摘 要

Abstract II

第一章 绪论 1

1.1研究的目的、背景及意义 1

1.2国内外发展现状研究 1

1.2.1离散型企业生产排产 1

1.3本文主要工作 3

第二章 某充电桩企业生产流程分析与优化 5

2.1生产流程简介 5

2.2生产排产优化 6

第三章 排产优化方案选择与设计 11

3.1约束理论与实现 11

3.1.1约束理论概述 11

3.1.2约束理论的实现 12

3.2DBR模型基本原理 13

3.3其他排产优化方法列举与优化方案选择 15

第四章 基于TOC的生产排产优化 18

4.1问题描述与条件设定 18

4.2基于TOC的排产优化方案 19

4.2.1DBR模型的建立 19

4.2.2优化后的企业排产分析 20

4.3优化后生产排产的系统实现 21

第五章 总结与展望 25

5.1总结 25

5.2展望 25

致谢 26

参考文献 27

摘要

现如今，移动互联网技术的迅速发展使得人类逐渐步入了信息时代，数据对于发展的重要性日益体现出来。随着人类对于数据处理和应用手段的不断进步，大数据时代逐渐来临。大数据技术就是通过各种渠道和方法，对于需求的各种数据进行迅速高效的收集并加以分析处理，从中汲取到有价值的信息，并通过数据的变化规律分析各种可能的发展趋势，为最终的决策提供有效帮助。离散性企业指的是一类主营机械加工以及零件生产和制造，在生产过程中生产设备和工件之间互不影响的企业。

本文通过离散型生产企业的生产特点入手，以某充电桩生产企业的充电桩生产流程为例，通过传统优化方案与基于约束理论进行优化的方案对比，引入约束理论（TOC）对充电桩生产过程的生产模块二定性地建立了DBR模型进行优化，并对优化效果进行了分析，说明了基于TOC对企业生产排产优化具有现实意义。

关键词： 离散型 生产排产 TOC 流程优化

Abstract

Nowadays, the rapid development of mobile Internet technology makes human beings step into the information age gradually, and the importance of data to development is increasingly reflected. With the continuous progress of human data processing and application means, the era of big data is coming, which is to collect and analyze all kinds of data of demand quickly and efficiently through various channels and methods, draw valuable information from it, and analyze various possible development trends through the law of data change, so as to provide effective help for the final decision. Discrete enterprise refers to a type of main machinery processing and parts production and manufacturing enterprises,.in the production process the production equipment and products do not affect each other.

This paper introduces the constraint theory (TOC) to optimize the production module of the charging pile production process qualitatively by comparing the production characteristics of the discrete production enterprises, taking the charging pile production process of a charging pile production enterprise as an example and comparing the traditional optimization scheme with the optimization scheme based on the constraint theory.It established the DBR model of the production process to optimize the production and analyse the effect of the optimization , showing that the TOC-based optimization has practical significance.

Keywords： production; scheduling; TOC ; process optimization

第一章 绪论

1.1研究的目的、背景及意义

现如今，移动互联网技术的迅速发展使得人类逐渐步入了信息时代，数据对于发展的重要性日益体现出来。随着物联网技术的快速发展以及如手机、平板电脑等的智能移动终端的大规模普及，全社会乃至于全世界的数据量呈爆发式增长，传统的数据处理方式已经不再适合新的数据发展特点^[1]。在这一背景下，以迅速解决超大规模数据收集、分析和处理为目的的大数据随之产生。大数据技术就是通过各种渠道和方法，对于需求的各种数据进行迅速高效的收集并加以分析处理，从中汲取到有价值的信息，并通过数据的变化规律分析各种可能的发展趋势，为最终的决策提供有效帮助^[2]。

生产排产就是在综合考虑企业生产能力、资源及生产设备的前提下，并通过一定条件的约束来安排和优化订单及任务的生产顺序、生产设备的选择、人力物力资源的分配，使得生产过程中等待的时间减少，各设备、各环节的生产负荷得以平衡，最终能够按照订单完成生产任务的同时达到如缩减成本、缩减生产时间以及提高效率等目的^[3]。

随着全球制造业的迅速发展，市场竞争的激烈程度不断加剧。而客户对于产品的个性化、多样化要求进一步增长，对于产品生产周期要求不断缩短，使得优化生产排产结构、降低成本、合理分配资源、提高生产效率成为企业的普遍追求和研究热点，生产排产的水平直接关系到企业生产执行力的水平。符合企业的生产实际并且效果好的生产排产方法可以让现有的有限资源发挥出无限的潜力，成为企业提升自身的市场竞争力和品牌效应的有力手段。因此，先进的计划与排产（Advanced Planning and Scheduling,APS）已经成为常见于欧美企业资源计划（ERP）系统中的一种模块，其最突出的优点在于能在一定的约束条件下对包括物料、机器设备、人员、供应、客户需求、运输等进行实时的、同步的模拟及综合考量^[4]。这样一来，不论是短期或长期的计划，APS都可以加以对比和优化，总体排产的可执行性大大提升。而大数据技术的日益普及，不仅可以帮助企业以更加高效的方式分析处理数据，优化资源分配，还可以对企业现有的排产系统进行改善，改善企业现有的运作模式，实现对各个环节、各个部门的实时监督与调控，从而高效的获取第一手信息，提高企业的整体经济效益。

1.2国内外发展现状研究

1.2.1离散型企业生产排产

离散型生产企业指的是一大类主营机械加工制造和生产的企业，如汽车加工制造厂等，其主要特征是通过机器设备对于生产零件进行加工和对制成的工件进行组装，最终产出具有某种特定功能的产品，其生产设备和工件都是相互分立、互不影响，故称之为离散生产方式^[5]。在本文介绍的充电桩生产企业中，以充电桩生产组装过程为研究对象。在这一生产流程中，物料仓库在订单到来之后按生产任务进行备料，各工位生产生产顺序按一定的工艺技术流程已经确定不能更改，工人们在统一领料之后进行操作加工，将工件组合安装，最终将组装完成的充电桩进行合格性测试和老化试验，最终得到产品。