存的短缺/过剩(减少投入)；(2)提出一种能够有效利用零部件库存(增加产量)的订单预订系统。2 问题分析及相关文献2.1 问题分析我们进行了几次访谈，以澄清ETO公司的运营问题。图1和图2分别说明了日本十大机床公司之一的A公司的订单损失原因和部件利用率数据。从2014年11月到2015年7月，该公司共收到80个关于D类产品的咨询；然而，这些咨询中只有37%转化为收到的订单。转化率如此之低的首要原因是该公司不能提供快速响应(33.0%)，因此，他们被竞争对手剥夺了潜在的订单。第二个原因是某些关键零部件没有库存(19.0%)；因此，他们无法承诺在规定的到期日内交货。同时，从图2我们注意到，即使是很大的零部件库存也不能增加销售收入。这意味着即使库存中有大量非必需部件，也无法获得必需部件。

图1 订单丢失原因图

图2 2015年零件利用率在之前的研究中，我们开发了一个系统，它可以检测客户需求背后的制造矛盾，并指导客户修改他们的需求，以及自动向客户提供基本产品规格建议，以便缩短询价和工程流程的提前期。作为第二阶段的研究，本研究的重点是降低零部件库存，提高零部件利用率。本文讨论了零件需求计划和订单接收计划的新方法。2.2 相关工作零件需求计划确定每个给定期间的每种零件类型的数量。传统的零件需求量估算方法有两种。一种是利用历史的零部件消耗数据预测每套零部件的需求，另一种是利用物料清单(BOM)信息预测每种产品类型的需求，然后提取零部件需求。在ETO行业中，由于客户需求的多样性，每个产品功能规格可能存在大量的值。例如，钻床的最大处理速度可能有一百多个值，因此，功能规格的值组合数量甚至可以大于一百万。因此，一家公司不可能预测每种产品类型的可能需求。同时，产品订单组合每隔几个月就会发生重大变化。此外，每个定制产品需要不同的部件组合，因此，每套部件的消耗量在几个月内可能会有很大差异。因此，如果ETO公司使用历史消耗数据来估计零部件需求，以保持较高的填充率，则需要大量的安全库存，因为每组零部件的误差标准差可能很大。针对这一问题，我们提出了一种通过参考未来查询信息来估计零件需求量的方法，而不是使用历史的零件消耗量数据。同时，以有效利用现有资源为目标，开发了几种方法。利用生产能力的一个独特系统是由日本制造商开发的“生产座位预订系统”。该系统类似于火车或飞机预订系统：每种产品类型的生产计划都用“座位”表示，这样销售人员就可以很容易地检查是否有空位，然后向客户报出准确的交货期。当收到订单时，它会被分配到一个空位上，直到所有座位都被占满。通过这种方式，生产部门也可以很容易地了解订单信息，从而可以灵活地调整生产执行计划。3 提出了零部件需求规划方法。为了解决零件短缺或过剩的问题，我们使用“产品功能规格书”(以下简称PFS)的概念来确定零件需求。3.1零件与PFS之间的关系目标产品可以分解成一组功能单元。我们以钻床为例，一般来说，钻床可以分解为五个组件：工作台、工作台驱动单元(在这种情况下，仅沿X轴)、处理组件、处理组件驱动单元(用于Y轴和Z轴)和床身。每个组件具有一个或多个PFS。例如，X轴工作台驱动单元有两个PFS：“X轴最大进给速率(mm/min)”和“沿X轴的最大行程距离(Mm)”。此外，每个部件包括单个独立的部件或一组部件。例如，X轴工作台驱动单元由伺服电机、联轴器和滚珠丝杠三个物理部件组成。通过澄清PFS和功能之间的关系每个相关部分的元素，如果确定每个组件PFS的值，则可以指定这些部分。然而，由于每个PFS具有连续取值范围，考虑到生产成本，制造与PFS的每个“特殊”值相对应的部件是不切实际的。实用的方法是在设计阶段将每个PFS的可用值范围划分为若干个离散值段，然后确定其对应的部分。此外，应考虑零部件的共性，以减少为需求波动做好准备的安全库存。相反，零部件成本增加，因为需要更多规格更高的零部件，而规格更高的零部件通常成本更高。在此背景下，在这里，我们假设一组有限的部件已准备好解决所有可能的PFS价值组合。例如，表1列出了“转台驱动单元”的PFS信息和相关部件，转台单元有六种类型，而其相关部件伺服电机有三种类型。表1 产品功能规格(PFS)及其预定部件的值段Max.feed rateMax.travel distancePFS codeF21F22F23PPS codeF11SM1,SC1,B1SM1,SC1,B2SM2,SC1,B3F12SM2,SC2,B1SM2,SC2,B2SM3,SC2,B33.2 基于PFS未来查询信息的零部件需求计划在这里，我们建议使用PFS的未来查询信息来计划零部件需求，而不是使用零部件历史消耗数据。根据对ETO公司A的研究，发现其销售人员定期拜访他们的潜在客户。因此，未来的查询信息，包括客户可能想要用于其生产的产品的时间、数量和类型，可以提前几个月获得。由于ETO的目标产品是生产关键零部件或最终产品的设备，因此可以通过考虑经济趋势来预测市场需求趋势。同时，通过对这些设备将要生产的关键部件/产品进行分类，可以确定每个价值细分的需求比率。对于钻机来说，企业的客户可以看作是零部件制造商，因此，客户生产的工件可以根据尺寸、厚度、材料、加工用途等因素进行分类，从而可以预测每一类的需求。利用这些市场预测数据，以及查询信息，销售部门可以与生产部门一起制定销售目标(月销售需求，以及每个价值细分的订单可能性)。随后，可以计算每个部件的需求。例如，如果持续时间T以上的总需求量为100，PFS各价值段的期望需求率如表2所示，则从表1可以计算出所需的1型伺服电机数量为100×(60%×50%+60%×30%)=48。表2 持续时间T内的预期需求比率PFSPFS codeDemand ratioMax.travel distanceF1160%F1240%Max.feed rateF2150%F2230%F2320%3.3 数值实验为了检验该方法的有效性，我们将其与使用历史消耗数据的零部件需求计划进行了比较。实验的前提条件如下：(1)零件需求计划按月执行。计划跨度为1个月，零部件供应提前期(从订货到交货，包括生产准备)为6个月。因此，对于每个计划期T，确定T+6个月期间的部件需求。(2)未来的询价信息和长期的市场需求信息应该结合起来，转化为两类信息：1)月度销售需求；2)每个PFS的每个价值细分市场每个月的需求比率。每个价值部分的月需求量和比率都会随时间段的不同而不同。(3)对于每个PFS值段，给出它的预定部件集，并且对于每个部件类型，只需要一个单元。本实验共考虑22个部件(5种滚珠丝杠、4种伺服电机和联轴器、3种定位单元和工作台、2种主轴和1个除尘器)。为简化起见，本文将重点放在只能由一个PFS确定的零件上，而忽略复杂的情况部件由多个PFS确定。(4)采用简单移动平均法作为传统预测方法进行比较。(5)模拟进行了260个周期(周)。零件需求计划每四周(每月)进行一次，订单接收流程每周进行一次。为了将我们的方法与传统的方法进行比较，需要使用相同的测试数据。因此，首先生成实际需求(潜在订单)数据。随后，通过控制总需求的预测误差σ1(0<σ1<1)和控制每个PFS的比率的σ2(0<σ2<1)，生成未来的查询数据(月度总需求，以及各PFS在每个月中的比率)。。相比之下，由于传统方法使用历史数据来预测零部件需求，因此需要生成零部件历史消耗数据。在这里，我们假设前六个月的部件需求等于实际数量，但假设每个订单都比到期日提前5-12周随机到达(生产提前期设置为4周)。订单每周执行一次，并以先到先得(以下简称FCFS)的方式分配部件。因此，根据订单到达顺序的不同，部件库存和订单接收率也会发生变化。这样就可以得到前6个月的零配件消耗量数据，然后用传统的方法可以预测出7个月以后的零配件需求量。模拟进行了260个周期，并使用第45至260个周期的结果数据进行比较。参数σ1和σ2分别在±10%到±50%的范围内变化，相应的结果如表3所示。表3 零件需求计划的结果（平均周期45到260）MethodsLackExcessTupeQuantityTypeQuantityTraditional49518904Proposalσ1σ2TupeQuantityTypeQuantity10%±10%97312108±30%916513283±50%91241343730%±10%912412176±30%920013323±50%9246133950%±10%916913218±30%923112351±50%925613445例如，传统方法的平均超额部分是904，而我们的建议的超额部分从108到445不等。很明显，我们的方法减少了多余的部件，但是零部件的短缺增加了。因此，我们还检查了接单率。我们发现，传统方法的平均接单率为34%，而我们的方法的平均接单率在27%到30%之间，略低于传统方法的订单率。因此，下一个问题是如何利用多余的零件来提高接单率。在第四节中，我们应用了“生产座位预订系统”的概念来利用现成的零部件。4 考虑零部件库存的收单计划我们不是按照大多数公司目前遵循的FCFS规则(以下称为无部件消耗计划的方法)将制造部件分配给订单，而是尝试预先确定应该为每周期间分配的部件的潜在订单。这项计划每周进行一次短期询价信息显示未来12周内可能收到的潜在订单。虽然每次询价的产品规格以及预期到期日仍不确定，但与未来的询价信息相比，准确性相对较高。因此，我们可以匹配零件需求和零件库存，制定一个既最大化零件利用率又提高订单率的收单计划。收单计划以第二节提到的“生产座位预订系统”的方式表示为时间表。座位的准备是基于PSF单位而不是产品类型，因为为数百万种可用的产品类型准备座位是不切实际的。例如，如果客户想要在周期t内由PFSS F11和F21组成的10个产品(表4)，并且F11和F12都有座位可用，则可以接收订单。但是，如果客户想要15种产品，那么只能提供10种产品。表4 订单接收计划PFSPrescribde Value RangePFS CodeTarget Order Quantity of Time PeriodtTarget Order Quantity of Time Period t+1Maximum trawldistance ofX-axis (mm)~400F111020401-800F121530801-1200F1325201201-1500F1430101501-2000F152010Maximum X-axisfeed rate(nm/min)~6000F2115156001-8000F221508001-12000F23202512001-14000F24202014001-16000F25101016001-18000F26101018001-22000F271010Total10090但是，部件之间存在向上兼容性，这意味着可以使用功能规格较高的设备，而不是规格较低的设备。因此，公司可以向剩余的五种产品提供F12和F21的PFSS。相反，公司还可以提供一个替代交货期，在t+1周期内提供15种产品。通过参考这一周计划，销售团队可以很容易地与客户谈判，从而提高订单接单率。在实践中，规格越高的零件通常成本越高。然而，当客户急于引进产品(机器)进行生产，从而引领目标市场时，他们往往会为产品支付更高的价格，因此，我们目前忽略了这一成本差异。

4.2 数值实验使用Microsoft Excel Solver软件解决了ILP问题。对于每个计划周期t，周期t+5至t+12的收单计划按周计算。实际上，八周计划应该在每个周五晚上更新，这样销售人员就可以在接下来的一周里利用结果与客户进行谈判。数值实验是在与第三节相同的条件下进行的。但是，从我们的初步实验中，我们发现优化是非常耗时的。例如，20个周期的模拟(总计160个每周计划)需要2-8小时(在i7-7700CPU、3.6 GHz、8GB RAM上)，而60个周期的模拟(总计480个每周计划)可能需要100多小时；因此，在本节中，我们考虑执行60个周期的模拟。在改变第3.3节中描述的总需求σ1和每个加油站σ2的需求比率的预测错误率的情况下，验证了通过ILP优化获得的订单接收计划。总共产生了11个案例问题，并使用45到60个周期的平均接单率与基于FCFS规则的订单分配方法进行了比较。表5对结果进行了总结。表5 订单接收率和计算时间Case No.Increased order-received rate(Proposal - FCFS rule)Average calculation time perplan (Sec.)174.0%60258.0%52358.3%69472.4%60551.8%60651.7%45721.8%26834.5%50969.0%601056.0%451142.8%62从表5中可以看出，我们的提案预先确定了考虑部件库存的潜在订单的部件分配，对于这11个案例问题，可以将订单接收率平均提高到53.7%。这11个病例每周计划的平均计算时间从26秒到69秒不等。在这些实验中，较大的长期预测误差对应于部件过剩/不足的增加。因此，该方法在提高订单接收率方面的有效性降低；图3描述了具体的说明性示例。然而，即使在最坏的情况下，接单率也可以提高到40%以上，因此，从与订单相关的部件利用率的角度来看，所提出的接单计划是有效的。

图3 预测错误率和订单接收率的改进

图4 对订单接收率的影响4.3 建议的操作系统在降低部件库存和提高部件利用率方面的有效性考虑到目标功能产品的向上兼容性，这意味着可以使用功能规格较高的设备而不是规格较低的设备，因此可以提供替代的产品规格。因此，通过使用预定的订单接收计划，销售团队可以轻松地协商到期日和详细的PFS。如果由于没有空位而不能满足客户对交货期的要求，则可以提供功能规格更高或交货期不同的产品。因为这项研究忽略了成本，所以假设接受规格更高的产品的可能性是100%。在该实验中，接受另一个预产期的可能性从50%到100%不等。我们将本文的方法与传统的方法进行比较，传统的方法是通过使用历史的部件消耗数据来确定部件需求，并根据FCFS规则将部件分配到订单。周期45至60的平均接单率用于比较，而对应于周期1至44的模拟结果用于为传统方法生成零件的历史消耗数据。图4显示了说明性的示例结果。蓝色突出显示的列表示了订单接收计划的效果，其趋势与图3相同。但是，提供替代产品规格和到期日的效果显示出相反的趋势。这意味着，当高精度地预测长期询价信息(从而导致部件过剩/短缺)时，立即提供备选计划在保持高接单率方面起着重要作用。5 结论与未来发展方向本研究以需要有效实施大规模定制的电子商务企业为研究对象。由于零件需要在订单到达之前做好准备，高零件库存和低订单率总是构成效率的瓶颈。本研究以钻机为例。我们对本文的方法进行了评估，在简单的情况下，每个部分都可以由一个PFS来确定。根据未来查询信息得到各PFS各规定值范围内的总需求量和需求率，用于零件需求规划。结果表明，零件的过剩可以通过零件的大幅减少来补偿，而零件不足的问题可以通过零件的轻微增加来解决。为了弥补这一不足，本文还应用了生产座位预订系统的概念，通过考虑零部件库存提前准备了收单计划。通过设置收单计划进行选单，而不是使用现行的FCFS规则进行选单，既可以提高收单率，又可以减少零部件库存。考虑到我们的方案的实用性，需要用于订单接收计划的高速算法来快速交付解决方案。我们未来的工作包括验证我们针对更大规模问题的方法，在准备零部件的同时考虑成本平衡，并提供替代产品计划。