优化机器设置顺序

实施优化的机器设置顺序可降低设置成本并提高机器生产率。它是有效作业调度和运营生产计划的一个重要方面。因此，一些公司使用其 ERP 得出优化的机器设置顺序。如果 ERP 和主数据支持这一点，那就太好了。其他生产计划团队可能会补充说，他们实际上并不需要工具或高级分析来确定最佳设置顺序，因为他们已经记住了工作中心的设置顺序。然而，在本文中，我转向第三组制造公司，例如，他们在 Excel 中制定生产计划，拥有多种产品组合，或者在其产品组合中可能存在短暂的高频产品生命周期。

使用 Excel Solver 优化机器设置顺序

小型制造商可以采取的第一种方法是使用 Excel。使用 Excel Solver 可以实现数学程序，例如定义给定机器的最佳设置顺序。我为此开发了一个模板。您可以通过下面的链接找到它。

链接： 使用 Excel Solver 进行机器设置排序

Excel 求解器在 Excel 中可用。它作为一个加载项已包含在 Excel 中，但必须显式激活。对于目前在 Excel 中进行所有规划的公司来说，这种方法非常有用。但是，如果对于给定的机器或工作中心，设置矩阵包含超过 200 个单元格，则 Excel Solver 将不再能够解决排序问题。这是因为Excel Solver 最多只能处理200 个决策变量，即优化变量。

使用 Excel 进行作业排序的另一个缺点是，很难在具有不同产品组、设置矩阵和设置时间的多个工作中心扩展应用程序。对于目前未在 Excel 中完成所有生产规划且不打算购买或开发自定义或标准化 ERP 的公司来说，最好在 Pytho 框架中实施机器设置排序。

您可以在此处阅读有关 Excel Solver 的更多信息：https ://www.solver.com/excel-solver-how-load-or-start-solver

用于优化机器设置顺序的 Python

对于任何在规划工作流程方面仍然灵活的小公司来说，使用 Python 作为 Excel Solver 的替代品非常有用。这意味着，该公司目前不受使用 Excel 或任何特定 ERP 系统的限制。如果公司（例如初创企业）不想使用 ERP 系统，那么 Python 可能是实现可扩展规划工作流程的好方法，其中每个设置矩阵和机器都有无数的工作中心、工艺路线以及产品或产品组。

使用 Python（与 Excel 相比），可以更轻松地为具有不同设置矩阵（产品、零件、零件系列和产品组）的大量不同工作中心实施自动化计划工作流程。维护设置时间（即基础规划数据）也更容易。对于大量工作中心和大量作业，可以在一夜之间轻松完成更新设置矩阵和计算最佳设置序列。

底层的数学程序可以在 Python 中快速实现，例如使用PuLP进行建模，使用 coinOR 进行求解。所有这些工具都是免费的。您甚至无需支付 Excel 许可证费用。