求真百科歡迎當事人提供第一手真實資料,洗刷冤屈,終結網路霸凌。

變更

前往: 導覽搜尋
無編輯摘要
'''APS智能排程系统提升美的交付能力'''美的 [[ 数字化 ]] 平台从重构与优化IT供应链体系入手,建立数字化计划APS,实现一体化集成强化供应链内部跨职能协作能力,缩短从计划到交付供应链周期;实施智能化<ref>[https://www.sohu.com/a/533837469_121346374 什么是智能化?一张图看懂信息化、数字化智能化的区别] ,搜狐,2022-03-30</ref>排程,实现需求驱动设计与 [[ 生产 ]] ,完成外部需求链的动态汇聚与敏捷执行。
==一、案例简介==
美的高级计划排产系统(APS)是一个覆盖预测、产销平衡、订单承诺、生产物料 [[ 计划 ]] 、车间排程等多功能的一体化平台,融合 T+3 管理、价值流管理思想,衔接产销,充分打通了供应链上下游。
通过信息高度集成,利用订单拉动生产 [[ 制造 ]] 、供应链协同,实现生产过程透明化、可视化。该系统充分考虑了全价值链中的约束因素,实现供应链需求、计划、执行全流程协同的智能化、数字。真正从资源配置的角度,帮助提升订单交付水平和制造效率。
==二、案例背景介绍==
===(一)业务痛点===
经过五十多年的发展,美的已经积累了足够的生产制造的经验,形成了具有美的特色的生产计划体系。而在业务量增大、信息化加速、生产资源变更等背景下,美的的生产 [[ 计划 ]] 与排程也存在一系列亟需改进的问题:
(1)影响生产计划与排程的约束因素过多,生产计划的组合方案多,复杂度高,人工排产耗时 过长,且人工无法获得最优的排产方案;(2)生产计划与排程结果依赖生产计划员的经验,但生产计划员的经验无法通过系统沉淀、传承,新任计划员难以快速接手生产 [[ 计划 ]] 工作;(3)无法量化计划与排程结果,无法评价其质量,车间生产与执行盲目被动;(4)实际生产与系统计划 [[ 信息 ]] 传递不及时,生产计划无法根据车间实际生产情况实时、智能化 调整,生产价值链上下游无法有效协同一致;(5)基础数据量大,人工维护、更新不及时;(6)生产计划员只能在PC端进行生产计划与排程,无法移动化办公,存在计划信息传递延时情况。为解决以上业务痛点,美的创建了智能排程项目,希望通过智能化的算法、系统实现智能化自动排程,提高生产计划与排程的质量,为生产计划员减负,达到降本提效的效果。
===(二)项目目标===
美的创建智能排程项目,旨在建立智能化、移动化生产计划与排程系统,拉通生产价值链上下游信息,实现计算机自动优化基础数据设置,量化排程方案的质量,智能计算获得最优的生产计划 [[ 方案 ]] ,促进车间生产与系统计划协同一致。项目达成目标介绍如下:
(1)基础数据优化,建立系统自我记忆和 [[ 学习 ]] 功能实现工艺路线、UPH 等基础数据的智能维护 和自我修正,提升制造数据维护效率和准确度;
(2)建立仿真排程和结果评价体系,应用智能算法实现多版本计划模拟,将排程结果数据化及 可视化,满足不同场景的排产需求,在不同订单组合和制造资源下实现最优排程,提升排程效率和 [[ 质量 ]]
(3)实现排程计划的自我修正,排程结果与 MES [[ 大数据]]<ref>[https://it.sohu.com/a/669707371_120797758 大数据有什么作用?] ,搜狐,2023-04-24</ref>互联,系统排程与实际生产进度的实时更新,指导供应商精准恰时送货;
(4)实现排程计划执行的可视及生产异常的在线化协同及闭环(缺料、尾数、不良),提升计划执行及异常解决效率;
通过开发实现以上四个功能点,最终提升订单交付 [[ 效率 ]] ,缩短订单处理时间,提升车间齐套交付水平,减少效率损失(转线换型、缺料、异常)。
==三、案例应用详情==
结合实际业务情况,根据美的项目管理办法,智能排程项目周期为6个月,包括项目启动、需求调研、业务方案确定、IT方案设计、系统开发、系统测试、项目上线、上线运维等阶段。经过以上多个阶段的推进,美的智能排程系统于2019年6月正式投入 [[ 使用 ]] ,并逐渐推广到其他工厂。
===(一)算法选择===
排程问题是工单的组合优化问题,属于 [[ 数学 ]] 学科中的NP问题。对于这种问题,在当今的计算机性能条件下,利用传统的方法(枚举法)求解往往需要耗费巨大的时间和储存空间,有时甚至无法求解。因此,求解车间排程这种组合优化问题,最重要的是设计科学合理的智能算法。当前,常用于求解这类组合优化问题的智能算法有禁忌搜索算法、模拟退火法、粒子群算法、遗传算法等。
经过广泛调研及充分验证,由于 [[ 遗传 ]] 算法具有强容错性、并行性、可与其他算法(模拟退火法 等)结合等优点,且具有广泛的理论研究基础和实践基础,具有较为成熟的应用于车间排程的应用实例,所以遗传算法被确定为智能排程项目的核心算法。
===(二)系统主要功能===
结合业务需求,智能排程 [[ 项目 ]] 中设计的系统功能包括智能算法、数据驱动、移动排产三大模块。
(1)智能算法将业务经验、偏好及规则形成启发式算法规则,建立评价指标模型,设定优化目标 通过自主研发智能算法,按遗传、交叉及变异等规则进行多代进化优选。
(2)数据驱动实绩排产驱动生产相关数据实时传导,推动 [[ 物流 ]] 最后一公里落地。实现排产核心数据工艺路线生成、校验、优化的数字闭环管理。通过产品族规则建立和应用,实现排产快速、精准选线。
(3)移动排程,随时随地通过手机实现订单引入、来单即排、移动调产、进度查询一站式应用。订单历史数据查询,支持快速决策。
==四、创新性与优势==
美的通过建立数字化多层计划体系 APS,发挥了计划端到端牵引带动作用,拉通研发、采购、生产、物流、 [[ 销售 ]] ,实现智能化生产、网络化协同,快速响应供应链的需求波动与供应变化,实现端到端价值链的拉通。
==五、案例应用效益分析==
通过项目实施,在计划效率、产销衔接效率、全价值链整体库存资金和费用等多方面的改善,带来了诸多业务价值提升。
通过快速的计划协同,排产及备料时间从24h下降到2-4h, [[ 原材料 ]] 在制品库存降低90%。
通过智能排程,在保障客户订单按时交付下,减少了后端的转线换型,同时提升了订单齐套交付。排程的结果是通过算法得出的最优计划,计划准确性和生产资源配置合理性显著提升,在在生产执行上,异常减少, [[ 制造 ]] 交期大幅下降。在指标方面,达成排产准确率90%,T+3订单齐套率达到95%,排产时间减少1-2h,排产效率提升70%。
通过实绩排产,实现了美的和供方 [[ 计划 ]] 的无缝对接,提升了供方的送货效率,减少了送货等待。JIT 物料实现异常下降 40%,N点上线准确率提升50%。
==参考文献==
[[Category:500 社會科學類]]
781,497
次編輯