高级生产排程：APS、约束理论和瓶颈分析

一家中型制造商的生产调度员管理着 50 台机器、200 个有效订单和 15 个产品系列，他面临着一个组合优化问题，其复杂性比国际象棋还要小。可能的调度数量是阶乘的，即使是小工厂也会产生调度问题，其可能的解决方案比可观测宇宙中的原子还要多。没有人能够评估所有选项。良好的调度和最佳调度之间的差异可能是吞吐量的 20-30%。

高级生产排程 (APS) 系统使用基于约束的算法和启发式方法来生成近乎最佳的排程，同时考虑机器产能、材料可用性、劳动力限制、设置时间和截止日期。当与 Odoo 等 ERP 系统集成时，APS 将调度从经验丰富的规划人员实践的艺术转变为系统的、数据驱动的学科。

本文是我们的【人工智能时代的制造】(/blog/manufacturing-ai-iot-industry-4)系列的一部分。

要点

• 约束理论指出，每个生产系统都有一个限制总产量的约束，改进约束以外的任何其他措施都会浪费资源
• 有限产能调度尊重实际机器和劳动力可用性，这与假设无限资源的无限产能 MRP 不同
• 调度启发式算法（SPT、EDD、临界比）分别针对不同的目标进行优化，选择错误的启发式算法可能会使交付性能变得更差
• Odoo 的规划和制造模块为 APS 提供了基础，通过定制实现基于约束的优化

---

约束理论：寻找瓶颈

Eliyahu Goldratt 的约束理论 (TOC) 为有效的生产调度提供了概念基础。核心见解简单而深刻：每个系统都至少有一个限制其整体吞吐量的约束。提高任何非约束资源的性能并不会提高系统输出。

五个聚焦步骤

第 1 步：确定约束。 约束是队列最长、利用率最高的资源，或者生产似乎始终在等待的资源。在 Odoo 中，约束通过以下方式显现出来：

• 工作中心利用率报告显示哪些资源始终处于 100%
• 按工作中心划分的制造订单队列长度
• 交货时间分析显示订单等待时间最长的地方

第二步：利用约束。 在不花钱的情况下最大化约束资源的产出。确保它永远不会闲置：

• 交错打破，因此约束连续运行
• 预先准备材料，因此约束永远不会等待输入
• 在约束之前执行质量检查（不要将约束时间浪费在有缺陷的输入上）
• 通过 SMED 技术减少约束设置时间

第 3 步：服从其他一切。 非约束资源应按照约束的速度运行，而不是以其最大速度运行。无约束工位的过度生产会在不增加成品产量的情况下产生在制品库存：

• 安排非约束资源以及时满足约束条件
• 接受非约束资源将有空闲时间（这是正确的）
• 衡量非约束资源的进度遵守情况，而不是利用率

第 4 步：提升约束。 如果剥削和服从还不够，请投资以增加约束的能力：

• 在约束资源上添加第二班
• 购买额外的约束设备
• 外包约束操作以增加容量

步骤 5：重复。 提升约束后，不同的资源将成为新的约束。返回步骤 1。

鼓-缓冲-绳调度

TOC 的调度方法称为鼓-缓冲-绳 (DBR)，将五个重点步骤转化为实用的调度方法：

• 鼓：约束资源决定生产节奏。它的调度决定了系统的输出。
• 缓冲区：时间缓冲区保护约束免受上游中断的影响。材料到达约束点时有空闲的缓冲时间，确保约束点永远不会缺货。
• 绳子：释放到系统中的材料与约束的消耗率绑定（像绳子一样）。这可以防止非限制资源超载和构建过多的 WIP。

---

有限容量调度与无限容量调度

MRP 的问题

传统的MRP（物料需求计划）采用无限产能调度。它根据提前期和截止日期计算何时需要材料以及何时开始生产，但它假设每个工作中心的产能不受限制。这创建的时间表在纸面上看起来可行，但实际上不可能执行，因为多个订单同时竞争同一台机器。

其结果是长期的日程超载、不断的催促和截止日期混乱。规划人员每天都在救火，而不是优化流程。

有限容量调度

有限容量调度尊重实际资源可用性：

• 每个工作中心都有规定的容量（每天的小时数、机器数量）
• 订单被安排到可用容量槽中，而不是重叠
• 当容量不足时，系统根据优先级规则向前或向后移动订单
• 时间表反映了工厂实际可以做什么，而不是工厂希望做什么

Odoo 中的容量规划视图

Odoo 的规划模块通过以下方式提供容量可见性：

甘特图：显示分配给工作中心的订单的可视化时间线。重叠和间隙立即可见。计划人员可以在时间段和资源之间拖动订单。

产能利用率：按天、周或月显示每个工作中心的计划负载与可用产能的条形图。容量过剩情况显示为红色。

冲突检测：当计划订单超出工作中心容量时发出警报，并提供以下选项：

• 将订单移动到不同的时间段
• 将订单拆分为多个时间段
• 将订单分配给备用工作中心
• 分包运营

---

调度启发式和优先级规则

当多个订单竞争同一资源时，调度系统必须决定哪个订单先执行。不同的优先级规则针对不同的目标进行优化。

常用调度规则对比

选择正确的规则

调度规则的选择取决于制造商的主要目标：

如果最小化平均交付周期最重要：使用 SPT。这可以快速清除短缺的作业，从而减少订单在系统中花费的平均时间。当大多数订单具有相似优先级时有效。

如果满足截止日期最重要：使用 EDD 或临界比率。这些优先考虑紧急订单。关键比率更为复杂，因为它考虑了剩余处理时间，而不仅仅是截止日期。

如果最大化收入最重要：使用加权 SPT，其权重基于订单价值或客户优先级。高额订单优先调度。

如果最大化约束的吞吐量最重要：使用 TOC/DBR 调度。首先使用最适合约束的规则来调度约束，其他一切都处于次要地位。

实际上，大多数制造商需要采用混合方法。约束资源使用一种规则（通常是 CR 或加权 SPT），而非约束资源则从属以维持流向约束。

---

瓶颈分析与管理

识别瓶颈

理论约束和实际瓶颈有时是不同的。数据分析确认了真正的瓶颈所在：

队列长度分析：等待工作队列持续最长的资源可能是瓶颈。 Odoo 的制造订单列表按工作中心过滤，状态显示队列长度。

利用率分析：瓶颈通常以 100% 或接近 100% 的利用率运行，而其他资源有空闲容量。 Odoo 的工作中心容量报告显示资源的利用率。

饥饿和阻塞：频繁完成工作但无处放置（阻塞）的上游资源和经常无事可做（饥饿）的下游资源表明它们之间存在瓶颈。

瓶颈改进技术

---

使用 Odoo 进行高级调度

配置工作中心以实现实际调度

准确的调度始于 Odoo 中准确的工作中心数据：

• 容量：工作中心并行机器或工作站的数量
• 工作时间：定义工作时间、轮班和假期的日历
• 效率：考虑休息、小停和实际配速的百分比因素（通常为理论最大值的 80-90%）
• 设置时间：不同产品之间的平均转换时间
• 每小时成本：用于需要考虑成本替代方案的调度决策

多级BOM调度

对于具有多级物料清单的产品，调度必须考虑子装配提前期。 Odoo 的制造模块通过以下方式处理此问题：

• 分解 BOM 以识别所有制造步骤
• 在最终装配操作之前安排子装配
• 从客户到期日向后安排
• 从材料可用日期向前安排
• 识别 BOM 层次结构的关键路径

假设情景规划

有效的调度需要评估替代方案：

• 如果我们在约束中添加第二个班次会怎么样？
• 如果我们将组件 X 外包而不是自己制造会怎样？
• 如果我们接受订单 Y 并加急附加费怎么办？
• 如果机器 Z 宕机两天怎么办？

Odoo 的制造模拟功能通过定制得到增强，使规划人员能够在不影响实时进度的情况下测试场景。

---

衡量调度性能

---

常见问题

约束理论与精益制造有何不同？

精益制造旨在同时消除系统中各处的所有浪费。约束理论将改进工作完全集中在系统约束上，认为改进非约束是浪费精力。在实践中，它们是相辅相成的：TOC 确定了重点，精益工具（5S、SMED、kaizen）提供了改进方法。两者一起使用比单独使用两者产生更好的效果。请参阅我们的 Odoo 精益制造 指南，了解精益实施细节。

Odoo 可以开箱即用地处理有限容量调度吗？

Odoo 的规划模块提供容量可视化和冲突检测。对于具有自动均衡和基于约束的优化的真正有限容量调度，需要额外的定制或与专门的 APS 工具集成。 ECOSIRE 通过 Odoo 定制 实施这些增强功能，为制造商提供尊重现实世界约束的生产调度。

制造商在生产调度方面犯的最大错误是什么？

最常见的错误是优化局部效率（保持每台机器忙碌），而不是优化全局吞吐量（最大化约束的输出）。当非受限资源全速生产时，他们会建立在制品库存，从而在不增加出货量的情况下堵塞工厂。第二个最常见的错误是对所有情况都使用单一的调度规则。不同的订单、客户和条件需要不同的优先级逻辑。

---

下一步是什么

生产调度决定工厂是否履行其交货承诺，同时最大限度地提高资源利用率并最大限度地减少在制品库存。从基于经验的手动调度转向系统的、约束感知的调度是制造商可以做出的最有效的改进之一。

ECOSIRE 实施 Odoo 制造系统，具有尊重现实世界约束的先进调度功能。无论您需要基本的产能规划还是基于约束的完整 APS 集成，我们的团队都可以提供制造领域的专业知识。

浏览我们关于Odoo 精益制造 和包括吞吐量和周期时间的制造 KPI 的相关指南，或联系我们 讨论您的调度挑战。

---

由 ECOSIRE 发布 — 通过 Odoo ERP、Shopify 电子商务 和 OpenClaw AI 等人工智能驱动的解决方案帮助企业扩展规模。