属于我们的Manufacturing in the AI Era系列
阅读完整指南Odoo 精益制造:看板、JIT 和持续改进
丰田的生产系统是精益制造的起源,它建立在一个简单的观察之上:浪费是效率的敌人。产品在库存中的每一分钟、每一个需要返工的缺陷、每一次不必要的材料移动都代表着没有价值的成本。这一观察已有 70 多年的历史,但大多数制造商在其生产过程中仍然存在 20-40% 的废物。
原因并不是缺乏意识。这是缺乏工具。精益原则在理论上很简单,但如果没有强制执行纪律并使浪费实时可见的系统,则很难维持。 Odoo ERP 提供了数字化支柱,将精益制造从定期改进举措转变为持续运营规则。
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
- 精益制造的八种浪费分别具有特定的 Odoo 模块和功能,旨在消除或最大限度地减少它们
- 与基于推式的 MRP 调度相比,Odoo 中基于拉式的看板生产可将在制品库存减少 30-60%
- 准时生产需要紧密的供应商集成,Odoo 的采购模块通过供应商交货时间跟踪和自动重新订购规则来实现这一点
- 当团队能够访问显示改进项目之前、期间和之后的流程绩效指标的实时 ERP 数据时,Kaizen 活动会变得更加高效
精益制造的八种浪费
精益制造确定了八类废物(称为 TIMWOODS)。每种废物类型都有 Odoo 通过其集成模块架构支持的特定对策。
| 废物 | 描述 | Odoo 解决方案 | 模块 |
|---|---|---|---|
| T交通 | 不必要的物料移动 | 优化仓库布局、路线规划 | 库存 |
| 我库存 | 超出即时需求的过剩库存 | 看板补货规则、再订购点 | 库存、采购 |
| M议案 | 不必要的工人流动 | 工作中心组织、条码扫描 | 制造 |
| W等待 | 流程步骤之间的空闲时间 | 实时调度,瓶颈可视 | 规划 |
| O生产过剩 | 超越客户需求 | 拉式制造订单、需求计划 | 制造、销售 |
| O过度处理 | 超越客户要求 | 标准化 BOM 和工艺路线 | 制造 |
| D效果 | 返工、报废、退货 | 质量控制点、检验计划 | 品质 |
| S杀死(未充分利用) | 没有充分利用员工的能力 | 技能矩阵、交叉训练跟踪 | 人力资源,制造 |
通过 ERP 系统而不是独立工具解决废物问题的强大之处在于可追溯性。当您通过重组仓库来减少运输浪费时,Odoo 的库存模块会显示对提货时间、订单履行速度和劳动力成本的实际影响。这种可衡量的证据支持了改进并证明了进一步投资的合理性。
使用 ERP 数据绘制价值流图
价值流图(VSM)是精益制造的诊断工具。它记录了产品从原材料到客户交付的每一步,识别增值和非增值活动。
传统与数字价值流图
传统的 VSM 需要团队带着秒表和便利贴在工厂车间走动,记录周期时间、等待时间、库存水平和质量率。生成的地图在创建时是准确的,但随着条件的变化,几周内就会过时。
数字 VSM 使用 ERP 数据创建不断更新的价值流图:
- 周期时间:Odoo Manufacturing 的实际工单完成时间
- 等待时间:工作订单步骤之间的时间,根据状态时间戳计算
- 库存水平:Odoo 库存中的实时库存数量
- 合格率:Odoo 质量检验记录的一次合格率
- 转换时间:一个产品的最后一个好部分和下一个产品的第一个好部分之间的持续时间
来自 Odoo 数据的关键 VSM 指标
| 公制 | Odoo数据源 | 计算 |
|---|---|---|
| 流程循环效率 | 工单持续时间+等待时间 | 增值时间/总交货时间 |
| 节拍时间 | 销售订单数量+可用生产时间 | 可用时间/客户需求 |
| 在制品 | 制造订单状态 | 正在进行的订单计数 |
| 转换比 | 工单开始/停止时间戳 | 转换时间/总可用时间 |
| 首次通过率 | 质量检验结果 | 通过次数/检查总数 |
| 吞吐时间 | 制造订单创建至完成 | 订单完成时间戳 - 创建时间戳 |
使用 Odoo 的制造工厂可以在几分钟而不是几天内生成当前状态价值流图,从而实现更频繁的改进周期。
Odoo 中的看板生产
拉式制造与推式制造
传统的MRP(物料需求计划)采用推送方式:预测需求,计算物料和产能需求,并根据计划向工厂推送工单。当需求稳定且可预测时,这种方法有效。当需求波动时,它就会失败,导致生产过剩或缺货。
看板使用拉动方法:下游操作在需要更多材料时向上游操作发出信号。在被消费或订购之前,不会生产任何东西。这自然会限制在制品库存并减少生产过剩。
在 Odoo 中配置看板
Odoo 通过以下几个功能支持看板驱动的制造:
再订购规则(最小/最大):设置每个商品的最小和最大库存数量。当库存低于最低水平时,Odoo 会自动生成制造订单(用于制造商品)或采购订单(用于购买商品),以使库存达到最高水平。
双箱看板:对于大批量、低价值的组件,请在每个工作站配置两个箱。当第一个垃圾箱清空时,空垃圾箱会向仓库发出信号,要求交付满的垃圾箱。这是通过 Odoo 基于位置的补货规则实现的。
电子看板:Odoo 的制造看板视图将工作订单显示为各个阶段(待办事项、进行中、完成)的卡片。随着工作的进展,操作员在阶段之间拖动卡片,为规划人员提供实时可见性,无需任何额外的数据输入。
按订单生产:对于定制或高价值产品,Odoo 的按订单生产路线仅在存在确认的销售订单时才会触发制造。这消除了需求不可预测的产品的成品库存。
看板尺寸计算
最佳看板数量平衡响应性与批量经济性:
看板数量 = (每日需求 x 交货时间 x 安全系数) / 集装箱尺寸
其中:
- 每日需求 = Odoo 销售/生产数据的平均消耗量
- 交货时间 = Odoo 工作订单历史记录的补货时间
- 安全系数 = 通常为 1.2-1.5,具体取决于需求变化
- 集装箱尺寸 = 标准批次或集装箱数量
Odoo 的再订购规则通过最小/最大数量有效地实施该公式,其中最小值代表触发点,最大值代表目标补货水平。
准时生产
JIT生产的目的是让正确的材料在正确的时间以正确的数量到达正确的工作站。零过量。零短缺。实际上,实现真正的 JIT 需要 Odoo 提供的多种支持功能。
供应商整合
JIT 依赖于能够频繁交付小批量产品的可靠供应商。 Odoo 的采购模块通过以下方式支持 JIT:
- 供应商交货时间跟踪:每个供应商的实际交货日期与承诺交货日期的历史数据
- 一揽子订单:与预定发布的长期协议,减少每个订单的开销
- 供应商记分卡:推动持续改进的质量、交付和定价绩效指标
- 从看板自动重新订购:当生产消耗材料并触发重新订购规则时,Odoo 可以自动向首选供应商生成采购订单
生产均衡(Heijunka)
当生产量稳定而不是不稳定时,JIT 效果最好。 Heijunka 是一种平衡生产量和结构的做法,可以防止小需求变化造成大生产波动的牛鞭效应。
Odoo 的制造规划通过以下方式支持 heijunka:
- 将大订单分成较小的每日批次
- 通过共享工作中心对混合产品进行排序
- 容量规划,可视化各个工作中心的日常负载
- 交货时间缓冲可以吸收需求变化而不会导致生产过剩
节拍时间同步
节拍时间是精益生产的鼓点:成品必须完成以满足客户需求的速度。
节拍时间=可用生产时间/客户需求
平衡生产线中的每个工作站都按节拍时间或接近节拍时间运行。 Odoo 的工作中心配置包括预期的周期时间和容量,使规划人员能够识别偏离节拍和需要平衡的工位。
5S 方法论和数字化维持
5S 方法论(排序、整理、清理、标准化、维持)创建有组织、高效的工作场所。虽然 5S 主要是一种物理实践,但数字工具可以维持它。
| 5S步骤 | 身体动作 | Odoo/数字支持 |
|---|---|---|
| 排序(Seiri) | 删除不必要的项目 | 库存报告显示未使用的材料、滞销库存警报 |
| 整顿(Seiton) | 整理剩余物品 | 具有可视化箱映射的基于位置的库存 |
| 闪耀(Seiso) | 定期清洁工作空间 | 维护模块将清洁任务安排为重复工单 |
| 标准化(雪洁) | 为 1-3 创建标准 | 质量模块记录标准、审核清单 |
| 维持(Shitsuke) | 维持纪律 | 预定5S审核任务、评分仪表板、趋势跟踪 |
5S中最常见的失败点是维持。团队在改进活动期间充满活力地实施前四个步骤,但逐渐恢复到旧习惯。通过 Odoo 的维护或质量模块对定期 5S 审核进行数字化安排,并对随时间变化的趋势进行评分,提供了保持 5S 活力的问责结构。
Kaizen:利用数据持续改进
Kaizen 的意思是“变得更好”。在制造业中,改善有两种形式:改善活动(持续 3-5 天的重点改进项目)和日常改善(操作员在正常工作中确定和实施的小改进)。
使用 ERP 数据运行 Kaizen 活动
第一天:定义和衡量 从 Odoo 提取当前状态数据:周期时间、质量率、停机记录、废品率、成本数据。建立衡量改进的基线。从 ERP 数据创建当前状态价值流图,而不是手动观察。
第 2 天:分析 使用 Odoo 的报告来确定根本原因。停机原因帕累托分析。显示过程能力的统计过程控制图。按工作中心划分的成本明细显示资金花在哪里。
第 3-4 天:改进 实施变革。更新 Odoo 配置以反映新流程:修改的工艺路线、更新的周期时间、修改的质量检查点、新的看板数量。
第 5 天:控制 配置 Odoo 仪表板以监控未来改进的流程。设置警报阈值,以便在性能下降时通知团队。安排 30 天、60 天和 90 天的后续审查。
每日改善支持
Odoo 的制造模块通过以下方式支持日常改善:
- 操作员记录改进建议的工单注释
- 记录重复出现问题的质量警报
- 捕捉设备改进想法的维护请求
- 制造仪表板显示每日 KPI,激发对绩效的持续关注
要更深入地了解数据驱动的流程改进,请参阅我们关于六西格码和 ERP 数据的流程改进 的文章。
衡量精益进度
精益制造是一个旅程,而不是终点。衡量进度需要跟踪结果指标(您想要的结果)和过程指标(产生结果的行为)。
| 类别 | 公制 | 目标方向 | Odoo数据源 |
|---|---|---|---|
| 结果 | 在制品库存 | 减少 | 生产订单进行中 |
| 结果 | 交货时间(订单到交货) | 减少 | 销售订单到交货时间戳 |
| 结果 | 首次通过率 | 增加 | 质检合格率 |
| 结果 | 设备综合效率 | 增加 | 可用性 x 性能 x 质量 |
| 流程 | 5S审核评分 | 增加 | 质量检查表结果 |
| 流程 | 每位员工的改善建议 | 增加 | 记录的建议计数 |
| 流程 | 设置/转换时间 | 减少 | 工单转换记录 |
| 流程 | 供应商准时交货 | 增加 | 采购订单接收日期 |
世界一流的精益制造商通常会在严格的精益转型的头两年内实现交货时间缩短 50-70%、WIP 库存减少 30-60%、OEE 提高 10-25%,并且随着时间的推移,改进会不断增强。
常见问题
Odoo 可以同时处理制造和采购的看板吗?
是的。 Odoo 的再订购规则支持自制补货和外购补货。对于制造的物品,达到最低库存水平会触发制造订单。对于购买的商品,它会触发采购订单(或 RFQ)。两者都使用相同的看板逻辑。您还可以配置两步规则,其中工作中心的看板触发仓库的内部转移,仓库库存消耗触发制造或采购。
当供应商交货时间较长时,JIT 生产如何进行?
JIT 不要求供应商零交货时间。它需要可预测的交货时间和小而频繁的交付。对于交货时间长的供应商,您可以根据交货时间的变化而不是需求的不确定性来维持计算的受控缓冲库存。 Odoo 的采购模块跟踪一段时间内的实际供应商交货时间,使您能够计算适当的安全库存水平,同时仍然最大限度地减少库存过剩。包含预定交货发布的一揽子采购订单可帮助供应商计划生产,而无需大批量订单。
精益制造和六西格码有什么区别?
精益专注于消除浪费和改善流程。六西格码专注于减少变异和缺陷。它们是互补的而不是竞争的。精益识别有浪费的流程。六西格码提供统计工具来分析根本原因并验证改进。许多制造商将这两种方法结合起来,称为“精益六西格码”。我们关于ERP 数据的六西格码 的文章详细介绍了统计方法。
下一步是什么
使用数字工具的精益制造不是一个非此即彼的命题。取得最佳成果的制造商将精益思维与 ERP 功能相结合,使用 Odoo 使浪费可见,实施拉式生产,并通过数据驱动的问责制持续改进。
ECOSIRE 实施为精益生产配置的 Odoo 制造系统,包括看板补货、质量集成和持续改进跟踪。无论您是开始精益之旅还是希望加速现有计划,我们的团队都可以提供帮助。
浏览我们有关高级生产调度 和制造 KPI 的相关指南,或联系我们 讨论您的精益制造目标。
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。
作者
ECOSIRE Research and Development Team
在 ECOSIRE 构建企业级数字产品。分享关于 Odoo 集成、电商自动化和 AI 驱动商业解决方案的洞见。
相关文章
Account Hierarchy Management: Parent-Child Organizations in CRM
Master B2B account hierarchy management with parent-child organization structures, consolidated billing, territory assignment, and CRM best practices in Odoo.
Advanced Production Scheduling: APS, Constraint Theory & Bottleneck Analysis
Master production scheduling with APS, Theory of Constraints & bottleneck analysis. Finite capacity planning, scheduling heuristics & Odoo integration.
AI-Powered Quality Inspection: Computer Vision on the Production Line
Deploy AI computer vision for manufacturing quality inspection. Defect detection models, hardware setup, ROI calculation & production line integration.
更多来自Manufacturing in the AI Era
Advanced Production Scheduling: APS, Constraint Theory & Bottleneck Analysis
Master production scheduling with APS, Theory of Constraints & bottleneck analysis. Finite capacity planning, scheduling heuristics & Odoo integration.
AI-Powered Quality Inspection: Computer Vision on the Production Line
Deploy AI computer vision for manufacturing quality inspection. Defect detection models, hardware setup, ROI calculation & production line integration.
Carbon Footprint Tracking for Manufacturers: Scope 1, 2 & 3 Emissions
How manufacturers can measure and reduce carbon emissions across Scope 1, 2, and 3 with practical tracking methods, emission factors, and reporting frameworks.
Circular Economy in Manufacturing: Reduce, Reuse, Remanufacture
How manufacturers can adopt circular economy principles including remanufacturing, take-back programs, material recovery, and design for disassembly.
Digital Twins for Manufacturing: Simulating Before Building
Build digital twins for manufacturing simulation. Virtual factory models, what-if scenarios, capacity planning & real-time production mirroring.
Energy Management in Manufacturing: Tracking Consumption & Reducing Costs
Reduce manufacturing energy costs 10-20% with IoT monitoring, peak demand management, ISO 50001 & renewable integration. Practical implementation guide.