制造企业生产中瓶颈问题研究综述

于 奇,曲 立

(北京信息科技大学 经济管理学院，北京 100192)

随着经济全球化，制造业发展越来越受到关注。制造业企业生产力提升成为其重要竞争力。自从20世纪70年代以色列学者高德拉特博士提出最优化生产技术，后发展为约束理论以来，生产中瓶颈的问题研究逐步受到研究者与企业管理人员的密切关注。为了提升生产系统整体的有效产出，必须改善对整体产出影响最大的制造单元的生产状况，从而提升生产系统的平衡性与稳定性，本质上是一种以低投入达到组织目标的思维流程与方法[1]。

但是随着瓶颈技术与约束理论的发展，在将其应用到具体行业的时候由于生产环境的差异以及生产产品类型的不同，具体的瓶颈识别方法与改善措施也存在差异。如何准确地识别系统的瓶颈并改善瓶颈成为当下瓶颈研究问题的关键。从之前研究的成果来看，主要研究集中在瓶颈概念的定义、识别预测及对瓶颈的控制与改善等方面。分析瓶颈问题研究现状有利于进一步明确研究趋势，为企业实践提供更有针对性的指导。

1 生产制造瓶颈

1.1 瓶颈的相关概念

瓶颈的概念最初来源于最优化生产计划中的定义,实际生产能力小于或等于负荷的资源就是瓶颈环节。这种抽象的定义由于在生产系统研究中过于笼统，且在实际生产环境中由于条件的复杂不能得到有效应用。在瓶颈资源的定义上，学者的分歧往往是由于生产环境或假设条件不同导致某种定义在实际识别过程中不明显或直接无法使用，从而提出另外一种瓶颈定义方法。在生产瓶颈的分类上，有瓶颈机器(加工单元)、瓶颈工件、瓶颈工序、瓶颈阶段、物流瓶颈等等。

瓶颈机器：文献[2]定义系统加工能力最差的机器为瓶颈机器。文献[3]定义最大工作负载的机器为瓶颈机器。文献[4]定义在制品库存堆积最大的机器为瓶颈机器。文献[5]定义具有最长活跃时间的机器为瓶颈机器。

瓶颈工件：文献[6]提出候选瓶颈工件集与瓶颈工件的概念，认为最不能满足交货期的工件是瓶颈工件。

瓶颈工序：文献[7]先辨识制造系统中生产负荷大于生产能力的资源并将其作为瓶颈资源，然后定义需要瓶颈资源支持的工件的工序为瓶颈工序。文献[8]将系统作业指标值对工序生产耗时改变的灵敏度的大小作为瓶颈工序的判断依据。

瓶颈阶段：文献[9]定义瓶颈阶段为某阶段的所有工作的流程总时间与并行机器数量的比值的最大值为瓶颈阶段。文献[10]定义瓶颈阶段为某一生产阶段全部机器生产速度、生产能力乘积与实际工作负载的比值的最大值为瓶颈阶段。

物流瓶颈：文献[11]定义生产物流瓶颈是指生产系统在加工过程中需求负荷与生产单元可用产能比最大的环节。文献[12]定义生产能力、质量能力、生产负荷和质量需求的函数比较关系式。

其他有从导致瓶颈因素的角度去区分瓶颈为固定瓶颈和临时瓶颈[13]。还有文献[14]从成为瓶颈的能力角度提出瓶颈度与瓶颈指数的概念，认为任何一个制造单元都有成为瓶颈的能力，瓶颈指数来描述制造单元成为瓶颈的能力的无量纲指标。

1.2 瓶颈的延伸概念

在上述瓶颈基础概念的基础上，发展出的延伸概念。

文献[15]提出关于瓶颈机器的延展概念瓶颈能力释放率，即周期段内瓶颈机器可用调度时间与周期之比，表示瓶颈的利用程度。瓶颈能力释放区表达瓶颈能力利用对调度方案的影响范围，说明瓶颈利用的程度会对调度方案的性能产生影响。

文献[16]将正常运行时间和停机时间呈指数分布时为停机瓶颈，停机瓶颈是瓶颈机器生产能力为0的特殊情况。

文献[17]在瓶颈指数的基础上发展出灵敏型瓶颈和迟钝型瓶颈。

文献[18]在瓶颈度的基础上发展出综合瓶颈度与独立瓶颈度。

关于瓶颈的概念很多，概念是解决实际问题的理论基础。如何把这些概念在学术界规范化并建立完善的知识体系是一项重要的工作。

2 生产中瓶颈问题研究

2.1 瓶颈识别与预测

瓶颈的概念与定义是实现瓶颈识别与瓶颈预测的前提。瓶颈的定义使收集数据的种类、测量方法都会产生一定的差异。文献[19]将瓶颈识别方法基本分为以下三类：系统分析、仿真模拟以及数据驱动。

1)系统分析法。文献[20-21]假设机器运行与空闲时间呈指数分布，最常见的是伯努利模型与马尔科夫模型，文献[20]建立机器生产时间分布的伯努利模型，如果机器被阻塞的次数比饥饿时更多，则瓶颈位于该机器的下游;否则，瓶颈就在上游。文献[21]建立马尔可夫模型，分析机器的平均正常运行时间和停机时间以及它们的堵塞和饥饿的频率来确立系统瓶颈。文献[22]定义了弹性、非弹性、整体弹性约束指标集，对瓶颈资源进行调配，构建非线性规划模型，提高系统整体综合效益。模型的局限性在于其只限于静态的生产系统的分析情况，不能随着系统的动态事件导致的瓶颈转移作出分析。

2)仿真模拟法。通用汽车公司[23]创建了一个名为C-MORE 的内部吞吐量分析工具，通过分析各种不确定事件导致的瓶颈模拟分析求解器。文献[24]定义循环操作时作业员占用工作站加工时间过长造成的其他作业员闲置的工作站为瓶颈，研究了作业员作业快慢的影响因素与瓶颈的关系。文献[25]利用带有排队功能的图示评审技术(Q-GERT)来仿真动态生产过程，分析生产过程中的不确定因素来确定生产系统的瓶颈资源。仿真分析依赖于软件的模拟水平与现实生产系统的契合情况以及车间工程师对软件操作的熟练水平与理解程度。

3)数据驱动检测法。文献[26]提出对瓶颈的实时控制策略是一种在线数据监测，包括执行反应性维护任务优先级化并初始化缓冲区内容。文献[27]定义在循环和失效状态下具有最大的停留时间百分比，以机器运行时间与故障周期的数据为基础判断瓶颈机器。其他像基于机器外部表现特征的均是通过计算机器的负载、运行周期时间、在制品数量、机器堵塞饥饿时间等现场生产数据来判断。数据驱动检测要求对数据的准确性要求依赖较高，而收集数据的方法能反映数据收集的准确性以及经济性。比如文献[28]基于苹果系统的AR应用程序来动态识别系统关键绩效指标(KPI)，从而识别系统瓶颈，并与传统Go&See方法(传统方法依赖于精益观察员通过纸与笔)比较，发现其在识别时间上的优越性。

瓶颈的预测主要体现在对瓶颈的事前识别，传统的瓶颈识别方法是在运行的生产系统中被动地识别生产系统中已经出现的瓶颈，而瓶颈预测强调对系统中还未成为瓶颈但可能即将成为瓶颈的制造单元进行识别。文献[29]构建了瓶颈多态性概念模型，运用瓶颈闭环预测方法预测生产物流瓶颈。文献[30]反应各因素对瓶颈漂移的影响程度，从而对瓶颈转移的方向作出预测。文献[31]从作业车间网络的角度定义瓶颈为可以控制制造信息的传播路径走向、改变制造信息传播范围的节点，建立作业车间网络模型对工作节点的瓶颈度的走势进行预测。文献[32]认为生产系统的学习与遗忘效应会影响生产率，从而发生瓶颈位置的改变，构造学习曲线模型来预测生产系统中潜在的瓶颈。

2.2 瓶颈控制与改善

识别瓶颈的最终目标是要控制瓶颈的位置，加强瓶颈资源的利用，提升瓶颈产出，提高系统整体效益。瓶颈控制强调对瓶颈资源以及产品组合与工序排序的重新分配与优化，是一种针对“短期瓶颈”以及动态可移动瓶颈的措施，在现实的车间环境中，瓶颈的控制利用往往与调度过程联系起来。

最优化生产计划最初使用Drum-Buffer-Rope即鼓-缓冲-绳法，亦称DBR排程法控制生产节奏、生产投入以及设置缓冲来维持生产系统平衡，实现对生产系统的整体效益的追求。文献[33]以机器减少的完工时间的边际效应来衡量瓶颈机器，提出一种SB(变换瓶颈程序)的枚举版本来解决瓶颈机器与非瓶颈机器的单机调度问题。文献[34]发现SB(变换瓶颈程序)算法解决调度问题的性能与瓶颈机器与非瓶颈机器的生产容量(工作负载)的差异有关，差异越大，算法的性能越好。文献[35]运用瓶颈聚焦算法调度混合流水车间相同并行机器瓶颈工作单元问题，再利用前向和后向列表调度算法获得其他工作站的调度。其他控制措施通过一种机制或控制系统来对瓶颈机器进行控制，如文献[36]对单一产品单瓶颈问题由于机器工作负载、机器故障导致在制品库存堆积进行调节的作业释放控制机制，文献[37]建立一种JUSTICE / MORAL控制系统，该系统能够实时监测系统的运行状况，通过控制在制品水平，控制随机变化的瓶颈机器。

针对瓶颈的改善往往是那些长期瓶颈、固定瓶颈。文献[38]从消除瓶颈工序浪费时间，提出3种措施，最终改人工割料为机器自动下料。文献[39]针对不锈钢的镀镉工序运用决策树法进行工序的改善，从而提升产品合格率，提升整体生产效益。文献[40]基于重型卡车照明系统生产公司堆积在制品库存高，生产水平不能按订单截止日期完成的情况，提出4种方案来消除瓶颈，这4种方案是对于静态生产环境中的生产条件的改善，是一种长期瓶颈，4种方案分别是针对特定生产系统的，如更改模具设置、给模具编号建立模具存储数据库、将机器的润滑、清理、故障排除等任务转移到其他专门的部门、减少模具更换时间的产品。针对工艺、生产流程、管理方法的改善都体现了行业的特殊性，普遍适用性不强。

需要注意的是，无论是短期控制还是长期改善，都很少通过增加机器、替换新机器、增加操作工数量等方法来提升瓶颈的产出能力，除非在无可选择的情形下，一方面是因为这些方法实施成本高、经济性差，另一方面是无法应对车间多变的生产状况。

3 生产中瓶颈问题研究趋势

关于制造企业生产中瓶颈问题研究，在瓶颈概念、识别预测方法以及改善等方面取得了丰硕的研究成果，但在以下几个方面研究还不够充分。

1) 进行瓶颈识别的方法很多，这些方法都能在特定生产环境中识别出瓶颈，但是在某些情况下可能并不适用，如何在特定的生产环境中选择合适的瓶颈识别方法，是进行车间生产输出效率改善的关键，该问题有一定研究意义。

2) 生产瓶颈的识别以及预测方法。经历了从一开始依赖于现场观察人员手动记录数据到智能检测系统记录分析，人工辅助操作与判断，到完全的智能系统处理数据并进行判断，人工逐渐被解放出来，未来对瓶颈的识别与预测可完全实现智能终端的数据处理与瓶颈分析及控制等一系列工作。

3) 目前关于瓶颈的概念体系尚不完备，且多是针对瓶颈机器及制造单元的定义识别，而像瓶颈阶段这种新颖的概念却很少有相关研究，建立完善的知识体系迫在眉睫。

4) 关于瓶颈的定义以及识别预测均是从生产系统的产能约束去考虑，很少从生产单元的制造成本去考虑，瓶颈对企业的影响只从企业的利益方向考虑，很少从企业的社会责任的方面去考虑，如某些机器及制造单元虽然产能充足，从工作负载、生产能力方面不会识别其为瓶颈，但其排废严重，导致企业处污成本增加，从而增加总成本且不利于环保。未来对瓶颈的研究还应考虑机器的排废水平及对社会的影响。

这些方面的进一步研究将会是瓶颈问题从理论到实践更有效的解决。