面向串行制造系统动态瓶颈诊断分析的数据驱动方法

现有多种成熟方法可用于动态瓶颈的检测。此外，瓶颈预测正受到越来越多的科学关注，近年来相关出版物数量的增加即可量化这一点。另一方面，对已发生瓶颈的诊断却被忽视了。检测方法可确定瓶颈的当前位置，而预测方法可指示即将出现瓶颈的位置。然而，仅知晓当前和未来的瓶颈并不能使制造型企业采取具体行动以避免瓶颈，也无法为其带来任何即时优势。尤其是中小型企业资源有限，无法对每一个出现的瓶颈都实施改进措施。由于动态瓶颈会发生转移，价值流中最合适工站的选择变得更加困难。因此，本文对已被忽视的瓶颈诊断领域做出贡献。首先，我们提出两个数据驱动指标——相对瓶颈频率与相对瓶颈严重度，可对相应瓶颈状况进行定量评估。为验证，我们在具有串行制造线的价值流中使用离散事件仿真生成九种选定场景并应用这些指标。最后，我们对结果进行评估与讨论。