2025年生产运作管理西南财大课后习题答案

2025年生产运作管理西南财大课后习题答案某制造企业生产A、B两种产品，共用三条关键工序：冲压、焊接、装配。冲压工序可处理两种产品，焊接和装配工序需分别针对A、B产品设置专用设备。已知2024年第四季度生产数据如下：冲压工序：月工作时间200小时（含设备维护20小时），每小时可处理A产品15件或B产品10件；A产品焊接工序：月有效工作时间160小时，每小时生产20件；A产品装配工序：月有效工作时间180小时，每小时装配15件；B产品焊接工序：月有效工作时间150小时，每小时生产12件；B产品装配工序：月有效工作时间170小时，每小时装配10件；市场需求：A产品月需求2500件，B产品月需求1200件；单位利润：A产品80元/件，B产品120元/件。问题1：计算各工序针对A、B产品的产能，并判断企业当前产能是否能满足市场需求；若不能，指出瓶颈工序及改进方向。解答：（1）冲压工序产能计算：冲压工序月实际可用时间=200-20=180小时。假设全部生产A产品，产能=180×15=2700件/月；全部生产B产品，产能=180×10=1800件/月；若按市场需求比例分配（A:B=2500:1200≈2.08:1），则冲压工序处理A产品时间占比=2.08/(2.08+1)≈67.5%，处理B产品时间占比≈32.5%；实际产能=180×67.5%×15+180×32.5%×10=(121.5×15)+(58.5×10)=1822.5+585=2407.5件（综合产能）。（2）A产品专用工序产能：焊接工序：160×20=3200件/月；装配工序：180×15=2700件/月；A产品总产能受限于装配工序，为2700件/月（＞需求2500件，满足）。（3）B产品专用工序产能：焊接工序：150×12=1800件/月；装配工序：170×10=1700件/月；B产品总产能受限于装配工序，为1700件/月（＞需求1200件，满足）。（4）综合瓶颈判断：冲压工序综合产能2407.5件（A+B），而市场总需求=2500+1200=3700件，显然冲压工序产能不足。进一步分析，若优先满足高利润产品B（120元＞A的80元），则B产品需占用冲压时间=1200/10=120小时，剩余冲压时间=180-120=60小时，可生产A产品=60×15=900件（＜需求2500件）。若优先满足A产品，需冲压时间=2500/15≈166.67小时，剩余时间=180-166.67≈13.33小时，可生产B产品=13.33×10≈133件（＜需求1200件）。因此，冲压工序是整体瓶颈。改进方向：①优化冲压设备维护计划，缩短非生产时间（如将维护时间从20小时/月降至10小时，可用时间增至190小时，综合产能提升至2407.5×(190/180)≈2549件）；②引入自动化上下料系统，提升冲压效率（如A产品处理速度从15件/小时增至16件，B产品从10件/小时增至11件，综合产能=180×(2500/16+1200/11)的倒数？不，应直接计算：若A效率+1，B效率+1，则A产能=180×16=2880，B=180×11=1980，按需求分配后综合产能提升）；③外包部分冲压工序，将低利润产品（如A）的部分冲压任务转包，释放内部产能用于B产品生产。某电子企业采用定期订货法管理原材料C的库存，已知：年需求量D=12000件（均匀需求）；每次订货成本S=500元；单位年持有成本H=20元/件（含资金占用、仓储等）；订货提前期L=10天（一年按360天计）；安全库存SS=50件。问题2：计算经济订货批量（EOQ）、订货周期、最高库存水平及年库存总成本；若企业因供应商限制需将订货批量调整为800件，分析总成本变化并提出应对策略。解答：（1）EOQ计算：EOQ=√(2DS/H)=√(2×12000×500/20)=√(600000)=774.6≈775件（取整）。（2）订货周期T=EOQ/D×360=775/12000×360≈23.25天（即约每23天订货一次）。（3）最高库存水平=订货批量+安全库存-提前期内消耗量；提前期内平均需求量=D/360×L=12000/360×10≈333.33件；最高库存=775+50-333.33≈491.67件（注：定期订货法中，最高库存为目标库存水平，即提前期需求+安全库存+订货批量？需澄清模型。正确公式应为：定期订货法下，目标库存水平=平均需求×(订货周期+提前期)+安全库存，因此最高库存=目标库存水平-订货时实际库存。假设订货时库存为I，则订货量=目标库存-I。此处简化计算，假设订货时库存为提前期需求，则最高库存=EOQ+SS=775+50=825件，更合理）。（4）年库存总成本=年订货成本+年持有成本=(D/EOQ)×S+(EOQ/2)×H=(12000/775)×500+(775/2)×20≈(15.48×500)+(387.5×20)=7740+7750=15490元。（5）调整批量为800件时：年订货成本=(12000/800)×500=15×500=7500元；年持有成本=(800/2)×20=400×20=8000元；总成本=7500+8000=15500元（比EOQ时的15490元略高10元，差异极小）。分析：调整后总成本仅增加0.06%，主要因EOQ模型对批量偏差不敏感（成本曲线在EOQ附近较平缓）。但需注意，若供应商限制批量为800件，企业可接受此调整，同时优化其他成本项：①与供应商协商缩短提前期（如从10天降至7天，减少安全库存需求）；②利用大数据预测需求波动，降低安全库存SS（如通过历史数据计算需求标准差，采用服务水平95%时SS=Z×σ×√L，若σ=10件/天，Z=1.645，则SS=1.645×10×√10≈52件，与原50件接近，调整空间有限）；③考虑联合订货（如与其他原材料合并订货，分摊订货成本S，若S降至400元，则新EOQ=√(2×12000×400/20)=√(480000)=692.8≈693件，更接近800件，总成本=(12000/693)×400+(693/2)×20≈(17.32×400)+(346.5×20)=6928+6930=13858元，显著降低）。某汽车零部件企业推行六西格玛管理，针对转向节加工工序的关键质量特性“孔径偏差”进行分析。历史数据显示，该工序的孔径均值μ=50.02mm，规格限为50±0.1mm（即LSL=49.9mm，USL=50.1mm），过程标准差σ=0.03mm。问题3：计算该工序的过程能力指数Cpk，并判断过程能力等级；若企业要求将缺陷率控制在3.4ppm（六西格玛水平），需如何改进？解答：（1）过程能力指数Cpk计算：Cpu=(USL-μ)/(3σ)=(50.1-50.02)/(3×0.03)=0.08/0.09≈0.89；Cpl=(μ-LSL)/(3σ)=(50.02-49.9)/(3×0.03)=0.12/0.09≈1.33；Cpk=min(Cpu,Cpl)=0.89。（2）过程能力等级判断：根据常规标准，Cpk≥1.33为特级（能力过剩），1.0≤Cpk＜1.33为一级（充分），0.83≤Cpk＜1.0为二级（尚可），Cpk＜0.83为三级（不足）。此处Cpk=0.89，属于二级，过程能力尚可但存在改进空间。（3）缺陷率计算：Z值（考虑1.5σ偏移）=Zbench=Zmin+1.5，其中Zmin=min((USL-μ)/σ,(μ-LSL)/σ)=min(0.08/0.03≈2.67,0.12/0.03=4)=2.67；实际Z值=2.67-1.5=1.17（向下偏移），对应缺陷率=Φ(-1.17)+Φ(-(2.67+1.5))=Φ(-1.17)+Φ(-4.17)≈0.1210+0.000015≈12.1%（注：未考虑偏移时，Z=2.67对应缺陷率=2×Φ(-2.67)=2×0.0038=0.76%；考虑1.5σ偏移后，六西格玛水平对应Z=4.5，缺陷率3.4ppm）。（4）改进至六西格玛水平的措施：①减少过程波动（降低σ）：分析孔径偏差的来源，可能为设备精度不足（如机床导轨磨损）、刀具磨损过快（定期换刀或使用涂层刀具）、夹具定位误差（升级夹具为气动夹紧）。若σ从0.03mm降至0.02mm，则Cpu=(0.08)/(3×0.02)=1.33，Cpl=(0.12)/(3×0.02)=2，Cpk=1.33（一级能力）；进一步降至σ=0.015mm，Cpk=(0.08)/(3×0.015)=1.78（特级），Zmin=(0.08/0.015)=5.33，考虑偏移后Z=5.33-1.5=3.83，缺陷率≈0.064ppm（接近六西格玛的3.4ppm）。②调整过程均值μ：当前μ=50.02mm，偏向USL，可通过工艺参数优化（如调整切削速度、进给量）将μ移至中心值50.0mm。此时Cpu=Cpl=(0.1)/(3×0.03)=1.11，Cpk=1.11（一级）；若同时降低σ至0.015mm，μ=50.0mm，则Cpk=0.1/(3×0.015)=2.22，Zmin=0.1/0.015≈6.67，考虑偏移后Z=6.67-1.5=5.17，缺陷率≈0.00005ppm（远低于3.4ppm）。③引入SPC（统计过程控制）：在工序中设置控制图（如X-R图），实时监控孔径均值和极差，及时发现异常波动（如刀具磨损导致的均值漂移），采取预防性维护。④员工培训：提升操作工人对工艺参数的理解，规范装夹步骤，减少人为误差（如测量时未归零导致的系统偏差）。某零售企业供应链存在“牛鞭效应”，表现为：终端门店月需求波动系数（标准差/均值）为15%，区域分销中心为30%，省级仓库为50%，总部中心仓为70%。问题4：分析牛鞭效应产生的主要原因，并提出至少4项缓解策略。解答：（1）牛鞭效应产生原因：①需求预测修正：各节点企业基于下游订单而非实际需求预测，为应对不确定性（如下游可能的缺货），会放大需求预测值（如区域分销中心看到门店订单增长10%，可能预测增长15%，导致向上游传递更大波动）。②批量订货：门店为降低订货成本，采用定期批量订货（如每2周订一次），导致订单集中发送，分销中心看到的是间歇性大订单而非连续需求，被迫放大安全库存。③价格波动：总部中心仓常开展促销活动（如满减、折扣），门店会在促销前大量囤货，促销后订单骤降，导致上游库存剧烈波动。④短缺博弈：当产品供不应求时，下游企业会夸大需求以获取更多配额（如门店报需求200件，实际需要150件），上游按夸大的需求生产，后续需求回落时出现库存积压。（2）缓解策略：①共享需求信息：建立供应链信息平台（如基于区块链的共享数据库），让总部中心仓、省级仓库、区域分销中心、门店实时共享终端实际销售数据（如POS系统数据），各节点企业直接根据终端需求预测，避免逐级放大。例如，沃尔玛与宝洁的协同计划、预测与补货（CPFR）模式，通过共享销售数据，宝洁可直接为沃尔玛门店补货，减少中间环节的预测偏差。②调整订货策略：推行小批量多频次订货（如门店从每2周订货改为每3天订货），降低批量订货带来的需求集中波动。同时，供应商管理库存（VMI）模式下，由供应商（如总部中心仓）负责管理门店库存，根据实际销售数据自动补货，避免门店自主订货的放大效应。③稳定价格策略：减少促销活动的频率和幅度，采用“天天低价”（EDLP）策略，降低门店囤货动机。例如，家乐福通过优化采购成本，保持日常价格稳定，减少因促销导致的需求激增/骤降。④签订合作契约：设计“数量柔性”契约，规定下游企业订货量的波动范围（如允许±10%的