INTEBRIX Optimization Platform

Resources

Переналадки: как считать матрицу A→B и зачем это планировщику

Во многих производствах “потери” спрятаны не в нормах операций, а в переходах между продуктами: переналадка зависит от пары “что было → что стало”. Матрица A→B делает эту зависимость измеримой и управляемой — и превращает переналадки из “головной боли” в вход для расписания, оптимизации последовательности и устойчивого перепланирования.

Материал-обзор: ориентиры и методика по публичным источникам. Цифры эффектов зависят от отрасли, зрелости процессов и качества данных.

Ключевые выводы

Матрица A→B — это “модель реальности” для переналадок, без которой расписание почти всегда оптимизируется вслепую.

1) “Средняя переналадка” почти бесполезна
Если переходы зависят от пары продуктов, то порядок может отличаться по времени в разы. Оптимизировать по среднему — значит регулярно выбирать дорогие переходы.
RealitySequence
2) A→B переводит хаос в управляемые правила
Матрица позволяет группировать “семейства”, строить “дешёвые коридоры” переходов, фиксировать запреты и управлять компромиссом переналадки vs сервис.
FamiliesConstraints
3) Сильный эффект даёт связка “процесс + планирование”
Сначала стабилизация переналадок (SMED / разделение операций), затем — использование матрицы A→B в расписании. Публикации по SMED часто показывают крупные сокращения времени переналадки и рост пропускной способности.
SMEDScheduling

Зачем планировщику матрица A→B

Планировщик управляет не “заказами”, а последовательностью выполнения на ресурсе — и переналадки являются ценой смены последовательности.

Потери видны в OEE и выпуске
Переналадки — это остановка или снижение выпуска. На узком месте они напрямую превращаются в потерянную пропускную способность и срыв сроков.
OEEThroughput
Порядок может “съедать смену”
Даже если каждый заказ “в пределах нормы”, неправильный порядок делает суммарные переналадки максимальными. A→B позволяет минимизировать “дорогие” переходы и выстраивать разумные цепочки.
SequenceCost
Компромисс сервис ↔ переналадки
Планирование — это баланс: соблюдение сроков и партий, стабильность плана, минимизация переналадок. Матрица A→B делает этот компромисс измеримым и объяснимым.
ServiceExplainability
В практических описаниях планирования часто подчёркивается, что время переналадки может зависеть от последовательности (sequence-dependent setups) — это отдельный класс ограничений, который критичен для качества расписания. Пример объяснения (sequence-dependent setup times).

Что такое матрица A→B

Матрица A→B — таблица, где в строках “предыдущий продукт/режим”, в столбцах “следующий”, а в ячейке — время (или стоимость) переналадки.

Асимметрия
A→B ≠ B→A. Переход “тёмный → светлый”, “аллерген → без аллергенов”, “высокая вязкость → низкая” часто сильно различается по времени и регламенту очистки.
Asymmetry
Семейства и “коридоры”
На практике матрица редко полностью заполняется “по SKU”. Обычно делают уровни: семейство/рецептура/класс и агрегируют переходы внутри/между семействами.
FamiliesAggregation
Время vs стоимость
Для планирования важны оба слоя: время (влияет на загрузку и сроки) и стоимость (потери, расходники, брак, энергия, промывки). Иногда удобнее хранить “штраф” в KPI-единицах.
TimePenalty
Где это живёт в INTEBRIX
Матрица переналадок — ключевой вход в контур «Оптимизация переналадок» и в построение исполняемого расписания.

Как собрать матрицу A→B

Цель — получить устойчивые оценки переходов, которые можно применять в планировании, а не “сырой шум” из логов.

1) Источники данных
Типовые источники: MES/SCADA/PLC события, статусы станка, отчёты смен, журналы наладчиков, ERP (выпуск/смена заказов), контроль качества (мойки/очистки/выпуски после промывок).
MESLogsERP
2) Нормализация “что такое переналадка”
Зафиксируйте границы: от “последней годной единицы продукта A” до “первой годной единицы продукта B”? Входит ли мойка? Входит ли прогрев/протяжка? Это нужно, чтобы матрица была сопоставима по сменам.
DefinitionDiscipline
3) Очистка и устойчивые оценки
Уберите выбросы: аварии, ожидание материалов, простои из-за людей/ремонта. Практично использовать медиану и квантили (например 50/75), а не среднее. Храните также “кол-во наблюдений” по каждой паре.
MedianQuantilesOutliers
4) Агрегация по уровням
Если SKU слишком много, агрегируйте до классов: рецептура/цвет/аллерген/вязкость/материал/инструмент. Часто 20–60 “групп переналадки” уже дают управляемую матрицу.
ClusteringFamilies
5) Заполнение “пустых” ячеек
Редкие переходы можно заполнить экспертной оценкой, аналогией по классу или правилом “наихудшего” перехода. Главное — отмечать уверенность и планировать сбор данных по “дыркам”.
ExpertCoverage
Практическая рекомендация
Начинайте с узкого места и одной линии/группы оборудования. Там эффект от матрицы A→B максимален, и проще договориться о дисциплине измерения.
BottleneckStart small
Если параллельно идёте в SMED, логика “разделить внутренние/внешние операции” часто даёт быстрый эффект на времени переналадки, а матрица становится стабильнее (меньше разброс). Источник (Lean Enterprise Institute про сокращение setup).

Как использовать матрицу A→B в расписании

Как только A→B становится входом, расписание превращается в задачу оптимизации последовательности с ограничениями (sequence-dependent setups).

Sequence-dependent setups
Время переналадки зависит от того, что было до этого. Это меняет “цену” каждого шага в последовательности, и потому порядок выполнения партий становится ключевым решением.
SequenceSetup
Оптимизация: минимум переналадок ≠ лучший сервис
Полное “склеивание семейств” снижает переналадки, но может нарушить сроки. Поэтому в реальных системах используются штрафы, приоритеты и KPI-компромисс.
KPIPenalties
Почему APS полезен
APS учитывает конечные мощности, правила “реальности”, матрицу переналадок и строит исполняемое расписание с объяснениями: какие ограничения “сломали” план.
APSExecutable
Что важно для планировщика (практика)
  • “Замки” и запреты (что нельзя ставить рядом), иначе оптимизация даст формально “короткий”, но невозможный план.
  • Окна и сроки: часть заказов должна “прорезать” семейства по сервису (времена готовности/дедлайны).
  • Стабильность плана: иногда лучше чуть дороже по A→B, но меньше передёргиваний в течение дня/недели.
  • Перепланирование: при сбоях A→B помогает быстро понять, какие перестановки минимально болезненны.
ConstraintsStabilityReplanning
Для более “научного” контекста: обзорные работы по краткосрочному планированию отдельно выделяют влияние setup times и их моделирование, включая sequence-dependent варианты. Systematic review (setup times in scheduling).

Эффекты и метрики

Цифры ниже — ориентиры из публикаций и кейсов. Их корректно использовать как “вилки ожиданий”, а эффект у себя измерять пилотом.

Сокращение времени переналадки
В материалах по SMED часто встречается тезис о крупном потенциале сокращения переналадок за счёт разделения внутренних/внешних операций, а в кейсах публикуются диапазоны сокращений (например, десятки процентов и больше — в зависимости от исходного уровня).
SMEDSetup
Рост производительности / выпуска
Отдельные публикации кейсов по SMED/Quick Changeover связывают сокращение setup time с ростом производительности линии (пример: зафиксирован рост производительности на фоне проекта по переналадкам).
ThroughputOEE
Побочный эффект: меньше WIP и “пожаров”
Когда последовательность управляемая (A→B) и расписание исполнимое, обычно падает доля срочных переназначений, сокращается WIP и повышается дисциплина исполнения “план-факт”.
WIPPlan-Fact
Как измерять эффект у себя (практично)
  • Setup % (доля времени переналадки в смене) на узком месте.
  • Суммарное время переналадок за смену/неделю и распределение A→B (топ-10 самых дорогих переходов).
  • Schedule adherence / стабильность расписания (сколько раз “передёрнули” очередь).
  • OTD/OTIF по критичным заказам (не ценой бесконечных переналадок).
  • Пропускная способность узкого места (выпуск/часы) и динамика очереди WIP.
KPIMeasurementPilot

Практика внедрения: с чего начать

Ниже — последовательность, которая обычно даёт быстрый результат и не требует “переворачивать” весь завод.

Шаг 1: выберите узкое место
На bottleneck-ресурсе 1 час переналадки = 1 час потерянного выпуска. Поэтому старт там даёт максимум эффекта и ясные KPI.
BottleneckFocus
Шаг 2: определите “язык” матрицы
Что будет “A” и “B”: SKU, рецепт, семейство, класс инструмента? Обычно берут уровень, на котором переходы реально различаются и управляемы технологически.
ModelingFamilies
Шаг 3: закройте топ-10 дорогих переходов
Часто 10–20 переходов дают львиную долю потерь. Дальше — либо SMED на них, либо правила/запреты/кластеризация последовательности в расписании.
ParetoSMED
Шаг 4: внедрите правила и “замки”
Совместимости/запреты/окна — всё, что планировщик держит “в голове”, должно быть формализовано. Это core идеи constraints-first.
ConstraintsRules
Шаг 5: пилот 2–6 недель
Данные → матрица → критерии качества → сравнение сценариев → регламент пересчёта. На выходе — понятная “картина” эффекта и список изменений процессов/данных.
PilotPlan-Fact
Что обычно “ломает” проект
Не математика, а дисциплина данных: разное понимание “границ переналадки”, отсутствие событий в MES, смешивание простоев, неполные справочники семейств. Решается регламентом и итерациями.
DataGovernance

FAQ

Короткие ответы на частые вопросы про матрицу A→B.

Можно ли начать без MES?
Да. Начинают с сменных журналов и выгрузок по заказам/выпускам, но важно формально определить границы переналадки. MES ускоряет и повышает точность, но не является обязательным “входным билетом”.
StartData
Нужно ли считать A→B по каждому SKU?
Обычно нет. Практичнее агрегировать до семейств/классов, иначе матрица становится слишком разреженной и плохо наблюдаемой (мало фактов по редким переходам).
FamiliesCoverage
Что делать с “редкими” переходами?
Заполнять экспертно или “наихудшим” классом и помечать низкую уверенность. Параллельно планировать сбор наблюдений для закрытия дыр.
ExpertConfidence
Матрица — это только время?
Нет. Часто добавляют стоимость: расходники, промывки, списания, риск брака, энергия. В оптимизации это может быть штрафом в целевой функции.
CostPenalty
Как связать с “план-факт”?
Отдельно вести “ожидаемое по матрице A→B” и “факт переналадки”. По расхождениям видно: где проблема процесса, где данных, где классификации семейств.
Plan-FactImprovement
Когда это реально “окупается”?
Когда есть частые смены ассортимента, маленькие партии, высокие требования к сервису и заметная доля времени на переналадку (особенно на bottleneck).
EconomicsSignals

Источники и чтение

Подборка материалов.

  • Lean Enterprise Institute: важность сокращения переналадок и потенциал через разделение внутренних/внешних операций (SMED-логика). Ссылка
  • Пример объяснения sequence-dependent setup times (зависимость переналадок от последовательности). Ссылка
  • Systematic review: роль setup times в short-term planning / scheduling (включая моделирование). Ссылка
  • Case study (SMED на turning line): сокращение setup time (пример публикации). Ссылка
  • Case study (SMED + Quick Changeover): снижение setup time и рост производительности (пример публикации). Ссылка
Хотите применить A→B на ваших данных?
На демо покажем: как собрать матрицу переналадок, как она влияет на расписание, и как оценивать эффект через plan-fact.