大規模定制下基于改進GBOM的物料需求計劃模型

單汨源，姜容，宋澤宇

（湖南大學工商管理學院，長沙410082）

大規模定制下基于改進GBOM的物料需求計劃模型

單汨源，姜容，宋澤宇

（湖南大學工商管理學院，長沙410082）

文章以產品族為對象，以改進后GBOM為基礎，對比傳統MRP，基于預測需求、客戶訂單、可存等變量的邏輯運算，構建了GMRP模型。通過GMRP生產活動流程分析，推導出GMRP兩階段運算過程，即面向類BOM結構節點的BOM中心算法階段和選擇樹的選擇子集前序遍歷階段。

大規模定制；按訂單裝配；類物料清單；物料需求計劃

0 引言

隨著科學技術的迅猛發展，需求多樣、反映敏捷、競爭激勵等市場特征使得傳統生產模式下的大批量生產已難以滿足現代用戶對產品多樣化的需求，而傳統定制化企業存在著生產周期過長、產品品種有限、制造成本較高等問題。大規模定制生產模式的提出，解決了許多傳統生產模式中的問題，以大規模生產的成本和速度，為單個顧客或小批量多品種市場定制任意數量的產品及服務。然而，伴隨大規模定制模式對傳統產品BOM結構和生產計劃生成機制影響程度的加深，傳統MRP顯露出不適應性[1]。

物料需求計劃（MRP）是制造業ERP的核心思想，其基本原理是根據需求和預測來測定未來物料供應和生產計劃，提供物料需求的準確時間和數量。針對傳統MRP中基于單個產品的物料計劃模型的局限性，國內外學者進行了深入探討，相繼提出增/刪BOM、模塊化BOM、變體BOM和類（generic）BOM等技術。其中，類（generic）BOM表達了與產品族描述、配置相關的所有信息，主要由BOM結構樹與選擇樹構成，在處理多樣性產品和快速生產該BOM時具有里程碑式的進步。與集中于生產技術的研究相比，針對生產管理方面的研究并不多見。雖然一些動態BOM和模塊BOM的研究在一定程度上降低了計算復雜度，產品配置器的設計也在一定程度上減少了數據冗余、縮短了計算反應時間，但仍是以傳統MRP方式組織采購與生產，未能從源頭解決以產品族為對象的生產計劃協調問題[2]。

Hegge認為大規模定制中的物料協調問題，可以借助GBOM的設計思想，從面向類產品的角度，利用產品族類零部件多變量與單變量的關系求解分析[3]。馬士華建議基于類的BOM等方法，提出新的計劃生成處理邏輯和功能模型，建立新的生產計劃生成機制[1]。學者們相繼提出了分層動態物料清單[4]、基于雙節分離式BOM的遞歸算法[5]等物料需求計劃模型。針對GBOM產品族模型存在產品族最底層選擇子集預測性欠佳、約束（配置規則）維護不靈活的不足，單汨源、宋澤宇等提出引入計劃百分比對現行GBOM模型予以改進，使其更好地應用于大規模定制的生產計劃之中[6]。本文主要探討基于改進GBOM的物料需求計劃模型構建，將研究范圍界定為按訂單裝配（ATO）的生產環境范圍內，即在裝配階段實現產品定制，并綜合考慮訂單和計劃預測。

1 GM RP定義及流程

1.1 定義

本文以物料需求計劃核心——GBOM為源點，對大規模定制環境中類物料需求計劃（GMRP）概念進行了完善，重新定義如下：GMRP，即類物料需求計劃，是一種以產品族（Product Family）為生產計劃對象，以GBOM（Generic Bill Of Material）為計劃基礎，通過預測需求、客戶訂單、庫存等變量的邏輯運算，輸出采購計劃與制造計劃。

1.2 GMRP工作流設計

大規模定制生產活動因其自身定制模式的不同有很大區別。本節將主要通過大規模定制的生產計劃流程梳理，分析按訂單裝配模式下的GMRP運算邏輯，見圖1。

具體步驟包括：首先，將對市場的分析作為需求預測的主要來源，與客戶訂單作為輸入信息將分別通過MPS系統向GMRP傳遞；其次，因系統需求變量的不同，預測需求與客戶訂單不宜簡單運算，因此將物料需求計劃分為兩階段，一個是基于GBOM結構的運算，針對預測需求進行類節點物料需求分解，一個是基于GBOM類節點選擇樹的運算，對類節點預測需求分解，以及客戶訂單與類節點選擇子集的物料需求分解合并運算；再次，根據ATP庫存求解凈需求，輸出采購作業計劃和車間作業計劃，將在制品或零部件存儲至倉庫中；最后，通過產品配置器輸出OBOM，組織成品裝配，滿足客戶個性化需求。

2 GM RP模型構建

2.1 前提假設

根據大規模定制生產管理中GBOM的特點，考慮生產過程中客戶訂單需求不確定性因素的影響，對于以下幾個方面給出假設便于運算。

假設1：企業生產能力不受限制，即生產能力可滿足所有的預測與訂單。

假設2：產品族類零部件各選擇子集保證固定的提前期與批量，且一致。

假設3：下達的客戶訂單均賦值最短交貨期，以便實現下單即組織裝配生產。

2.2 GMRP邏輯運算

GMRP輸入信息包括：第一，主生產計劃，包含預測與客戶訂單兩部分；第二，類物料清單，含類零部件、產品族BOM結構、變量集、間接確定方式、產品族選擇樹、配置規則（約束）及計劃百分比等信息，如圖2；第三，庫存可允諾量，尤其是關鍵物料。

GRMP的邏輯運算分為GBOM結構樹運算和選擇樹分解運算兩個部分。

（1）GBOM結構樹運算

針對主生產計劃的市場需求進行預測，不考慮客戶訂單、庫存儲備量和預計接收庫存量（在途）信息的影響，借用BOM中心算法的思想對類物料清單的BOM結構節點需求與時間進行運算。產品族虛擬時間與虛擬空間結構，如圖3所示。圖中，各零部件位置移動表示的是時間進程，此處采用平移的方法進行表示。

第一階段的具體推算步驟如下：

首先，根據GBOM模型中BOM結構樹，測算類零部件的虛擬時段需求（假設最頂層產品族的需求數量為1，投產時段為0）。

然后，訪問主生產計劃，計算市場預測需求。將GBOM表虛擬時段平移到預計生產階段（實際需求時段-產品生產周期，以周為單位），將GBOM表的虛擬數量乘以實際需求計劃的數量。

假設f、e庫存預測需求時間為第5周，則相應實際開工周次為第2周，同理，可求其它零部件實際開工周次與實際完工周次，產品族B的預測需求為m，具體數據見表1。

表1 虛擬時段與實際時段預測需求表

從表1中的開工、完工時間可見，虛擬開工時間大于等于虛擬開工時間最早的類零部件不需要提前儲備，避免造成浪費，如類零件g、b、h與類部件（類產品）E、D、A、B；反之，則必須事前生產，如類零件c。

（2）GBOM選擇樹分解

對求解得出的類零部件進行再分解運算，求出最底層選擇子集裝配件的需求數量與時間，分為以下兩個部分。

首先，類零部件選擇樹預測分解。以產品族為對象，而非規格品種繁多的最終產品，根據市場預測及歷史數據分析，合理預測類零部件與選擇子集之間的計劃百分比，輔助GMRP實現類零部件的預測分解。

總需求量G（t）是指在t計劃期內所有最終裝配項目的總耗用量，包含客戶訂單需求與市場預測需求兩個部分。其中，

t為時間段，t=1,2,3,…,n（周）；Ri(t)為該項目第i個父項在t計劃期的計劃下達訂貨量；qi為單位第i個父項所需該子項目的數量；n為該項目所有父項目的總數，i=1,2,3,…,n。

ai為最終裝配件類節點最終結構數量比；ppi為最終裝配件累計計劃百分比；m為產品族預測數量；k為該項目其他類節點的總數。

如圖2，類部件A不僅僅繼承了父類產品族B的外部變量par1、變量值val11、val12以及選擇關系的計劃百分比pp0011、pp0012，還帶有著內部變量par2、變量值val21、val22以及外部變量值與內部變量值在選擇關系上的計劃百分比pp1121、pp1122、pp1221、pp1222；同樣，在類零部件c、b中也有相應的變量、變量值以及選擇關系上的計劃百分比。其中，計劃百分比的取值范圍為[0,1]，且每一節點or選擇關系的計劃百分比和為100%，如pp1121+pp1122=100%，pp1221+pp1222=100%。由圖2可知，各變量值之間的映射關系及計劃百分比如表2所示。

通過分析，采用前序遍歷的方法，如圖4，可以很快求出類節點選擇樹下所關聯的全部選擇子集需求數量。

類零件C，選擇子集預測結果如表3所示。其它類零部件依照類零件C選擇子集分解的方法進行測算，便可很容易計算出該產品族所有最底層選擇子集的預測數量。

表3 選擇子集預測需求分解

其次，選擇子集與訂單關系邏輯運算。工作訂單中需要對每一個訂單在需求數量下達、產品零部件生產之前，判斷其與預測需求之間的關系，確定其是否包含于預測需求之中，再對產品族最底層類零部件實例進行需求的合并或分解運算，并對每一份訂單逐一重復上述過程。主要存在三種情況。

情況1：客戶訂單包含于預測之中，當零部件客戶訂單需求數量小于等于相應預測需求時，需要把預測需求中包含客戶訂單部分去除，毛需求等于剩余預測需求與客戶訂單的總和。

情況2：客戶訂單包含于預測之中，當客戶訂單大于相應客戶預測需求時，則在前一時段剩余預測需求中扣除；如果前一時段預測需求已經全部消耗，則扣除前任一時段剩余預測需求；如果前所有階段預測需求全部消耗，則當前期毛需求等于客戶訂單總需求。假設選擇子集S（c|par2=val21,par3=val31）為客戶訂單某產品分解零部件中實例，客戶訂單產品需求數量為n，則訂單對零件c的需求為12n，當預測需求12m*（pp0011*pp1121+pp0012*pp1221）*pp2131包含12n時，剩余的預測需求為12m*（pp0011*pp1121+pp0012*pp1221）*pp2131-12n，選擇子集毛需求為12m*(pp0011*pp1121+pp0012*pp1221)*pp2131-12n+12n。

情況3：當客戶訂單不包含在預測之中時，僅需要將客戶訂單各零部件的數量與對應產品族的最終裝配件預測數量相加即可。

對訂單與預測需求關系進行判斷后，檢查ATP庫存，判斷下單數量，與當期生產計劃合并排產。其中：

凈需求量：

H（t-1）為t計劃期初（或上計劃期末）預計ATP庫存量，H（0）則表示最終裝配件整個計劃期初庫存量。

計劃下達訂貨量：R(t)=P(t+LT)(5)t=1,2,…,n-LT。LT是提前期，其余R(t)不確定。

ATP庫存量：

3 結論

大規模定制下的GMRP與傳統MRP在很多部分具有著相似性，它們在計劃中具有時間階段性，且每個時期均須保持需求和供給的相互平衡。但是，兩者相似卻不完全相同，其中最大的區別則在于對客戶訂單的處理。GMRP的需求與供給較傳統MRP略有區別，其中需求主要包含預測消耗后剩余獨立總需求、預測消耗后剩余相關總需求、客戶訂單數量，供給包括庫存量（ATP）、計劃接收釋放的采購與制造訂單、計劃但沒有釋放的制造與計劃訂單。GMRP與傳統MRP之間存在的差異，如表4所示，可見傳統的MRP算法已經不能完全應用于GMRP。

表4 GMRP與MRP差異分析表

本文研究的類物料需求計劃，是GBOM在離散型裝配企業中的新應用與新發展。但是還有多處不完善，未來將在GBOM變量映射自動化、客戶訂單的分類合并方面進一步加強研究。

[1]馬士華.顧客化大量生產環境下生產管理的新問題及共對策研究.管理工程學報,2000,14（3）.

[2]Mailharro D.A Classification and Constraint-based Framework for Configuration[J].AIEDAM,1998,12（4）.

[3]Hegge H.M.H.,Wortmann J C.Generic bill-of-material.A New Product Model[J].International Journal of Production Economics,1991,23（1）.

[4]周曉,馬士華.面向顧客化大量生產的MRPII改進方案[J].工業工程,2002，（4）.

[5]葉紅朝,孫毅.基于雙階分離式BOM的物料需求計劃算法的研究與實現[J].現代生產與管理技術,2006，23（4）.

F274

A

1002－6487（2011）07－0055-03

國家自然科學基金資助項目（70971036）

單汨源（1962-），男，湖南岳陽人，教授，博士生導師，研究方向：運營管理。

（責任編輯/浩天）