生产管理系统在冲压领域的应用

文／吴恭锐，李尧尧，邓先文，韩玉振，罗江巧·一汽-大众汽车有限公司成都分公司

冲压行业的传统库存管理容易出现更新不及时，导致库存过多或过少的情况，出现库存资源浪费。传统的排产方式往往依赖人工编排，容易出现库存时效性不高，排产计划不合理，从而导致生产线节拍不平衡。制造业数字化转型的时代已经来临，围绕管理数字化和技术数字化相结合的方向，必然值得我们去研究和探讨。

此次研究以精益生产为主线，通过优化生产计划和分析订单需求、设备状态、人员能力等因素，基于生产现场研发了一套冲压智能排产系统。该系统是一项先进的冲压行业管理和技术解决方案，旨在根据库存深度等各方面维度智能生成排产计划，以最大程度地优化生产流程、提高效率并降低生产成本。

系统功能

库存管理

通过实时监控原材料和零部件的库存状态，确保在需要时能够及时获得所需的物料或产品，实现库存信息的实时更新和共享，提高决策效率，并根据预测结果设定相应的库存水平，如图1所示。

图1 库存管理数字化页面

人员圆点图

根据生产零件的需求人数，结合人员出勤信息，通过可视化工具，智能调度出勤人员，确保生产线上的员工数量与生产需求相匹配，如图2 所示。

图2 人员圆点图数字化页面

生产状态监控

实现对生产过程的全面监控。当出现异常信息时，能及时推送至相关人员，避免无效沟通时间，减少异常停机时间，提高生产效率，如图3 所示。

图3 生产状态监控数字化页面

智能排产

利用计算机科学、人工智能等技术，根据订单需求、人员配置、设备能力等信息，自动生成生产计划，减少人工干预。实现自动化和智能化以及精细化的资源利用，降低生产成本和库存深度。

设计方案

数据采集和准备

生产管理系统业务如图4 所示，数据采集和准备是生产管理系统的关键环节，涉及多个方面的信息，从生管目标到设备维保时间，再到模具数量、考勤信息、设备开动率以及单零件库存等多个方面。以下是关于数据采集和准备的具体方案：

图4 生产管理系统业务图

首先，通过生管系统的通用接口，系统定时获取未来的生产数据，确保生产计划和资源分配的准确性。同时，冲压日报AKZ 的统计通过收集近期生产日报数据，计算出AKZ，从而结算出最新、最准确的生产数据，为管理决策提供可靠依据。设备维保时间则通过手动录入排产系统预留的接口，实现设备的自动调配。

其次，通过生管目标计算当日的压机冲程，并结合模具生产数计算出生产数量，提供实时的生产数据支持。考勤信息采集通过门禁系统实时获取出勤数据，计算出当天实际到岗人数，为生产人员智能调度提供依据。设备开动率的计算基于上个月的生产线过程记录和PLC 采集到的设备停台时间，通过日报方式准确计算设备的开动率。

最后，单零件库存的实时获取通过库存管理模块、RFID技术等手段，确保单零件库存容量信息的准确性。为保证数据质量和一致性，系统进行数据清洗，对采集到的数据进行清洗、去重、格式化等预处理，以提高数据的可靠性和一致性。这一系列的数据采集和准备方案将确保生产管理系统拥有可靠、实时的数据基础，从而支持科学决策和高效调度。

算法选择和优化

在算法选择和优化方面，精心采用了多种先进的算法，确保生产管理系统在面对多样化的需求和场景时能够高效运作。以下是我们所选用的关键算法及其优势：

首先，贪心算法的引入充分体现了高效性和简单性的优势。利用贪心算法在每一步都选择当前状态下的最优解以及易于实现的方案思路，使系统能够迅速做出局部最优决策，为整体生产管理提供了实时而有效的支持。

其次，遗传算法被应用于排产过程的优化，旨在快速找到问题的最优解。通过灵活调整策略和参数设置，遗传算法能够适应不同类型的问题和多样的优化目标，为生产排程的复杂性提供了可靠而高效的解决方案。

最后，融入了AI 人工智能技术，通过对生产数据的深度分析和挖掘，实现了生产流程的智能优化。此技术不仅用于历史数据的分析，还能在生产过程中实时监测异常现象，通过智能诊断迅速应对异常停机，从而提高整体生产效率。

这三种算法的综合运用使得生产管理系统更具智能性和适应性，为企业提供了可靠的决策支持和高效的生产优化策略。

系统架构

采用前后端分离的架构，使系统更加灵活。前端使用Vue 框架，后端使用Spring Boot 等构建，如图5所示。

图5 生产管理系统架构图

数据存储和管理

在数据存储和管理方面，我们精心选择了适用于生产管理系统的数据库和大数据处理策略，以确保高效、可靠的数据存储与管理。

首先，我们采用了MySQL 数据库，作为主要的数据存储引擎。MySQL 的可靠性和稳定性使其成为理想的选择，用于存储各类关键数据，包括产量、生产进度等。其灵活性和广泛支持的特性使得我们能够高效地组织和检索数据，从而满足生产管理系统对实时性和准确性的要求。

其次，针对大规模的生产数据，我们引入了大数据处理技术。通过这一策略，我们能够有效地处理和存储庞大的数据集，以支持系统的数据分析和报告生成需求。大数据处理技术的高扩展性和并行处理能力，使得系统能够应对不断增长的数据量，为决策提供更为深入的洞察力。

这两者的结合，使得我们的数据存储和管理系统具备了对各类数据的高效处理和可靠存储的能力，为生产管理系统提供了稳固的数据基础，以支持各类决策和业务需求。

安全性和可维护性

在系统设计中，高度重视数据安全和系统可维护性，确保生产管理系统的稳健性和可持续性。

首先，数据安全是系统设计的核心之一。采用适当的数据加密技术，以保障数据在传输和存储过程中的机密性。此外，严格的身份验证措施被实施，确保只有经过授权的用户才能访问敏感数据。这种综合的安全措施旨在防范潜在的数据泄露和篡改风险，为企业数据提供了可靠的保护。

其次，系统可维护性是系统设计的另一个重要考量。设计系统要使其便于日常维护和升级。错误日志记录系统被充分整合，以便及时追踪和解决潜在问题。系统监控功能的引入使得管理员能够实时监测系统运行状况，及时发现异常并采取相应措施。此外，还实施了自动化任务，以简化例行性维护工作，提高系统的整体可维护性。

通过这两方面的设计，确保了数据的安全性，防范了潜在的威胁，同时保障了系统的可维护性，降低了维护成本，为企业提供了一个健壮、稳定的生产管理系统。

系统优势

该生产管理系统在多个方面展现出显著的优势，主要体现在创新性和可推广性两个方面。

首先，系统具有卓越的创新性。通过结合现代技术，以数据驱动的方式实现了生产计划的智能化和优化，将创新融入整个制造流程。这种创新性不仅提升了生产效率，降低了成本，还缩短了交付周期，使生产计划更加灵活和高效。这种创新不仅符合当前制造业的发展趋势，更为企业带来了巨大的竞争优势。

其次，系统具备良好的可推广性。首先，在适用领域方面，该系统不仅适用于汽车制造、电子制造、航空航天、医疗设备、消费品制造等各种制造业领域，而且能够灵活应用于不同规模的制造企业。其次，该系统可以在全球范围内应用，不受制造工厂所在国家或地区的限制，为全球制造企业提供了一致的竞争优势。

最后，系统不仅适用于离散制造过程，还能够适用于连续制造和批量制造，使其具备更广泛的适用性和灵活性。

综合而言，该生产管理系统以其创新性和可推广性为制造企业提供了独特的竞争优势，为不同行业和规模的制造企业带来了更高效、灵活、可持续的生产管理解决方案。

核心技术——智能排产实现步骤

生管目标确定

确定每个产品当天需要的数量，分配到各冲压生产线，并将数量换算成冲程。根据近期的日报AKZ计算完成当天冲程所需分钟数。

排班规则

根据冲程分钟数，设置生产时间分段(0 ～480分钟，480 ～960 分钟，960 ～1440 分钟)，结合该生产线的模具分类确定生产班次。例如：在超出1440 分钟且当前生产线满负载时，将部分模具转移到低负载生产线，采取先跑原则。

排产基本逻辑

(1)安全时间计算。根据当天早班时的截止库存和当天的生管目标计算库存深度，换算成零件库存安全时间。

(2)生产顺序。基于库存安全时间排序，选择最小安全时间的零件进行生产，以最快补库为目标。

(3)模具分配。按照模具的可用情况优先选择能够满足产量且可用的模具进行分配。

(4)单零件计划产量。每个零件的产量取决于库存器具，确保满足外部准备时间。

结束语

在不断发展的制造业环境中，我们的生产管理系统以其创新性和可推广性为企业带来了前所未有的优势。通过数据驱动的智能化生产计划和系统的广泛适用性，为制造企业提供了高效、灵活、可持续的解决方案。这不仅令企业在提高生产效率、降低成本、加速交付周期等方面取得了显著成果，还使其在全球范围内赢得了竞争优势。随着制造业的不断演进，我们的系统将继续为企业创造价值，助力其在激烈的市场竞争中脱颖而出，迎接未来的挑战。