如何测量周期时间-第2部分

自行车新西兰
更多关于Cycle Times…

这是关于如何度量流程周期时间的第二篇文章。再一次,循环时间是生产一个零件的最快可重复时间。因此,作为系列的一部分生产速度测量我将继续详细说明什么是循环时间。这是关于如何测量周期时间的第二篇文章(文章1),具有额外的第三篇文章,专注于下一个手动循环时间的细节。

一些合理的建议

关于序列的警告

以前的文章我描述了一种方法来测量循环时间来通过在零件之间的时间进行多次测量,在哪里为多个部分测量完成一个部分到完成下一个部分之间的时间.但是,对于这一点,您必须注意操作的顺序。

如果测量自动进程的循环时间,系统将(最有可能)始终以相同的顺序重复过程的步骤。但是,如果该过程包括手动工作,则经常运营商自优化他们的工作就是打乱顺序。

运算符可以对不同的周期以不同的方式执行序列。在这种情况下,如果循环测量,测量可能是关闭的。类似地,我也看到过许多实例,操作人员通过快速连续多次执行过程中的一个步骤来制造半批,然后按正常顺序执行其他步骤。

下图是一个简单的过程,由a, B, c三个步骤组成。我们假设在这个过程中,顺序是可以混在一起的(例如,你必须拧三个螺丝,顺序对于最后的部分并不重要)。周期时间总是从步骤A的开始到下一步A的开始进行测量。

工艺步骤顺序和周期时间
当使用标准序列、混合序列或批处理从A开始到A开始测量时,周期时间变化

如果严格遵循标准序列,则所有循环花费相同的时间,如第一行所示。但是,如果序列混淆了,尽管三个部分的总体时间相同,但是周期时间突然开始大幅波动,如第二行所示。如果操作符在开始批处理之前先按顺序执行三个步骤B,也同样适用,如最后一行所示。

尽管所有步骤本身都同时服用,但如果序列未标准化,则测量的循环变化显着。您的循环时间将更多地波动,并使您更难确定您的周期时间真实。因此,当测量周期时间时,确保所有的测量都遵循相同的顺序!

周期时间包括什么?

许多过程混合了周期性工作(每个部分都需要)和非周期性工作(每个部分只需要)。非循环工作的例子是装载一箱新的零件,设置机器,或更换磨损的工具。自然地,周期时间应该仅在循环步骤上测量.然而,如果你取中位数或较低的百分比,任何包含非周期性工作的周期都会导致更长的时间周期将自动排除在产生的周期时间之外。

关于零件类型变化的注意事项

不同的螺丝当然,并不是所有的部件在相同的过程中具有相同的周期时间。一个更复杂的零件可能比一个简单的零件需要更长的铣削时间。在理想的情况下,您可以在每个可能的过程中测量每个可能的零件类型的循环时间。使用每种类型的零件数量,您现在可以生成加权平均值,以确定您的线的平均速度。

在现实中,您可能没有时间测量每一个部分。关注那些跑得快的人,想想你在哪些地方需要精确,哪些地方你可以用更少的钱跑掉。虽然我有时听到一般的要求,你必须绝对精确地测量一切,但在实践中,你可能经常有时间。尽可能精确,但不要在精度上浪费时间,否则会在以后的计算中丢失(特别是如果您计算看板的数量!)

一些统计数据-你可能不需要在实践中

哪些发行版是常见的?

下面我将讨论一下随机分布。幸运的是,您通常不需要知道确切的分布,除非您真的想使用这些数据进行模拟。但首先,循环时间的分布类型是什么?

一般来说,一个周期时间的随机分布应该是连续的,并且有一个从非负数到无穷大的范围。即,周期时间不能小于某个值,大多数情况下不小于零。这就排除了正态分布(或高斯分布)。其次,分配通常不是对称的,而是向低端非常片面的。重尾是常见的(下文更多)。

以下分布非常适合于周期时间,可能在x轴上有一个额外的偏移量。自然地,可能会有更多的发行版

  • 指数分布
  • 帕累托分布
  • 对数正态分布
  • 伽马分布
  • Chi-Square分布
  • 威布尔分布

关于循环次数的精度

以前的文章,周期时间可能会有很大的不同,这取决于您基于多种度量方法使用的周期时间百分比。由于异常值,你绝对不应该使用平均值。最好使用中位数、第一分位数或第十百分位数。

当然,根据您使用的方法或计算的百分比,周期时间可能会有很大的不同。不幸的是,这往往是现实,因为形成潜在随机分布的小(有时是大)随机事件。

下图显示了标准指数分布的不同百分位数λ= 1.根据你选择的百分比,最终的循环时间可能会有很大的不同。

指数百分位数
标准指数分布的不同百分位数

重要的是,更多的测量并不能使这些数字更接近!你并没有减少标准差,而只是更精确地测量分布。

在沉重的尾巴

沉重的尾巴羊大多数周期分布非常单侧(意味着大多数测量是低端的范围),但也厚尾或重尾分布(即通常有罕见但相对长时间之间的部分,例如,如果有一个分解和系统停止几分钟或小时)。

下图显示了指数分布的概率密度函数,以及具有相同平均值的更重的尾盖分布。帕累托分布具有非常小的值的概率更高(下图中可见),非常大的值(在下面的图中可以看到太小且太远)。只在1.4和12.4之间是指数概率更高。两者都具有相同的平均值,但指数分布的中位数仅为0.693,而帕累托分布的中位数为0.892

指数分布和帕累托分布
指数分布和帕累托分布,均均值为1。对于非常小和非常大的值,帕累托都有更高的概率,因此是重尾的。

一些高度自动化的过程分布很窄。如果电脑需要3秒注射,25秒冷却,5秒射出一个注塑成型的零件,循环时间将大多非常接近33秒。因此,无论您使用第十、百分位、第一分位数还是中位数,周期时间只会有很小的百分比差异。其他分布范围更广的流程将有显著的差异,这取决于您使用的方法。

概括

周期时间(和其他时间测量)并不是一门精确的科学,在实践中它通常是足够好的(希望)。所以,如果您正在寻找获得正确的周期时间的唯一正确的方法-抱歉,没有这样的事情!我通常基于数据集的中位数或1 / 4,或基于经过简短验证的可用数据。在任何情况下,确保它是以每部分的时间来测量的(而不是它的逆部分),请不要把它和节拍时间,包括所有损失和其他延误。

我希望这篇文章有助于您确定系统的速度,并与您的客户需求相匹配您的供应。现在出去组织你的行业!

留下你的评论