9 变动性的腐蚀性作用

XJTU-IE, 2007.9-2008.9, M: xuchen.xuchen@163.com(徐琛), lucifer_tcl@126.com(李慰祖) 第九章 变动性的腐蚀性作用 当幸运女神降临在身边时，不需思考就可以成功。 ——乔尔丹诺•布鲁诺，于 1600 年被烧死在火刑柱上 知道得越多，就会变得越幸运。 ——达拉斯的 J. R. Ewing 9.1 引言 前一章里我们开发了刻画、评估加工时间变动性与流动变动性的工具。本章中，我们将 使用这些工具描述有变动性的制造系统的基本行为。 像在第七章那样，我们将主要结论陈述为工厂物理学定律。这些定律有些是一直成立 （如，物料守恒定律），而其他的则在大多数情况下（most of the time）成立。从表面上看， 似乎不够科学。然而，我们指出物理学定律，如牛顿第二定律 maF = 和能量守恒定律，也 只是近似地成立。尽管已经被更为深奥的量子力学和相对论代替，它们依然很有用。工厂物 理学定律也是如此。 9.1.1 变动性可能是好的吗？ 第七章和第八章（与这一章的标题）可能会给人留下变动性是有害的印象。利用精益制 造（Womack 和 Jones 1996）的行话，一个人可能会受到吸引将变动性和muda（浪费）1 等 同起来并做出变动性应该被清除的结论。 但是我们必须仔细而不至于忘记公司的基本目标。就像我们在第一章里所观察到的，亨 利·福特是一个对于减少变动性极度极度狂热的人。顾客可以得到他想要的任何颜色的车， 只要是黑色（black）的。（287|288）车型罕有变化，型号也很少。通过稳定产品和保持生产 过程的简单有效，福特开创了一次重大的革命——使汽车量产成为可行的。但是，在二十世 纪三四十年代，当阿尔弗雷德·P·斯隆的通用汽车提供了更多的产品型号时，福特汽车公 司失去了大量市场占有率，濒临破产。当然，更多的产品型号意味着通用汽车的生产系统中 更大的变动性，更大的变动性意味着通用汽车的系统不能运行得像福特那样有效率。然而， 通用汽车做得比福特好。为什么？ 答案很简单。无论通用还是福特都没有着力去减少变动性甚至 muda。他们着力于获取 长期投资的高回报（make a good return on investment over the long term）。增多产品型号会增 加变动性因而增加 muda，但这也在一定程度上增加了收入；如果收入的增加多于需要抵消 的额外成本，那么它也可以是一种合理的策略。 9.1.2 好的变动性与坏的变动性的例子 为了强调变动性可能是好的（一种商业策略上的必要调整）或坏的（一种恶劣的运营方 1 Muda 在日语中是“浪费”的意思，并且它被定义为“任何吸收资源却不创造价值的人类活动”。Ohno 举 了七个 muda 的例子:产品中的缺陷、产品的过量生产、等待进一步处理或消耗的产品库存、不必要的处理、 不必要的移动、不必要的运输以及等待。 1 针的不合需要的副作用）方式，我们来看一些例子。 表 9.1 列示了产生不合需要的变动性的几种原因。举例而言，在第八章中我们看到，计 划外的储运损耗，例如机器崩溃，可以导致系统中巨大的变动性。当这样的变动性成为不可 避免的，它就不是我们能够着意引入系统的了。 作为对比，表 9.2 给出了一些有意将变动性引入系统的有效整体策略的例子。像我们上 面提到的那样，二十世纪三四十年代通用汽车的变动性是更多的产品类型所导致的结果。在 八九十年代的英特尔，变动性是技术不断变化的环境中产品迅速革新的结果。通过大胆地在 上一代微处理器的生产过程稳定之前就推出下一代产品，英特尔刺激了对新计算机的需求， 并为竞争者的进入创造了有利的壁垒。在以提供立等可取（while-you-wait）换油服务为企 业核心商业策略的壳牌润滑油，需求的变动性是不可避免的结果。壳牌润滑油可以像在传统 的汽车厂里一样通过制定减少这个变动性，但是这样做会使公司丧失竞争优势。 表 9.1 坏的变动性的例子 原因 例子 计划的断供 换模 计划外断供 机器故障 质量问题 产出损失和重工 工人变动 技能差别 不合格 工程变更 表 9.2 （潜在）好的变动性的例子 原因 例子 产品多样性 20世纪30至40年代的通用汽车（GM） 技术变革 20世纪80至90年代的英特尔（INTEL） 需求不确定 壳牌润滑油（Jiffy Lube） 无论变动性在商业策略中是好是坏，它都会导致运营中的问题并且必须被管理。处理变 生产制造系统行为的方式。这些确定的要 权衡那些在开发有效操作必须要面对的定律。 要考虑。工厂物理学的首 我们观察到， 动性的特定策略应取决于系统的结构和公司的战略目标。（288|289） 在本章中，我们呈现的定律管理了多样性影响 点 9.2 绩效与变动性 由第六章系统分析的术语来讲，管理任何一个系统都始于一个目标（objective）。为了 实现这个目标，决策制定者实施控制（control）并用各种量度（measure）来评估绩效。例 如，一趟航班的目标是安全和适时地将乘客从 A 地送到 B 地。为了实现这一点，飞行员在 监控飞机表现的各种量度的同时还采取了许多控制措施。控制与量度的联系可以通过航空工 程学来建立。类似地，工厂经理的目标是通过高效地将原材料转化成将售的货物从而增加企 业的长期获利性。就像飞行员，工厂经理也有许多控制措施和量度 要目标就是理解制造经理们面对的各种控制与量度之间的关系。 生产系统中关乎控制如何影响量度的一个核心概念是变动性。如在第七章所见，产线的 最佳情形发生于无变动性时，而最差情形发生于最大量的变动性时。在第八章 2 工站的几种重要量度，如周期时间和在制品（WIP），都是变动性的增函数。 要理解变动性如何影响比第七章的理想产线或第八章的单工站更一般化的生产系统的 绩效，我们需要在绩效的定义方式上更加精确。我们将进行这个主题，首先讨论生产系统的 完美（perfect）绩效。然后，通过观察这个绩效可以分解出的维度，我们定义一组量度。最 ，依据制造环境和企业业务战略来讨论这些量度的相对权重。 、推力、风速、对地速度、升 作所处的环境。例如，一家生产聚苯乙烯的工厂能够从每磅的直接 出测量每天的产量。 后 9.2.1 制造绩效的量度 任何人如果看过飞机的驾驶舱就会知道，飞机的性能并不是通过单一的指标来的。 一大堆给人留下了深刻的印象测量仪、刻度盘、仪表、LED 读数器等都证明，尽管目标并 不困难（从 A 点飞至 B 点），度量工作却不简单。高度、方向 降舵设置、引擎温度都必须小心地监视以保证目标的实现。 依照同样的方式，一个生产企业也有一个相当简单的基本目标（赚钱）。但却有许多潜 在绩效衡量指标如产出、库存、客户服务水平及质量等等（见图 9.1）。对绩效衡量指标的适 当的数字化定义取决于工 产 图 9.1 制造控制的仪表盘 一家播种机制造商（播种机是一种由拖拉机牵引能够种植植物并对其进行施肥的设备， 每次播种至少 4 行至多 30 行）可能并不想以播种机每天播种几磅作为单位测量产出，原因 在于不同尺寸的播种机之间存在着显著的多样性。用每天播种的行数为单位衡量产出可能是 3 一种能更好合计产出的。事实上，在多种产品复杂物流的系统中，产出是用美元/天来 包裹运输业务，而他们 产品生产 完美的质量（无废料或返工），零原材料原料或最终产品库存，并且 一下符号，为了更加精确起见， 们将以件为单位来计量库存和以天为单位来计量时间： = 工站 i 的有效速率，包含了停机、换模与作业员效率等扰动因素（件/天） = 工站 i 无扰动时的理想速率（件/天） = 产线包含扰动时的瓶颈速率（件/天） = 产线不包含扰动时的瓶颈速率（件/天） = 包含扰动时的原始加工时间（天） = 不包含扰动时的原始加工时间（天） = = 包含扰动时的临界 WIP（件） = 不包含扰动时的临界 WIP（件） 计算的，以便将产出汇总到一个简单的数字。（289|290） 绩效衡量指标的相对重要性也依赖于特定系统和它的经营战略。例如，联邦快递，它的 竞争优势就在于运输速度和定位能力。因此它就把很大的权重放在反应时间（提前期）和客 户服务水平（及时送达）上。相反，美国邮政总局主要在价格上与之竞争，所以强调如设备 的利用率和材料的承载量等成本控制方法。即使这两个企业都是承担 有不同的经营战略，针对不同的细分市场，所以需要不同的指标。 由于生产环境与竞争战略的广泛性，我们不可能制定一套适用于所有制造系统的绩效衡 量指标。但是了解指标的类型和它们是如何与多样性联系是有可能的，考虑简单单一产品生 产线绩效是很有用的。原则上，更为复杂的多种产品生产线的衡量指标能够由单一 线延伸出来，由多生产线组成的系统的指标可以由每条生产线方法的集合得到。 第七章中使用了产出、周期时间和在制品去刻画一个简单的流水线的工作情况。很明显， 这些都是重要的衡量指标，但是他们还不够全面。由于成本的原因，我们也必须考虑到设备 的利用率。既然生产线由采购流程供给，另一项重要指标是原材料库存。（290|291）当我们 考虑到顾客，提前期、服务水平和最终产品库存就是相互关联起来。最后，由于产出损失和 重工经常出现，质量也是一个关键的绩效指标。一条完美的单一产品流水线就是产出恰好等 于需求，所有设备充分利用，平均周期时间和提前期都尽可能短。完美的客户服务（不延迟 或积压客户订单工作）， 有最小的在制品数量。 我们能更准确的用定量的有效值来刻画这些方法。对于一个完美生产表现的有效值，零 却代表可能的最坏的生产状况。为了避免这个，我们要利用 我 ( )ire ( )ir∗ br ∗ br 0T ∗ 0T 0W br 0T = br 0 ∗ 0W ∗ ∗T = 平均需求速率（件/天） D = 产线平均在制品水平（件） WIP = 平均制成品库存水平（件） FGI RMI = 平均原材料库存水平（件） = 从制成品或线间缓冲的存货点投料开始计的平均周期时间（天） CT 4 LT = 提报给客户的提前期（天）；在提前期固定的系统，LT = 0；在向客户分别提 报的系统，这个符号代表均值 TH = 由产线产出速率给出的平均产出（件/天） = ( )iTH 工站 i 的平均产出（件/天），其中可能包括某些路由选择（routing）或重工部 的多次造访 注意到带星号的参数， 、 、 和 正是 件 ( )ir∗ ∗br ∗0T ∗0W ( )ire 、 、 和 的理想情况。需 要它们的原因是以瓶颈 行的产线，由于 引起许多低效，而实 。其次，它的参数必须尽可能地好。故而，完美 使用上面的参数，我们可以定义七项效率指标来衡量单产品产线的绩效。 量的库存，所以将产 效率（throughput efficiency）定义为产出是否足够满足需求，即 br r 0T 和T 0W 速率和原始加工时间运 b 0 际上不能表现出完美绩效。完美绩效，也因此有两个水平。首先，产线必须达到给定参数下 可能的最佳绩效；这就是第七章的最佳情形 绩效意味着最好中的最好（best of best）。 产出（Throughput）被定义为所用的（used）产线生产部件的速率。理想情况下，它 应与需求精确地匹配。产出太少，将损失销售；产出太多，又将建立不必要的制成品库存 （FGI）。（291|292）因为我们还将有另一个量度来惩罚（penalize）过 出 DTH DTHE },min{= 到 100%。因此，对 于一条有n个工站的产线，利用效率（utilization efficiency）定义为 如果产出大于或等于需求，产出效率等于 1。任何短缺都将降低这个量度。 工站的利用率（Utilization）是它处于运转状态的时间的比例。未加利用的产能意味着 额外的成本，所以理想产线中各工站都百分之百地被利用。2进一步地，因为完美产线不会 受扰动（detractor）的侵袭，在最佳可能（无扰动）速率下利用率将达 ∑ =t irn 1 )( 库存（Inventory）包括 RMI、FGI 和 WIP。完美产线中没有 RMI（供应商恰如其时地 配送），没 将恰如其时地送达客户），只有为达到设定的产出（根据里特定律， ∗= n u iTHE )(1 有 FGI（产品也 其值为 ）而需要的最少量 WIP。因此库存效率（inventory efficiency）为 )(/)( iriTH i∑ ∗ FGIWIPRMI ++ iriTH E iinv = ∑ ∗ )(/)( 周期时间（Cycle time）对于成本和收益都很重要。较短的周期时间意味着较少的 WIP， 较高的质量，较好的预测和较少的报废（scrap）——所有这些都将降低成本。它也意味着 较快的响应，从而提高销售收入。根据里特定律，平均周期时间完全由产出和 WIP 决定。 因此，有着完美的产出效率和库存效率的产线理所当然有完美的周期时间效率。然而对于完 美产线，WIP 不完全决定于库存效率（由于它包含了 RMI 与 WIP），所以周期时间成为一 2 注意到 100%的利用率只对完美（perfect）产线是可能的。在实际有变动性的产线，强迫利用率接近一将 严重地降低其他量度。务必要记得，系统绩效由所有的效率指标来衡量，而不仅是其中一个。 5 项独立的量度。我们定义周期时间效率（cycle time efficiency）为最佳可能周期时间（无扰 动是的原始加工时间）与实际周期时间的比值： CT 提前期（Lead time）是预报（quote）给客户的时间期限；出于竞争的原因，它越短越 好。事实上，对于备货生产体系，提前期为零，显然是最短的了。然而对于接单生产体系， 零并不是一个合理的目标。因此，给定提前期（LT）至少与理想的原始加工时间一样大， 我们定义提前期效率（lead time efficiency）为理想的原始加工时间与实 TECT ∗ = 0 际提前期的比值。 如果提前期小于原始加工时间，则定义提前期效率为一。其形式如下： },max{ 0 0 ∗ ∗ = TLT TELT 注意，在接单生产体系中我们可以预报不尽合理地短的提前期（小于 0 ）并确保这一项量*T 度为一。但如果产线不能如此快速地送出产品，客户服务的量度将受损失。（292|293） 客户服务水平（Customer service）是被及时满足的需求的比例。对于备货生产，它是 补给率（由存货补给需求，而非延期交付的比例）。对于接单生产，客户服务水平是在提前 期内完成（即，周期时间小于或等于提前期）的订单的比例。因此，我们以客户服务水平自 身来定义服务效率（service efficiency）： 的比例。任何的报废或重工都降低这个值。因此， 我们衡量质量效率（quality efficiency） 单个地衡量周期时间、提前期与服务水平（见问题 1）来将这些量度扩展到多 无扰动，故 、 。如果原材料的配送恰如其时（每两小时一件毛坯），客户订 期盼在现实世 效率，不看重库存效率；而专业的加工车间会强调提前期效率，不惜以利用效率 = 备货生产中由存货补给的需求的比例 备货生产中由存货补给的需求的比例 质量（Quality）是关于产品、过程和客户的一项复杂特性。出于运营的目的，质量的 本质是第一次就合格地从产线流出的部件 SE 接单生产中在提前期内完成的订单的比例 = QE 这些效率指标以单产品产线的形态描述。然而，可以通过综合物流（flow）与库存（如， 以美元计）或 产品产线。 对于完美的单产品产线，上述七项效率指标都等于 1。例如，第七章 Penny Fab One 中 单的接受（与输出）两小时一次，CONWIP 水平设在 =WIPWIP ，则库存、提前期和服务 效率都将等于 1。最后由于没有质量问题，质量效率也等于 1。显然我们不能 * 00 rr = *00 TT = ∗ 界中看到如此完美的产线。所有现实的生产系统都有一些效率指标小于 1。 对于不完美的产线，绩效是这些效率指标（或适用于产线特殊环境的类似指标）的组合。 理论上，我们可以构造一个这些指标加权平均形式的单一效率量度。然而，如我们所见，每 项的权重高度依赖于产线及其业务的本性。例如，使用贵重的资产型设备的商品生产者强调 利用和服务 6 为代价。 考虑图 9.2 所示的例子。它是一间生产个人电脑的“box plant”内补给装配作业的一条 卡片控制填料产线。在这种情形下，制成品库存对于由看板控制的最终装配作业来说，实际 上是中间存货。最后一个工站处 5%的重工表示要被修正的。已重工的卡片不会再次重工。 图 9.2 运营效率示例 因为 TH 等于需求，产出效率 等于 1。周期时间效率 = 0.5 / 4 = 0.125. 利用率的均值。要得到这个值，必须先计算出各工站的产出。因为 站 3 处有 5%的重工， 工站 1 和工站 2 处无重工，TH(1) = TH(2) = 4。因此利用效率 TH CT 0 利用率效率为各个工站的 E CTTE /∗= 工 TH(3) = TH+ 0.05TH = 1.05(4) = 4.2 3)( )( 3 1 62.454743 1 ++== ∑ = ∗ t u ir iTHE = 0.6905 该问题的资料给出，服务效率 为 0.9。生产受控于看板系统，提前期为零故而有 = 1.0。质量效率 也给出，为 。要得到库存效率，必须先根据里特定 ×4 = 16 件。 WIP 为 SE 0.95 理想 LTE 律计算出QE = 4CTTHWIP ×= 62.45474)(/)( ++=∗∑ iriTHi = 2.071。 然后有 51650 071.2)(/)( ++=++= ∑ ∗ FGIWIPRMI iriTH E iinv = 0.0292 表 9.3 系统效率的比较 指标 卡片填料系统 修正的卡片填料系统 周期时间 0.1250 0.1250 利用率 0.6905 0.6905 服务水平 0.9000 0.9990 质量 0.9500 0.9500 库存 0.0292 0.0256 假设现在我么提高看板水平，使 FGI 平均有 15 个卡片的数量；并且假设这个变化引起 服务水平提高到 0.999。这样，其他的绩效指标不变， 变成 0.999， 下降到 0.0256。SE invE 7 表 9.3 比较了前后两个系统。 哪个系统较好？这取决于企业的业务策略更看重高的服务水平还是低的库存。这种环境 中，很可能是修正的系统较好。因为投料产线（stuffing line）的客户是组装线，因而压缩 10%的周期时间很困难引起最终客户所不能承受的服务水平。 9.2.2 变动性定律 既然已经用合理而具体的术语定义了绩效，我们就可以刻画变动性对绩效的影响了。变 动性可能影响供应商的配送、制造加工时间或客户需求。详细检视它们就会发现，任何来源 的变动性增加都会降低上述效率量度中的至少一个。例如，若保持产出恒定时提高加工时间 变动性，由第八章的 VUT 方程可知 WIP 将增加，故而降低了库存效率。（294|295）若对 WIP 设置限制（通过看板或 CONWIP），则根据我们对有阻塞的排队系统的分析，一般而言， 产出将下降（因为瓶颈会饥饿），故而降低了产出效率。 这些观察的结构时下述工厂物理学定律的特例。 定律（变动性）：变动性的增加总是降低生产系统的绩效。 这是一个极为有力的观念，因为它指出提高任何类型的变动性都将伤害某些绩效量度。 因而，不管企业给各个绩效量度设定多大的其中，变动性削减都是绩效改进的中心议题。事 实上，JIT 方法的大部分成功都是认识到变动性削减的威力并开发出实现方法（如，生产平 滑、缩短换模时间、全面质量管理与全面预防性维护）的结果。 通过观测变动性的增加将沿库存、产能和时间三个维度影响系统，我们能加深对变动性 定律的认识。显而易见地，库存效率衡量了库存的影响，产出与利用效率衡量了产能的影响， 周期时间与提前期效率衡量了时间的影响。服务效率也衡量了时间的影响，因为客户必须等 待尚未就绪的部件。最后，质量效率在全部三个维度上影响系统：报废或重工需要额外的产 能，重新执行操作需要额外的时间，正在（或等待）维修或重工的部件增加了系统的库存。 另一种看待的方法是，将这三种影响视为控制该系统的缓冲。较差的绩效相应于较多的 缓冲。我们可以将其总结为下述的工厂物理学定律。 定律（变动性缓冲）：生产系统中的变动性可以通过 1. 库存 2. 产能 3. 时间 的某种组合来缓冲。 这个定律是变动性定律极为重要的延伸，因为它列举了变动性影响系统的方式。变动性 会减低系统绩效已是毫无疑问的了，我们又有了对它如何影响的选择权。不同的业务环境中， 有着对付变动性的不同策略。例如，在前面电路板零件组装（board-stuffing）例子中，修正 的系统采用较大的库存缓冲来实现较小的时间（服务）缓冲，在那个环境中是个很好的变革。 我们在列举一些缓冲变动性的不同方式的例子。 9.2.3 缓冲的例子 下面的例子显示（1）变动性必须被缓冲以及（2）最佳的缓冲策略取决于生产环境与业 务策略。我们有意选取了一些非制造业的例子，以强调变动性定律不仅适用于生产系统，它 同样适用于服务系统。（295|296） 8 圆珠笔（Ballpoint pens）。设想有个零售商销售便宜的圆珠笔。需求不可预测（变动的）。 顾客如果在此处买不到就会到别处去买（谁会等待一支廉价圆珠笔的延期交付？），零售商 不能用时间来缓冲这种变动性。类似地，顾客即刻带走的需求也排除了接单生产的可能性， 产能不能用于缓冲。这样就只剩下库存了。而事实上，这正是零售商的做法——保有圆珠笔 存货。 紧急服务（Emergency service）。火警或急救服务的需求必定是变动的，因为人们显然 不能计划出这类紧急事件。我们不能用库存（消防队伍或医院库存？）来缓冲这种变动性， 业不能用时间来缓冲，因为响应时间就是该系统的关键绩效量度。因此，唯一可用的缓冲是 能力。而事实上，消防车与急救车的利用率很低。“过量的”能力对于满足需求的高峰是必 需的。 肾脏移植（Organ transplants）。肾脏移植的供给和需求都是变动的，因为二者都无法 计划。供给速率取决于捐赠者的死亡速率，所以不能（伦理道德上）提升产能。又由于捐赠 者死后肾脏只有很短一段存活期，不能使用库存作为缓冲。这样就只剩下时间。而事实上， 大多数肾脏移植的等待时间都很长。医疗系统也得遵守工厂物理学的定律。 丰田生产方式（The Toyota Production System）。丰田生产方式是 JIT 的诞生地，并一 直是精益制造的典范。依赖于这种方式的成功，丰田从一个相对无名的企业成为世界领先的 汽车制造商之一。他们是怎么做到的？ 第一，丰田不遗余力地削减变动性，尤其是： 1. 需求变动性。丰田的产品设计和市场营销非常成功，以至于对它的需求一直超过供 给（1970s 晚期美国的三大汽车巨头 also did their part by building particularly shoddy cars）。 这有几个好处。首先，丰田可用限制选择方案（options）的数目。栗色丰田车总是由栗色的 内饰。许多选择方案，如镀铬的行李箱与收音机，由经销商安装。其次，丰田可用提前几个 月建立生产计划。这事实上消除了制造设施可见的所有需求变动性。 2. 制造变动性。通过关注缩短换模时间、化作业程序、全面质量管理、防错法（error proofing）、全面预防性维护以及其他的物流平滑技术，丰田在消除工厂内部变动性方面做了 许多工作。 3. 供应商变动性。1980s 早期丰田与供应商的关系多少有些像封建制度。丰田的需求占 它的供应商产品的庞大份额，以至于它有着非凡的影响力。事实上，丰田的主管常常作为董 事参与其供应商的董事会。这样就确保了（1）当需要时丰田能找到供应商，（2）供应商采 用丰田“建议”的变动性削减技术，（3）供应商承担所有必需的库存。 第二，丰田使用产能缓冲来对付残余的制造变动性。厂内作业每天少于三班，并在每班 末预防性维护的时间里补足落后于生产定额的部分。结果就是每天的生产速率高度可预见。 第三，与美国 JIT 作者“零库存”、“罪恶的库存”的倾向不同，丰田确实在系统中保有 WIP 和 FGI。但由于它的强有力的变动性削减努力以及采用产能来缓冲的意愿，所需库存的 数量远低于 1980s 汽车制造商的一般水平。 9.2.4 现在支付还是稍后支付 缓冲定律也可以被视为“现在支付还是稍后支付”，原因是如果不在削减变动性上花费， 就会（will）在以下的一种或几种上花费： ·损失的产出 ·浪费的产能 9 ·膨胀的周期时间 ·较高的库存水平 ·长的提前期和/或差的客户服务水平 为了检视缓冲定律在更加具体的制造术语（item）中的体现，我们考虑图 9.3 所示的简 单的两工站产线。工站 1 从无限的原材料供给处拉进包含 50 件的加工任务，执行作业，再 收入工站 2 前面的缓冲区。工站 2 从缓冲区拉进加工任务，执行作业，再送入下游。再这个 例子中，我们假定工站 1 完成一个加工任务要 20 分钟，，并且它是瓶颈。这意味着理论产能 为 3,600 件/天（24 小时/天出×60 分钟/小时×1 加工任务/20 分钟×50 件/加工任务）。3 作为开始，我们假定工站 2 的平均加工时间也是 20 分钟，故产线是平衡的。因而，理 论最小周期时间为 40 分钟，最低 WIP 水平为 100 件（每个工站处有一个加工任务）。然而， 由于变动性，系统达不到这个理想的绩效。下面我们讨论此系统在多种状况下的计算机仿真 模型的结果，来说明产能、变动性与缓存区容量数值改变的影响。这些结果汇总在表 9.4 中。 表 9.4 现在支付还是稍后支付模拟结果的汇总 CT WIP 情形 缓冲区 t e(2) CV （分钟） （件） （工件数） 分钟 E TH E u E CT E inv 1 10 20 1 150 347 0.9225 0.9225 0.2667 0.2659 2 1 20 1 60 113 0.7533 0.7533 0.6667 0.6667 3 1 10 1 36 83 0.9353 0.7015 0.8333 0.8451 4 1 20 0.25 51 123 0.9564 0.9564 0.7843 0.7776 3,367 3,443 （每天） TH 3,321 2,712 平衡的产线、中度变动性、大的缓冲区（Balanced, Moderate Variability, Large Buffer）。 作为开始，我们考虑两台机器平均加工时间均为 20 分钟、中度变动性（即，加工CVs等于 1， 故 (ec (e ）的平衡产线，工站之间的缓冲区可保持 10 个加工任务（500 件）)1 = )2c = 1 4对此 系统 1,000,000 分钟（694 天，每天 24 小时运行）的模拟结果显示，产出为 3,321 件/天，平 均周期时间为 150 分钟，平均WIP为 347 件。注意到产出可以改写为 3,321 件/天÷1,440 分 钟/天 = 2.3 件/分钟，由此可以核对里特定律（WI CTTHP ×= ） 347 件≈2.3 件/分钟×150 分钟 = 345 件 因为我们模拟的是有变动性的系统，TH、CT 和 WIP 的估值不可避免有偏差。然而，由于 采用了长期仿真，系统能达到稳态，并非常符合里特定律。 注意到这种配置达到了合理的产出（即，只比 3,600 件/天的理论值低 7.7%），却以高的 WIP 和长的周期时间为代价。原因在于，两工站速度的波动导致工站之间缓冲区有规律地 充满，从而抬高了 WIP 和周期时间。所以说，这个系统使用 WIP 作为应付变动性的主要缓 3 它就是第八章中的问题 10。 4 注意，由于产线平衡，前端无限供给，如果工站之间的缓冲区无限大时两台机器的利用率都将是 100%。 但这将导致系统不稳定，WIP 增长到无限大。有限容量的缓冲区会不时满溢并阻塞工站 1，堵住工站 1 的 释放并阻止 WIP 无限增长。它有利于稳定系统并使其更能表现实际的生产系统，因为实际系统的 WIP 水 平绝不允许变成无限大。 10 冲。 平衡的产线、中度变动性、小的缓冲区（Balanced, Moderate Variability, Little Buffer）。 一种降低上述情形的高 WIP 与长周期时间的方法是命令（fiat）。即，简单地压缩缓冲区容 量。它实际上是在没有结构性改变的情况下实施低 WIP 看板体系的做法。为了充分地说明 这种做法的影响，我们将缓存区容量从 10 个加工任务减少到 1 个。如果工站 1 完成作业是 工站 2 前面的队列中还有一个加工任务，它就以非生产性的阻塞（blocked）状态等待，直 到工站 2 完成。（298|299） 仿真模型证实了小的缓冲区如期望地压缩了周期时间和 WIP，具体值是周期时间降低 到约 60 分钟而 WIP 降低到约 113 件。然而，产出降低到约 2,712 件/天（相对于第一种情形 下降了 18%）。没有了缓冲区的高 WIP 水平来保护工站 2 免受工站 1 速度波动的影响，工站 2 频繁地因缺少可用的加工任务而饥饿。所以，产出与收益严重衰退了。工站 2 的利用率降 低了，故系统现在使用产能作为应付变动性的主要缓冲。可是在大多数环境中，这并不是使 周期时间和 WIP 下降的可接受的代价。 不平衡的产线、中度变动性、小的缓冲区（Unbalanced, Moderate Variability, Little Buffer）。上一种情形中工站 1 和工站 2 易于相互阻塞或饥饿，部分原因是它们的产能相等。 若缓冲区有一个加工任务且工站 1 又在工站 2 之前完成一个加工任务，在工站 1 阻塞；若缓 冲区空虚且工站 2 又在工站 1 之前完成加工任务，则工站 2 饥饿。两种状况都经常发生，故 没有一个工站能以接近产能的速率运行。 不平衡的产线是一种解决方法。如果有个机器明显快于另一个，它就几乎总是先完成其 加工任务，从而确保另一个以接近其产能的速率运行。为了说明这一点，我们假设工站 2 处的机器换为两倍速（即，每个加工任务的平均加工时间 = 10 分钟），CV 保持原值（即， = 1）。缓存区容量保持在一个加工任务。 )2(et )2(ec 仿真模型预测产出戏剧性地升高到 3,367 件/天，而周期时间和 WIP 水平依然很低，分 别是 36 分钟、83 件。当然，绩效改进的代价是浪费的产能——工站 2 的利用率不到 50%— —所以该系统仍然使用产能作为应付变动性的主要缓冲。如果较快的机器不贵，这有是有吸 引力的。然而，如果费用不菲，这种选择几乎肯定是不可接受的。 平衡的产线、低度变动性、小的缓冲区（Balanced, Low Variability, Little Buffer）。最 后，为了以短的周期时间和低的 WIP 达到高的产出，却不凭借浪费产能，我们考虑削减变 动性的选择。在这种情形下，回到平衡的产线，两个工站平均加工时间均为 20 分钟。不同 的是，假定加工 CVs 从 1.0 削减到 0.25（即，从中度变动性类型到低度变动性类型）。 在这些条件之下，我们的仿真模型显示，产出很高，3,443 件/天；周期时间很短，51 分钟；WIP 很低，123 件。因此，如果这种变动性削减可以做到并且费用可以承担，它就提 供了最好的方法。如我们在第八章所见，有许多措施可以削减加工变动性，像提高机器可靠 性、加速设备修复、缩短换模时间、减少作业员缺勤等等。 对比（Comparison）。从表 9.4 的汇总结果可见，上述四种情形是对变动性缓冲定律现 在支付还是稍后支付性质的直观说明。在第一种情形，用长的周期时间和高的 WIP 水平“支 付”产出；在第二种情形，以损失的产出“支付”短的周期时间和低的 WIP 水平；在第三 种情形，以浪费产能支付它们；在第四种情形，以变动性削减支付高的产出、短的周期时间 11 和低的 WIP。（299|300）变动性缓冲定律不能区别哪种支付形式是最佳的，但它却实在地警 告要采取某种形式。 9.2.5 柔性 尽管变动性总需要某种形式的缓冲，它的影响也可以由柔性（flexibility）来减轻。柔 性的缓冲指可以有不止一种用途的缓冲。由于柔性的缓冲往往比固定的缓冲更有效，我们给 出缓冲定律的如下推论。 推论（缓冲的柔性）：柔性可以降低生产系统所需的变动性缓冲的数量。 柔性产能的一个例子是交叉培训的人力（a cross-trained workforce）。通过流动到需要能 力的作业，相比于要求固定到具体任务的作业员，柔性作业员能以较少的总体能力完成同样 地工作负荷。 柔性库存的一个例子是产品延迟差异化系统中保持的通用（generic）WIP。例如，惠普 生产通用打印机供给欧洲市场，先空出针对具体国家的电源连接装置。通用打印机可以接单 组装，从而满足来自任何欧洲国家需求。结果是，比起固定的（针对具体国家的）库存，只 需少得多的通用（柔性）库存即可确保同样地客户服务水平。 柔性时间的一个例子是根据当前作业积压的情况给客户预报变动的提前期（即，积压越 多，预报值越大）。如果分别预报给客户各个变动的提前期，而不是一个一致的、固定的提 前期，就可以用较短的平均提前期实现给定的客户服务水平。 柔性加入生产系统的方法很多，如产品设计、设施规划、工艺设备、劳工政策、供应商 管理等等。发现创造性的新方法来使资源更富柔性，是以大规模生产的成本制造多批次产品 的大规模定制方式的核心挑战。 9.2.6 组织学习 现在支付还是稍后支付的例子显示，提升产能和削减变动性在某种意义上可以互换。两 者都可用于压缩给定产出的周期时间或提高给定周期时间的产出。然而，还是有一些模糊的 问题需要考虑。首先是实施的难易程度。提升产能通常是个简单的方案——多买些机器就行 了——而削减变动性往往就更为困难（有风险），它要求识别过量变动性的源头并执行专门 设计的方针来消除。从这个视角看，如果产能扩大与变动性削减对产线的成本与影响相同的 话，产能提升是个更吸引人的选择。 但是还有一个重要而模糊的问题要考虑——学习。成功地变动性削减项目将会产生可以 移植到其他业务的能力。进行系统分析研究的经验（在第六章中讨论的）、产生的特殊制程 改进（如，减少换模时间或重工）、员工对变动性作用结果的认识提升都是变动性削减项目 收益的例子。（300|301）变动性削减的心态创造了过程能力持续改进的环境。这可能是一种 显著竞争优势的源泉——谁都可以多买机器，但并不是每个人都可以持续提升使用它的能 力。出于这个原因，我们认为变动性削减往往是更好的改进选择，在诉诸产能提升之前应该 认真地考虑它。 9.3 流动定律 变动性影响物料流经系统的方式以及多大的产能被实际利用。这一节里，我们描述与物 料流动、产能、利用率和变动性传递相关的定律。 12 9.3.1 产品流动 我们开始于一条直接源于（自然）物理学的重要定律，即物料守恒。以制造的术语，陈 述如下： 定律（物料守恒）：在一个稳定的系统中，长时期内，减去产出损失，加上产品分离后，出 入系统的物料相等。（In a stable system, over the long run, the rate out of a system will equal the rate in, less any yield loss, plus any parts production within the system.） 短语“稳定的系统”要求系统的输入不超过（或甚至等于）其产能。下一个短语“长时 期内”意味着系统经过相当长时期的观测。短期内它就很容易违反。例如，输出物料多于输 入物料——暂时性地。当然了，如果这有，工厂的 WIP 将下降并逐渐变成零，导致输出停 止。因而，这条定律也不会被无限期违反。最后一个短语“减去产出损失加上产品分离”是 对“输入必须等于输出”这个简单陈述的重要补充说明。产出损失指不是由产出引起的系统 内的部件减少（如，报废或损坏）。产品分离指一个部件变成多个部件。例如，一块金属板 可能会经剪切作业形成几块较小的板。 这条定律通过产出将产线中单个工站的利用率联系起来。例如，在一条按 MRP（推式） 规则、无产出损失的串联产线，任何工站 i 的产出 TH(i)加上产线本身的产出 TH，等于产线 的投料速率 。原因当然是输入的必须输出（前提条件是投料速率低于产线产能，因而是 稳定的）。那么各工站的利用率就是产出与工站产能的比值（如，工站 i 处 ar /)(i )(/)()( irrirTHiu eae == ）。 最后，这条定律支持我们的瓶颈是最忙而非最慢的工站的定义。例如，如果有产出损失， 产线下游的慢速工站可能比上游的快速工站利用率低（即，因为上游工站加工的部件有些后 来报废了）。因为上游工站限制了整条产线的绩效，我们认为它是瓶颈。 9.3.2 产能 物料守恒定律暗示产线的产能必须至少等于系统的到达速率。否则，WIP 水平持续上 升而不能稳定。（301|302）然而，考虑到变动性的存在，这种状况就不那么充分了。考察其 原因，让我们回想起第八章给出的排队模型。它指出如果系统不为 WIP 设置上限，当利用 率接近一时，WIP 和周期时间都会增长至无穷大。因此，为了达到稳定，系统中所有工站 的加工速率都必须严格大于其到达速率。这种行为并非什么数学怪事，它实际上是工厂物理 学的一条基本原则。 为了明白这一点，注意到如果生产系统有变动性（所有的现实系统都有），那么不管 WIP 水平的高低，我们总能找到一系列引发系统瓶颈饥饿（用尽 WIP）的可能事件。确保 瓶颈工站不会饥饿的唯一办法是队列中总是保有 WIP。然而，不管开始时有多少 WIP，都 会有一个加工时间与达到间隔时间的组合将其逐渐耗尽。总是保有 WIP 的唯一办法是起始 的 WIP 数量无穷大（infinite）。因而，对于 （到达速率）等于 （加工速率）的情形，队 列中必须有无穷多的 WIP。但根据里特定律，这意味着周期时间也是无穷大。 ar er 这种行为有一个例外。当 和 都等于零时，系统是完全确定性的。在这种情形下， 到达间隔时间和加工时间完全没有随机性，到达速率准确地（exactly）等于服务速率。然而， 2 ac 2 ec 13 现代物理学（“自然”，而非“工厂”）告诉我们随机性总是存在的，所以这种情形永远不会 在实际中出现。 在这一点上，有实际经验的读者可能会怀疑，它们可能会想，“等一等。我在许多工厂 呆过，它们中有许多都是尽最大努力设定与产能相等的投料速率，并且我也看到了有限数量 WIP 的例子。”这是一种正当的观点，它提出了稳态（steady state）的重要概念。 稳态对应于物料守恒定律中讨论过的“稳定的系统”和“长期的”绩效。处于稳态的系 统，其参数必须永远不变，它还必须运行地足够长以至于初始状态无涉。5我们的公式都是 在稳态的假定下推导出来的，所以我们的分析（它是正确的）与实际所见（它也是正确的） 的差异必须置于制造系统稳态的视野中来看待。 超时的邪恶循环（The Overtime Vicious Cycle）。稳态的实情是工厂以一系列的“循环” 运行，系统参数随时间重复变化。一种普遍的行为类型是“超时的邪恶循环”，其轨迹如下： 1. 将随机断供、重工、换模、作业员不可用、休息与午餐等扰动考虑近来，计算工厂 的产能。 2. 根据这个有效产能制定主生产计划。投料速率等于产能。6 3. 或迟或早地，由于加工任务的到达，或加工时间，或二者同时出现随机性，瓶颈制 程开始饥饿。（302|303） 4. 进来的比出去的多，故 WIP 上升。 5. 系统以满产能运行，所以产出保持相对恒定。根据里特定律，WIP 的上升引发周期 时间近乎等比例地上升。 6. 加工任务延迟。 7. 客户开始抱怨。 8. WIP、周期时间上升得够多了，客户的抱怨声也够大了，管理层觉得采取措施。 9. 超时的“一次性（one-time）”授权、增加一个班次、转包、拒绝新的订单等等，都 被许可了。 10. 作为第 9 步的结果，有效产能显著大于投料速率了。例如，如果增加了第三班，利 用率从 100%降到约 67%。 11. WIP 水平下降了，周期时间缩短了，客户服务水平提高了。每个人都长出了一口气， 惊异于事情就这么了解，并许诺说再也不会让这种事发生了。 12. 回到第 1 步！ 超时的邪恶循环的道德意义在于，尽管管理层想要以瓶颈速率投料，然而稳态下，做不 到。当超时，或增加班次，或周末加班，或转包等被授权许可，工厂的产能一下子跃升到显 著高于投料速率的水平。（类似地，拒绝订单引起投料速率一下子落到产能之下。）因而，从 长期来看，平均投料速率总是低于平均产能。我们以下面的工厂物理学定律来概括这项制造 生活的实情。 定律（产能）：在稳定状态，所有工厂投入物料的平均速率严格小于其平均产能。 这条定律有着深邃的启示。既然工厂的资源不可能达到 100%的利用率，涉及过量产能、 5 回忆起第七章的 Penny Fab 例子。产线必须运行一会儿来消除所有硬币都在第一个工站处的短暂初始状 态。当产线开始以相同行为一次次重复时，就达到了稳态。在有变动性的产线，实际行为不会重复，但系 统处于给定状态的概率是稳定的。 6 请注意如果在计算产能时有一厢情愿的想法时，投料速率将大于产能。 14 超时或转包的现实管理决策都将是计划的策略的一部分，或都将用于对失控状态做出响应。 不幸的是，许多制造经理并不欣赏这条工厂物理学定律，他们无意识地选择以“救火”模式 运营自己的工厂。 9.3.3 利用率 缓冲定律和 VUT 方程显示，排队时间有两项驱动因素：利用率和变动性。当然，变动 性有着最剧烈的影响。原因是 VUT 方程（对单机或多机工站）在分母上有 1 – u 项。故当利 用率 u 接近一时，周期时间趋于无穷大。我们将其陈述为下面的定律。 定律（利用率）：如果工站不做任何其他改变就提高利用率，平均 WIP 和周期时间将以高度 非线性方式上升。 短语“以高度非线性方式”常常反映了实际问题。探究其原因，假设利用率 u = 99%， 周期时间为两天，加工时间和到达间隔时间的 CVs 都等于 1。如果将利用率提高一个百分点 到 u = 0.9797，周期时间变成 2.96 天，上升了 48%。（303|304）显而易见地，周期时间对利 用率很敏感。更进一步，如图 9.4，当 u 接近一时，这种效应就更显著了。这个图揭示了 V = 1.0 与 V = 0.25（ 2 22 ea ccV += ）是周期时间与 u 的关系。我们看到当 u 接近 1.0 时，两条曲 线都发生“爆炸”，但表示较高变动性系统（V = 1.0）的曲线爆炸得更快。根据里特定律， 我们推断当 u 接近一时，WIP 也将会有类似的爆炸。 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 0 0.2 0.4 0.6 0.8 1.0 平 均 周 期 时 间 利用率 V = 1 V = 0.25 图 9.4 周期时间与利用率的关系 下面补充两条技术性说明。第一，若 V = 0，周期时间在利用率小于或等于 100%时保持 不变，而在利用率大于 100%时变成无穷大（不可行）。以类似于我们在第七章中研究过的 15 最佳情形产线的方式，完全无变动性的工站能以 100%的利用率运行而不建立队列。可是所 有的实际工站都有某种变动性，上述情形不会在实际中发生。 第二，现实中所有的工站都没有空间来建立无限长的队列。空间、时间或政策会将 WIP 限制在某个有限的水平。如我们在第八章的阻塞模型所见，若不做任何其他改变就对 WIP 设定限制，产出（进而还有利用率）将下降。因而，图 9.4 的定量关系依然成立，但对队列 长度的限制会使曲线中高利用率、长周期时间的部分无法达到。 系统绩效对利用率的极端敏感性，是的选取一个同时达到高的工站利用率和短的周期时 间的投料速率非常困难。任何偏差，尤其是偏大（很可能因对系统产能的乐观与最大化产出 的意愿而发生），可能会导致平均周期时间的极大增长。我们将在第十章推式与拉式生产系 统的背景下探讨接近这个问题的结构性变革。 9.3.4 变动性与物流 变动性定律讲述了变动性降低所有生产系统的绩效。但降低了多少，则依赖于变动性生 成于产线的何处。在没有 WIP 控制的产线，任何工站处加工变动性都会（1）延长该工站处 的周期时间并且（2）向下游工站传递更多的变动性，因而也延长了它们的周期时间。这个 观察结果激发了变动性定律与第八章中的变动性传递性质的如下推论。（304|305） 推论（变动性位置）：在投料独立于产出的产线中，前端的变动性比同等但在后端的变动性 导致更长的周期时间。 这条推论的含义是，削减变动性的努力应首先直接作用于线首，因为它们在那里有可能 产生最大的效果（见问题 10）。 请注意这条推论只适用于投料独立于产出的情形。在 CONWIP 产线，投料与产出有直 接关联，第一个工站处物流受最后一个工站处物流影响的强度与工站 i 受工站 i +1 影响的强 度相同。因而，产线前端与后端就没什么区别了，也就没什么动机优先在线首削减变动性。 变动性位置推论适用于推式系统，而非拉式系统。 9.4 成批定律 成批是变动性的一个特别富于戏剧性的原因。如我们在