Abstract
制造业的生产计划对于充分利用工厂资源(例如机器,原材料和工人)并降低成本至关重要。 随着工业4.0的出现,已经收集了许多记录工厂资源状况的数据,并进一步参与了生产计划,这为通过数据驱动的方法来理解,评估和调整复杂的生产计划提供了前所未有的机会。 但是,由于大量的生产数据,产品之间的复杂依赖性以及市场和工厂的意外变化,开发用于生产计划的系统分析方法具有挑战性。 以前的研究仅提供汇总的结果,而没有显示用于生产计划比较分析的细节。 此外,在意外事件的情况下也不支持对计划的快速调整。 在本文中,我们提出了PlanningVis,这是一个视觉分析系统,可支持对生产计划的探索和比较,具有三个详细级别:计划概览,显示计划之间的整体差异;产品视图,可视化单个产品的各种属性;以及生产 详细视图,显示相关工厂的产品依存关系和每日生产详细信息。 通过将自动计划算法与交互式视觉探索相集成,PlanningVis可以促进日常生产计划的高效优化,并支持对制造中意外事件的快速响应。 包含真实数据的两个案例研究以及与领域专家精心设计的访谈证明了PlanningVis的有效性和可用性。
Introduction
生产计划:将有限的资源分配给不同的生产任务(在给定时间段内,每台机器生产产品类型和数量)
本文要实现的三个任务:
- 资源分配和生产分配
- 不同细节级别的生产计划的比较
- 意外事件的不利影响,从而做出最佳调整方案
工业4.0的到来,产生的大量数据为数据驱动提供新机会
但面临以下两大挑战:
- 数据量大,且数据间存在关联性(较复杂)
- 原材料由于市场需求变更从而影响产品生产,并产生不可预估的连锁反应
以往工作存在单一性,有如下缺点:
- 自动算法:数据复杂,用户无法理解和调整计划
- 可视化方法:依靠手动排计划,效率低下
本文提出的PlanningVis
可以在多个细节级别上快速探索和比较不同生产计划,实现了两种假设:
- 生产计划的日常优化
- 意外情况的快速调整
并实现了三个细节级别:
- 计划概述:各计划间的差异
- 产品视图:可视化单个产品属性
- 生产详细视图:产品依存关系/每日生产详细信息
四个绩效指标(最小化)
- 订单延迟率
- 生产成本
- 库存成本
- 产能利用平滑率(每周生产能力趋于平稳)
总结
论文提出了一种叫PlanningVis的视觉分析系统,使自动计划算法与计划从业人员的专业知识相结合,可以支持两种假设分析:生产计划的日常优化以及对制造过程或生产过程中未预料到的变化的快速响应。