天天硕士研究生论文网

硕士论文范文

S除草剂生产线产能提升方案

作者:admin1 日期:2022-06-23 14:47:14 点击:70

前一章分析了 S除草剂生产线产能的现状,发现一氯工序是制约当前S除草 剂生产线产能的瓶颈工序,明确了设备故障维修、瓶颈工序本身反应时长、上游 原料及下游转料等待是影响一氯工序的主要因素。因此,要提升S除草剂生产线 的产能,就需要针对这些主要影响因素进行深入分析,继续运用约束理论聚焦五 步法提出解决方案。先挖掘瓶颈工序的最大的潜在能力,再非瓶颈资源迁就并配 合瓶颈工序,实现180吨/月的产能提升目标;然后,继续应用约束理论的DBR 生产计划控制系统基于S除草剂的瓶颈工序进行排产,优化生产计划、提高整个 S除草剂生产线的产能,从而实现200吨/月的产能提升目标。为了更好地提升S 除草剂生产线的产能,制定了图 4.1 所示的具体产能提升实施计划。

image.png

图 4.1 产能提升实施步骤

4.1 挖掘瓶颈工序的潜能

4.1.1 设备可靠性提高

通过对瓶颈一氯工序中设备故障主要是数据进一步分析可知,主要是一氯 反应釜 R301 频繁损坏需要更换引起。一氯反应釜 R301 腐蚀损坏情况如图 4.2所示。

image.png

图4.2 一氯反应釜R301损坏情况 

针对一氯反应釜R301损坏采用失效模式及后果分析(Failure Mode and Effects Analysis,简称为FMEA)进行分析。FMEA分析方法步骤为:第一步,确 定并定义对象;第二步,定义设备的主要功能;第三步,罗列设备的失效机理; 第四步,基于设备失效的模式后果,提出对应危害相关性的分析;第五步,对 导致设备故障的各种原因展开分析;第六步,根据标准对故障的可检测度进行 分析;第七步,设备故障对生产工序影响程度展开分析;第八步,根据分析结 果提出改进措施并落实相关行动项。

表 4.1 故障发生频率评分表

评分

每小时失效次数

建议发生频率评估标准

10

1

可能每小时发生1次

9

8

可能每班发生 1 次

8

24

每天发生 1 次

7

128

每周发生 1 次

6

336

每2 周发生 1 次

5

1000

每 30-45 天发生 1 次

4

2500

每 3-4 个月发生 1 次

3

5000

每 5-8 个月发生 1 次

2

10000

每 1 年 - 半年发生 1 次

1

25000

每2-3年发生1次

 

故障发生的频率(Occurrence,。),代表设备故障发生的可能性;故障的严 重程度(Severity’s),表示设备故障的严重程度;检测难易程度(Detective,D), 表示故障被人发现的难易程度。故障发生的频率(O)如表4.1,按照1到10分的 权重进行评分,分数越高表示故障率越高。故障严重程度(S)如表4.2所示,按 照1到 10分的权重。分数越高表示影响程度就越大。

表 4.2 故障影响后果评分表

评分


失議岌生潜在的严重性議响程度

10

第Al级

二头钦壬疋土余三雯轰•     三、运汽灵2

9

第A2级

吴或文土三鸵浸豈夕或童壬亡或〒凌弟近事衣

s

第Bl級

二厂停产

7

第E2级


6

第C1級

生产损失12-24小对


MC2^

生产损失斗-12小时

+

第C3級

生产损失小于4小时

3

笑D迁

片土尹电垒豈才慈芒,经慘曼三二二丸(X)売土

2

第E级

月土冃奁至壬煮烹,至侈曼三小二5000

1

第F叛

没有影响

 

检测难易度(D)评分表如表4.3所示,检测难易程度从1到10分表示由易到 难进行。

表 4.3 故障检测程度评分表

风险系数就是表示设备故障存在风险高低的系数,风险系数是通过故障频率、故障程度及检测度 3 者的乘积而得到。需要对设备内部的各个组件进行打31 分,直到得到风险系数。基于计算出的 RPN 值,先对设备进行分析,然后选择 对应的控制及维修策略。根据公司专家的建议:当 RPN 超过 50 时,表示设备 风险等级达到了中等严重程度,就需要对设备失效的模式进行关注;当 RPN 超 过 100 时,表示设备风险等级达到了最高严重程度,需要立刻对设备的失效模 式进行重点关注,并确定相应的维修及控制策略。针对一氯反应釜 R301 所涉及 所有的潜在故障模式进行了分析,发现有其中 3 项的 RPN 值大于 50 以上,具 体 FMEA 分析结果如表 4.4 所示。这 3 项涉及的潜在故障模式由于风险高,对 产能的影响比较大,因此需要采取措施进行解决。通过 FMEA 分析可知一氯反 应釜引起的主要原因:(1)出厂搪玻璃反应釜本身的质量存在缺陷影响其使用 寿命;(2)由于一氯反应过程中产生的氟离子高腐蚀釜内搪玻璃;(3)搪玻璃 釜安装不当,引起震动导致设备疲劳损坏。

表 4.4 一氯反应釜 FMEA 分析结果表(部分)

潜在故

潜在故

故障影

失效

发生

控制

检测容

风险

障模式

障影响

响程度

原因

频率

方式

易度

系数

搪玻璃 涂层过 早损坏

停产

2天

7

釜质量问题 影响使用寿 命

2

测釜内壁 厚度

6

84

釜壁搪








玻璃腐

停产

7

釜内溶液氟

5

控制反应

7

245

2天

离子浓度高

温度

搪玻璃 釜疲劳 损坏

停产

2天

7

设备安装不

当引起震动

5

安装目测

3

105

 

另外,化工生产属于易燃、易爆行业,基于安全维修作业要求,设备更换 或维修前需要将相关系统中残留的化学品进行置换和清洗干净,同时作业前需 要对待维修单元做好打盲板物理隔离,因此维修前准备时间与其他行业相比要 偏长。通过统计调查发现,在设备修前的隔离准备时间也存在偏长,尤其故障 发生在周末或者夜班期间。因此,缩减设备清理准备时间,有利于节省整个设 备维修流程的时间。针对这些存在的原因采取合理的措施进行改进。

由前一节分析可知,一氯反应釜 R301 频繁损坏更换维修导致瓶颈工序将近45.2%OEE 损失。(1)针对搪玻璃反应釜釜体搪玻璃本身的质量存在缺陷影 响其使用寿命。通过对历史设备使用情况和釜壁搪玻璃厚度的比对发现:目前 2 家公司生产的搪玻璃釜质量虽然符合国标,但是应用到现有 S 除草剂的一氯工 序其质量还有一定的差距,所以选择合作的质量更好、搪玻璃釜生产工艺更可 靠的供应商南京 ZY 设备有限公司。对于新使用的搪玻璃釜到厂进行验收,严格 控制其内壁搪玻璃厚度在 10mm 以上。(2)现有一氯工艺决定了在反应过程中 产生氟离子是不可避免的,也就肯定存在着氟离子会腐蚀搪玻璃反应釜,但一 氯反应体系中氟离子的浓度是可以控制的。从目前生产中取样数据及釜的损坏 周期看,目前使用的缓蚀剂 HS1 不能完全有效地遏制系统中氟离子腐蚀程度。 因此,通过美国及欧洲研发室的其他类似农药生产线防腐蚀的经验, J 公司与产 品专利提供商联合寻找合适的缓蚀剂 HS2 和相关工艺。另外,调取生产操作温 度数据发现,在生产中存在反应温度控制偏高的情况,结合工艺技术包的提示 需要尽量降低这个温度,这样有利于减少系统氟的产生,所以需要对操作人员 进行标准操作法(SOP)重新培训并在控制系统中涉及温度报警提示。(3)设备 搪玻璃釜安装引起震动导致设备疲劳损坏。针对这个原因,需要建立标准的安 装流程、动平衡及水平测试要求,同时对维修人员进行培训,在安装工程中根 据安装步骤进行记录和专业工程师进行监督。另外,在设备修前的隔离准备时 间也存在偏长,通过建立标准的清洗操作法和隔离方案,这样可以减少设备维 修准备时间。

4.1.2 生产工艺优化 

当瓶颈一氯工序完成反应后,有时上游物料不能及时转入一氯反应釜,导 致一氯工序出现饥饿等待的情形。瓶颈工序的等待,意味着整个 S 除草剂生产 线系统产能的减少。上游 ST-02 氟化工序与瓶颈 ST-03 一氯工序之间没有缓冲储 罐,当上游转料泵故障或者反应延迟导致下游瓶颈工序没有原料而停产。尽管 上游氟化工序与瓶颈工序各有三条平行生产装置,但只是简单的一对一相串联, 所以不能共享上游的物料;同时,上游转料泵的故障率也比较高,这主要导致 了瓶颈工序的等待。为了解决瓶颈一氯工序由于上游工序物料不能及时转入导 致一氯工序出现饥饿等待的问题,需要在这 2 个工序之间增加缓冲储罐或者连 接管路进行重新设计。考虑目前这两个工序附近没有闲置的储罐且根据化工合规性要求,如果增加储罐就需要走时间偏长的政府审批流程,所以增加储罐的 方案暂不考虑。目前上游ST-2氟化工序与瓶颈ST-3工序三条平行生产装置是一 对一相串联,为了使下游瓶颈工艺不出现断料情况,具体参见工艺管线改善方 案图4.3。上游ST-02氟化工序的产能有冗余,通过这个方案可以共享上游的物 料,可以保证瓶颈工序一直有原料供应、不出现待料停工。另外,由于物料进 行转料后在低温容易结晶析出,导致下一批运行困难,同时设备安装和维修中也存在一定的问题。所以,针对上游转料泵的故障率高的问题,采取提高维修人员的技能和改善带保温夹套功能的转料泵。

image.png

当瓶颈工序往下游转料过程中出现物料堵塞时,会使转料时间过长并占用 瓶颈工序的时间。一氯中间体在低于70°C下就容易析出,同时一氯工序转料管 线比较长、伴热管线分布不均匀及保温的效果也不好,所以导致出现转料的情 况。一旦出现管线堵塞,需要通蒸汽进行加热疏通处理,这样所消耗的时间是比较长的,而且存在一定操作安全风险。因此,要解决由于下游转料堵塞引起占用瓶颈工序等待的问题就需要对转料管线的温度及保温效果进行改进,这样防止残留的物料由于温度低影响后续转料出现堵塞。

4.1.3 瓶颈工序生产控制改善

如图 4.4 所示,通过对 2020 年 12 月 ST-03 一氯工序连续 30 批次的操作循 环时间进行分析,发现其中 25 批次反应循环存在时间大于设计的标准作业时间, 主要是通氯气反应终点的比较长。通过调取 DCS 控制反应压力曲线控制可知, 反应系统的压力相对偏高。主要是反应尾气没有及时排出,影响该工序的反应 速度。

 image.png

图 4.4 一氯工序循环时间

通过分析发现一氯工序循环时间大于设计的标准作业时间,主要原因是尾 气吸收系统不佳,导致系统反应中产生的尾气没有及时移出,影响反应速度。 针对这个原因在尾气系统增加碱的浓度有利于氯化氢吸收,另外在保证系统内 氯气不外逸的前提下控制釜内压力。

另外,瓶颈一氯工序的反应温度曲线如图 4.5 所示,反应中的控制温度不稳 定,通过现场走访发现冷却水进反应釜的阀门存在着一定程度的渗漏,在蒸汽 加热时不能完全关闭,导致了蒸汽热量的损失,这也影响了通氯气的反应速度。

针对反应温度控制不稳定,采取更换可靠性好的冷却水阀门,可以确保长 时间不发生故障,同时做好定期巡查及时发现问题。对于反应加热系统,改进 目前加热控制方式,使反应温度控制系统更稳定,有利于提高反应速度。

image.png

图 4.5 一氯工序反应控制温度曲线

4.2    系统资源全面配合与服从瓶颈工序

4.2.1 系统非瓶颈工序全面配合与服从

通过对瓶颈工序潜能的挖掘,瓶颈一氯工序的产能得到了提升,但基于目 前产能的需求还有一定的差距。因此,在这基础上,需要继续应用约束理论对 非瓶颈工序进行分析和挖掘。约束理论虽然注重于消除系统的瓶颈工序,但并 不表示对系统非瓶颈工序不关注。为了发挥瓶颈工序的最大有效产出,就需要 尽最大努力挖掘系统中的其他资源,尽可能地满足瓶颈工序的需要,而这个其 他资源就存在于系统非瓶颈工序中。这里,非瓶颈工序就指在生产中的其他工 序。在生产系统中要想通过提高其他工序的生产能力来实现瓶颈产能的提升, 这个是不可能的。只有合理地利用好非瓶颈工序的资源,才能有助于瓶颈工序 和整个生产系统产能的提升。约束理论聚焦五步法第 3 步指出,当系统瓶颈工 序的最大潜在能力得到利用后,系统中其他工序要进行完全配合。因此,在挖 掘S除草剂生产系统瓶颈产能的同时,也要对非瓶颈工序加以管理,S除草剂生 产线中其他工序要服从瓶颈的节拍来进行协同生产。

化工生产工序步骤也并不是固定不变的,在农药生产中由于其涉及生产工 序较多,当前生产工序步骤存在着一定的优化空间是合理的,但随着生产系统 管理目标发生变化时,基于风险可控和产品质量不影响的前提下其对应的生产 工艺操作步骤也会进行一定程度上的优化。S除草剂生产线当前的瓶颈是一氯工 序,对其相关联的非瓶颈进行分析,发现氟化工序存在一定的余量,可以利用 这个非瓶颈资源进行配合。通过对 S 除草剂生产线中瓶颈一氯工序和非瓶颈氟 化工序的生产操作步骤进行分解,得到如表 4.5 和表 4.6 所示的详细步骤。

表 4.5 一氯工序分解表

步骤序号

操作步骤

时间(小时)

1

加固体助剂A

0.2

2

加入溶剂C

0.5

3

加热

0.8

4

转入氟化物

0.5

5

冷却

0.9

6

通氯气反应到终点

6.0

7

取样分析

1.0

8

蒸馏回收溶剂 C

1.0

9

釜内物料转出

0.5

 


表 4.6 氟化工序分解表

步骤序号

操作步骤

时间(小时)

1

加干燥剂

0.2

2

加溶剂 B

0.3

3

转入主环中间体

0.3

4

加热

0.6

5

脱水反应

1.0

6

通入气体 F 反应

2.5

7

取样分析

0.8

8

离心分离干燥剂

1.5

9

洗涤

0.8

10

蒸馏回收溶剂 B

1.0

11

釜内物料转出

0.5

 

通过对氟化工序和一氯工序详细操作步骤进行对比和分析,结合工序涉及 物料的物理和化学性质及工艺条件要求,发现瓶颈一氯工序中的步骤2和步骤3 可以转移到上游非瓶颈氟化工序中,这就相当于“加溶剂C”和“加热”提前在 氟化工序进行、减少了在瓶颈工序的占用时间。与当前工艺相比工序步骤优化 后对工艺安全和产品质量几乎没有影响,后续在实施前会基于风险对其进行详 细分析和评估。氟化工序和一氯工序的操作步骤进行优化如图 4.6 所示,经过优 化后一氯工序的步骤2和步骤3变成了氟化工序中步骤11和步骤12,原来一氯 工序的“加热”步骤转移到了氟化工序,这样为瓶颈一氯工序预计节省了 0.8 小 时;优化后对氟化工序来说,增加了新步骤11的0.5小时、新步骤12的0.8小 时及新步骤13的0.5小时(溶剂C加入氟化工序后,转料的液体量也随之增加), 预计会使氟化工序的操作时间增加1.8小时;虽然优化后氟化工序操作时间增加,由于其当前是非瓶颈工序,但对 S 除草剂整个生产线系统的产能不影响,相反 为一氯工序节省了操作时间,这样使瓶颈工序的生产能力得到了提高,也提高 了整个 S 除草剂生产系统的产能。

image.png

图 4.6 氟化与一氯工序步骤优化

4.2.2 非瓶颈工序质量配合

产品质量出现问题,会直接影响着产品的正常销售。S除草剂目前采用一定 的化工流程方式进行生产,上游非瓶颈工序生产的中间体是下游瓶颈工序的主 要原料,上游的质量会直接影响着下游瓶颈工序的质量。因此,上游工序的中 间体质量必须要合格,才能保证系统的有效产出。如果采用上游工序的不合格 中间体在瓶颈工序中进行生产,会导致产品出现质量问题,这个不合格品占用 了瓶颈工序的资源,减少了系统的有效产出,这其实就是浪费。因此,必须要 加强对瓶颈上游非瓶颈工序生产过程中的质量控制管理,基于生产实际情况在 瓶颈工序前适当增加检验工序和频率,以确保合格中间体进入瓶颈工序再进行 生产,从而使瓶颈工序得到最大程度地利用。

4.2.3 系统其他资源的配合

除了 S 除草剂生产线中非瓶颈工序要迁就瓶颈工序,系统中的所有其他资 源也应配合和服从瓶颈的要求。

1)      生产人员配合。瓶颈工序中的操作人员是关键的生产资源。为了确保生产 线产能提升的需求, J 公司人力资源部在员工政策、人员技能和数量配置、培训 等方面要充分满足生产线瓶颈工序的要求。另外,生产线管理人员也应鼓励非 瓶颈工序的员工学习瓶颈工序相关的知识,并给与一定的物质奖励,这样可以 保证有大量的储备人员。

2)      设备管理和维保配合。根据现有生产线瓶颈的情况,将瓶颈工序相关的设 备列为最高等级进行管理,公司的维修资源需要尽可能地向瓶颈工序相关的设 备倾斜;当瓶颈工序与其他工序的设备同时出现故障时,要优先解决瓶颈工序 的设备;平时对瓶颈工序的设备也要优先维护和保养,确保瓶颈中的设备保持 正常运行。另外,对于备品备件的采购和库存管理也要优先考虑瓶颈工序相关 的设备。当瓶颈工序发生漂移后,设备管理的策略也要同步进行调整,始终确 保相关设备不影响新瓶颈工序的正常运行。

3)      其他资源配合。目前 S 除草剂生产线的产能不能满足市场需求,所以 S 除草剂生产线系统是 J 公司的瓶颈;由于生产线的整体产能受瓶颈工序的产能的 约束, J 公司销售部也需要基于目前瓶颈工序的产能进行合理地调整和配合,确 保计划与实际生产相协调。分析测试部门也要配合瓶颈工序的生产,如果瓶颈 工序质量分析出现偏差或者分析测试时间耽搁都影响瓶颈工序的产能,影响整 个生产系统的有效产出,所以分析测试部门对瓶颈工序相关的工作也要进行重 点管理。

4.3优化S除草剂生产线的排产计划

4.3.1应用DBR生产计划控制系统

目前J公司S除草剂生产线还是采用如图4.7所示的传统顺序排产方式进行 生产管理:由市场部通知生产部,生产部根据客户的订单制定精确的生产计划, 然后以生产线第 1 道工序的产能进行分配产,各工序基于上游工序进行顺序生 产,而并不管其他工序能不能完成。J公司生产管理层总是认为,采用超前投料生产是比较可靠的;这种靠控制投料的排产方式往往会掩盖生产管理中存在的问题,同时也导致了生产线物流的不平衡和瓶颈的产生。

image.png

图 4.7 现有生产计划控制系统示意图 

S 除草剂生产线目前采用的排产系统是一个静态的生产计划控制系统,它不 会基于生产过程中的波动而及时做出调整。近年来,J公司在生产管理中发现实 际生产线的产能总是与市场计划需求存在着一定的差距,为此也针对性地采取 了许多措施改进生产线系统,但效果总是不太理想。另外,J公司也向一些优秀 企业取经学习并在生产中推行精益管理,但 S 除草剂生产线的产能还是没有达 到预期目标,生产线系统的瓶颈仍然没有得到很好地解决。约束理论指出系统 的瓶颈并不能靠解决瓶颈本身就可以消除,而是要基于系统的观点去全面地分 析才有可能解决。DBR生产计划控制系统就是基于生产系统的瓶颈来进行排产, 从而使整个生产线系统的实现中间库存保持最小化而产能即有效产出得到最大 化。 DBR 生产计划控制系统是一种经过实践验证过的生产过程计划控制方法, 它与顺序排产计划不同,它聚焦于瓶颈工序对实际生产能力进行排产。

传统的生产计划排产方法制约着 S 除草剂生产线系统的产能,它使目前 S 除草剂部分中间体库存高、产品无法按时交货,给J公司造成了生产和资金方面 的压力。从瓶颈着手,应用DBR生产计划控制系统优化生产计划使生产线的产 能得到增加。其他工序的改善目标是为了平衡整个生产系统,主要是为了保护 瓶颈工序正常生产。通过应用DBR生产计划控制系统建立生产计划,进一步挖 掘S除草剂生产线瓶颈工序的最大潜在能力,到达产能提升的目的。

DBR 生产计划控制系统先基于瓶颈工序的产能对生产任务进行分解安排,40 在瓶颈前设置缓冲对其进行保护,然后对上下游的工序进行排产。S除草剂生产 线实施 DBR 生产计划控制系统示意图如图 4.8 所示,具体计划制定通过如下步 [26]进行:

1)识别生产系统中的瓶颈工序并确定其生产能力,即确定 S 除草剂生产线 系统“鼓”的位置和生产节拍。

2)以S除草剂生产系统瓶颈工序生产能力为基准制定整个系统的生产计划, 即用“绳”将瓶颈工序的上下游串起来,在瓶颈工序生产节拍的指挥下保持物 流平衡进行生产,瓶颈工序进行拉动上游工序、推动下游工序进行同步生产。

3)在 S 除草剂生产线瓶颈工序前设置时间缓冲,避免系统干扰、保护其正 常生产。这样可以发挥瓶颈工序的最大潜能,使整个 S 除草剂生产线产能达到 最大化。

通过前一章对 S 除草剂生产线瓶颈工序潜能的挖掘,当前生产线的整体产 能已初步达到了 180 吨/月的预期目标。随着 S 除草剂市场需求的继续增加,下 一阶段的产能目标是 200 吨/月。对当前各工序的相关数据进行重新梳理和分析, 各工序的生产节拍也进行重新拟合如图 4.9 所示。通过图 4.9 发现之前的瓶颈一 氯工序已得到彻底解决,目前制约整个 S 除草剂生产线产能的新瓶颈是 ST-06 干燥工序如图 4.10。

因此,为了使 S 除草剂产能满足新的市场需求,需要进在 S 除草剂生产线 应用DBR生产生产计划控制系统,进一步挖掘系统的瓶颈来提高生产能力oDBR 生产计划控制系统排产目的是为了在瓶颈工序的产能最大有效产出的前提下, 尽可能地减少在线中间体的库存。因此,基于DBR生产计划控制系统系统的理 念,先分解客户的订单进行,再根据瓶颈干燥工序的产能排产,然后对干燥工 序的上游工序采用倒排的计划,即根据干燥工序的产能来安排第 1 步(主环工 序)开始的上游工序的生产任务。对下游工序采用顺序计划进行排产,即根据 干燥工序的节奏来进行协同生产。

4.3.2 S 除草剂生产线缓冲的管理

1) 确定缓冲类型及位置

为了保证整个系统的有效产出,就需要给瓶颈设置缓冲对其保护。缓冲按 职能可分为能力、库存及时间三种类型的缓冲[57]。

(1) 能力缓冲,指为了避免各因素的干扰,在生产系统设置剩余的生产能 力。能力缓冲很有可能会引起整个生产系统产能的过剩,在瓶颈资源上设置能 力缓冲会影响整个系统的产出,这与 TOC 理论利用瓶颈资源的要求相违背。所 以,能力缓冲设置一般不建议选择。

(2) 库存缓冲,指为了应对系统出现的波动、避免对正常生产的干扰而设 置在线中间体的库存。如瓶颈工序受到影响,就利用库存设置来补充,继续进 行生产,这虽然保护了生产系统,但会引起生产成本增加和盲目地依赖库存。

(3) 时间缓冲,指为了应对生产中出现的异常,通过提前投入原材料或中 间体进行生产,使后续工序能正常生产完成任务、保证整个生产系统中不受影 响。时间缓冲可以有效地避免非瓶颈工序上异常波动对瓶颈工序的干扰,从而 可以确保整个生产系统的有效产出。

与其他生产制造行业相类似, S 除草剂生产线中的设备故障与维修也是影响 整个生产系统有效产出的主要因素。通过对以上三种类型缓冲的分析,基于 S 除草剂生产的特点在系统瓶颈资源上设置时间缓冲比较合适。通过时间缓冲设 置,使 S 除草剂生产系统的瓶颈工序控制更精细化。通过提前设置时间缓冲为 瓶颈工序供提足够的原料,使瓶颈工序保证正常满负荷运行,确保其得到充分 发挥。Umble等人[58]认为在瓶颈工序前建立时间缓冲取得效果最好。这个结论 目前被广泛得到应用。为了防止系统波动对 S 除草剂瓶颈工序的影响和确保系 统产能的最大化,在 S 除草剂生产系统中采用瓶颈工序前设置时间缓冲。

2) 时间缓冲量的确定

由于 S 除草剂生产系统比较复杂,整个生产系统涉及因素比较多,所以在 要在瓶颈工序前建立时间缓冲。时间缓冲可以弥补库存缓冲和能力缓冲的不足, 是确保系统瓶颈工序发挥最大潜能的最佳控制机制。缓冲时间设置过长,最终产品的提前期会变长,同时多余的时间会转化为过剩的在制品,虽然整个系统 的产出受波动影响会更少,但无形中也会增加生产成本、影响利润。反之,缓 冲时间设置过短,瓶颈工序和整个系统抗干扰能力会变差。目前,主要有以下3 种方法确定时间缓冲量:

(1)   基于整个生产系统中瓶颈上下游各工序生产时间累加,按一定比例 折算得到的就是时间缓冲量[59];

(2)   选取瓶颈工序实际的生产提前期3倍作为时间缓冲量[60];

(3)   Guide 缓冲量计算模型[61]。

BSt = MULT X Zj=1 PTy                            (4-1)

式中:

BSi为瓶颈i的时间缓冲量;

PT为瓶颈i在设备丿上的最小生产时间;

MULT为缓冲系数。

上述 3 种方法在在实际应用中虽然比较方便,但这些方法太简单;这些方 法没充分考虑对实际系统稳定性有干扰的各种影响因素。因此,如果应用这些 方法为生产系统的瓶颈工序确定时间缓冲量,很有可能出现缓冲量偏大或偏小。

在实际正常生产过程中主要受设备故障的持续时间、故障设备维修时间及 系统的波动这 3 个因素影响。设备发生故障的是不固定的,即使按相同负荷进 行生产,生产系统中同一台设备发生故障的间隔也是难以确定的;由于非瓶颈 工序上的设备故障也会引起该工序在线中间库存的增加,可能会导致非瓶颈工 序变为瓶颈工序。设备故障的原因有许多,产生的故障情况也并不完全一样, 因而导致设备维修的时间也不同;设备故障后维修时间的长短必影响生产能力, 同时瓶颈也存在着漂移的可能。由于生产系统的波动影响涉及因素多且复杂, 难以通过简单计算进行分析,本文研究只从设备故障率和设备的维修率两个主 要因素来确定时间缓冲量的大小,针对实际情况进行修改得出最合适的时间缓 冲量。

陈俊等人提出了如式(4-3)和(4-4)所示的最小时间缓冲计算模型[62]。假 设第 n+1 个工序为瓶颈工序;在计划时间 L 内上游的第 i 工序设备故障的发生概 率为力;生产系统的平均设备维修率为m;瓶颈上游任一工序设备故障都可能影 响瓶颈工序。瓶颈上游各工序故障发生概率之和采用如式 4-2 所示计算。

F =罗=1 ft                                       (4-2)

式中:

F 为瓶颈上游各工序设备故障的发生概率之和;

fi为瓶颈上游i工序设备故障的发生概率。

瓶颈上游工序出现第 1 次故障时,时间缓冲量采用式如(4-3)计算。

TBi =-丄加甘沁+叽[1-(1+也厂®)                                   (4-3)

”1            m                                        Fl

式中:

Tbi为第1次出现故障时的时间缓冲量(小时);

PB为瓶颈生产能力(吨/小时);

m为系统的平均设备维修率;

L 为生产计划时间(小时);

Ci为库存占用成本(元/(吨•小时));

F 为瓶颈上游各工序设备维修率之和;

l 为瓶颈停工期间平均产出损失(元/小时)。

发生第2次设备出现故障时的时间缓冲量Tb2最小值计算如式(4-4)所示。

Tb2 =           [1 — (1 + FL)e~FL]                  (4-4)

尸尸B

式中:

Tb2为第2次设备出现故障时的时间缓冲量(小时);

P为除瓶颈外的系统生产能力(吨/小时);

Pb为瓶颈生产能力(吨/小时);

F为瓶颈上游各工序设备维修率之和;

L为计划时间(小时)。

由上述式(4-3)和(4-4),最小的瓶颈缓冲得TBmin = max{TBi, 7^}。由于 实际生产影响瓶颈的因素较多,需要对上述的最小时间缓冲量进行适当修正, 即心=kTBmin ,其中k的范围一般为1〜3。

3) 缓冲管理

通过对缓冲区域的管理,可以及时发现系统各工序实际生产运行状态,并 对生产系统进行指导与控制。通过对缓冲区域反馈的信息,分析当前系统设置 的缓冲量是否合理,如果超过区域范围,就需要对缓冲量进行调整,及时改善 当前生产系统。通过缓冲管理可以对生产系统中的异常进行试试监控并提出预 警,生产管理人员可以根据预警信息采取措施进行解决。DBR生产计划控制系 统采用红、黄、绿三个级别的预警区对整个系统进行管理[63],具体如图 4.11 所 示。

当时间缓冲处于1/3即绿色区域时,如果瓶颈前的物料未到缓冲区,这不影 响瓶颈工序的生产,故不需要任何行动;如缓冲时间处于1/3与2/3即黄色区域 时,瓶颈前的物料依然没有到达,此时需要准备采取行动;如果缓冲时间处于 2/3 即红色区域时,此时需要立即采取行动,以避免瓶颈缓冲时间被破坏,防止 生产系统的产出受到影响。缓冲区域管理中的三色分别表示生产线的3种状态: 绿色表示目前生产正常,如果一直显示绿色,这说明系统瓶颈前设置的缓冲量 偏大,会造成在制中间体的堆积;如果缓冲预警灯由绿变为黄或红,这意味着当前的生产系统与计划有偏差,需要立刻采取相应措施进行解决。

4.3.3S 除草剂生产线排产计划制定

瓶颈工序直接决定整个系统的有效产出,所以应用 DBR 生产计划控制系统 的计划安排也是围绕 S 除草剂生产线瓶颈干燥工序的生产计划进行制定;在制 定整个 S 除草剂生产线排产计划前,先确定瓶颈干燥工序的主生产计划和瓶颈 前缓冲时间,然后基于干燥工序的计划制定包含上游工序和下游工序的系统总 生产计划。

1)      瓶颈上游工序生产计划制定

基于 S 除草剂生产线的设备故障率和设备维修率,计算出瓶颈工序前的时 间缓冲后,再基于 DBR 生产计划控制系统对上游工序的制定生产计划。上游工 序的生产计划按照瓶颈工序的开始时间,采用倒排的方式进行排产。假设瓶颈 工序上游有i个生产工序,“为瓶颈工序(”=i+1); S除草剂生产线瓶颈工序的 开始时间按式(4-5)进行计算。

TSb = TSo+ S\=1 Tj + Tb                          (4-5)

式中:

TSb为瓶颈工序的开始时间;

TSo为计划期的开始生产时间;

Ti为瓶颈工序上游第i个工序的生产时间;

Tb为瓶颈前的缓冲时间。

2)      瓶颈下游工序生产计划制定

S 除草剂生产线瓶颈工序的开始时间和瓶颈前各工序生产计划确定后,根据 DBR 生产计划生产控制系统的“推式”原理,按式(4-6)、(4-7)和(4-8)从 前往后确定瓶颈工序下游各工序开始和完成的生产时间。假设瓶颈工序下游有 j 个生产工序。

TEb = TSb + Tc                                                              (4-6)

47

TEj = TEb + 马=1 Tj                            (4-7)

TSj = TEb + XJ— Tj                            (4-8)

式中:

TEb为瓶颈工序完成时间;

TSb为瓶颈工序的开始时间;

Tc为瓶颈工序的生产时间;

TSj为下游第丿工序的开始时间;

TEj为下游第J工序的完成时间;

Tj为下游第j个工序的时间。

4.4      打破系统瓶颈工序

约束理论聚焦五步法的第 4步就是打破系统的瓶颈,即改善系统的瓶颈。 S 除草剂生产线通过约束理论聚焦五步法1〜3步和DBR生产控制系统的实施,生 产系统的整体产能得到了有效地提升,这些优化步骤的实施基本上是不需要增 加额外的=投资或者投资比较少。如果生产线系统在实施约束理论聚焦五步法的 1〜3步后,生产系统的瓶颈产能虽然有所提升,但这个瓶颈还是影响着整个生产 系统的有效产出而且仍然不能达到既定的产能目标,那么生产系统就需要打破 这个瓶颈,也就需要实施第 4步改善系统的瓶颈。

由于实施聚焦五步法的第 4 步时往往需要投入一定量的资金,所以在实施 前企业要对TOC有效产出会计进行核算,这个为了确定该投资是不是合理。由 约束理论知道, TOC 有效产出会计算的合理性是衡量企业对生产系统投资的主 要标准,企业希望投资后能带来利润而不是增加成本。因为做如何事情都存在 着风险,企业对生产线的投资也不例外,所以企业要结合未来的战略需要和未 来潜在的利润进行权衡。企业通俗的做法是基于投资的回报率进行抉择,对于 J 公司认为是 2年内能够收回投资成本是可以接受的。聚焦五步法的第 4 步就是 打破系统瓶颈的又一次改善,对于这一步的决策需要谨慎考虑。改善系统瓶颈 这一步往往需要对现有系统进行人力、设备及资金等方面的投入,如果通过改善系统瓶颈能够使企业在短期内收回成本并取得一定的利润,这个是值得;反 之,如果市场或者企业战略在改善系统瓶颈后出现变化,导致系统瓶颈工序增 加的产能是过剩的,这个投资就是不合理的。因此,进行聚焦五步法第 4 步的 实施,企业需要结合企业长远战略和 TOC 有效产出会计进行考虑。

通过前面章节对现有 S 除草剂生产线系统瓶颈工序的挖掘和原有生产计划 控制方式的优化后,当前 S 除草剂生产线的产能基本上能够满足目前的市场需 求。如果未来 S 除草剂在国内外的市场进一步扩大,现阶段经过优化后的 J 公 司 S 除草剂产能仍将会制约着客户的需求, S 除草剂生产系统又将会是市场的瓶 颈,而制约着市场需求将会是 S 除草剂生产线的干燥工序。从 J 公司长远的战 略和发展来看,必须要打破 S 除草剂生产线瓶颈工序,对干燥工序进行松绑, 这样才能进一步提高整个 S 除草剂生产线的产能。结合约束理论和 J 公司目前 的实际情况, S 除草剂生产线可以通过以下方案来进一步提高干燥工序的产能:

1) 在现有的基础上新增加一套干燥装置。考虑到设备的通用性,增加一套 与现有同型号的干燥器,这样干燥工序在现有的产能基础上增加一倍,但这种 类型的干燥器投资相对比较大,由于涉及工作量比较大,因而前期需要的准备 时间和改造工期也较长。所以这个方案需要结合市场需求、系统实际的产能提 升及投资的合理性进行综合评估。

2) 改造现有加料方式,在干燥工序前增加一套料斗和自动输送装置。当前 是通过人工方式进行投料,经过改造后可以减少投料时间,节省干燥工序的准 备时间,提高设备的利用率。与方案一相比,其投资费用较少、施工期也较短。

以上这些改善瓶颈干燥工序提升产能的方案需要 J 公司投入的资金比较多, 同时这也会增加 S 除草剂生产线前期的生产成本。另外,这些改善方案也存在 着一定程度的投资和改造风险。因此,为了降低投资和改造的风险,在决定投 资改善前 J 公司必须对这些改善方案进行详细、合理地评估。首先,要基于 S 除草剂市场的需求评估增加设备投资的必要性。J公司需要与委托代加工公司一 起协商未来 3-5 年 S 除草剂市场需求并做出准确地预测,这样保证 S 除草剂增 加的产能是市场需求的有效产出,从而保证 J 公司的生产利润。其次, J 公司各 部门一起评估增加设备涉及的安全、工艺、环保等风险以及设备投入运行后的效益评价。

另外, S 除草剂生产线需要继续对瓶颈干燥工序的现有生产流程等进行优化, 进一步充分挖掘现有系统瓶颈的潜能,尽可能地有效利用生产系统中与干燥工 序有关的资源,这样才能使 S 除草剂在现有产能的基础上得到提升。

4.5 持续改善

4.5.1   树立持续改善的理念

持续改善是企业发展永恒不变的主题。随着 S 除草剂市场的不断地变化, 企业为了适应新的环境, S 除草剂的生产系统在工艺技术、生产管理等方面也需 要进行持续改进。只要 S 除草剂生产系统存在着改进的空间,改进就不应该停 止,这样才能使整个系统的有效产出不断增加。约束理论的应用效果之所以比 精益生产的效果好,主要在于约束理论的聚焦效应,因为系统中有限的资源用 到合适的地方才能发挥其最大的作用。约束理论聚焦五步法涉及的识别瓶颈、 挖潜瓶颈、服从瓶颈、改善瓶颈再回到识别新瓶颈,这就是一个持续改进的循 环过程。约束理论循环滚动的速度决定了企业发展的速度,而且两者的速度成 正比。约束理论的精髓就是持续改进。因此,企业要树立持续改进的理念。

为了企业的持续发展,就要推行持续改进, J 公司为此专门成立了约束理论 持续改善小组保证系统的持续改善。利用持续改进活动宣传约束理论持续改进 的优点,加强对企业管理人员及一线员工的培训和学习,使全员树立持续改进 的理念。公司建立激励机制,鼓励全员特别是基层员工参与持续改进的活动, 并对于表现好员工给与一定的奖励。通过持续改善的系列活动,鼓励企业员工 不断地去发现生产中的各种瓶颈并提出解决方案进行消除;通过不断地发现和 消除瓶颈进行循环改善,组织企业员工进行定期分享持续改进的经验和改善成 果。

4.5.2    持续寻找新瓶颈

约束理论指出,生产系统必定存在瓶颈,否则系统的产能是无限的,同时 旧瓶颈的消除必然会伴随着新瓶颈的出现。约束理论就是通过不断地寻找和消 灭瓶颈进行循环改善。生产系统的管理人员及一线员工需要不断地关注瓶颈的 改善效果以及整个生产系统的平衡,特别要关注旧瓶颈消除的时间点,因为这 个时间点正是新瓶颈出现和下一循环改善的开始。当 S 除草剂生产系统中的瓶颈干燥工序得到改善后,整个生产系统的产能必将会得到提升,同时干燥工序 也不再是整个系统的瓶颈,由之前的瓶颈工序变成了非瓶颈工序,但这个时候 新的瓶颈必定随着旧瓶颈的消失而出现。从目前的 S 除草剂实际系统的生产情 况来看,硝化工序很有可能成为下一个新瓶颈工序,其将会制约着整个生产系 统新的产能需求。由于受市场和政策等外部环境因素影响,S除草剂生产系统目 前的瓶颈也可能会发生漂移,所以生产管理人员要对整个生产系统进行持续监 控和制定一些应对计划和措施。

4.5.3 持续改善缓冲的设置

为了保证瓶颈干燥工序的最大产出,目前在S除草剂生产系统建立了 DBR 生产计划控制系统来指导生产管理,并在瓶颈工序前设置了缓冲。但随着生产 系统的持续改善和约束理论聚焦五步法的持续推进,系统的瓶颈和设备的可靠 性等也将会发生变化,原来设置的系统缓冲也需要进行相应的调整。因此,缓 冲也需要进行持续改善。系统的缓冲设置需要与对应的瓶颈工序协调,设置过 多的缓冲会导致中间仓库增加而影响企业的流动资金,缓冲设置过小会限制系 统的最大能力的发挥。生产系统要在不影响最大有效产出的基础上尽可能地设 置较小的缓冲,这需要 S 除草剂生产系统的管理人员持续跟踪整个生产系统的 情况进行合理地调节,是一个持续改善的过程。

4.6 本章小结

本章基于 S 除草剂生产线瓶颈工序的影响因素继续应用约束理论聚焦五步 法的 2〜5 步骤提出改善方案分别是:通过优化提高设备可靠性及改善生产工艺 等方案挖掘瓶颈一氯工序的最大潜能,通过优化生产步骤等方式使其他资源迁 就瓶颈工序的生产,市场如有新需求系统再进行打破瓶颈工序,并持续改善寻 找新的瓶颈工序使S除草剂生产线的产能得到进一步提升,实现S除草剂生产 线产能提升的第一阶段目标;基于约束理论持续改善的理念,通过运用DBR生 产计划控制系统优化现有传统的排产计划,通过瓶颈工序的节奏指挥整个 S 除 草剂生产系统协调生产,确保整个 S 除草剂生产系统的有效产出产能最大化, 从而实现S除草剂生产线产能提升的第二阶段目标,即现阶段的最终目标。

5      S 除草剂生产线产能提升方案实施和效果评价

前一章对 S 除草剂生产线通过应用约束理论的聚焦五步法和 DBR 生产计划 控制系统提出了改善产能不足的方案。接下来将详细介绍 S 除草剂生产线的产能 提升方案的实施,并进行效果评价。

5.1 S 除草剂产能提升方案实施计划及保障措施

5.1.1 S 除草剂产能提升方案实施计划

基于前一章提出的 S 除草剂生产线产能提升方案,结合方案实施的复杂性和生产线的实际生产计划,制定了产能优化实施计划,具体如图 5.1 所示。

image.png

图 5.1 S 除草剂产能提升方案实施计划

1)瓶颈设备可靠性改善方案的实施计划从 2020 年 12 月开始,到 2021 年 5月结束。实施过程中涉及搪玻璃釜标准安装程序建立和实施、缓蚀剂选择试验、 搪玻璃挂片测试以及技术变更。

2)生产工艺优化方案的整体实施计划从 2020 年 12 月开始,到 2021 年 4 月 结束。首先,在 2021 年 1 月完成泵选型和改造安装及调试并投入运行。其次, 上下游工序间的管路设计需要 2 个月左右,预计要在 2021 年 2 月底完成;接下来要化3个月完成管线预制、安装及调试,预计在20214月底完成。

3) 瓶颈工序生产控制改善的实施计划从2021 年1 月开始,到 2021年4月 结束。实施过程中涉及尾气系统的改造及调试、一氯反应控制压力和温度控制系 统改善。

4)    瓶颈工序步骤优化的实施计划从2021年3月开始,到2021年6月结束。 实施过程中涉及工艺变更安全风险评估和优化步骤的实施。

5)    基于瓶颈的生产计划改善的实施从2021年6月开始,到2021年12月结 束。在2021年6月底收集相关数据并完成DBR排产计划的制定,在2021年7 月开始实施DBR排产计划。

5.1.2 S 除草剂产能提升方案实施保障措施

为了确保S除草剂生产线产能提升方案的有序推进和实施,就需要建立保障 措施。具体保障措施包含如下 3 个方面:

1) 组建产能提升小组。 S 除草剂的产能提升方案的实施不仅与生产部门有 关,而且也离不开整个J公司相关部门的共同协作,同时更需要公司领导层的大 力支持,这样才能确保改善方案有效地推进。由J公司总经理牵头成立产能提升 小组,并担任组长;组长全面负责和把握产能提升的实施和总体时间进度、确定 小组的组织架构、以及提供必要的资源,每周参加例会听取各方案实施的情况并 提出意见和建议。由S除草剂生产线的生产经理担任副组长,负责优化方案的具 体实施和协调小组各成员的具体工作,按照实施计划控制时间节点,定期回顾方 案实施效果,并每周向组长汇报实施进度,如在实施中遇到困难需及时寻求支援 进行解决。组员由生产线工程师、生产班长、安全工程师、设备工程师等人组成, 执行安排的相关具体任务并按时完成,保持与各相关成员进行有效沟通,参与相 关优化方案的讨论。

2) 推广约束理论。通过约束理论能够有效地解决生产系统的产能的问题, 其核心内容就是聚焦 5 步法进行持续改善。约束理论虽然简单、好用,但对于之 前没有接触的员工由于在公司引入新的管理方法难免会产生一些抵触。因此,在 J公司推行和应用约束理论前,首先需要得到领导层的认可和大力支持,然后通 过各部门负责人进行宣讲约束理论应用带来的好处,同时对员工进行培训。通过 宣传约束理论应用的成功案例和组织有关的知识竞赛,增加一线工人学习约束理论的积极性。另外,可以尽可能地寻找一些机会让生产线的操作工人参与产能提 升的实施项目,这样有助于改善项目的有效落地和约束理论的可持续推行。

3)落实激励和考核机制。由于产能提升小组成员涉及J公司多个部门,各 成员日常有相应的本职工作,许多成员支持产能提升项目只是一个临时的工作, 可能会存在敷衍了事而影响方案的推进,为了更好地保障产能提升方案的有效地 实施,需要对小组成员进行考核和激励。首先,将产能提升方案相关的项目设在 小组领导的个人年度目标中,并进行指标量化,年底基于完成情况进行考核;其 次,在产能提升方案完成关键节点,通过团队建设、聚餐等方式庆祝项目推进; 再次,设立产能提升奖励基金,根据成员对产能提升的贡献程度进行按比例进行 分配。

5.2     S除草剂生产线产能提升方案实施

5.2.1 设备可靠性改善方案实施

一氯工序的主反应釜 R301 损坏、更换、维修的频率比较高,这导致整个一 氯工序的设备可靠不高,其严重影响了瓶颈工序的产能。基于前一章设备 FMEA 的分析结果,发现系统氟离子高是引起一氯反应釜R301经常腐蚀损坏的主要原 因。为了减少一氯工序的氟离子,J公司的研发部门与美国客户的技术团队联合 开发了新缓蚀剂HS2替代原有效果并不太好的缓蚀剂HS1。通过模拟生产工艺条 件对搪玻璃材料在一氯工序的溶液体系中进行挂片腐蚀测试如图5.2所示。

image.png

图 5.2 搪玻璃腐蚀挂片测试 

由表5.1和表5.2的研究结果表明:采用新缓蚀剂HS2后搪玻璃挂片的损失 率明显要少于缓蚀剂HS1的,另外采用新缓蚀剂HS2后测试溶液中氟离子减少的 程度明显比采用缓蚀剂HS1的要大,表明新缓蚀剂HS2抗腐蚀效果好。

表 5.1 搪玻璃挂片腐蚀测试结果表

缓蚀剂

缓蚀剂加 入量/g

测试前挂片

质量 /g

测试后挂片 质量/g

挂片损失 率/%

缓蚀剂HSi

3

50.0525

49.9983

0.1083%

缓蚀剂 HS2

3

50.i032

50.0992

0.0080%

空白试验

0

49.8936

49.62i0

0.5464%

 

 

表 5.2 挂片腐蚀测试氟离子含量表

缓蚀剂

测试前加加

测试后 / ppm

缓蚀剂HS1

1052.6

728.3

缓蚀剂 HS2

1063.6

120.7

空白试验

1052.6

903.2

 

化工生产由于涉及化学品与其他行业相比其风险性相对更大,所以对化学品 的正确应用和安全操作尤为重视,任何工艺改变都需要基于变更管理程序 (Management of Change,即MOC)进行管理。根据搪玻璃腐蚀试验的结果和 工艺安全风险分析的评估,S除草剂生产线采用新型缓蚀剂HS2前完成了相应的 变更管理程序。新型缓蚀剂HS2在实际生产线投用后,S除草剂生产线一氯工序 反应釜溶液体系中氟离子浓度如表5.3所示,优化后明显比采用缓蚀剂HSi的减 少得多,这个结果与之前测试的结果也基本相吻合。

表 5.3 缓蚀剂优化结果表

采用工艺

样品编号

一氯反应液氟离子含量伽加


86#

747.3


87#

694.8

缓蚀剂 HS1

88#

730.6

89#

790.5


90#

708.4


平均值

734.32


93#

126.3


94#

130.5

缓蚀剂 HS2

95#

124.8

96#

120.6


97#

90.8


平均值

118.6

 

针对搪玻璃釜安装出现的问题,建立标准安装程序如图5.3所示,对所有维修部搪玻璃釜涉及的维修人员进行充分地培训,在安装工程中根据安装步骤进行记录和专业工程师进行监督。

搪玻璃反应釜安装

♦安装前检查

对播披璃反应釜的釜身、内壁擴玻璃层、减速机、播玻璃罐体、罐盖、播玻璃搅拌 等进行认真的检查,在完好的情:兄下才可以签收,方可进入下一步的安装工作。

♦安装原则

“一垂直二居中三水平"的方法换作。一垂直指的是搪玻璃搅拌轴和机械密封的 静坏的端面垂直;二居中指的是搪披璃搅拌器搅拌轴在机械密封的中心,搅拌轴 在搅拌孔的中心;三水平指的是反应罐罐身水平、减速机水平、机械密封水平。

♦安装步饕

1、将擴瓷反应罐罐体固定安装在支架或者特走支座上用水平仪栈准水平;垫子上面;

3、  在罐体口部放上旣套的四氟垫片,然后按照工艺要求转正反应釜罐盖上的管口方位后合上罐盖;(值得 注意的是罐盖应该保证起到高度,避免罐盖上的摘瓷面与搅拌连接轴头相碰,同时罐内至少二人以上扶正搅 拌轴,在罐盖台上搅拌轴伸出管口时吊放必须敢准法兰垫圈,法兰垫圈上要拆除保护四氟的塑料然后缠绕二 至三遍生料带,以使得密封有效。)

4、   均匀对称的锁上搪瓷反应釜国备的卡子(应对称成对上卡,而且均匀受力分三至四遍挤紧,较后一遍较 好一人用相同的力挤)然后安装机械密封或填料箱。

5、   安装减速机,先打开减谨机的风叶外壳,将搅拌提到位后施转电机的风叶,将搅拌轴和减速机连接好, 安装防松坏并锁紧防松螺母;

6、   安装测温管:拆除搅拌上的保护草绳再旅转搅拌看搅拌与测温管和筒身是否相碰。

7、   安装擴玻璃敢料阀:在安装底阀前应把手轮拧到底(即阀门处于关闭状态),以保证四氟孔板在正确的 密封中心位置。如果在安装时四氟孔板错位,则四氟孔板同阀芯将不同心。底阀中的填料要定期压紧,阀的 机械部分应定期加油。

8、   搪玻璃管道及擔玻璃塔节的安装:应在连接处加四氟垫片(用四氟垫圈的厚度根据管道或塔的重里和管 口的变形来确定),这样有利于管口的密封,避免摘瓷面在受机械压力时破损。

图 5.3 搪玻璃釜标准安装程序

图 5.4 一氯工序反应釜寿命

瓶颈一氯工序新缓蚀剂及搪玻璃釜安装标准化的方案实施后,如图 5.4 所示

一氯工序的反应釜R301的反应釜实际的使用寿命明显增加(即反应釜的损坏频率明显降低);通过方案实施后瓶颈一氯工序的设备可靠性得到了提高,一氯工 序的产能也得到了有效提升。之前设备可靠性提高的方案一是选择质量好的搪玻 璃釜厂家(如南京 ZY 搪玻璃设备有限公司),但其供应的同型号搪玻璃釜价格 要比目前其他厂家供应的价格要高 2~3 倍,同时鉴于一氯工序反应釜的可靠性已 得到了改善且该工序已不是目前 S 除草剂生产线的瓶颈工序,所以暂时不考虑更 换搪玻璃釜的供应厂家,只要在收货时严格控制现有生产厂家搪玻璃釜的质量, 这样基本上可以保证反应釜的使用寿命。

5.2.2 生产工艺优化方案实施

针对 S 除草剂生产线瓶颈工序在生产中出现等待而导致瓶颈工序产能损失 的方案就是优化一氯工序的上下游工序设计及对相关设备进行改善。对于化工改 善项目,一般不建议对现有生产装置增加储罐等大型设备,由于涉及这些变更需 要政府合规性的评估和批准,完成这些整个批复流程所耗费的时间是比较长的, 所以对于短期内要完成改善往往是不可接受采取这些改善方式。瓶颈一氯工序的 上游物料不能及时转入,导致一氯工序出现饥饿等待的情形。通常是增加缓冲储 罐,但是目前现有 S 除草剂生产线没有闲置的储罐,如果新增储罐必须要走政府 审批流程,所以这个方案在本次改善暂不考虑。根据现有 S 除草剂生产线瓶颈一 氯工序与上游氟化工序的现状,采取优化现有上下工序间的管路设计如图 4.3 所 示。瓶颈工序上游的管路的改善实施方案后,上游物料可以共享给瓶颈工序的各 反应釜,瓶颈工序生产中物料等待的问题基本上得到了解决。

image.png

图 5.5 泵的类型改善 

改善了泵的类型由离心泵改为带保温的夹套泵如图 5.5 所示,同时对泵安装 也建立标准化管理,维修技师经过培训后在现场可以采用图 5.6 的可视化标准安 装程序进行操作,通过这些改善实施后上游转料泵的故障率也得到了控制,上一 批转料残留物温度低导致堵料的问题也得到了解决。

image.png

图5.6 泵的可视化标准安装程序

对于下游转料堵塞引起占用瓶颈工序等待的问题,一氯工序往下游转料管线 采用如图 5.7 进行了改善:伴热管线进行重新排布,在反应釜的底部阀门及管道 弯头处进行多缠绕排布,另外加强保温棉和外部防水保护,加装温度显示。生产 操作方面:反应结束后给下游转料前,先给蒸汽伴热系统预热,确保转料管线的温 度在 70 度以上,每一批转料后用氮气进行置换确保管线内没有物料。通过实施 转料管线改善后,对于在瓶颈工序往下游转料出现物料堵的情况得到了改善,同 时也避免了残留的物料由于温度低影响下一批转料的堵塞,减少了瓶颈工序的无 价值的占用时间。 

image.png

图5.7一氯工序下游转料管线改善

5.2.3 瓶颈工序生产控制改善方案实施 瓶颈一氯工序的反应循环时间与标准操作时间相比要长,主要是由于反应中 系统产生的氯化氢尾气不能及时排出系统和反应温度控制不稳定影响了反应速 率。针对反应系统尾气吸收不好,实施了尾气系统的改善方案:在尾气系统安装 实时监测吸收液的 PH 值,并与加碱溶液系统连锁进行自动控制吸收系统的 PH 值在 8 左右。从而确保反应产生的尾气能够及时移出反应系统并得到充分吸收, 与之前靠操作人员定期巡检加碱的方式相比更及时和精确;另外,在一氯反应系 统增加压力控制,并与尾气系统串联,同时通过增加水冲泵的流速提高了尾气系 统的抽吸效果。实施后反应系统的压力得到很好地控制,尾气的吸收的效果明显 变好。针对一氯工序的反应温度控制不稳定,更换了蒸汽和冷却水的调节控制阀 并在仪表工程师和工艺工程师的协作下对温度控制回路进行了整定,使反应温度 控制系统更稳定。通过对尾气系统和温度控制的改善实施后,一氯反应的循环时 间也得到了改善如图5 . 8所示,一氯工序实际的循环时间都少于标准时间1 1 . 2小 时。

5.2.4 瓶颈工序步骤优化方案实施

S 除草剂生产线的瓶颈工序(一氯工序)与氟化工序的操作步骤优化的主要 涉及将优一氯工序步骤2和步骤3转移到氟化工序(即把一氯工序的“加热”步 骤转移到了氟化工序)。由 J 公司的工艺安全风险评估(成员由技术部工艺工程 师、设备工程师、生产部操作人员及安全部安全主管等人组成)对本次工艺涉及 的变更进行工艺安全风险分析,辨识变更可能带来潜在工艺安全风险,基于评估 的安全等级,采用相对应的预防措施。基于工艺安全风险评估的结果和工艺变更要求对相关的措施实施,实现对瓶颈工序的涉及的工艺进行了优化改造。经过改 造,一氯工序优化生产工序节省了 0.78小时,对整个S除草剂生产线产能提升 贡献了 18.65 /月。

5.2.5 基于瓶颈工序的生产计划方案实施

经过前期优化后,目前S除草剂生产线的瓶颈工序为ST-06干燥工序,其上 游工序分别是ST-01主环、ST-02氟化、ST-03 一氯、ST-04二氯和ST-05分离5 个工序。2020年6~12月的各工序设备故障运行数据如表5.4所示,得到瓶颈工 序前 5 个工序的设备故障率分别是 7.8%、 6.7%、 2.3%、 3.2%、 5.6%;S 除草 剂生产线瓶颈前1~5个工序的设备平均维修率m为72.04%;基于S除草剂产品 生产加工费得出:干燥工序停工时的平均损失l为5200元/小时;S除草剂涉及 原材料的单位库存成本Ci为120元/(吨•小时)。

表 5.4 各工序设备故障月统计表

工序号

工序名称

设备故障发生率/%

设备故障修复率 /%

ST-01

主环

7.8

85.2

ST-02

氟化

6.7

78.9

ST-03

一氯

2.3

50.2

ST-04

二氯

3.2

55.7

ST-05

分离

5.6

90.2

ST-06

干燥

2.5

78.5

ST-07

硝化

2.5

80.5

ST-08

加氢

3.8

85.2

ST-09

磺化

4.1

89.5

ST-10

包装

3.5

90.3

 

S除草剂干燥工序(瓶颈工序)的产能Pb为1//b=1/3.71 =0.269吨/小时; 除瓶颈外,S除草剂生产线目前最小产出的工序是硝化工序。硝化工序的产能P 为0.303吨/小时。根据时间缓冲公式(4-3)和(4-4),可得S除草剂干燥工序 (瓶颈工序)前的最小时间缓冲BTmin=5.16小时,为了确保瓶颈干燥工序的生产 能力,干燥工序前的缓冲时间先按经验取最小缓冲时间的 3 倍,即 15.48 小时。 2021 年 7 月开始计划生产 180 吨 S 除草剂,按公式(4-5)、(4-6)(4-7)、(4-8) 计算S除草剂生产线各工序的计划时间如表5.5所示,具体计划如图5.9所示。

表 5.5 S 除草剂排产计划

工序

工序名称

计划开始时间TS

计划完成时间TE

ST-01

主环工序

2021/7/1 8:00

2021/7/25 0:18

ST-02

氟化工序

2021/7/1 17:18

2021/7/25 14:38

ST-03

一氯工序

2021/7/2 2:52

2021/7/27 15:14

ST-04

二氯工序

2021/7/2 12:54

2021/7/28 0:09

ST-05

分离工序

2021/7/2 21:49

2021/7/28 8:34

ST-06

干燥工序

2021/7/3 21:43

2021/8/1 4:29

ST-07

硝化工序

2021/7/4 8:51

2021/8/1 14:23

ST-08

加氢工序

2021/7/4 18:45

2021/8/1 22:33

ST-09

磺化工序

2021/7/5 2:56

2021/8/2 7:59

ST-10

包装工序

2021/7/5 12:22

2021/8/2 17:23

 

07/01/21 07/08/21 07/15/21 07/22/21 07/29/21 08/05/21

主环工序 氟化工序 一氯工序 二氯工序 分离工序 干燥工序 硝化工序 加氢工序 磺化工序 包装工序

图 5.9 S 除草剂生产线排产计划

实施计划 12 天后,发现瓶颈干燥工序前物料有堆积,根据实际生产情况进 行每隔 3 天减少 0.5 小时,最后到将瓶颈前工序的缓冲时间调整为 12.8 小时(之 前预设了 15.48 小时的缓冲时间),在后续的生产过程中瓶颈工序前有原料但基 本上维持一定的平衡,所以这个时间缓冲值认为是目前比较合适的设置,这样即 保证了瓶颈工序的正常生产得到最大的发挥,又避免了瓶颈工序前过多不必要的 物料堆积。

通过应用DBR生产计划控制系统,S除草剂生产线的瓶颈干燥工序的待料 停工的情况基本上不存在, ST-06 干燥工序的 OEE 从 72.6%提高到 81.5%。通过 基于 DBR 生产计划在 S 除草剂生产线的实施,瓶颈干燥工序潜在的能力得到了 挖掘,整个 S 除草剂生产线的产能在之前瓶颈一氯工序改善后 181.2 吨/月的基础 上再提高到了 203.4 吨/月如图 5.10 所示,即增加了 22.2 吨/月。

图 5.10 DBR 生产计划实施后各工序月产能

5.3效益分析与实施评价

通过应用TOC理论及DBR生产计划控制系统,S除草剂生产线的瓶颈工序

OEE、工序节拍、月产能和生产提前期都得到了明显的优化,具体如表5.6所示。

表 5.6 优化前后各指标对照表

指标

优化前

优化后

优化率

一氯工序 OEE

59.9%

83.5%

39.4%

一氯工序单步月产能/吨

144.2

243.1

68.6%

干燥工序 OEE

72.6%

81.5%

12.3%

干燥工序单步月产能/吨

181.2

203.4

14.8%

生产节拍时间/小时

4.66

2.73

41.4%

每月产能/吨

140

203.4

45.3%

生产周期/天

3&9

28

28.0%

 

为了客观地评价S除草剂生产线产能的提升效果,在方案实施6个月后对S 除草剂生产线再进行了测量和分析,得到优化前后的对比平均数据。如图 5.11 所示,通过约束理论在J公司S除草剂生产线中的应用,在投入少量资金和设备 的情况下,S除草剂生产线的月产量产能得到了有效地增加,从2021年4月份 后 S 除草剂生产线实际产量逐步得到提升。如图 5.12所示,通过优化瓶颈工序 和生产计划后, S 除草剂生产线产能共提升了 63.3 吨/月、增加了 45.3%,实现 了预期200吨/月的改善目标。另外,按每月200吨生产任务的,S除草剂成品的 交货周比原来前了将近10.9天,提前了约28%。总之,通过约束理论在S除草 剂生产线的应用,使整个生产线的产能得到了提升并实现了改善目标,同时也大 大降低了生产制造成本。

图 5.11 S 除草剂生产线实际月产量


250

203.4

200


63.4


150






140



100




50




0

优化前 优化后



图 5.12 S 除草剂月产能生优化前后比较

通过应用 DBR 生计划控制系统实现上游工序拉动及下游工序推动的生产计 划控制模式,使 S 除草剂生产现场管理水平也上了一个新的台阶,有效提高了生 产管理效率;随着 S 除草剂生产线的优化,成品出库的时间得到了保障,无形中 也增加定制代工客户的满意度,同时也改变了 J 公司管理层只有通过增加设备投 入和人力才能提升产能的管理理念;通过 TOC 理论及 DBR 系统在 S 除草剂生产 中的应用,J公司的管理层和生产员工有机会获得了约束理论相关知识的培训并 在生产实践中得到了进一步地学习,积累了宝贵的改善经验,公司人员的素质也 得到了整体提升,建立良好的企业文化,为 J 公司的持续发展奠定了基础。

5.4     本章小结

本章详细介绍了 S 除草剂产能提升方案的实施过程,通过比对改善方案实施前后发现,瓶颈工序的OEE瓶颈工序的产能、S除草剂生产线的生产节拍、S 除草剂的产能都得到了明显地改善。通过研究表明,约束理论在S除草剂生产系 统的应用是有效且可行的。

6    总结与展望

6.1 总结

本文以 S 除草剂生产线为研究对象,通过运用约束理论识别出限制整个 S 除草剂生产线产能的瓶颈工序,基于影响因素挖掘瓶颈工序的最大潜能,运用 DBR系统使非瓶颈工序服从瓶颈工序进行协同生产,应用聚焦五步法循环改善, 实现S除草剂生产系统整体产能提升的目标,具体研究成果总结如下:

1)       通过文献研究,深入了解TOC理论和DBR生产计划控制系统的相关内容 以及国内外应用现状;从目前市场需求及S除草剂生产工艺出发,对S除草剂生 产现状及产能进行了深入分析;

2)       通过应用OEE与S除草剂生产线各工序生产节拍相结合的方法识别制约 当前生产系统的瓶颈工序,聚焦瓶颈工序分析产能影响因素及产生的原因;

3)       针对瓶颈工序的产能影响因素,通过运用约束理论聚焦五步法提高设备的 可靠性、优化生产工艺等充分挖掘S除草剂生产线瓶颈工序的最大潜能;优化瓶 颈工序的生产步骤使其他工序迁就瓶颈工序,从而减少瓶颈工序受波动的影响, 发挥瓶颈工序的能力,保证S除草剂生产线得到最大产出;在考虑资金投入的情 形下继续打破瓶颈工序,进一步提升生产系统的产能,运用约束理论聚焦五步法 寻找新瓶颈工序进行持续循环改善;

4)       应用DBR系统,制定以S除草剂瓶颈工序为主的生产计划,通过瓶颈工 序的生产节奏实现对上游工序拉动和下游工序推动进行协同生产;基于瓶颈上游 工序的设备故障率和维修率为 S 除草剂生产线的瓶颈工序设置了合适的时间缓 冲保护并采用红、黄、绿三色预警对系统缓冲进行管理;通过瓶颈前时间缓冲的 设置,既减少了系统在线中间体的库存,也避免了瓶颈工序待料停工的情况,使 整个系统的产能得到了最大地发挥。

运用TOC理论针对瓶颈工序提出了改善方案,通过改善方案的实施使J公 司 S 除草剂生产线的产能提升了将近 45%并达到了改善的目标,充分验证了约 束理论及DBR生产计划控制系统在化工特别是精细化学品农药领域的生产中的 应用是可行的,而且效果明显,有一定的实践价值;约束理论在S除草剂生产线 的成功应用,也为J公司其他产品生产线的改善提供了宝贵的实践经验,进一步证明了该理论方法简单、实用,而且在资金不投入或少投入的情况下也能获得良 好的改善效果。

6.2 展望

通过本研究,目前 S 除草剂生产线的产能基本上能够满足客户的需求,但随 着市场需求的增加, J 公司需要推进约束理论的应用和持续发展,这样才能增加 整个 S 除草剂生产系统的有效产出。由于时间限制,本研究只对 S 除草剂生产系 统进行改善研究,没有对 J 公司的原料供应及产品销售等系统进行全面的了解和 优化。确保 J 公司持续推进改善,这将是一个新的挑战。

由于时间和资源有限,本文只考虑和解决了 S 除草剂生产中单一瓶颈出现的 情况,相对比较简单。实际生产系统由于涉及的影响因素比较多, S 除草剂生产 线可能同时出现多瓶颈的情形,需要进一步研究。随着 S 除草剂生产线持续改善 的推进,系统的瓶颈也将会发生变化,目前改善后的 DBR 系统和时间缓冲量也 需要进一步得到优化和调整。

另外,如何结合约束理论与工业 4.0 等相关知识,应用先进的智能设备对 S 除草剂生产线进行动态在线监控分析并指导实际生产?这将是以后进行深入研 究的方向。

参考文献

[1] Lie S R, Kusumastuti R D. Process improvement using value stream mapping and lean methodology: a case study application in batch chemical process industry[J]. IOP Conference Series: Materials Science and Engineering. 2021, 1072(1): 12015.

[2] 严明,柏亚罗.双酰胺类等五大类热点农药的市场概况及产品研发[J].现代农 药 . 2019, 18(01): 7-15.

[3]     王旭.甲磺草胺市场分析[J].世界农药.2020, 42(11): 36-41.

[4] Watson K J, Blackstone J H, Gardiner S C. The evolution of a management philosophy: The theory of constraints[J]. Journal of Operations Management. 2007, 25(2): 387-402.

[5] Pirasteh R M, Farah K S. Continuous Improvement Trio:The Top Elements of TOC, Lean, and Six Sigma Make Beautiful Music Together[J]. APICS. 2016, 5(15): 31-33.

[6] Gupta M C, Sahi G K, Chahal H. Improving market orientation: the theory of constraints-based framework[J]. Journal of Strategic Marketing. 2013, 21(4): 305-322.

[7] Blackstone J H. Theory of constraints - A status report[J]. International Journal of Production Research. 2001, 39(6): 1053-1080.

[8] Gupta M C, Boyd L H. Theory of constraints: a theory for operations management[J]. International Journal of Operations & Production Management. 2008, 28(10): 991-1012.

[9] Kim S, Mabin V J, Davies J. The theory of constraints thinking processes: retrospect and prospect[J]. International Journal of Operations & Production Management. 2008, 28(2): 155-184.

[10] 王仕斌.突破关键制约,提升整体绩效——TOC制约法专家访谈[J].企业管 理. 2018(02): 10-15.

[11] Aryanezhad M B, Badri S A, Rashidi Komijan A. Threshold-based method for elevating the system's constraint under theory of constraints[J]. International Journal of Production Research. 2010, 48(17): 5075-5087.

[12] Sims T, Wan H. Constraint identification techniques for lean manufacturing systems[J]. Robotics and Computer-Integrated Manufacturing. 2017, 43: 50-58.

[13]Trojanowska J, Pajqk E. Using the Theory of Constraints to Production Processes Improvement[M]. 2010: 1-6.

[14]Piotr C, Michal A, lukasz H. Critical chain project management and drum-buffer -rope tools integration in construction industry - case study[J].LogForum. 2012, 8(1):37-45.

[15]Fernando B D S, Vinicius A S, Marcelo S N, et al. When less is better: Insights from the product mix dilemma from the Theory of Constraints perspective[J]. International Journal of Production Research. 2013, 51(19): 5839-5852.

[16]Pretorius P. Introducing in-between decision points to TOC's five focusing steps[J]. International Journal of Production Research. 2014, 52(2): 496-506.

[17]Chou H, Wang C, Sheu R. A practical multiple-tool-set approach for increasing agile response in overhaul production with limited resource requirement visibility[J]. International Journal of Industrial Engineering : Theory Applications and Practice. 2016, 23(2): 119-136.

[18]Justyna T, Ewa D. Application of the Theory of Constraints for Project Management[J]. Management and Production Engineering Review. 2017, 8(3) :1-10.

[19]Chen J, Wang J, Du X. Shifting bottleneck-driven TOCh for solving product mix problems[J]. International Journal of Production Research. 2020: 1-20.

[20]Riezebos J, Korte G J, Land M J. Improving a practical DBR buffering approach using Workload Control[J]. International Journal of Production Research. 2003, 41(4): 699-712.

[21]Wu H H, Yeh M L. A DBR scheduling method for manufacturing environments with bottleneck re-entrant flows[J]. International Journal of Production Research. 2006, 44(5): 883-902.

[22]Telles E S, Lacerda D P, Morandi M I W M, et al. Drum-buffer-rope in an engineering-to-order system: An analysis of an aerospace manufacturer using data envelopment analysis (DEA)[J]. International Journal of Production Economics. 2020, 222: 10-22.

[23]Puche J, Costas J, Ponte B, et al. The effect of supply chain noise on the financial performance of Kanban and Drum-Buffer-Rope: An agent-based perspective[J]. Expert Systems with Application. 2019, 120(4): 87-102.

[24]Darlington J, Francis M, Found P, et al. Design and implementation of a Drum-Buffer-Rope pull-system[J]. Production Planning & Control. 2015, 26(6): 489-504.

[25]Lizarralde A, Guisasola M M, Apaolaza U. A Strategic Approach for Bottleneck Identification in Make-To-Order Environments: A Drum-Buffer-Rope Action Research Based Case Study[J]. Journal of Industrial Engineering and Management. 2020, 13(1): 18-37.

[26]F. M, Tseng, H. H, et al. The study of an Easy-to-Use DBR and BM system[J]. International Journal of Production Research. 2006, 44(8): 1449-1478.

[27]Im It Z T E, Gunay N S, Vayvay. Theory of Constraints: A Literature Review[J]. Procedia - Social and Behavioral Sciences. 2014, 150: 930-936.

[28]Zhao X, Hou J. Applying the Theory of Constraints Principles to Tourism Supply Chain Management[J]. Journal of Hospitality & Tourism Research. 2021, 1(3): 1-12.

[29]Wu K, Zheng M, Shen Y. A generalization of the Theory of Constraints: Choosing the optimal improvement option with consideration of variability and costs[J]. IISE Transactions. 2020, 52(3): 276-287.

[30]Panizzolo R. Practices and Performance in Constraints Management Production Planning and Control Systems[M]. International Manufacturing Strategy in a Time of Great Flux, 2017: 153-182.

[31]Urban W. TOC implementation in a medium-scale manufacturing system with diverse product rooting[J]. Production & Manufacturing Research. 2019, 7(1): 178-194.

[32]Zhang L, Wu B, Zou B, et al. Research of Auto Parts Assembly Line Simulation and Optimization Based On TOC[J]. IOP Conference Series: Earth and Environmental Science. 2019, 252: 32125.

[33]Modi K, Lowalekar H, Bhatta N M K. Revolutionizing supply chain management the theory of constraints way: a case study[J]. International Journal of Production Research. 2019, 57(11): 3335-3361.

[34]Zhengmin Z, Zailin G, Lei Y, et al. A Production Planning and Scheduling Method Based on Heuristic Rules for Forming-sintering Production System[J]. IOP Conference Series: Materials Science and Engineering. 2019, 565(1): 12001.

[35]   Alvarez K, Aldas D, Reyes J.Towards Lean Manufacturing from Theory ofConstraints: A Case Study in Footwear Industry[J]. 2017 InternationalConference on Industrial Engineering, Management Science and Application (ICIMSA). 2017:1-8.

[36] Bai Z Q, Dai M, Wei Q Y, et al. An OEE Improvement Method Based on TOC[J]. Proceedings of the 2018 25th International Conference on Mechatronics and Machine Vision in Practice (M2VIP). 2018: 173-178.

[37] Saleh C, Immawan T, Hassan A B, et al. Profit Optimization Through the Application of Theory of Constraints (TOC): A Case Study in Printing Company[J]. IOP Conference Series: Materials Science and Engineering. 2019, 530(1): 12045.

[38] 陈兆璋,徐克林.基于约束理论的生产线瓶颈识别及改善[J].精密制造与自 动化. 2019(3): 43-45, 48.

[39] Ikeziri L M, Souza F B D, Gupta M C, et al. Theory of constraints: review and bibliometric analysis[J]. International Journal of Production Research. 2019, 57(15-16): 5068-5102.

[40] Zhang M, Matta A. Models and algorithms for throughput improvement problem of serial production lines via downtime reduction[J]. IISE Transactions. 2020, 52(11): 1189-1203.

[41] Setiyawan D T, Nugrahandi K, Effendi M. Design of lean production system with simulation model approach in agar powder production[J]. IOP Conference Series: Earth and Environmental Science. 2020, 475(1): 12060.

[42] Wannawiset S, Tangjitsitcharoen S. Paper Machine Breakdown Reduction by FMEA and Preventive Maintenance Improvement: A Case Study[J]. IOP Conference Series: Materials Science and Engineering. 2019, 530(1): 12051.

[43] Tarigan U, Cahyo F D, Tarigan U P P, et al. Facility Layout Design Through Integration of Lean Manufacturing Method and CORELAP Algorithm in Concrete Factory[J]. IOP Conference Series: Materials Science and Engineering. 2019, 505(1): 12015.

[44] Ishak A, Ginting R, Chandra V. The application of lean manufacturing to minimize waste in Crude Palm Oil (CPO) production process at PT. XYZ[J]. IOP Conference Series: Materials Science and Engineering. 2019, 505(1): 12143.

[45] 王波.精益单元化生产在多品种小批量装配生产中的实践[J].现代制造工程. 2019(10): 21-27.

[46] Guillen D, Gomez D, Hernandez I, et al. Integrated methodology for industrial facilities management and design based on FCA and lean manufacturing principles[J]. Facilities. 2020, 38(7/8): 523-538.

[47] He F, Shen K, Lu L, et al. Model for improvement of overall equipment effectiveness of beerfilling lines[J]. Advances in Mechanical Engineering. 2018, 10(8): 1-20.

[48] Xiaobing P, Qingtao X. Study on the Application of Industrial Engineering Methods on Production Line Balancing Problem in T Company[J]. Advances in Computer Science Research. 2017, 70: 38-41.

[49] 张元元,孙永辉,史跃平,等.除草剂甲磺草胺的合成[J].农药.2013, 52(04): 260-262.

[50] 高文会.约束理论的瓶颈识别研究[J].西安石油大学学报(社会科学版). 2008, 17(1): 51-56.

[51] Alden J, Burns L, Costy T, et al. General Motors Increases Its Production Throughput[J]. Interfaces. 2006, 36: 6-25.

[52] Li L, Chang Q, Ni J, et al. Real time production improvement through bottleneck control[J]. International Journal of Production Research. 2009, 47(21): 6145-6158.

[53] Hofmann C, Stahr T, Cohen S, et al. Augmented Go & See: An approach for improved bottleneck identification in production lines[J]. Procedia Manufacturing. 2019, 31: 148-154.

[54] Zennaro I, Battini D, Sgarbossa F, et al. Micro downtime:Data collection, analysis and impact on OEE in bottling lines the San Benedetto case study[J]. International Journal of Quality & Reliability Management. 2018, 35(4): 965-995.

[55] Tsarouhas P H. Overall equipment effectiveness (OEE) evaluation for an automated ice cream production line[J]. International Journal of Productivity and Performance Management. 2020, 69(5): 1009-1032.

[56] Zuashkiani A, Rahmandad H, Jardine A K S. Mapping the dynamics of overall equipment effectiveness to enhance asset management practices[J]. Journal of Quality in Maintenance Engineering. 2011, 17(1): 74-92.

[57] 叶涛锋,韩文民.多产品模式下确定瓶颈前缓冲大小的模型研究[J].中国管理 科学, 2004,10:162-166.

[58] Umble M M. Analyzing manufacturing problems using V-A-T analysis[J]. Production and Inventory Management Journal. 1992, 33(2): 55-60.

[59] 徐学军,张红,叶广宇.生产进度的同步化方法研究[J].工业工程与管理. 2001(02): 38-41.

[60] Lockamy A. Examining supply chain networks using V - A - T material flow analysis[J]. Supply Chain Management: An International Journal. 2008, 13(5): 343-348.

[61] 吴昊,王栋,彭运芳,等.基于系统动力学的DBR系统缓冲控制机制研究J]. 现代制造工程. 2019(09): 14-22.

[62] 陈俊,胡平,马丽丽.基于DBR的再制造系统时间缓冲控制机制J].吉林大 学学报(工学版). 2009, 39(05): 1197-1201.

[63] Hadas L, Cyplik P, Fertsch M. Method of buffering critical resources in make-to-order shop floor control in manufacturing complex products[J]. International Journal of Production Research. 2009, 47(8): 2125-2139.

天天论文网
专注硕士论文服务

24小时免费热线

SERVICE ONLINE

13503820014

手机扫描二维码

收缩
  • 电话咨询

  • 13838208225