探讨运营管理的理论以及数学运算,如统计学、微积分等数学模型的生产实践应用。
DMAIC是商业领域广泛应用的结构化问题解决工具或者方法,是6西格玛5个改善阶段英文名称首字母的缩写:定义Define-测量Measure-分析Analyze-改善Improve-控制Control。该工具引导团队有逻辑地分析问题的根原因,获得最好的生产实践或行动方案。其鼓励“圈内”创造性思维,也就是不脱离现有的基本流程,产品或服务。如果需要重新设计流程(不包括改造),产品或服务,请参照DMEDI(6西格玛精益设计)。
定义Define |
|
测量Measure |
|
分析Analyze |
|
改善Improve |
|
控制Control |
建立制度 |
|
流程细节 |
|
决定关键要素 |
|
潜在措施 |
|
预防风险 |
确立目标 |
|
识别关键要素 |
|
识别潜在根原因 |
|
最好实践 |
|
SOP |
客户反馈 |
|
运作指标 |
|
减少罗列潜在根原因 |
|
改善流程 |
|
过程控制 |
财务收益 |
|
数据计划 |
|
分析根原因影响 |
|
先导实施 |
|
实施措施与测量 |
流程范畴 |
|
测量系统分析 |
|
根原因与关键指标关联 |
|
目标实现分析 |
|
识别机会 |
沟通计划 |
|
数据搜集 |
|
根原因排序 |
|
推广计划 |
|
经验教训 |
团队建设 |
|
过程能力 |
|
|
|
|
|
技能矩阵 |
建立计划 |
|
|
|
|
|
|
|
|
总结交付 |
|
总结交付 |
|
总结交付 |
|
总结交付 |
|
总结交付 |
实施DMAIC一般有两种方式:
黑带全职
小组成员兼职(需要完成日常工作)。
小组成员必须参与项目的每一个阶段。
持续时间一般为1-4个月。
1-2周快速分析DMAIC5个阶段。
由团队领导与黑带组成的子组进行定义Define,有时测量Measure的准备工作。
接下来的工作由其他团队成员进行,这些成员为临时抽调的全职成员。
实施DMAIC的两个前提:
人类的天性是跳跃思维,快速得出往往是不恰当的结论,如果你确实认为原因很简单,那你可以省略DMAIC的几个步骤,不过你先得思考以下几个问题:
如果以上的思考结果是否定的,我们就得慎重决策是否跳步DMAIC。
假设某种原料以某种速度消耗,单位年持有成本为H,单批次订货量为Q,年度总需求量为D,单批次订货成本为S,则总的成本TC=Q/2*H+D/Q*S(因为库存初始值为Q,单次库存消耗为0时再次订货,所以平均库存为Q/2)。为求最小TC,采用微积分dTC/dQ趋近于零时的Q值,则H/2+DS/Q/Q=0 Q=SQRT(2DS/H) 则为基本经济订货量。年度订货次数为D/Q;订货周期为运营天数*Q/D。如果多量订货存在折扣,则总的成本TC=Q/2*H+D/Q*S+PD,其中P为单位原料价格。
线性规划Linear programming的目的在于将措施与目标以线性的方式表现出来,将措施或生产实践的有效性量化,比如世界级的措施有效性一般用Pearson系数来表示为0.8;生产利润用出场价格减去生产成本;生产成本等于生产要素成本总和等。措施有效性重在衡量生产效率;一旦能够衡量成本与价值,就等于引入了价值链管理,尽管是初步与原始的。
生产库存为I=nP-nU,其中P为单位生产速度,U为单位交货或者分销速度,Q0=np,为生产规模,一般最经济生产规模用Q0进行表示。最省生产成本TC=持有成本+生产成本=(I/2)*H+(D/Q0)S, 其中H为年度持有成本,D为年度预测分销量,Q0为生产规模,S为单次生产成本,如CIP或检验成本等。 根据Q0/I=(np)/(n(P-U))计算出Q0=SQRT(2DS/H)*SQRT(P/(P-U)); 循环时间=Q0/U; 生产时间=Q0/p; 最大库存水平为I=Q0(P-U)/P,平均库存水平为I/2.
假设某单位某产品每年发货量D为48000吨,每天生产量P为800吨,每天发货量200吨,每吨产品的持有成本H为1年1美元,单次生产运营成本S为45美元,工厂每年运营240天,确定1,最经济生产规模Q0;2,年持有与生产成本最小值;3,最经济运营规模的循环时间;4,运营时间。
解答:
1, 最经济生产规模Q0=SQRT(2DS/H)*SQRT(P/(P-U))=SQRT(2*48000*45/1)*SQRT(800/(800-200))=2400吨;
2, TC=持有成本+生产成本=(I/2)H+(D/Q0)S
I=Q0(P-U)/P=2400(800-200)/800=1800吨;TC=1800/2*1+48000/2400*45=1800美元;
3, 最经济运营规模的循环时间:Q0/U=2400/200=12天
4, 运营或者生产时间:Q0/P=2400/800=3天。
约束优化模型constrained optimization model将运营决策以数学模型进行表现,从而计算最有决策(decision)或方案(solution)。需要定义三个方面,首先是决策变量Decision variables,比如维保费用,人工费用等;目标函数Objective function,即表述目标产能或利润的计算公式;约束constraints代表一系列的条件限制,比如不得超预算等。
假设某单位为追求最大生产力Productivity确保市场需求,有两种设备类型:M产能为5吨/小时;Y产能为3吨/小时;而使用M设备的维保因子为2,Y设备为3,年度预算不得超过24,000小时;设备人员费用为:M3,Y1.5,年度预算不得超过18,000小时;试决策该两台设备的生产方案。
第一步首先选择决策变量,影响最终决策的因素为两台设备M与Y,所以讲M与Y设定为决策变量;
第二步建立目标函数: 首先是产能OEE,表示为5M+3Y,再者为维保花费,表示为2M+3Y,最后是人员花费,表示为3M+1.5Y。
第三步约束表述:首先是产能OEE最大化,即5M+3Y趋近于无穷大,也就是M需要无穷大,其为第一决策因素; 维保与人员费用为第二决策因素:维保预算不超预算,即2M+3Y<=24,000;人员目标函数为3M+1.5Y<=18,000。
第四步明确决策变量约束:经运算得出:第一决策因素:M=OO; 第二决策因素:M<=3,000, Y<=6000
第五步明确决策:M=500,Y=100; 年度产能计算为:5M+3Y=5*3000+3*6000=33000吨/年
(由于第一决策因素或变量为产能,而产能由小时决定,所以第二决策变量的费用需要转化为小时数,该例子为了简化计算,直接将维保或人工费用转化为小时数;如果有费用约束,如人工,则由小时人工费转化总人工费用为约束小时数)。