大家好，欢迎来到IT知识分享网。
各位朋友大家好，欢迎来到Tonii老师精益讲堂，接下来Tonii老师将带领大家进入，“每天5分钟，精益伴你行”系列课程。
今天我们来学习Lead Time的相关内容。
Lead Time 前置期/提前期
提前期亦称“前置期”。某一工作的工作时间周期，即从工作开始到工作结束的时间。如采购提前期即是采购订单下达到物料采购入库的全部时间。而加工提前期则是每道工序生产加工投入开始到批量交付给下工序的全部时间，由准备时间、加工时间、等待时间和传送时间构成。
提前期是产品或零件在各工艺阶段投入的时间比最后完工出产的时间所提前的周期或时间段。
提前期是确定由MRP计算出来的计划下达时间的一个重要因素。对一个产品来说有一个交货期，而对这个产品的下一级部件来说，完工日期必须先于产品交货期,而对于部件的下一级零件来说,完工日期又先于部件的提前期,如此一级级往下传递。
在产品结构树梢上的零件或原材料必然交货期最早，因此，提前期是产品及其零部件在各工艺阶段投入的时间比出产时间提前的周期或时间段。
从产品至零件或原材料均按各个部分提前期进行递推。从以上过程可以看出，产品交付日期一旦排定,就可以按照提前期推算出零部件的计划交付日期。
提前期，前面所说的提前期仅仅只是计划提前期,它与实际提前期不同。
前者是假定情况顺利时由计划下达至计划完成的时间;后者是完成计划实际花费的时间,这个时间往往由于实际情况的变化是在事后才掌握的。
提前期的分类
订货提前期
供应链中供应商和零售商两级间的订货提前期决策问题。考虑现实中常见而研究较少的供应商决定交货时间和零售商决定订货量的订货过程,在提前期管理成本由上下游分担的条件下,建立了基于斯坦克尔伯格博弈的订货提前期模型,对比分析了供应商先动和零售商先动情形下的提前期和订货批量决策,说明了先行公布提前期对降低供应商成本和缩短供应链中的提前期是有利的。
最后,通过算例对模型和结论进行了验证。在服务水平的研究中，考虑了顾客面临缺货时的选择行为，引入顾客忍耐值，并度量了与顾客等待时间相关的损失，使建立的服务水平模型较传统模型更能真实地反映现实的购买行为。
在该模型基础上，分析了订货提前期的变化对服务水平决策的影响，得出了有别于传统模型的结论，为企业在基于时间的竞争中作出恰当的服务水平决策提供了新的思路。算例分析进一步验证了该模型的有效性。
库存系统常见的资源约束形式是线性资源约束，但应用于多品种库存系统时会带来较高的运作成本。为解决该问题，研究了概率资源约束下的多品种库存系统的最优运作策略，目标是最小化长期运作下的系统平均成本。
从成本函数的凸性和库存水平的概率分布入手，研究了具有订货提前期的多品种库存系统在订货策略和概率资源约束下的基本性质，并以此为基础给出了一种快速搜索多品种库存系统订货策略的多项式启发式算法。
最后给出一个算例，证实了概率资源约束能够比线性资源约束更有效地降低系统运作成本。
生产提前期
生产提前期是指毛坯、零件或部件在各个工艺阶段出产的日期比产品出产的日期应提前的时间长度。生产提前期分为投入提前期和出产提前期，计算提前期的一般公式为：某车间出产提前期=后续车间投入提前期+保险期，某车间投入提前期=该车间出产提前期+该车间生产周期，当不同的工艺阶段的批量不同时，公式为：某车间出产提前期=后续车间投入提前期+保险期+（本车间生产间隔期－后车间生产间隔期）。
交货提前期
交货提前期和价格折扣的延迟交货和库存策略,其中的价格折扣是基于提前期的价格折扣,即当出现缺货而不能在既定的提前期内交货时,企业就会提供一个价格折扣,这时会有一部分顾客愿意等待,直到订单被满足,即延迟交货。
其中,愿意等待延迟交货的比例跟提前期成反比关系,提前期的各部分都可以通过增加成本来实现压缩。拖期调度在JIT生产中具有重要意义，带有交货期窗口的调度问题是一个更一般的问题，但尚缺乏有效的求解方法。本文提出一种求解带有交货期窗口的单机提前/拖期调度问题的遗传算法，是为克服简单遗传算法的早熟收敛现象而提供的一种新型的遗传算法，并用大量随机产生的实例进行了仿真研究，结果表明，西方提出的算法是有效的。
交货期窗口下的交货期确定和排序问题是调度领域研究的一个方面.本文对交货期窗口下的单机作业问题进行了研究，目标函数不仅考虑提前/拖期惩罚，还考虑附加惩罚.假设如果任务在交货期窗口内完工，则不受提前/拖期惩罚。如果在交货期窗口外完工，将导致提前/拖期惩罚。
本文确定了最优公共交货期，给出了相应的最优排序，并提出了一个多项式时间算法确定了使目标函数为最小的最优调度，最后的数值例子说明了算法的有效性。
安全提前期
为了确保某项订货在实际需求日期之前完成，而在通常提前期的基础上再增加一段提前时间作为安全提前期。如果采用安全提前期，MRP系统将按安全提前期，把订单的下达日期和完成日期设置的比采用安全提前期的相应日期更早。
今天的课程就到这里，谢谢大家！
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://yundeesoft.com/91704.html
