悠桦林：推动企业数智化转型-运筹优化打造智能排产的工业大脑（17页）.pdf

1、常见的突发异常： 材料异常，如到料延迟、质量不合。 生产异常，如设备故障，工装缺失。 订单异常，如插单、订单变更。主要的异常处理手段： 现场处理，下个计划周期作计划调整。 立即调整计划后重新下达。 获取异常信息。 评估异常影响：订单暂停、延期等。 模拟分析与计划调整。 上下游部门计划协同。用户可以使用相同的数据，建立多个场景(Scenario) ，并分别设置不同的计划规则，比较不同计划规则输出的结果的优劣程度。也可对设备能力、供应、需求等进行微调，了解这些调整对整体优化性能的影响。n 全国共4个工厂：上海、南京、烟台、武汉，无法做到协同生产。目前使用Excel小程序，耗时长(单工厂2小时)，且

2、无法处理多目标的排产优化。库存成本高企源数据分散在各部门，缺乏统一协同平台管理n 针对上海工厂19条产线进行优化排产，包括8条预装和11条总装通过搭建算法模型，更科学智能地计划中长期和短期排产，确保同时考虑和产能限制，使得最终排产计划更贴合实际业务情况。支持多目标协同优化，其中中长期计划支持4个目标，短期计划支持8个目标。通过可视化报表进行不同版本下日历等级等结果的展示。国内与国外均有生产基地。目前使用Excel进行日计划排产，每天耗时8小时，且无法处理多目标的排产优化。异常停产多，无预期修复时间;产品种类多，换型时间长。综合设备利用率只有65%，一直无法有效提升。客户紧急插单较多，响应不及时。订单及时交付率低，93%。针对重庆的两个生产基地，22条产线构建APS系统。通过搭建算法模型，确保同时考虑和产能限制，使得日排产计划贴合实际业务情况。支持多目标协同优化，日排产计划支持4个目标。可在设备修复完成后以及客户紧急插单后，对日排产计划进行快速调整。目前计划业务人员使用excel表格进行计划编制，缺少系统工具支持。计划编制过程中存在供需不平衡的情况，平衡过程主要通过业务人员个人经验，很难做到效益的定量分析和多业务场景对比分析。紧急订单多，插单情况多，计划人员不断进行物料齐套分析，工作量大。