目视管理感知规律在生产管理中的运用(zt)

本文探讨了在生产环境中,如何利用目视管理工具如红牌、看板和警示灯等,实现信息的清晰传递与问题的及时解决,助力精益生产的实施。通过红牌作战、看板作战等手段,实现生产现场的透明化管理。

清晰和明朗的信息感知有助于企业及时发现并处理问题。因为人的感知范围和能力具有一定的局限性,因此有时候需要借助一些外部工具如看板、警示灯来帮助我们收集、放大和汇总生产现场的信息,以便监督者和管理者在此基础上及时作出反应和着手解决问题。在生产现场,特别是有噪音干扰人们接听信息的时候,通常比较多地用眼睛来处理信息,耳朵则起到辅助的作用,所以我们叫这些工具为目视管理工具,而不是耳听管理工具。


一、信息感知的关键:清晰和明朗

最近笔者曾经参加了台湾省品质管理专家林秀雄先生主讲的,精益生产管理实务研修班,,他谈到了源于日本的JIT(Just In Time, 即时生产)生产方式,说照着做就行,没有什么理论。但笔者想了一下,其中的很多做法用感知原理去解释是可以行得通的。像5S管理、红牌和看板作战、目视管理、颜色管理等都与感知觉密切相关。

单纯通过五官,而没有一些外部工具像望远镜、收音机、雷达帮助我们的话,我们对周围的很多信息就可能感知不到或者不会引起我们特别的注意。因此,利用辅助工具,使我们对周围的刺激和信息从意识不到到清楚意识,从模糊识别到清楚表达,使问题明朗化,那么我们就能够及时地对这些可能是很重要的信息作出反应。信息接收、信息放大、归类汇总、及时反应是工厂现场管理的四个方面的重要内容。其中信息放大则使一些重要的信息能够及时引起我们的注意,问题能够及时地被反映出来,被我们感知到。

我们经常看电视, 有热心的个人或者商家赞助或捐赠体育运动、抗险救灾的时候,将捐赠金额总喜欢用一张放大了的“假”支票呈现给观众,观众对其捐赠的金额一目了然。这是采用了信息放大的办法。要不然一张小小的支票,即使用特写镜头对着上面的数字也很难拍出其金额来。

二、目视管理

无论那一种类型的工厂,都有各种各样的问题。 其实很难找到“没有问题的工厂”。 好的工厂和差的工厂的区别,就在于是否能够迅速地解决所面临的各种问题。好的工厂首先是能够借助一些工具很巧妙地将问题或者浪费的信息放大、暴露、汇总,加以明朗化,然后再全力以赴地解决这些问题。目视管理主要是借助眼睛(必要时辅以耳朵)的感知作用,根据制作的工具一眼就能够明白物品在哪里,浪费在哪里,使问题明朗化,然后再处理。根据其用途,目视管理有许许多多的方法,下面介绍目视管理的一些主要工具。

1、红标签。它是使用于5S(整理、整顿、清扫、清洁、纪律)的红牌作战中的红色纸张。改善的基础是将平常生产活动中不需要的物品,贴上红色标签,使每个人看了都能够明白。

2、标示板。使用于5S 的标示板作战之中。目的是清楚标示东西放置的场所,重点是让每个人都知道在哪里,摆放着多少数量,是何种物品。

3、白线标示。在5S的整顿中,使用油漆或胶带,清楚划分出作业场所与通道的区分线,以及半成品的放置场所等等。

4、红线标示。红线标示是5S的整顿中,将架子上的库存量或物品放置场所里半成品等的最大库存量用红线来标示。库存量的最低或最高限用蓝色或红色的胶带、涂料来表示。 如此,一眼就能够识别出不足或者过剩。

5、警示灯。现场第一线的领班、班长或组长,必须随时掌握作业员或机器是否正常地运作。籍此能够将工厂内发生的异常信息立即通知管理、监督者而设置的工具,就是警示灯。

6、看板。看板是维持后工程主导型生产,坚持运用Just In Time(JIT, 即时生产生产方式)的一种工具。包括显示材料领用状况看板和作业指示看板。

7、生产管理板。通知生产线上生产状况的一种标示板。标示生产预定数量和实绩数量,登记停止原因,运作状况等事项。根据这些记录、现场领班能够掌握和了解目前的实际数量是有进展或者迟延。

8、标准作业图。使工程布置或作业程序一眼看去就能明白的图表,通称为“步行图”。

标准作业图单独使用的情况比较少,一般是配合着标准作业组合图使用。 标准作业组合图是有效地组合人、机器和物件,决定工作的进行方法的图表。

9、柏拉图。根据计算和数据的品质管理、按照产生质量问题的原因以及发生频数、做成不良品柏拉图。 如果数字过多,现场人员不能立即了解,可以使用现有的不良品,展示不良品柏拉图。

三、红牌作战

工厂有成品、半成品、材料、机器、模具、工具等各种东西。但是并非所有的东西都是需要的。当中有些是堆积品,常年堆放在仓库里,有些则是多年未曾使用过的机器,有些工具则很长一段时间没有使用,等着报废。因此,必须全面展开整个工厂的红牌作战,区分出需要的物品与不需要的物品,然后再把不需要的物品集中在红牌区域,该废弃的物品则予以处理。

为什么要在所有不需要的物品上粘贴红牌,而不是其他颜色的牌子?这里并没有明确的理由,只是从感知的角度来看、红色较为显眼罢了、容易被感知到而已。作为利用红色标签标示出隐藏在工厂内的污垢的一种整理方法、红牌作战有如下六个步骤:

步骤一:成立红牌作战专案小组。人员包括制造部门、资材部门、管理部门、会计部门的负责人。时间约为0—2个月。重点是指导现场人员标示出所有不需要的物品。

步骤二:决定张贴红牌的对象。主要包括三个方面:(1)库存:原材料、零件、装置、成品和半成品。(2)设备:机器、设备、工具、台车、桌子、椅子、模具、车辆、成品。(3)地点:地板、架子、平台。

步骤三:确定需要贴红牌的物品的标准。将需要的物品与不需要的物品划分的标准必须确定下来。

步骤四:制作红牌。 可使用一定规格(如A4)的红纸、使人一眼就能看得出来。对库存品、则要记上品名,数量,库存时期,理由等项目。

步骤五:张贴红牌。

步骤六:评估和处理贴有红牌的物品。 比方说,对于设备要对工作构成阻碍时即予以搬动,或废弃;对不需要的设备要依规定的手续申请废弃。

四、看板作战

通过红牌作战,我们可以明确区分“需要的物品与不需要的物品”,接下来,我们需要处理和排除不需要的物品,同时对留在身边的需要的物品,要让员工一眼就能够看出“是什么东西?”、“在哪里”以及“数量有多少?”、“谁来负责”,等等,因此要将这些信息书面化,也就是制作成看板。为了标示场所、品种、数量,每个放置场所都应该张贴标示板,这就是看板。像库存看板的重点是清楚明示“何处(场所)”、“何物(物品)”、“多少(数量)”。所谓看板作战就是将需要的东西摆放得方便使用,并且使每个人都清楚。

机器、设备管理的看板也一样,一定要标示清楚,任何人一看都能完全明了。在这些看板上应写上“机器名”、“工序名”、“负责人”、“购置日期”等等项目,然后贴在机器设备上,或垂吊在天花板上。

当然,目视管理工具的主要作用是帮助我们捕捉现场信息、传递信息、发现问题并及时处理问题。一般每个工厂车间的入口都设有一块大白板,注明当天的任务、要求、进度等;下班前看板上的内容有所变化:会提示今天的完成情况、重要通知等。这块看板使用得好的车间,我们可以发现,工人们每天早上第一件事是先看一下看板,再回到自己的岗位上去;下班时也先看一下看板再离开车间。这样的看板,就起到了真正的管理作用。

但也有一些车间的看板,信息已经陈旧,或者仅仅记载无关紧要的事项,工人们几乎不看。所以,怎样用好看板这样一个看似简单的工具,管理者是要认真思考的。 很多管理工具,并不复杂,但用好的人不多。

作者:陈国海 出处:广东外语外贸大学管理学院

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/178883/viewspace-16574/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/178883/viewspace-16574/

内容概要:本文详细介绍了具有最大功率点追踪(MPPT)功能的单相单级脉宽调制(PWM)光伏并网逆变器的Simulink仿真实现过程。该仿真模型聚焦于光伏系统的核心环节,通过构建完整的电路拓扑与控制逻辑,实现了直流电到交流电的高效转换,并确保逆变器输出的电流与电网电压同频同相,满足并网技术要求。重点在于MPPT算法的设计与应用,能够实时追踪光伏阵列在不同光照和温度条件下的最大功率输出点,从而显著提升太阳能的转换效率与系统整体性能。整个系统基于Simulink平台完成建模、仿真与验证,充分展示了其在动态响应、稳态精度及并网稳定性方面的优良特性,为光伏并网系统的研发与教学提供了完整的实践范例。; 适合人群:具备电力电子、自动控制或新能源发电基础知识,从事光伏系统研究、电力系统仿真的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习和掌握单相光伏并网逆变器的基本工作原理与系统构成;②深入理解MPPT算法(如扰动观察法、增量电导法等)在实际系统中的实现方式与作用;③利用Simulink进行电力电子系统建模与仿真,为科研项目、课程设计或工程项目提供技术参考和实现范例。; 阅读建议:在学习过程中,应结合Simulink模型文件,仔细分析各模块(如主电路、驱动、MPPT控制器、锁相环PLL、电流控制环)的参数设置与连接逻辑,通过修改光照强度、温度等外部条件,观察系统动态响应,以加深对并网控制策略的理解。
内容概要:本文系统研究了基于CNN-BiLSTM-Attention混合深度学习模型的电力负荷预测方法,并提供了完整的Python代码实现。该模型通过卷积神经网络(CNN)有效提取负荷数据中的局部特征与空间模式,利用双向长短期记忆网络(BiLSTM)充分捕捉时间序列前后向的长期依赖关系,并结合注意力机制(Attention)动态聚焦于关键时间步的重要特征,从而显著提升预测的准确性与模型鲁棒性。文中详细阐述了数据预处理、模型架构设计、训练优化流程及实验验证过程,证明了该混合模型在处理非线性、非平稳电力负荷数据方面相较于传统模型具有明显优势。; 适合人群:具备Python编程能力和深度学习基础知识,从事电力系统、能源管理、智能电网或时间序列预测相关工作的科研人员与工程技术人员,特别适合高校研究生及企业研发岗位人员。; 使用场景及目标:①应用于电网调度、能源管理系统中的短期与超短期电力负荷预测;②提升对复杂用电行为和突发负荷变化的建模能力,优化电力资源配置与运行效率;③为需求响应、电力市场竞价及智能电网规划等提供高精度的数据支持。; 阅读建议:读者应结合所提供的Python代码进行动手实践,深入理解各模块的设计原理与实现细节,建议使用真实的电力负荷数据集进行模型复现、参数调优与性能对比,以全面掌握该混合模型在实际工程场景中的应用技巧与优化策略。
源码下载地址: https://pan.quark.cn/s/aac641f5afd0 AI 发展历程与深度学习兴起.docx 深度探索人工智能的历史进程与深度学习的技术突破 人工智能的思想早在二十世纪五十年代便已诞生,然而其发展道路并非一帆风顺,历经多次起伏,直至近期深度学习技术的显著进步才重新吸引了社会的广泛关注。作为神经网络基础的感知机理论被首次提出,尽管早期的人工智能体系存在诸多不足之处,但在二十世纪八十年代左右,多层神经网络架构以及反向传播算法的问世,使得神经网络与人工智能的研究迎来了新的繁荣期。尽管如此,受限于当时的计算性能和数据规模,人工智能技术未能实现大规模的普及与推广。 深度学习的兴盛 近期以来,得益于计算能力的持续增强,图形处理器(GPU)的广泛应用以及大规模分布式计算平台的构建,深度神经网络即深度学习技术成功克服了多项学术研究上的挑战,在计算机视觉、语音识别、自然语言理解等多个关键领域均取得了令人瞩目的成就。 人工智能对就业市场的冲击 AI 技术的快速发展引发了关于职业替代性的热议,人们开始探讨哪些工作岗位可能被人工智能所取代,同时关注新职业类型的涌现。人工智能技术的普及也引发了一些担忧,部分人士担忧自身职业安全,甚至有人对人类与机器人的未来关系表示忧虑。 普通技术人员入门人工智能的途径 对于具备基础编程能力的人员,如何系统性地开展人工智能学习?首要任务是明确人工智能的核心概念、其适用的解决方案类型以及能够发挥价值的应用场景。随后,应结合个人兴趣选择具体的应用方向,并运用所学知识解决实际问题,通过实践积累经验,为后续的系统化学习奠定基础。 学习人工智能的三个主要阶段 掌握人工智能技术通常包含三个递进的阶段:第一阶段是基础认知阶段,主要目标是...
随着冷链物流行业快速发展,生鲜农产品、医药制品、速冻食品等温控货品配送需求持续增长。带时间窗与载重约束的车辆路径问题(VRPTW)是冷链配送调度的核心优化问题。传统求解方法主要关注运输距离和车辆数最小化,往往忽略温度波动导致的货损成本与时间窗违约惩罚成本,且经典元启发式算法存在全局探索与局部开发不平衡、收敛慢、易陷入局部最优等问题。针对上述问题,本文围绕成本建模完整性与算法求解效率展开研究。在成本建模方面,提出温度关联货损成本量化模型(T-DCLM),将温度波动、暴露时间与货损率建立量化关联,构建融合运输成本、货损成本、时间窗惩罚成本和制冷成本的多目标成本函数。在算法设计方面,提出自适应信息素挥发策略蚁群算法(APS-ACO),根据迭代收敛状态动态调整信息素挥发系数,早期高挥发率增强全局探索,后期低挥发率强化局部开发;并引入禁忌搜索构建ACO-TS混合优化框架,对每轮迭代的精英解进行局部强化。基于Python与Matlab构建五层架构求解系统,包含问题建模、算法求解、多算法对比、成本核算、路径可视化五大模块。在Solomon标准测试集和真实冷链企业订单上的实验表明:T-DCLM模型使平均货损率降低约12%;APS-ACO平均总配送成本较经典ACO降低8.3%、较GA降低11.7%;ACO-TS混合框架收敛迭代次数减少约25%,大规模实例运行时间缩短约18%;真实数据验证显示月度配送总成本降低约9.5%,货品损耗率降低约13.2%。该研究可为冷链物流企业提供量化配送调度优化方案。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术与理论 第3章 系统需求分析 第4章 系统总体设计 第5章 系统详细设计与实现 第6章 系统测试与分析 第7章 总结与展望 参考文献 附件-实现指南
内容概要:本文研究了一种适用于全速域的无速度传感器电机控制模型,通过结合高频信号注入法与滑模观测器(SMO)的优势,并引入加权切换机制,在Simulink平台上实现了高性能的转速与位置估计算法。该模型充分利用高频注入法在低速尤其是零速附近的优异估计能力,以及SMO在中高速运行时的强鲁棒性和动态响应特性,设计了平滑的加权过渡策略,有效克服了单一观测器在全速范围内估计精度不一致、切换冲击等问题,显著提升了无传感器控制系统的整体性能与可靠性。; 适合人群:具备电机控制理论基础、电力电子技术和Simulink仿真能力,从事新能源汽车驱动、工业伺服系统或电机控制算法研发的工程师及电气工程相关专业的研究生。; 使用场景及目标:①应用于高性能无速度传感器驱动系统,降低对物理编码器的依赖,节约成本并提高系统可靠性;②解决电机在启动、低速运行及高速变载工况下的转速/位置精确估计难题;③为先进电机控制算法的开发与工程化验证提供仿真平台与技术参考; 阅读建议:此资源聚焦于控制策略的创新设计与仿真验证,建议读者深入理解高频注入与滑模观测器的数学原理,结合Simulink模型仔细分析加权切换逻辑的实现方式,并通过调整权重系数、滤波参数等进行对比实验,以掌握系统在不同工况下的动态响应特性和优化方法。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值