基于APS与MES的精益化生产

作者：    来源：e-works

欢迎访问e展厅 展厅 3 CIO信息化管理展厅 电子商务/企业门户, IT运维管理, 制造执行系统MES, 流程管理BPR/BPM, SOA/SaaS/云计算, ... 现代制造业已经不再是一个暴利行业，而是已经进入微利时代。产品价格不断降低，生产成本却没有明显降低，要想取得高利润，就要在生产管理的各个方面降低成本，消除生产过程中的各种浪费现象，提升效率。 制造过程是最大的成本消耗中心，降低成本就要在每个生产步骤中杜绝浪费现象，也就是要实现制造过程的精益化。那种“大概可以”的粗略式生产管理模式已经不能适应当今制造业这种微利时代。材料的浪费、过高的库存、设备与人工的闲置、计划不周造成的混乱、品质问题造成的返工等都会降低企业的利润。 采用信息化技术是实现精益化生产的一个重要途径，目前制造业采用的信息化技术包括ERP、CRM、SCM 、MES、APS等。ERP通常是企业第一个引入的信息系统，是一个高层次的信息管理平台，主要处理财务、订单、物料等企业运行的基本数据，但ERP不能解决生产现场的问题。而要实现制造过程的信息化，对生产中的每个环节全面优化和监管，还需要其它的信息系统帮助。 实现制造过程的信息化，企业要从计划和执行两个方面进行改进。APS是高级计划系统，也就是用软件帮助企业编制更加优化的生产计划。而MES是制造执行系统，采集和记录生产过程中的各种数据，实时监控现场状态，一方面控制产品品质，另一方面，保存生产中的各种数据便于以后追踪。 高级计划排程系统APS APS系统的基本概念是使用数学方法优化生产计划，还可以优化采购计划、运输计划等，属于供应链优化软件的一部分。 传统的生产计划都是手工编制，这种方式的弊端是非常明显的。虽然有很多人认为有经验的生管排出的计划不比软件差，但是，人工排程的弊端是难免的，其中一个很大的问题在于对未来的预见性不足。因为数据量的关系，即使是有经验的生管，也是短期的调度能力强而长期的分析能力不足。大部分企业，生管只排未来2-3天的详细计划，对于长期需求的分析只能是粗略的。因此，对于设备、员工、工具等资源与需求的匹配都不能进行精确的分析，工厂常常因为准备不足而造成交货延迟。另一方面，因为未来的计划不精确，工厂的采购计划也往往是粗略的，这就会造成库存积压，增加了库存成本。 APS系统有两方面的应用，长期的分析和短期的排程。对未来几个月的需求进行排程计算，是为了对未来的生产有一个总体的计划，分析各种资源是否能满足需求，以便提早做出准备，同时可以回复客户准确的交货期。 短期的详细计划用于指导日常的实际生产。要让软件能计算出生产计划，就需要将企业的计划要求描述给APS系统，这就是系统模型。APS系统的模型定义了排程的约束条件，系统根据约束条件采用一些优化算法寻找解决方案。APS的模型主要包括几个主要方面： 1. 产品和物料 2. 生产流程和工序 3. 主要生产资源，包括生产线、主要的加工设备等 4. 产品使用什么流程生产，经过哪些工序，加工顺序是什么 5. 每种产品／工序允许使用什么资源生产，单位产品的生产周期时间 6. 产品在每个生产工序上需要消耗的物料和半成品（BOM） 7. 辅助资源，例如模具、治具、测试仪器等，数量是多少，哪些产品/工序需要使用这些工具 上面是主要的模型内容，不同的企业会有不同的约束条件，在模型中还有很多具体的约束条件。例如，注塑工业中有颜色的切换限制，电子产品有产品相似度的切换限制等，工序之间又有前后和时间的关系。模型就是要将生管的经验转换为精确的数据，系统依据模型排程，排程不再依赖于个人经验, 工厂可以实现知识的积累并保证计划的稳定性， 在实际的项目中，APS系统还需要从外部获取排程目标数据，即需求、库存等，如果是以工单方式生产的企业，还需要当前的工单清单。上面这些数据通常都从ERP中获取，可以通过ERP输出报表由APS系统读入的方式获取。在排程结束后，APS系统输出生产计划报表，ERP再读入计划报表作为MRP计算的依据。 生产计划的优化是所有企业共同的愿望，APS系统可以为企业带来巨大的利益，不过遗憾的是，引入APS系统的企业却比较少。一方面是目前优秀的APS系统还不多，在国内，大部分的研究还在理论阶段，另一方面，企业管理者还没有接受用软件编制生产计划的理念。 很多企业管理人员都认为企业生产排程上只能是手工去完成，因为计算机制定出的计划过于理想化，很多人为因素和复杂情况都考虑不到，而生产实际的变动频繁，计划每天都需要改动，排出来的计划并不能按照执行。但是我们认为，理想化的计划对于企业是非常重要的，先有理想的计划，再追踪每日的变化，才能找到理想与实际的差异，逐步进行改进。采用自动排产与人工修改相结合的方式，是企业生产计划的正确模式。 APS系统除了实现优化排程外，一般还提供甘特图供用户维护和修改计划。甘特图提供一种非常直观的工具，使用户可以方便地对计划进行分析修改，跟踪每日的计划变动。尤其对于多工序的生产企业，甘特图可以方便地显示出工序之间的关系，标示出瓶颈资源位置，便于企业分析生产流程寻找改进途径。 鉴于制造业的差异巨大，适合所有行业的排程系统很难找到，不过可以考虑开发商的行业背景寻找适合特定行业的系统。目前国内已经有一些APS系统在特定的工业领域有成功经验，例如北京小吉星的PRM排程系统已经应用于飞机制造业，深圳瑞特的PlanMate排程系统适用于电子和注塑工业，另外还有些国外的产品也已经进入中国大陆市场，企业可以考虑软件公司的行业经验，找到适合自己的产品。 制造执行系统MES 制造执行系统(MES)在工厂中也叫ShopFloor，其核心就是采集生产现场的各方面的数据，保存数据并对这些数据进行统计分析，将数据送达需要的人。MES的实施需要达到几个方面的目的： 1. 可追溯性：一个产品生产出来，可以从MES系统查到，这个产品经过哪些生产工序、使用哪台设备、生产的时间、操作员是谁、消耗了哪些物料（物料批次）、生产时的各种条件参数、经过哪些测试步骤、测试的结果是什么等等。也就是，从这些数据，可以重现整个制造过程。当发生品质问题时，可以很快追踪到原因，包括源材料的生产批次等信息。 2. 制造过程防呆：制程中规定产品要按照一定的顺序经过多个生产和测试工序，如果前面的工序没有完成，或测试结果不合理，就不允许进入后面的工序。在MES系统的控制下，可以避免不良品进入仓库流入市场． 3. 实时监控：各条生产线现在在做什么产品？进度是否正常？哪条线发生停线或进度延误？各测试站点测试数据的分布是否正常？不良率是否超出合理范围？在线上发生异常时，系统立即报警，相关人员可以及时进行处理。 4. 统计分析：对测试数据进行统计分析，发现数据分布是否合理，从数据分布分析产品可能的品质问题。 数据采集的方法有多种。主要包括：条码扫描、手工输入数据、与设备实时通讯获取数据等几种方式。 条码扫描设备包括自动和手持式。自动扫描设备通常安装在生产线的头尾，当产品从线上流过时，自动扫描产品上贴的条码。手持式的扫描器由人工操作，经常用于测试站点，例如需要记录测试结果是否成功时，可以先扫描产品上的条码，然后再扫描结果编码(ErrorCode)，ErrorCode编码可以有多个，例如Success、ErrorA、ErrorB等，通过对各种ErrorCode的统计，知道主要的不良原因。 另外，如果需要具体的测试数据而不只是成功与否的结果，可以先扫描产品编码再采用小键盘输入数据的方法。 采用扫描和键盘输入方式，实施比较简单。如果需要更精确的数据，例如炉温数据等，可以采用与设备通讯的方式，实时采集设备提供的测试结果，不过这种方式需要设备自身有通讯功能。如果设备不支持，有的测试数据也可以采用安装探测器测量的方式，例如上面提到的炉温，可以使用温度探测器。压力、容器内液面高度等测试也可用安装探测器方式。不过这些都数据采集都需要额外的实施成本。 MES系统不只是进行数据采集，同时要对采集到的数据进行分析处理。在实施了MES的企业，各工作岗位的负责人、企业的管理者、客户等都能随时了解到生产现场的状态。通过对记录的生产数据的分析，企业可以找到制造过程中的问题点，持续进行改良。近几年，MES系统的需求越来越大，一方面企业自身需要改进流程，另一方面，中国有很多企业是接收订单为客户进行委托加工，国外客户要求企业提供制造过程数据。相信未来几年，MES会成为制造业信息化系统的一个热点。 MES 系统的难点在于数据处理技术，当企业规模比较大时，反应速度是关键。目前国外已经有比较成熟的MES产品，例如美国的UGS公司的FactoryLink／XFactory等，也有一些台湾的软件公司提供MES系统。这些系统有成功案例，性能比较稳定，但价格较高，适合大型企业。因MES需要比较长的实施过程，又需要经常性维护，本地化的开发和实施是必然趋势，否则就会出现维护费用过高、实时性差等问题，限制系统的推广。 APS与MES的集成 将APS与MES集成，可实现计划->执行->监督->计划修改的循环，对现场的异常及时调整，使整个企业的运行更加有序。在没有实施MES系统的工厂，APS系统是通过读入每日生产报表的方式获得生产进度，并根据进度调整生产计划。而对于有MES系统的企业，要将二者结合在一起，APS与MES系统应共用部分模型数据，并可以进行数据的交流。MES系统从APS中得到工单的生产计划，按计划启动生产，而现场的执行状态要可以及时提供给APS系统，用以比较计划和实际之间的差异，一旦实际执行状态与计划不同，生管可以及时调整计划，避免造成连锁反应使损失扩大。 各企业的生产形态不同，信息化的重点也会有所不同。不过APS与MES都是企业应该重点评估的系统。掌控和优化生产过程中的每个环节，是每个企业走向强大的必经之路。(end)

文章内容仅供参考 (投稿) (如果您是本文作者，请点击此处) (10/14/2007)