文摘

组件工厂正在经历与精益生产相关的问题,特别是生产时间预测的准确性和不必要的浪费时间和资源利用率。为了解决这些问题,基于离散事件仿真——(DES)精益预制组件生产计划和优化方法提出了通过集成的复杂性评估(CS),离散事件仿真(DES)和精益管理(LM)。方法包括三个子:改善生产计划,DES,精益分析和优化。子模型的改进的生产计划,建立预制组件的复杂性评价指标体系通过调查五个组件工厂,七个领域专家咨询和分析相关文献。在DES的子模型,采用DES技术来模拟和分析预制组件的生产活动。精益的子模型分析和优化提供了多维分析、比较分析和建议。最后,详细的生产情况是选定的模拟和测试方法。重要的研究结果如下:(1)该方法可以减少每个工作站的处理时间之间的差异尽可能避免瓶颈站;(2)该方法可以捕获在预制组件生产的不确定性,和最可能的生产时间计算方法是12.05个小时,而不是原先估计的11.50小时组件工厂;(3)该方法可以识别一些不必要的浪费在预制组件的生产过程,包括利用工作站和不必要的设备采购不到50%; (4) this method also provides some suggestions regarding production optimization. Due to the particularity of precast component production, it further expands the boundary of lean production methodology from the perspective of the construction industry rather than the manufacturing industry. The proposed method assists component factories in planning and optimizing the precast component production when they make detailed production plans.

1。介绍

预制建筑赚很多时间以来全球抗击新的冠状病毒“COVID-19”,他们比其他类型的建筑吸引全球的目光。预制建筑、可持续和清洁技术(1)曾被视为首选平衡经济、环境和社会效益(2]。大量学者进行深入研究预制建筑方面的环境(3,4,风险5- - - - - -7),和虚拟建设(8,9]。然而,预制建筑的发展仍处于起步阶段阶段由于高总成本,无关紧要的环境效果,不清楚社会效益。更令人担忧的是,预制率越高将导致更高的总成本(10]。这种现象不利于预制建筑的可持续发展。因此,一些专家被邀请来识别关键阶段导致增量成本。结果表明,增量成本主要来自生产和运输阶段的预制组件。这个结果符合陈et al。11)人认为预制建筑的高成本主要归因于更高的生产成本。

精益生产理论认为,浪费(如时间和资源)是高生产成本的一个重要原因(12]。时间和成本预制组件生产系统是分不开的。除了生产成本更高,组件工厂也面临着沉重的压力从准时交货13),影响生产计划的制定。根据前面的调查和咨询工厂几个组件,组件工厂预计,节拍时间没有蒸汽养护将被控制在15分钟。这种粗生产计划虽然简单,但是隐藏了很多有价值的信息。因此,组件工厂还没有找到一个合适的方法对规划和优化为预制组件生产虽然他们非常清楚自己的需要和责任。后搜索和分析相关文献,我们发现规划和优化为预制组件生产主要在以下方面实现:资源和成本优化为复杂模具(14),预制组件的布局规划的约束下模滚筒利用率(15),船员配置基于遗传算法的规划16),和生产计划系统集成多种人工智能技术(17]。然而,这些相关研究忽略一些实际问题,包括生产过程的不确定性、复杂的评估预制组件,组件生产期间和不必要的浪费。

根据组件工厂的调查、专家咨询和现有文献的分析,本研究旨在提高生产时间预测的准确性通过捕获在预制组件生产的不确定性。在此基础上,本研究进一步旨在消除不必要的浪费时间和资源利用率。它不仅涉及预制组件工厂的生存,还影响着整个预制建筑行业的可持续发展。首先,现有的相关文献回顾和分析。其次,DES-based精益预制组件生产计划和优化方法,一个新的综合方法,提出了通过结合复杂性评估(CS),离散事件仿真(DES)和精益管理(LM)的基础上,现有的生产计划。第三,生产从一个组件厂是用来模拟和测试这种方法。第四,深入分析结果。最后,结论和未来的工作进行了总结。

2。文献综述

2.1。生产线和过程

构成预制建筑预制组件,在一个工厂生产。基本生产过程包括清洗模具,绑定钢铁、浇注混凝土,养护组件,并释放模具(18]。然而,不同类型的预制组件不同生产过程的细节。每种类型的预制组件都有一个相应的生产线(19]。现有的生产线分为两类:固定模具滚筒和移动模具滚筒(20.]。大多数预制组件是由使用移动模具滚筒,包括semiprecast板、轻质隔断板和预制墙板。改善生产过程吸引了学者们的关注。陈等人。21创建更有效的预制过程从流程再造的角度。奥乔亚(22)开发了一种更可靠的生产计划过程的帮助下最后一个计划系统(有限合伙人)。汉et al。23]应用自动postsimulation工具来提高预制建筑的生产线。然而,一旦生产线是建立在现实中,所有相应的过程将决定,不容易改变。在预制组件生产瓶颈站不欢迎。两种方法处理瓶颈站发现了Arashpour et al。24)和Arashpour et al。25):一个是设置半成品(在制品)缓冲区,,另一个是优化过程和资源。从经济的角度来看,后者似乎为主。

2.2。生产计划与调度

生产计划与调度发挥着至关重要的作用在准时交货和其他福利的预制组件。它们之间有一个顺序和交叉关系,已在许多现有的文献研究。时间是最基本的变量对生产计划与调度。李等人。26研究了预制房屋生产进度风险。甘特图是一种常见的工具和说明计划(27,28]。离散事件仿真(DES)分析假设问题的调度和管理(29日,30.]。然而,DES比甘特图更灵活的捕获不确定信息。Demiralp et al。31日DES工具)使用领域软件,模拟的总时间和错误使用射频识别技术的生产、传输和安装预制面板。Tommelein [32计算机系统)采用了频闪仪,DES工具,模拟pipe-spool安装过程,并证明了“拉动式”技术有助于提高过程的性能。

一些关于预制组件的生产计划与调度的研究主要是为一个生产线。哈利利和蔡14)采用模具适应性矩阵,从而高效地利用复杂的模具在生产平台。王等人。15)提供了一个模型,预制生产计划托盘的平均利用率最大化。相比之下,多个生产线的调度正逐渐成为一个问题。小王和胡33)建立了一个两级延期预制模型与多个生产线生产。然而,无论研究单一生产线或多个生产线,生产时间预测的准确性并没有足够的关注,有效地解决了。方法的应用和发展一直是学者关注的焦点。遗传算法(GA)是广泛采用预制组件的生产计划和调度,如Ko (34马,et al。35王),et al。36王,et al。37),以及杨et al。38]。波多尔斯基和Rejment39)提出了一种预制组件的生产调度模型的基础上模拟退火metaheuristic算法。图等。40]开发了生产计划与控制系统panelised家里生产设施。所有上述的研究似乎没有考虑到预制组件的复杂性,这将加剧模具压板之间的不均匀流动的节奏,造成进一步的浪费。

2.3。精益管理

精益概念源自日本汽车工业(41)旨在减少浪费在流程和产品的价值最大化42]。Koskela [43)提出了新的生产理念应用到建筑于1992年9月。一些新的生产理念(尤其是精益管理)在建筑行业发展迅速。精益管理已广泛应用于建筑行业,到目前为止,如BIM和精益的协同效应(44),精益设计管理(45),和精益人才管理(46),以及精益原则在建设项目47]。为组件的工厂,产品指的是各种预制组件。精益管理降低成本和提高效率的生产过程为预制建筑预制组件。因此,精益管理一直是由组件工厂和学者重视。Yu et al。48)开发了一个生产系统的有效应用精益工具在预制组件生产。Heravi和Firoozi49)使用价值流程图来确定生产的废弃物,诊断他们的根本原因,并提出改进。Innella et al。50]讨论了实施精益技术在所有生产过程阶段的预制建筑行业。然而,一些技术(如价值流程图)在精益管理可以处理决定而不是浮动时间。离散事件仿真通常用于捕获和处理时间的不确定性,和一些未知的有价值的信息可以获得处理结果。研究结合精益管理与离散事件仿真是罕见的,这使得精益管理很难考虑时间的不确定性。

通过回顾生产线和工艺、生产计划、调度以及精益管理,可以获得以下信息:(1)直接相关的研究很少,但为规划和优化打下基础为预制组件生产;(2)尽管一些研究并不是针对预制组件的规划和优化生产,它们提供了一些有参考价值的概念和方法,如DES、GA、和精益管理;(3)从不同研究方法的可行性优势互补,实现“1 + 1 > 2”的效果;(4)所有研究不考虑预制组件的复杂性。

3所示。研究方法

到目前为止,现有的生产计划相关知识的方法是支离破碎的预制组件。因此,它是必要的整理和总结知识的身体。然后,DES-based精益的框架规划和优化方法的基础上,提出了现有的生产计划方法。

3.1。现有的预制组件的生产计划方法

组件工厂密切关注降低成本和增加中获益。直接和有效的方法是加强精益生产,不断提高资源利用率和减少不必要的浪费。为了解决现有的生产计划方法,五个组件工厂现场调查和七个专家咨询,如表所示1。五个组件工厂位于黑龙江、江苏、分别和中国广东。七个专家在组件工厂工作了两年多。三个专家采用面对面的咨询,和其他四个通过微信在线专家进行咨询,这是一个流行的在线应用程序进行通信。图1显示一个组件工厂的生产过程进行调查。与其他预制组件相比,预制墙板和semiprecast板处理流生产线,这是一个重要的象征组件工厂从手工生产到工业生产。

预制组件的生产计划在现实中包括一个总供应计划、月度生产计划、周生产计划和日生产计划(51]。这是改进计划的过程。生产能力分析是所有生产计划的前提和基础。经过多次磋商和反馈,现有的生产计划的框架方法对应于每日生产计划总结,如图2。

第一步:分析生产线及其工作站。步骤2:计划在模具滚筒组件布局。步骤3:如果模具的高利用率不满足滚筒,然后返回到步骤2;否则,继续下一步。步骤4:安排人员和其他资源来调节和控制工作站。第五步:确定生产节拍时间来计算时间。第六步:如果生产时间不满足日常生产计划,建议每天那么多变化,直到满足日常生产计划;否则,结束计划过程获得详细、可行的日生产计划。

3.2。DES-Based精益框架规划和优化方法

是一种古典科学思维来分析现有方法的不足,并做出改进。我们发现现有的生产计划方法忽略了复杂性评估(CS)的预制组件。除此之外,它也无法捕捉生产的不确定性,使精益生产过程的分析。因此,进行相关的咨询和验证工作。经过多次与上述专家深入讨论,我们发现预制组件的复杂性也应该被视为一个约束模滚筒组件布局。预制组件的组合具有较高的复杂性和复杂性较低的预制组件的组合并非最优布局在预制组件的组合平衡被公认为最优布局。预制组件的组合下的平衡可以使模具滚筒在每个工作站的时间往往是相等的。整体回顾一下之前的文献,我们发现离散事件仿真和精益管理可以协助精益计划的实现。离散事件仿真(DES)提供了一个机会来捕捉生产操作的不确定性(52,53]。精益管理(LM)提供了一些有价值的指数分析,包括生产时间分析(54[],瓶颈工作站分析55[],资源利用率分析56),和成本效益分析57]。因此,CS, DES, LM是结合现有的生产计划形成DES-based精益计划和优化方法,如图3。

DES-based精益计划分为三个子和优化方法,即改进的生产计划,离散事件仿真和精益分析和优化。改善生产计划的前提是离散事件仿真以及精益分析和优化。离散事件仿真构建改进生产计划之间的联系和精益分析和优化。精益分析和优化对改善生产计划反馈效应。

3.2.1之上。子模型的改进的生产计划

提高生产计划的子模型增加了预制组件的复杂性评价现有的生产计划。为预制组件识别的复杂性评价指标是一个重要和迫切需要解决的挑战。如果所有类型的预制组件被认为是在索引标识,然后指数将成为非常大的数量。因此,本研究仅限于预制墙板和semiprecast板适合生产线。首先,我们搜索中国国家知识基础设施和网络科学的主题搜索在我们的能力,但没有找到相关文献。主题包括预制组件、预制墙板semiprecast板,和复杂性。这意味着预制组件的复杂性指数相对较新的和未知的现有研究。霁et al。58)测量的复杂性预制施工产品通过质量绩效指标,但是他们没有说明这些指标是什么。虽然没有缺乏研究产品在制造业上的复杂性(59- - - - - -61年),产品属性差别很大在建筑业和制造业。其次,我们必须确定预制组件的复杂性评价指标通过调查、咨询、和实践。调查公司和咨询专家一样相同的表中列出的信息1。经过多轮的反馈,建立预制组件的复杂性评价指标体系,如表所示2。

预制组件的复杂性取决于它的形状、成分和加工工艺。由于不同类型的预制组件的复杂性不同评价指标,他们的重量必须在具体生产情况下决定。一个索引的重量取决于索引影响生产时间。这些指标分为两类:easy-to-quantify指标和难以量化指标。得分的每个难以量化指数量化李克特量表,如“1 =非常简单,”“2 =更简单”,“3 =一般复杂,”“4 =更加复杂,”和“5 =非常复杂”。最简单和最复杂的指标作为评分参考指数。每个easy-to-quantify指数的值也需要转换成1到5的范围。例如,二等指数”铸时代”是一个easy-to-quantify指数。如果预制组件只需要一次性投,那么它的分数是1。“铸时代”是正相关的分数。 However, if a precast component needs more than five-times cast, then its score is still 5. The complexity calculation of a precast component is shown in Formula (1)。f代表一个预制组件的复杂性。代表的重量i索引。r_我代表的分数i索引。

3.2.2。子模型的离散事件仿真

现有的预制组件的生产时间的计算方法主要是基于节拍时间,这是一个时间价值后,综合考虑每个工作站的处理时间。它的原理公式所示(2)。T代表了一批的生产时间预制组件。t代表节拍时间。n代表的数量模具挡板。t₀代表了蒸汽养护窑养护时间。相应的模具压板和预制组件之间的关系是,不止一个预制组件可以放在一个模具滚筒。

每个工作站的处理时间不是一个固定值,同时他们也不同。因此,现有的计算方法忽略了生产的不确定性。离散事件仿真是一个事件驱动和state-hopping子系统,它提供了一个机会来捕获的不确定性。一个事件的发生是不确定的,但遵循一定的概率分布。通过分析和比较许多常见连续分布、均匀分布和三角形分布应该使用DES由于考虑样本数据有限,见公式(3)和(4)。

的或是一个概率密度函数。x是一个独立的变量,通常代表时间。的一个,b,和c分别代表了最小、最大和平均价值。为各种后续分析DES将产生有价值的结果。

3.2.3。子模型的精益分析和优化

精益的子模型分析和优化指的是多维分析的仿真结果。多维分析包括生产时间分析,瓶颈工作站的分析,资源利用率分析和成本效益分析。生产时间分析的时间每个工作站的基本元素。瓶颈工作站分析旨在识别和分析工作站的最短的时间。资源利用率分析主要用于识别资源闲置。资源利用包括瞬时利用率和预定的利用率。瞬时利用率反映了资源在整个运行多忙。瞬时利用率小于或等于计划利用率。公式(5)表示瞬时利用率的计算机制62年]。f(t)是忙碌的时间资源的数量t。可用资源的数量在时间吗t资源和空闲资源,包括忙。

成本效益分析是用来分析动态性能的变化,如平衡资源,节省时间,降低成本。然后,仿真结果之间的比较分析,原计划执行结果。精益的子模型分析和优化不仅包括各种精益分析也提供了用于优化方案的具体措施。这些具体措施不断提高生产效益的前提下满足交货时间。

4所示。一个案例研究的组件工厂生产

4.1。案例研究的基本概要

与其他类型的预制组件相比,semiprecast板生产在生产线上称为装配线。模具压台对应semiprecast板移动,而不是固定在这种类型的生产线。Semiprecast板按顺序一步一步处理。因此,semiprecast板更工业化的代表。数据关于生产线主要用于semiprecast板组件提供的生产工厂,如图4。它只显示了部分生产线考虑组件工厂的保密要求。生产线共有33个工作站和一个缓冲,但几个工作站并不是用于semiprecast板。此外,一些工作站具有相同的名称和活动。每个刷新semiprecast板将暂时堆放在车间内的指定区域。

项目的生产情况进一步提供的组件工厂。项目总共有17个建筑(1 # 17 #)与剪力墙结构。1 #建筑的预制率是50.07%。Semiprecast板用于4日∼24层的大楼,和每层拥有43 Semiprecast板。模具的大小滚筒为3.5米×9米。

4.2。复杂性评价43 Semiprecast板

这个组件工厂的技术工程师面对面的采访一次,咨询在线的三倍。预制组件的复杂性评价指标体系是发送给技术工程师和她的两个同事。据43 semiprecast板的特点,三个专家选择和保留四个复杂性评价指标的体系,并确定相应的权重以小组讨论的形式。四个指标及其对应的权重如下:组件的体积(重量= 0.05),类型和数量的预留孔组件(重量= 0.10),组件的复杂性钢铁(重量= 0.60)和预埋件的数量和类型(重量= 0.25)。获得以下评分规则提供的原始文档组件工厂:(1)得分的预留孔洞和预埋件只需要考虑数量;(2)组件的得分钢只需要考虑钢内容。根据公式(1),最后复杂性评价43 semiprecast板如图5。x1 x43代表每个semiprecast板的代码,从原始代码转换。坐标轴的值范围是1到5。组件x7和x17的最高4.60复杂性,组件25和x35复杂性最低1.00。

4.3。处理时间为每个工作站在约束

利用模具压台之前被认为是一种约束模滚筒组件布局规划。在此基础上,使用预制组件的复杂性,进一步优化布局。优化的原则是,复杂的组件和简单的组件的组合出现在滚筒尽可能多的模子。共有21个模具压台用于43 semiprecast板通过规划和优化,这对应于43模具。从组件工厂的保密要求,图6只显示八个组件(或模具)布局四个模具压台,从21日模具压板。这些布局考虑利用模具压板和预制组件的复杂性。的我需要一个整数2 - 19所示。

一些工作站(例如,模具装配工作站)生产线的最初只使用。因此,它只考虑一个共同的生产情况,模具装配工作站不再是必需的。生产线的生产团队有40的工人。考虑到模具的利用率压板和预制组件的复杂性,名称,数量,活动,和每个工作站的时间用于semiprecast板提供的三个专家,如表所示3。生产线的其他工作站被视为运输路线。自模滚筒工作站之间的运输时间非常短,不考虑。工作站是一个非常特殊的和灵活的休息站。多个活动将在这个工作站完成,初步固化semiprecast板允许在特殊情况下在这里呆很长时间。养护窑拥有39个细胞,它可以存储多达39模具挡板。三角分布通常用于数据采集成本高和低的情况下数据的准确性(25),这是符合这种情况。如果三角形分布的三个参数值是相同的,三角分布是均匀分布所取代。

4.4。逻辑模型和仿真结果为生产情况

semiprecast板的生产线是抽象成一个离散事件仿真系统。在离散事件仿真系统,模具滚筒而不是semiprecast板被认为是一个虚拟的实体。由于虚拟实体的到达时间是毫无意义的,它可以是任何数最小。模具滚筒到达一个工作站和占有它,这样其他模具压板不能使用工作站。因此,工作站被视为资源。虽然工人、材料和设备是可用的资源,只考虑工作站。模具压板的位置移动处理工作站。在模具上模滚筒被释放后,模具滚筒及其相应的模具将再次回到了清洗站和重用。DES-based逻辑模型建立关于semiprecast板生产,如图7。模型的出发点是随机模具压台的到来。一些活动已被合并到模型中。例如,模具准备包括国防部清洁、模具清洗滚筒,antiadherent刷牙。

在舞台上软件,采用终止模拟模式而非稳态模拟模式。逻辑模型模拟1500倍下现有的资源分配,和终止条件为每个模拟设置为“处理1。< > 21”。在1500年的模拟,所有实体的总时间如下:平均总时间(723.18分钟),最低平均总时间(712.90分钟),最大平均总时间(733.76分钟),最低总时间(588.25分钟),和最大总时间(866.35分钟)。这个总时间也称为生产时间为43 semiprecast板,如图8。

等待时间的活动包括模具准备(123.24分钟),交通养护窑(0.44分钟),顶面清洁(0.01分钟)。瞬时利用每个资源如表所示4。

4.5。分析和讨论的结果

4.5.1。现有和改进方法之间的比较分析

现有的预制组件的生产计划方法无法区分每个工作站的处理时间之间的区别,只选择一个典型的工作站处理时间间隔时间。组件工厂之前采用典型的工作站处理时间takl时间(约10分钟),然后21模具压台的生产时间是11.50小时(21 h×10/60 + 8 = 11.50)。如果实现每天两班倒,两个标准层semiprecast板将每天生产,满足日常生产计划。与现有的生产计划方法相比,DES-based精益计划和优化方法为预制组件添加复杂性评估为预制组件的基础上模滚筒的利用率。除此之外,它还可以捕捉每个工作站的处理时间之间的差异,以提供更准确的结果和更丰富的信息。后模滚筒上预制组件的布局根据模具滚筒的利用率,预制组件的组合结果还需要优化根据预制组件的复杂性。根据图8,该方法计算出的平均生产时间12.05小时(723.18/60 = 12.05 h)。根据这个计算结果,似乎很难实现每天两班倒,这意味着每日生产计划对两个标准层无法实现的一天。此外,捕获的信息的方法还包括其他类型的生产时间,等待时间的活动,和瞬时每个资源的利用率。这个信息或数据将为决策者提供一个深入的分析和参考。

4.5.2。工作站利用分析下现有的资源分配

活动在1分钟内更加灵活和容易忽视semiprecast板的生产过程。虽然模具准备的等待时间远远大于1分钟,它不影响的总时间。因此,没有瓶颈工作站根据现有的资源分配。然而,一些工作站(或资源)是闲置。这就违背了精益原则,不利于工厂的可持续发展。每个工作站的平均瞬时利用率如图9。清洗工作站拥有瞬时利用率最高的0.3057。因此,所有工作站的瞬时利用率不超过50%。这意味着将会有相同的工作站闲置。钢的最大数量安装站在繁忙的状态是3中,提供的信息是一致的工厂员工的采访。从精益管理的角度来看,组件工厂建议充分利用闲置工作站生产这些预制组件适合固定模具挡板。

4.5.3。未来生产计划的决策分析

组件工厂预计semiprecast每天产生的两个标准层板。一个标准地板的预计生产时间应该控制在11.5小时内考虑一些必要的预约时间。然而,现有生产能力1500仿真结果表明,该预计生产时间是难以实现虽然在一定程度上是可行的。1500年比较仿真结果与预期的生产时间图所示10。预计生产时间(690分钟)位于最低之间总时间(588.25分钟)和最低平均总时间(712.90分钟)。存在学习曲线在预制组件的生产过程63年]。组件工厂的工人熟练后在自己的工作中,每个工作站所花费的时间将减少,从而达到预期的生产时间和每天两班倒。因此,关键在于如何缩短从非技术熟练工作的时间。组件工厂建议更加注重学习能力和激励员工提高工作效率。

进行半结构式访谈,在组件工厂技术工程师。从采访中,组件工厂打算购买一套自动设备钢材加工。根据1500年的仿真结果,这将带来一些优点和缺点的组件工厂。优点如下:(1)加强semiprecast板生产的自动化水平;(2)降低劳动成本;(3)改善钢铁加工的准确性。相比之下,缺点如下:(1)进一步增加钢的闲置率安装工作站;(2)不是总生产时间缩短;(3)添加额外的设备成本。因此,我们建议组件工厂考虑是否再次购买自动设备成本效益分析的基础上。 Benefits in cost-benefit analysis should be as comprehensive as possible, including profit, time, quality, and automation.

5。结论和未来的工作

为了提高生产时间预测的准确性,消除不必要的浪费时间和资源利用率,本研究发展一个DES-based精益预制组件生产计划和优化方法。此外,预制组件的复杂性评价指标体系建立了通过调查、咨询、和实践。与现有的生产计划方法相比,DES-based精益计划和优化方法具有以下优点:(1)改善生产计划的子模型认为不仅利用模具滚筒还预制组件的复杂性评价最小化之间的区别每个工作站的处理时间;(2)离散事件仿真可以捕获的子模型的不确定性在预制组件生产提高生产时间预测的准确性;(3)精益的子模型分析和优化可以消除不必要的浪费时间和资源利用率的多维分析和比较分析。

随后,几个项目生产的情况下该方法用于模拟和测试。四个复杂性评价指标和相应的权重分别保留,由三个组件工厂的专家。根据模具滚筒预制组件的布局和生产线的布局,DES-based逻辑模型建立关于semiprecast板生产。在1500年的模拟,预计生产时间(690分钟)位于最低之间总时间(588.25分钟)和最低平均总时间(712.90分钟)。所有工作站的瞬时利用率不超过50%。对于具体的情况,分析结果如下:(1)没有瓶颈工作站根据现有的资源分配,但每个工作站的利用率不高;(2)很难实现每天两班虽然在一定程度上是可行的;(3)选择购买自动设备用于钢处理不缩短semiprecast板的总生产时间。关于优化的建议如下:(1)本研究开发的新方法是推荐组件工厂提高生产时间预测的准确性(结论部分4.5。1)。该方法考虑预制组件的复杂性,基于模具压台的利用率减少每个工作站的处理时间的差异。在生产时间的计算,考虑到每个工作站的处理时间的不确定性,而不是采取一个粗略的估计。(2)组件工厂建议更加注重学习能力和激励员工提高工作效率(结论部分4.5。2)。根据咨询、学习能力和激励的性能可以缩短生产时间,一个小时或更多。(3)组件工厂建议充分利用闲置工作站生产这些预制组件适合固定模具压板(结论部分4.5。3)。精益管理的目标是消除一切浪费,尤其是不必要的浪费。工作站的懒惰显然是一种浪费,需要使用。

建立的方法提出了一个新的想法提高生产时间预测的准确性,消除不必要的浪费。进一步扩大精益生产方法的边界从建筑业的角度而非制造业。研究结果和建议将为组件提供有价值的参考和指导工厂详细的和最优的日常生产计划。然而,复杂性评价指标体系建立在这项研究只考虑一些常见的预制组件生产流水线,预制墙板和semiprecast板等。可能产生一些特殊和罕见的预制组件生产线。因此,他们可能是未来的研究方向,不断提高复杂性评价指标体系和彻底分析预制组件的复杂性的影响生产。

数据可用性

所有数据用于支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者感谢所有的专家,公司,机构,为本研究提供了援助。这项研究是由中央大学(项目的基础研究基金。2020 qn73)和中国国家自然科学基金(项目没有。51878026)。