基于信息共享的發動機再制造業務流程再造優化

劉豐維，劉學平，牟 鵬，向 東

（1.清華大學 深圳研究生院，深圳 518055；2.清華大學 機械工程系，北京 100084）

0 引言

由于資源、環境壓力日益嚴峻，再制造作為資源回收利用的終極形式在世界范圍內受到重視，且已在武器裝備、工程機械、汽車、消費性電子產品等行業取得了顯著的發展。不確定性因素貫穿再制造整個業務流程，比如再制造產品市場需求、回收品的回收數量和時間、回收品的質量狀態、回收品與訂單需求間的匹配程度等。由于具有高度不確定性，再制造與傳統新產品制造在供應鏈管理、工藝流程、生產計劃與調度等方面存在很大差異，新產品制造成熟的生產管理方法和理念不能簡單地套用在再制造生產中。

信息共享（information transparency）是現代供應鏈管理和產品全生命周期管理的核心，是實現以最快速度、最低成本向客戶提供所需產品和服務的目的的必要手段。而對于再制造來說，信息共享還能夠有效地減輕和消除再制造業務過程中各種不確定性因素的影響。

到目前為止，有關再制造業務流程的大部分研究都集中在生產計劃與庫存控制，這些研究一般都采用在條件約束下，求得目標函數（成本或利潤）有限時間內最優解的方法；對于再制造過程中的不確定因素，一般采用隨機變量的期望作為不確定因素的發生概率[1～4]。這種方法具有以下局限性：為了求出最優解，研究所建的模型進行了過多簡化，往往與實際情況相差甚遠（比如產品為單品種，或者產品品種間無通用件等）；對于包含隨機變量的目標函數，求得的最優解也是期望值，而僅僅靠期望值來評價業務流程性能或決策的優劣是不可靠的。

系統建模和離散事件仿真方法基于時間推進對系統過程進行仿真，通過仿真結果對系統進行性能評價，該方法具有以下優點：使用仿真建模語言或者通用仿真軟件包能夠對復雜系統進行建模仿真；利用符合特定概率分布的隨機數序列能夠體現系統中的不確定性因素的期望和方差；在模型合理的情況下，多次運行仿真并對結果求均值能夠大大提高結果的可信度。已有研究者利用離散事件仿真方法對再制造生產過程及生產線配置進行優化[5～7]。

本文采用系統建模和離散事件仿真方法研究基于供應鏈上信息共享的再制造業務流程再造優化。根據工程機械退役產品全生命周期信息追溯信息系統，發動機再制造商能夠實時獲取回收倉庫中廢舊發動機的型號、結構及質量狀態；零件倉庫的庫存以及缺料訂單的機型、數量和延期時間等信息。本文以發動機再制造商A企業為案例，基于上述信息共享的前提下，對A企業業務流程進行再造優化，并利用BPMN建模語言和Extendsim離散事件仿真工具包對優化前后業務流程進行建模仿真。在使用層次分析法建立評價指標體系后，通過對優化前后業務流程仿真結果評價指標的對比，驗證基于信息共享的業務流程再造優化方案的可行性。

1 在A企業的調研

A企業從2008年起開展某品牌柴油發動機再制造業務，是中國內燃機再制造工程試點企業。由于市場上該品牌發動機機型種類多，且發動機結構復雜、服役環境、壽命各不相同，零件可重用率和廢舊發動機質量狀態密切相關。同時A企業回收與銷售多面向個人用戶，故A企業回收與訂單都存在種類多，批量小的特點，且廢舊發動機的回收與再制造發動機訂單間存在類型和數量上存在高度不匹配，如圖1所示。

圖1 A企業回收與需求之間的不匹配

A企業采用按庫存拆卸和按訂單裝配結合的生產方式，即使用零件倉庫作為緩沖，來緩解上述問題的影響。

按庫存拆卸的過程：將從市場回收來的廢舊發動機存入舊機倉庫；拆卸車間按照拆卸能力將從舊機倉庫提取廢舊發動機（按先進先出規則）完全拆卸成零件；清洗檢測車間對零件按類別進行清洗、檢測，挑選出可以修復的零件，修復車間將可修復零件修復至可再使用狀態；修復后的零件存入零件倉庫。

按訂單裝配的過程：銷售部門接受訂單后，確認零件庫是否滿足訂單需求，若滿足則安排裝配生產；若缺料則進行新零件采購（先向新發動機制造零件倉庫采購，若仍不滿足，再向零件供應商采購）。新零件入庫后，安排訂單裝配生產。

A企業業務流程BPMN模型如圖2所示。

圖2 A企業業務流程BPMN模型

在該業務流程下，A企業面臨2個難題：

1）訂單按時完成率低，平均交付時間長。

2）零件倉庫庫存水平越來越高，不得不定期報廢，造成成本浪費。

2 基于信息共享的業務流程再造優化方案

本文在A企業可以實時獲取舊機倉庫中的廢舊發動機的型號、結構及質量狀態；零件倉庫的庫存以及缺料訂單的時間、機型和數量等信息的前提下，為了緩解回收舊機與訂單需求之間不匹配造成的影響，對A企業業務流程提出再造優化方案。該方案包括以下兩個方面：

1）缺料訂單處理

在原業務流程（As-Is）中，若訂單反生缺料，則下達新零件采購訂單，在新零件采購入庫后，安排訂單裝配生產。

而再造業務流程（To-Be）每天對缺料訂單進行點檢是否能夠安排生產，并對延期時間短的訂單優先安排裝配生產。

2）拆卸生產計劃

As-Is中，每天的拆卸生產能力固定，且廢舊發動機按照FIFO優先級出庫，即優先拆卸先入庫的廢舊發動機。

To-Be采用靈活的拆卸能力，并改變廢舊發動機的出庫優先級。

每天將新訂單和缺料訂單需求與零件倉庫庫存進行對比，求出各種零件的短缺數量。根據零件短缺數量以及發動機機型的BOM信息，確定機型優先級（包含缺貨零件越多機型優先級越高）。將舊機倉庫中的廢舊發動機按機型優先級和質量狀態排序使得機型優先級高且質量狀態好的舊機優先進入拆卸。

拆卸能力由舊機倉庫中廢舊發動機機型優先級水平和零件庫存水平決定，機型優先級水平越高，說明舊機倉庫中滿足缺料訂單數量越多，零件庫庫存水平越低，說明零件倉庫剩余容量越大，因此拆卸生產能力越大，反之亦然。

從拆卸生產計劃優化方案可以看出當零件庫存水平越高、舊機倉庫中滿足訂單需求的機型越少時，拆卸能力越小。這樣能夠節省拆卸、清洗和修復等工藝成本和減少零件倉庫庫存積壓。

綜上所述，To-Be與As-Is業務流程的對比如表1所示。

表1 As-Is和To-Be業務流程對比

3 As-Is和To-Be業務流程模型的簡化和詳細設計

3.1 模型簡化

本文研究的目的是研究基于信息共享的再制造業務流程的優化。根據研究目的和在A企業收集數據的詳細程度，本文對As-Is和To-Be業務流程模型進行了適當的簡化。

1）簡化發動機結構

選取柴油發動機典型的可修復零件和不同機型間的差別零件，簡化發動機結構。簡化后的發動機共包括7種零件，如圖3所示。

圖3 簡化發動機結構

2）減少發動機類型

A企業2014年上半年回收舊機共有214個機型，訂單銷售共有323個機型，其中29個機型回收和銷售都包含，且數量比重都在80%以上。故本文選取這29個機型，并以簡化發動機結構為模版設計它們的BOM結構。A、B機型的BOM舉例如表2所示。

表2 發動機機型A和B的BOM

3）簡化業務流程

從表1可以看出As-Is和To-Be業務流程只在廢舊發動機拆卸和缺料訂單處理兩個環節存在不同，因此對于流程中的其他環節，本文做了以下適當簡化：

合并零件清洗與檢測工序，忽略工序時間，所有零件的可修復概率都服從均值為0.7的伯努利分布。

零件修復工序時間與零件來源廢舊發動機的質量狀態有關，質量狀態越好，修復零件所需時間期望時間越小，修復時間概率分布如表3所示。

表3 修復工藝時間概率分布

新零件采購分兩種情況。情況1：向新發動機制造零件倉庫采購；情況2：向零件供應商采購。采購提前期的概率分布如表4所示。

表4 新零件采購提前期概率分布

忽略訂單裝配生產工藝時間，若訂單能被滿足，則可以立即完成交付。

3.2 模型詳細設計

3.2.1 As-Is模型

根據上述簡化內容，在圖2基礎上詳細設計A企業業務流程As-Is模型，如圖4所示。A企業從2013年11月到2014年6月的廢舊發動機回收與訂單銷售歷史數據作為模型的輸入；舊機倉庫和零件倉庫容量無上限。

圖4 As-Is業務流程詳細設計

由于不同固定拆卸能力X下，As-Is的性能可能發生變化，故這里將固定拆卸能力X看作決策變量，X∈[0,20]

3.2.2 To-Be模型

根據第2節業務流程再造方案，在 As-Is模型基礎上詳細設計再造后的業務流程To-Be模型如圖5所示。

圖5 To-Be業務流程詳細設計

為了更好比較As-Is和To-Be的性能，同樣將A企業從2013年11月到2014年6月的舊機回收與訂單銷售歷史數據作為To-Be模型的輸入（跟蹤驅動方法）；舊機倉庫和零件倉庫容量無上限；缺料訂單按延期天數優先級每天進行點檢是否可以安排裝配生產；廢舊發動機按機型和質量狀態兩個優先級排序，優先級高的先出庫。

機型優先級的計算過程如下：對比缺料訂單需求與零件倉庫庫存，計算出7種零件下各編碼的缺料數量，選取每種零件缺料最少的編碼組成缺料BOM；對比機型BOM與缺料BOM，編碼相同的數目即為該機型的機型優先級（0~7）。

拆卸作業能力由當前零件庫存水平和舊機倉庫機型優先級水平決定，如公式(1)：

Capa為拆卸能力；

Inventory為零件庫存總數；

Quantity為舊機倉庫中機型優先級大于0的廢舊發動機總數；

20為拆卸能力上限。

Y1為零件倉庫庫存水平系數，Y1∈[3,9]；

Y2為零件庫存水平影響拆卸能力系數，Y2∈[1,13]。

Y1、Y2的不同取值可能會影響To-Be流程的性能，故將它們看作決策變量。

4 As-Is和To-Be業務流程模型Extendsim仿真

4.1 層次分析法(AHP)建立業務流程評價指標體系

層次分析法(AHP)是一種多準則決策方法，將決策準則按支配關系分組形成自上而下逐層支配的遞階層次，對處于同層次的準則進行兩兩比較，計算相對權重，從而對各準則進行測度。再制造業務流程方案綜合評價是多目標的，適合采用AHP法建立其評價指標體系[8～11]。

結合仿真目的，本文提出業務流程性能評價指標體系目標層為性能得分Score，包括三個準則層即，經濟性(E)、客戶滿意度(C)和資源性(R)。

1）經濟性E

經濟性只包括一個評價指標利潤P：

P為總利潤（￥）；N為再制造發動機銷售臺數；30000為每臺再制造發動機的售價（￥）；2000為單臺廢舊發動機處理成本(拆卸、清洗、檢測和修復)（￥）；Nd為廢舊發動機拆卸臺數；2為單個零件平均每天庫存保管成本（￥）；L為零件倉庫平均每天庫存水平；D為仿真天數；3000為平均單個新零件購買成本（￥）；Np為新零件購買數量；7000為每臺發動機總裝成本（￥）。

2）客戶滿意度C

客戶滿意度包括四個評價指標：訂單完成率R，訂單按時完成率RO，平均交付時間Tavg，平均延期時間 Td-avg：

OC為訂單完成數；O為訂單接受數；OO為按時完成訂單數；T為總訂單完成時間；Td為總訂單延期時間。

6）資源性R

資源性包括三個評價指標：每生產一臺再制造發動機，拆卸的舊機數D；購買的新零件數B及零件倉庫平均每天庫存零件數I：

4.1.1 計算評價指標體系權重

最終利用AHP法建立的滿足一致性要求的評價指標體系及權重如表5所示。

表5 再制造業務流程評價指標體系

4.1.2 各指標無量綱化處理

本文采用直線型無量綱化閾值法對指標進行無量綱化處理。

正指標：

逆指標：

4.1.3 得分Score計算

流程得分Score由公式(3)計算：

4.2 As-Is和To-Be流程的Extendsim仿真模型

4.2.1 邏輯模型和后臺數據庫設計

按照圖4和圖5在Extendsim中設計As-Is和To-Be業務流程的邏輯模型，并根據評價指標體系完成后臺數據庫的設計。

4.2.2 設置仿真天數

仿真天數為模型輸入數據的統計天數，D=208。

4.2.3 流程評價指標最優化

由于決策變量水平可能影響流程的性能評價，本文利用Extendsim的最優化模塊（Optimizer）分別獲得不同決策變量水平下As-Is和To-Be流程性能評價的最優值。Optimizer最優化模塊采用遺傳算法。

在Optimizer中輸入決策變量及其取值范圍并將公式3Score最大化作為優化目標。設置優化仿真運行參數：種群大小為10，每種決策變量取值方案的樣本數為5（由于模型中存在表3和表4的隨機變量，為了增加可信度，需要多次運行取平均值），優化終止條件為種群個體Score最優值和最差值的相對差≤0.05。

4.3 As-Is和To-Be流程評價指標的仿真結果對比

在Extendsim中運行仿真程序后，As-Is和To-Be流程評價得分Score最大值及最大值下各指標的仿真結果對比，如表6所示。

表6 As-Is和To-Be業務流程性能結果對比

與As-Is相比，To-Be業務流程得分Score提升了26.85%。

在各項正指標中，雖然訂單完成率下降了9.81%，但是利潤上升了2.3%，訂單按時完成率提升105%，優化效果非常顯著。

在各項逆指標中，每生產一臺再制造發動機需拆卸舊機增加了85.45%，每生產一臺再制造發動機需購買新零件數以及零件倉庫平均庫存水平都有顯著下降，這說明To-Be業務流程對新零件的依賴程度變小，使用了更多的修復零件。訂單平均交付時間縮短了63.95%，改善效果明顯。

從結果對比可以看出，To-Be業務流程對第二節提出的A企業面臨的兩個主要問題有明顯的改善，最終可以確定基于信息共享的業務流程再造方案是成功的。

5 結束語

回收品與訂單需求間的高度不匹配給再制造生產管理帶來困難。本文以A企業為案例，在回收廢舊發動機機型、質量狀態信息、零件倉庫庫存信息和缺料訂單信息共享的前提下，對A企業業務流程進行再造優化。本文先利用AHP法建立了以得分Score為目標的業務流程評價指標體系，再利用離散事件仿真方法對再造優化前后業務流程得分Score進行最大化的優化仿真。通過對Score最大化下各詳細指標的對比，研究發現基于信息共享的再造業務流程在訂單交付率、按時完成率、平均交付提前期，零件庫存水平等方面有明顯提升，說明該業務流程再造優化方案是成功的，且對A企業面臨的兩個主要問題有明顯改善效果。本文的結論也驗證了供應鏈上的信息共享對再制造工程具有重要意義。

[1] Li C, Liu F, Cao H, et al. A stochastic dynamic programming based model for uncertain production planning of remanufacturing system[J].International Journal of Production Research.2009,47(13)：3657-3668.

[2] 蘇春,沙洋娟.基于混合不確定性和證據理論的再制造生產計劃[J].東南大學學報：自然科學版.2010,40(4)：712-716.

[3] 黃偉鑫,陳偉達.基于可信性理論的模糊環境下再制造生產計劃[J].工業工程與管理.2012,17(1)：21-26.

[4] 蘇春,安政.考慮質量成本和需求替代的再制造生產計劃[J].東南大學學報：英文版.2011,27(2)：222-226.

[5] 徐磊,蘇春.基于仿真的汽車發動機再制造生產線緩沖區容量優化[J].成組技術與生產現代化.2013,30(2)：10-15,20.

[6] 馬瑞玲,鐘駿杰.基于EXTEND的船舶柴油機再制造生產物流系統仿真研究[J].機電設備.2011,28(2)：14-17,24.

[7] 蘇春,孫瑜.基于仿真的汽車發動機再制造生產線配置優化[J]. 工業工程.2009,12(1)：66-69.

[8] 曾壽金,劉志峰,江吉彬.基于模糊AHP的機電產品綠色再制造綜合評價方法及應用[J].現代制造工程.2012(07)：1-6.

[9] 杜彥斌,曹華軍,劉飛,等.基于熵權與層次分析法的機床再制造方案綜合評價[J].計算機集成制造系統.2011(01)：84-88.

[10] 劉赟,徐濱士,史佩京,等.廢舊產品再制造性評估指標[J].中國表面工程.2011(05)：94-99.

[11] 劉純,曹華軍,劉飛,等.機電產品綠色再制造綜合評價模型及應用[J].現代制造工程.2007(11)：1-3.