引言

制造业是立国之本、强国之基。我国虽已形成世界第一的规模，却面临大而不强、全而不优的困境，尤其在数控刀柄等领域，随着市场规模扩大，生产攻坚压力凸显。鉴于数控刀柄生产高精度、高自动化、节拍稳定的特点，可采用“一个流”模式，但实际中因设备布局不合理、物料配送路线交叉、在制品囤积等问题，导致生产提前期长、效率低下。为此，本研究基于精益生产理念，针对某数控刀柄车间的布局与场内物流问题展开研究，通过对A公司车间产品种类、工艺流程、单元布局及物料配送现状的调研，运用层次聚类算法划分加工单元以确定水蜘蛛数量及运行周期，微调车间布局缩短运行路程，进而制定包含水蜘蛛数量、周期时间、配送停靠点及工序间看板数量的运行方案，并验证其对减少逆流绕流、缩短路程、提升效率的效果，同时设计依托后台算法的水蜘蛛管理系统，以科学方案提高生产效率与响应速度，既解决该车间具体问题，也为其他制造企业提供优化借鉴。

1 概述

1.1 研究背景与意义

我国制造业规模为世界第一，是参与国际竞争的主体力量。然而随着外部环境愈加复杂，制造业大而不强、全而不优的矛盾日益凸显。如图1所示，随着中国刀柄行业市场规模的不断扩大，制造业发展正面临形势严峻的攻坚阶段。在复杂环境下，制造企业需通过精益生产理论优化车间生产运营，以实现生产系统的降本增效，赢得竞争优势。目前关于数控刀柄企业的设备布局和物料配送的系统研究比较少，由于数控刀柄生产有其特殊之处，即高精度、自动化程度高、生产节拍稳定，故可以选取“一个流”的生产模式，但实际生产中由于设备机群式布置不合理、物料配送路线交叉及在制品囤积严重等问题，导致生产提前期过长，企业生产效率低。

本研究基于精益生产理念，针对某数控刀柄车间的布局与场内物流问题展开研究，旨在通过制定水蜘蛛的运行方案提升整体生产效率。这一研究不仅有助于解决该车间的具体问题，也为其他制造企业提供了可借鉴的优化思路。

1.2 研究内容

本研究基于精益生产理念，针对某数控刀柄车间的布局与场内物流问题展开研究，旨在通过制定水蜘蛛的运行方案，减少搬运浪费，从而提升整体生产效率。具体研究内容如下：

数控刀柄车间现状分析：对 A 公司数控刀柄车间的产品种类、工艺流程、单元布局及物料配送现状进行调研，发现单元布局混乱、物料配送路线交叉、逆流现象严重、搬运距离长等问题，导致生产效率低下。

基于层次聚类算法的加工单元划分：根据车间现有布局和加工单元的生产节拍，利用层次聚类算法将节拍相似的生产单元归为一类，确定水蜘蛛的数量及其运行周期时间。该算法考虑组内差异、组间差异及顺序惩罚，通过肘部法则确定最佳分组数，以此来确定水蜘蛛的数量，确保加工单元划分合理。

车间布局优化：通过仿真分析发现水蜘蛛配送过程中存在的逆流和绕流现象，对车间布局进行微调，使同一簇的生产单元尽可能靠近，缩短水蜘蛛运行路程，减少搬运距离浪费。

水蜘蛛运行方案制定：基于上述分析，制定水蜘蛛的运行方案，包括确定水蜘蛛数量、运行周期时间、配送停靠点以及工序间看板数量。通过看板管理控制生产节奏以及水蜘蛛的运行过程，避免出现过度生产和库存积压的现象。

方案实施效果验证：对比两种方案的水蜘蛛运行路线，验证逆流和绕流现象是否显著减少，运行路程是否缩短，以及生产效率是否得到提升，为方案的有效性提供数据支持。

设计水蜘蛛管理系统：随着制造业在向数字化转型，为了解决市场灵活多变的情况，水蜘蛛管理系统应运而生，依靠后台算法支撑，制定科学合理的水蜘蛛运行方案，提高企业的生产效率，加快了响应速度。

1.3 技术路线

在发现问题阶段，通过实地调研法绘制该企业的主产品价值流图。在分析问题阶段，通过价值流图分析目前企业的生产现状。在设计改善方案阶段，依次通过线路图、数学建模、算法设计等步骤对车间布局、物料搬运存在的问题进行改善。最后，在方案评价阶段，利用仿真分析提出的两种方案的有效性，并选出最佳的水蜘蛛路线方案。具体的研究路线如下图2所示。

2 企业现状分析

2.1 生产现状及设备布局分析

2.1.1 产品P-Q分析

根据销售部门提供的数据，绘制出图3。根据二八原则，确定本文的研究对象为CAT40刀柄，通过后续对该刀柄的生产现状的改善，能够提高生产效率，并给企业带来持续的经济效益。其产品销售量如图3所示。

2.1.2 生产现状分析

（1）产品族分析

为了判断CAT40刀柄的工艺流程是否具有代表性，除了查看CAT40刀柄的生产工艺手册，还查看了其他销量仅次于CAT40刀柄的产品生产工艺手册通过分析总结，最终确定产品族的生产工艺表，如表1所示。

	1	2	3	4	5	6	7	8	9	10	11	12
CAT40刀柄	√	√	√	√	√	√	√	√	√	√	√	√
CAT50刀柄	√	√	√		√	√	√	√		√	√	√
CAT60刀柄	√	√		√	√	√	√	√			√	√
HSK刀柄	√	√	√	√	√	√			√	√	√	√

通过对表1分析可知，产品CAT40的工艺流程包含所有的工艺流程，其他各类产品的工艺流程属于该产品的子集，并且由上文可知其销售量最大，因此可以确定，CAT40刀柄具有代表性，下文的主要内容以CAT40刀柄进行展开。各加工单元负责的具体工序如表2所示。

工序号	单元	具体工序
1	粗加工单元一	粗车刀柄端
2	粗加工单元二	粗车刀柄端
3	粗加工单元三	铣削加工
4	粗加工单元四	铣削辅助孔
5	精加工单元一	钳修
6	精加工单元二	磨中心孔
7	精加工单元三	精磨柄部
8	精加工单元四	硬车
9	精加工单元五	精磨内锥
10	清洗检验区	清洗
11	动平衡与刻字区	动平衡，激光刻字
12	终检包装区	终检，包装

（2）CAT40产品价值流分析

A企业数控刀柄生产车间的价值流分析揭示了当前生产体系中存在的系统性低效问题。部分改善价值流如图4所示。

2.1.3 设备布局分析

通过对A企业数控刀柄车间现场调研得知，A企业数控刀柄车间设备布局主要采用一定的单元布局，共有两个车间，共由十二个单元区域组成。具体设施布局图如图5所示。

2.2 物流现状分析

由于各序间设备距离过远，工人需要将需要的物料自行前往上道工序领取，然后往返，因此不得不采取大批量搬运的方式，每台设备旁都保留一定区域存放在制品，由此囤积了大量在制品，导致生产提前期过长。具体搬运流程如图6所示。

2.3 效率与成本现状分析

2.3.1 效率分析

结合价值流图可知，影响效率的环节主要体现在三方面：

（1）在制品严重积压，尤其出现在粗车刀柄端到铣削加工、硬车到动平衡等环节堆积了多达450件，已远超需求129件；造成产能与需求脱节，导致后续工序待料或停工，形成恶性循环。

（2）C/O时间占比高，全流程搬运耗时161分钟，非增值时间为278分钟，共占非增值时间的58%，设备/人员利用率骤降，人力、设备、能源投入无产出回报。搬运延迟加剧导致在制品积压（如动平衡工序待料）。

（3）搬运时间占比高，全流程搬运耗时127分钟，非增值时间为278分钟，占非增值时间的46%，其中由于跨越车间搬运，所以清洗工序到动平衡工序的搬运时间是最长的。因此，若能够缩短搬运时间则可大大减少非增值时间。

2.3.2 成本分析

A数控刀柄工厂的核心成本构成如表3。

数控刀柄工厂的核心成本
原材料采购	35%
精密设备折旧	15%
技术人力成本	20%
在制品库存成本	20%

在当前生产模式下，受限于物料搬运距离和搬运量，各工位在制品积压严重，高达600件，导致年库存成本达584万元。这不仅显著占用了资金，更制约了生产效率和整体经济效益的提升。

3 企业问题改善

3.1 数控刀柄车间设备布局改善

由前文的工厂布局图可知，工厂分为两个车间，因此考虑将车间二的工序移动到车间一中，从而减少搬运距离。具体方案如下：进行粗加工和精加工的生产单元布置在一楼。由于动平衡、终检工序在一定程度上会受到噪音等不确定性因素对其检验结果的影响，因此布置在二层。改善后的设施布局如图7所示。

本文中主要用到的精益改善工具——水蜘蛛主要在一楼车间运行，一楼所涉及到的工序及加工单元节拍时间如表4所示。其中盛装半成品的转序盒容量是8，如下图8所示，故在进行节拍计算时以转序盒为单位进行计算，也就是完成一个转序盒的物料所需要的时间进行计算。

工序名称	加工单元	节拍时间/min
粗车刀柄端	粗加工单元1	40
粗车刀柄端	粗加工单元2	32
铣削加工	粗加工单元3	56
钻铣辅助孔	粗加工单元4	48
钳修	精加工单元1	48
磨中心孔	精加工单元2	12
精磨柄部	精加工单元3	28
硬车	精加工单元4	24
硬磨内锥	精加工单元5	24
清洗	清洗区	24

3.2 数控刀柄车间物流配送改善

3.2.1 水蜘蛛介绍

在精益物流体系中，“水蜘蛛”这一岗位的诞生，正是为了适配单元生产模式下的物料配送特性。从概念本质来看，“水蜘蛛”特指工厂内专职承担物料流转与信息传递的岗位角色，其作业特征如同水蜘蛛在水面行动般灵活高效。

如下图9所示。

3.2.2 基于层次聚类算法进行加工单元划分

（1）假设

1）不同加工单元的节拍时间相互独立，例如：粗加工单元1的节拍不影响粗加工单元2的节拍。

2）节拍时间在聚类期间稳定，不受外部因素（如设备老化、人员熟练度）显著影响。

3）节拍时间是加工单元完整生产一个转序盒物料的时间。

（2）数学描述

1）层次聚类

给定加工单元集合和对应的节拍时间，在本文中使用平均链接层次聚类算法对加工单元进行分组，因为使用平均链接既不会像单链接那样会受到噪声影响，也不会像全链接那样过于严格，体现出更加稳健的特点并且更好地平衡组内的差异。

a.计算加工单元间的时间距离矩阵D，其中。

b.通过迭代合并最近的簇，直到所有加工单元都被合并到某个簇中，合并后的簇间距离为两簇中所有加工单元节拍时间的平均距离，如式1。

c.生成树状图，记录合并顺序和距离。

2）肘部法则确定最佳分组数k

对于可能的，计算组内离差平方和（WSS）。

其中，是第i组的平均节拍时间。

选择最佳k使得WSS的相对变化率最小，如式3。

3)计算适应度函数

其中适应度函数由三部分组成，分别是组内差异、组间差异以及顺序惩罚（若单元顺序被打乱）。

对分组结果，计算适应度：

其中：

表示第i个单元的分组编号；是指示函数，当前工序的分组编号比前一个工序的分组编号小时取值为1，否则为 0；是惩罚系数。

4）输出最优分组，使得组内节拍时间差异小，组件节拍差异大，顺序惩罚最小。

（3）算法流程图

层次聚类算法流程图见图10。

（4）案例应用

1)算法参数设置

基于各项指标对实际变量及限定条件进行了设计，具体数值如表5所示。

变量名	参数	值
p	惩罚成本	50
α	组内差异权重	1
β	顺序惩罚权重	0.5
γ	组间差异权重	0.3

2）确定水蜘蛛数量

将表4各加工单元的节拍时间输入到算法中，首先得到肘部图11，其决定了划分单元的簇数，即确定了水蜘蛛的数量。根据图11可知，k =2时，组内的离差平方和变化率最大，所以最佳的簇数是2个，也就确定了水蜘蛛的数量是2个。

3）确定分组方案

算法求解的下一步得到动态聚类结果如图12所示。根据上文求得的水蜘蛛的数量，得到加工单元的最优分组方案，如表6所示。

组1		组2
粗加工单元1	40	粗加工单元2	32
粗加工单元3	56	精加工单元2	12
粗加工单元4	48	精加工单元3	28
精加工单元1	48	精加工单元4	24
		精加工单元5	24
		清洗区	24
平均节拍	48.0min	平均节拍	24.0min

3.2.3 方案一：水蜘蛛运行模式

考虑设计两类水蜘蛛分别负责不同单元的物料搬运问题，其中一个水蜘蛛从仓库出发，运行路线为：仓库－粗加工单元1－粗加工单元3－粗加工单元4－精加工单元1－仓库；第二个水蜘蛛从粗加工单元2出发，运行路线为：粗加工单元2－精加工单元2－精加工单元3－精加工单元4－精加工单元5－清洗区－粗加工单元2。运行参数如下表7所示：

水蜘蛛名称	水蜘蛛1	水蜘蛛2
运行速度/(m/s)	1	1.5
运行路线长度/m	365	348
总服务时间/min	10	18
运输时间/min	6	4
总时间	16	22
负责单元最小节拍时间/min	40	12
运行周期/min	38	10
所需班次	1	3

第一种方案的水蜘蛛具体搬运路线如图13所示。

3.2.4 方案二：水蜘蛛运行模式

第二种水蜘蛛搬运方案与第一种大致相似，但考虑到第一种的运送距离过长问题，通过重新设置安全通道来尽可能减少运送距离，缩短工作时间，提高工作效率。最后打算将设备布局进行微调，即将粗加工单元2与精加工单元1进行调换。第二种方案的水蜘蛛具体信息如表8所示。

水蜘蛛名称	水蜘蛛1	水蜘蛛2
运行速度/(m/s)	1	1.5
运行路线长度/m	173	252
总服务时间/min	12	20
运输时间/min	3	3
总时间	15	23
负责单元最小节拍时间/min	40	12
运行周期/min	38	10
所需班次	1	3

根据方案改善，得到第二种方案的水蜘蛛具体搬运路线如下图14所示。

3.3 两种方案对比

通过实验仿真将两种方案的水蜘蛛改善前后数据进行对比进而得出相关数据，得到表9。

	方案1		方案2
水蜘蛛名称	水蜘蛛1	水蜘蛛2	水蜘蛛1	水蜘蛛2
运行速度/(m/s)	1	1.5	1	1.5
运行路线长度/m	365	348	173	252
总服务时间/min	10	18	12	20
运输时间/min	6	4	3	3
总时间	16	22	15	23
负责单元最小节拍时间/min	40	12	40	12
运行周期/min	38	10	38	10
所需班次	1	3	1	3

最后，通过各项比对发现，方案二相比于方案一更优，更能解决A企业80%的产品物流配送问题。

应用水蜘蛛可以在一定程度上使得生产效率得到显著提升，物料配送更加合理，但是由于信息流的缺少，导致工作人员对生产线生产节奏把控不当，出现某一工序干的过快造成在制品堆积等现象，因此考虑增加看板，利用看板传递半成品流动信息，有效减少在制品堆积的数量。

3.4 看板管理

（1）生产看板，用于指示某工序进行加工所需的看板，通常与产品一起移动，后工序领取中间品时摘下挂在产品上的工序内看板，如图15所示。

具体计算：

其中为平均日需求量；L为采购提前期（即生产周期）；α为安全系数；C为周转箱的容量。

（2）取料看板，用于数控刀柄生产车间内部不同工序之间的零部件调配。标明前工序需要的零部件信息，包括数量、规格等。后工序根据看板信息，准备领取所需零部件，如图16所示。

具体计算：

其中为平均日需求量；L为采购提前期（即生产周期）；T为订货周期(即两次领取看板之间的时间间隔)；Ts为安全库存时间；C为周转箱的容量。由此可见，工序间看板数量的计算与生产看板数量的计算基本相同。

（3）信号看板，信号看板是在不得不进行成批生产的工序之间所使用的看板。如图17所示。

具体计算：

其中为平均日需求量；L1为补货时间；α为安全系数；C为周转箱的容量。其中L1=L＋T，L是生产周期，T是换模时间。

具体运行方式如图18所示。

4 改善效果对比

4.1 布局改善对比

工厂生产线具体改善前布局图如图19所示。

经过分析调整改善，改善后预估产线布局图如图20所示。

改善前后对比如下图21所示，其中空间利用率是加工单元的总占地面积与工厂总可用面积的比值。

4.2 物流改善对比

4.2.1 搬运方法对比

该企业原来物料搬运以及在制品转运的方法依靠传统的人工搬运，根据前文的分析可知该方法不仅会增加非增值时间，使各工序节拍时间变长，而且会增加工人的劳动强度。因此，通过改善搬运方法，即通过水蜘蛛搬运来代替传统的人工搬运，水蜘蛛模型如下图22所示。

4.2.2 人力搬运与水蜘蛛搬运效率对比

以CAT40产品为例，单次运载量人力搬运较水蜘蛛搬运路径减少了506m，一次供货数量增加了72件，在制品库存减少了2667件，搬运效率提高了 62.48%，如表10所示。

	人力	水蜘蛛
搬运效率	11.37%	73.85%
送料给所有工位时间	42.23min	26min
搬运总路径	1267m	761
一次供货数量	24	96
在制品数量	5334	2667

水蜘蛛在搬运过程中，一次送料可满足一个车间的所有用料需求，并且在返程时可以将成品带回成品库，以此减少空载时间提升周转率，使得水蜘蛛在批量运输场景下效率可提升3倍-5倍。

4.3 水蜘蛛系统设计

目前，为了满足市场多品种小批量的需求，制造业逐渐在向智能化进行过渡，并且在该数控刀柄车间中，不同的产品具有不同的加工工序，水蜘蛛人员在每次生产不同的产品前都需要重新规划合理的路线，工作量较大，并且规划的水蜘蛛路线可能与实际存在一些偏差，为了解决这一个痛点问题，基于matlab开发了水蜘蛛系统，如图23所示。

目前，开发的系统共有两个功能，一是产品加工信息的录入功能，二是主要产品的水蜘蛛运输路线以及运行周期等信息查询。针对水蜘蛛的路线规划以及运行周期问题，应用该系统取得了良好的效果，主界面如下图24所示。

在录入信息功能模块，水蜘蛛人员可以将某个产品的具体加工信息和节拍时间录入数据库中，相当于储存信息的功能。如下图25所示。

在查询到产品的加工信息后，可以点击求解进行一键导入，后台会应用层次聚类算法得到水蜘蛛的运行路线以及运行周期。求解主界面图如图26所示。

5 总结

本文聚焦于数控刀柄车间的物流配送优化问题，基于精益生产理念，提出了以水蜘蛛配送为核心的物流方案设计。通过层次聚类算法优化生产单元分组，结合仿真分析调整车间布局，最终制定了高效的水蜘蛛运行方案，并开发了配套的管理系统。研究显著提升了车间生产效率，降低了搬运浪费和库存成本，为制造企业的物流优化提供了可借鉴的实践路径。本文工作总结如下：

基于层次聚类算法的水蜘蛛配送方案设计。首先基于二八原则，找到主要产品的生产工艺以及节拍时间，其次利用层次聚类算法将加工单元按节拍相似性分组，由此确定水蜘蛛的数量、运行周期及配送路线，最后得到两种不同的方案，结合仿真优化布局，在减少逆流和绕流的前提下，确定方案二为最终方案。

看板管理与水蜘蛛系统的协同优化。在水蜘蛛实际运行中引入生产看板、取料看板和信号看板指导水蜘蛛进行取货，控制生产节奏，减少在制品积压；同时开发水蜘蛛管理系统，实现配送路线动态规划，确保物料流与信息流的高效协同。

水蜘蛛最终运行方案。方案主要涉及两方面，一是水蜘蛛数量与运行周期：水蜘蛛1主要负责粗加工单元1、3、4及精加工单元1，运行周期为38分钟；水蜘蛛2主要负责粗加工单元2、精加工单元2-5及清洗区，运行周期为10分钟（需3班次循环）。二是配送路线：水蜘蛛1路线从仓库→粗加工单元1→粗加工单元3→粗加工单元4→精加工单元1→仓库；水蜘蛛2路线从粗加工单元2→精加工单元2→精加工单元3→精加工单元4→精加工单元5→清洗区→粗加工单元2。

方案实施与效益验证。对比优化前后的搬运效率、库存成本和设备利用率，验证水蜘蛛方案的有效性。结果显示，搬运效率提升至73.85%，在制品库存减少50%，年库存成本降低292万元，显著提升了车间的整体生产效率。

参考文献：

1. [1] 马月明.基于精益生产的制造业企业生产设备现场管理优化研究[J].价值工程,2025,44(15):62-64.
2. [2] 侯彦博.精益生产在企业生产运营中的应用现状、问题与改进策略研究[C]//第五届工程技术管理与数字化转型学术交流会论文集.2025.
3. [3] 王蕾.精益生产在制造业成本管理中的应用研究[J].财会学习,2024(25):104-106.
4. [4] 张杰.基于FlexSim仿真的柔性供应链生产设备布局优化分析[J].物流工程与管理,2024,46(03):27-30.
5. [5] 沈琼玮.基于可持续性的水蜘蛛物料配送系统优化研究[D].杭州电子科技大学,2021.
6. [6] 何军,蒙少驱.水蜘蛛作业在油箱装配线上的应用[J].大众科技,2014,16(10):77-79.
7. [7] 代勇盛.公交企业充电基础设施规划设计管理要点探析[J].交通企业管理,2025,40(03):115-117.
8. [8] 李正军,杜于静.基于MC-SLP法的乌鲁木齐国际陆港物流设施布局优化研究[J].绥化学院学报,2025,45(06):19-22+30.
9. [9] 李鸿宇.H公司电机零部件生产车间布局优化研究[D].辽宁工程技术大学,2024.
10. [10] Salimpour S, Pourvaziri H, Azab A. Solving dynamic facility layout problem using a hybridized heuristic dynamic programming approach[J].Journal of the operational research society,2025,76(06):1066-1086.
11. [11] Vaz R C, Leite B E, Maldonado U M, et al. Design and layout planning of a green hydrogen production facility[J].Sustainability,2025,17(10):4498-4498.
12. [12] Isnaini W, Masruroh A N, Dharma B I. Dynamic planning approach of facility layout from industry perspectives: A systematic literature review[J].Production engineering archives,2025,31(01):27-40.
13. [13] Wu S, Wang J, Jia Y, et al. Planning and layout of tourism and leisure facilities based on POI big data and machine learning[J].Plos one,2025,20(03):e0298056.
14. [14] Sari B O A, Jabi W. Architectural spatial layout design for hospitals: A review[J].Journal of building engineering,2024,97:110835-110835.