设备排期与排程讨论

前言

前段时间和厂里环境试验的负责人讨论了设备排期的问题。厂里存在高低温试验、振动试验、老练试验 等多种环境试验，但是由于这种试验的特点就是：准备时间长，试验内容和工序强相关，并且由于厂内生产是最典型的离散型工厂，所以工序之间独立性强，工序与工序之间并不能用简单的工序规划排期来排程，同时由于每个工艺的工序流程相似，经常会导致在一个时间段内人员集中使用这些设备，而且由于生产过程中种类多，高低温试验箱、振动试验台资源在一个时间段内就成为约束资源。因此为了解决这个设备资源约束问题，部分使用和管理人员提出想用设备排期和排程来解决试验设备紧张的问题，本文就设备排期和排程相关内容进行讨论。

工序分析

在想解决这个问题之前，我们先仔细分析一下目前设备状态。依据目前在厂里实施经验来看，厂内高低温试验的特点是实验时间长，而振动试验的特点是试验时间过短。例如：高低温时间基本持续在8小时以上，有些甚至可以达到24小时以上；整个试验过程是连续进行试验，并且试验过程不能有任何的中断或是终止；而振动试验则相反，振动试验一般会集中在20分钟内结束，但是振动试验有个明显特点：因为振动试验的试验特殊性，所以试验的准备过程包括设备运送、设备固定、设备调试，有些甚至还需要进行预试验，以确保试验过程可靠，这样的结果就是试验过程虽然不长，但是试验准备时间和调试时间会很长，而且存在很多变数，无法对准备时间和调试时间进行预估；鉴于以上的情况，厂内这两类试验的特点总结如下：

1. 顺序约束：工序独立性极强，这两个试验工序和前一步工艺工序只有前后执行的顺序约束，前期工序需要完成后，才可以执行高低温试验工序和振动试验工序；
2. 离散型制造：离散型制造的特点及其明显，前一个工序在执行的过程中，无法准确的预测或是预期工序的执行完成时间，依据历史数据来看，前一工序的完成时间的时间范围会在 1到7个工作日属于普遍情况；
3. 试验准备时间长：这两类试验准备时间都较长，两类试验都需要有充足的试验准备时间来保障试验的顺利执行；另外高低温试验试验时间也很长；而振动试验的试验调试和准备时间甚至经常会远超过试验本身的时间；
4. 试验过程中存在多种变数：试验过程中存在多种变数，经常会因为被试验产品自身的状态、试验设备自身的状态或是错误；或是试验人员操作错误等原因，从而导致需要延长预计的试验时间；

   设备排期基本思路

   以上均是现场生产过程中实际出现的问题，我们来看一下目前常见的对于设备进行排程和排期的基本思路： 1、资源评估与分配 在资源评估与分配中，主体思想就是将设备作为一个整体调度和分配，避免设备存在空闲、未使用的状态；另外在流程型制造模式中，资源的智能动态分配也属于常见方式，其原理是将依据设备的状态和工序的生产进度相匹配，使其在上一个工序生产完成后，即可可以得到衔接设备进行工序生产，这样一方面保障了生产的持续性，也很好的提高了设备的利用率。 2、工序调整 在流程型制造模式集中，可以通过对工序的调整来实现约束资源的限制。例如对部分工艺中的工序顺序调整、工序数量调整、工序时间调整，工序优先级调整、甚至调整工序产品的数量，以此通过工序的调整，将约束设备资源的使用时间进行重新分布，以此来减少一段时间内对于某类设备的集中性使用，同时这样还可以减少设备因等待物料或前序任务导致的空闲； 3、设备使用计划 在这种方法中，和第一种方法资源评估与分配最大的不同点在于，这种设备使用计划不是将设备作为资源池进行动态分配和调整，而是将设备依据生产计划、生产特性，而直接进行分时间段、分组织的使用；例如：某些生产制造企业，会依据部门和生产特性，直接将约束设备分为 X部门周一、周二使用；Y部门周三、周四使用、Z部门周五使用；或是将五台设备直接进行分配：X部门用这两台；Y部门用这两台；Z部门用最后那一台；不要看到这种强制分配和归属划分的方式就觉得这种设备排程思路原始、低效，实际上在很多生产企业中，不同的部门效能、产品特性有很大的区别，使用这种强制分配的策略，可以直接避免部门之间设备抢占所带来的生产效率和产能降低。 4、人力资源排期 人力资源排期这个思路有些书中可能会将此归为资源评估和分配的思路中，因为人力资源也是一种资源。但是我这里单独将其进行列出来，是因为我认为在离散型制造企业中，人力资源的主观能动性是解决很多生产问题方案的最有效手段。在部分企业中，人员是 7 x 24小时作业，因此可以使用第一点中资源评估与分配的方法，结合生产人员排班情况进行资源排期。直白点来说就是在很多制造型企业中所说的，要实现：人歇机不歇。将机器的所有工作时长都分配出去，这样实现机器极高使用率。 以上四点是我们在进行设备排期过程中所常见的设备排期和排程的思路和方法，在上面所有的思路方法中，但凡涉及到设备排期，那必然需要考虑以下的几个方面： 1、放弃试验 因为工序错误、设备异常、被测产品异常、人员异常等等一系列的因素，都可能会造成放弃试验的情况。放弃试验，就意味着这段试验时长空白，那么如何处理这段空白的试验时长就成为一个必须要解决的问题。总结来说，无非有以下几种方法来处理这段时长：

   • 后续试验全部提前：后续试验全部提前我个人认为是最差的排期方案，因为后续试验全部提前，意味着一个人排期变动，需要后面所有相关人员来承担，而且本身排期的作用就是计划，方便于大家合理、顺序、以及有准备的使用设备资源，如果做好的计划因为前面某人的计划更改就导致所有人的计划变更，可能很多人会逐渐对排期计划失去信心；而且一次变动可能会引发后续多个试验全部变动，从而导致设备排期计划形同虚设；
   • 某个相同时长的试验提前或插入一个新申请的试验：这种方案相当于上一个方案的变通版本。既然后续所有人的影响巨大，那么我们是否可以采用只调整一个人的排期计划来降低对排期计划的影响。这种方案虽然在一定程度上降低了对于整体排期计划的影响，但是却没有降低其实现和实施的难度。无论是提前后面的某个试验，还是插入一个新申请的相同时长试验，都需要所有试验人员的配合，而且由于这个试验约束条件已经建立（如这个设备，这个时间段），所以需要完全适合的试验才能放到此时间段进行执行，这样不但带来了系统的复杂性，而且同样给试验人员带来上计划的不确定性。
   • 不排期：这是最简单的做法，即如果这个时间段放弃试验，则这个时间段的留空，不做任何调整。对于部分生产工序可能这个合适，但是很明显这种方案并不适合目前厂内的情况。我前面就介绍过此厂内高低温试验经常会持续在8小时以上，有些甚至可以达到24小时，如果这个时间段直接放弃排期，那直接意味着设备在资源紧张的时候，却有大段的空闲时间，这对于任何排期计划都是不能忍受的。 2、试验延期 如我上面所说，试验过程中可能会出现无法预想的异常情况，如准备时间预估不足，试验时间比预期要长、试验中发生未预料事件等等。这些都可能导致试验并未在试验排期内完成。如果不能在试验排期内完成，处理方式有如下几种：
   • 后续试验延期：我形容这种情况就如同高铁运行一样，一辆列车在行驶过程中出现异常情况，导致晚点，可能会导致这条线路，甚至多条线路的列车大面积晚点。不同的是：列车晚点有时间可以通过压缩停靠时间，提高行驶速度等方式降低或是消除延误影响，但是在试验过程中，实验过程肯定是无法压缩时长的，只能通过压缩准备时长来消除延误，这种不但需要后续试验人员的配合，更重要的是需要申请试验的时候“刻意延长”。在这种模式下，如果我是试验人员，我必然会选择我个人最为保险的方式来申请，预计需要8个小时的试验，我至少给自己申请9小时，以方便给自己留下足够的余量，保障自己的试验顺利。这种明显会导致试验设备有效使用率的降低。
   • 强制终止试验：这种模式意味着不能运行试验延期的存在，只要申请试验时刻一到，立刻要求终止试验。这种模式明显还不如上面 第一点放弃试验中所说的不排期，因为不排期最起码没有浪费人力资源，也没有浪费电力和设备损耗。而直接终止延期试验，以为着所有的试验投入的资源都没有任何结果产出，所以如果有公司使用这种模式，我个人的应对之法一定如同上一条中的方法一样，刻意延长试验时间，甚至要比上面一条更为激进，8个小时的试验我至少需要10个小时的申请时长，以保障我在这个时间内必然能完成试验。 3、试验改期 试验改期是另外一种必须要考虑的情况。原计划下午一点开始的试验，因为某些特殊原因，如：产品交期提前，临时紧急任务出外勤等等，想要将试验进行改期，主要是需要将试验提前来完成。试验改期意味着需要和前一个排期人员进行沟通，甚至因为上一个人员的排期资源不满足（如：本人试验需要16小时，但是前一排期只排期8小时），需要横跨好几个排期人员进行沟通和协调。这种方式不用说，必然存在上面两点中说过的：这种也极大的增大了试验排期计划的不确定性，同时这种方式还带来了高昂的沟通成本。如果出现这种情况，更多的人应该会更多考虑采用放弃试验的方法来解决。

     设备排期常见解决方案

     上面我们分析了设备排期和排程中常见的思路和可能出现的问题，下面我们来看一下设备排期中常用的系统解决方案： 1、APS系统 APS系统（Advanced Planning and Scheduling，高级计划与排程系统）是一种基于供应链管理和约束理论的智能化生产管理工具，通过数学模型与优化技术，在有限资源条件下实现生产计划与物料供应的精准协调，最终达成生产效率最大化目标‌。这里需要说明的是：APS系统其目标是实现生产优化，并非仅仅设备排程优化，所以APS系统更多的建立在工艺、工序的基础上，通过计算设备、人员、订单、时间等多种约束条件，来计算最好、最有的生产方式。在这里我提到APS系统，就是想从APS系统的模式或是算法中，看是否可以对上述设备排期问题上进行优化和改进。 APS系统常见的调度算法和排程策略有：

   • 启发式算法：启发式算法是一种基于经验和直觉构建的算法，能够在可接受的计算时间和空间成本内，为每个待解决的问题实例提供一个可行解，但是这种算法不保证找到最优解，但是它会在合理时间内给出质量较高的解。常见的启发式算法主要有：先到先服务、后到先服务、最短工期、最早交货期、工期交货期最小距离规则。这些我这里就不一一介绍了，后续介绍APS的时候，我会详细介绍这部分内容，这里大家看名字大概也能猜出来所使用的算法内容；
   • 元启发式算法：元启发式算法是启发式算法的改进，是随机算法和局部搜索算法相结合的产物。常见的算法如：遗传算法、粒子群优化和蚁群算法、模拟退火算法、禁忌搜索算法等；这里我不再介绍这些算法，以后我们会讨论这些相关算法，这里我直接给出结论：此类算法并不适合这种试验排期。 2、调度系统 调度系统其实也是一种解决约束资源、进行排期的方法。如我们常见的：列车调度、电力调度等等。如果将这种模式套用在设备排期上，的确可以收到一定的效果。但是调度系统本身是需要相应人员（一般被称为调度员）进行沟通、联系和操作，其实可以理解为将一种排期的事情交给了一个统一的运营部门去处理，这样所有的新建、变更都会经过这个部门进行管理，从而实现有序、高效的使用。但是很明显，目前这种场景并不适用于调度方案，仅仅因为试验设备的排期，就成立一个部门或是小组专门用于这种事情沟通和处理，估计大部分企业老板想的是：这不是你们加加班就能解决的问题么，为什么需要增加人员和管理成本。

最终实现

鉴于以上的多种思考和考量，我们最终采用了以下几种实现： 1、设备资源全景展示 我们将所有试验设备的运行情况，如：在线、离线、运行、空闲等，均实时展现，同时展示出此设备当前运行时长、已经运行时长，通过申请试验的申请时长，可以给后续申请设备的试验人员参考。 2、自组织形式的设备排期 一般排期都是为了要求试验人员严格遵守试验设备排期，或是用于约束资源的使用计划。但是我们提出自组织形式的设备排期。就是我们鼓励各个部门的试验人员对试验设备的使用进行排期，但是这个排期并不是作为试验执行的依据，也不会对排期实质性进行考察。例如：一个人可以申请振动试验某个设备一天的排期申请，对于这种明显异常的排期申请我们也不进行判别。但是我们为所有试验人员提供所有设备的排期展示，在排期上就可以看到此人的全天使用排期。这种表现形式更多的是给申请人员以心理上的压力，以此来约束他能更规范的从实际情况出发申请试验。这种方式我称之为自组织形式的设备排期方法。 3、基于跨部门的信息共享和协作 物流船运有一个很重要的原则，被称之为：XXXXXX，其核心思想是一个箱子只装同一个目的地的货物，据说这个使得集装箱运输效率大大提升，基于这个原理，我们设计了基于跨部门的信息共享和协作的方式。 通过系统将试验内容、试验条件、试验时间、试验地点、试验设备、试验人员等试验相关信息进行信息共享，鼓励厂内员工协同工作，例如：鼓励试验人员之间相互进行沟通和联系，可以在设备资源紧张的情况下，多个被测产品试验条件想通、试验地点相近，则推荐他们使用同一个试验设备，以“拼团”的模式提高设备高峰时期的使用。 4、设备使用高峰预测 使用历史工艺工序数据进行数据模拟测算，对相关产品的试验工序可能试验时间进行估计，对多个工艺的产品数据做相同的数据测算，以此来得到试验设备可能的高峰使用时间，展示给试验人员作为参考，鼓励试验人员尽可能错峰使用设备。

以上几点虽然并不能完全解决相关试验设备的资源紧张情况，但是在整体的系统宣贯和培训下，目前厂内使用过基本顺畅，达到预期效果。