flow optimization in production joel nygren1522125/fulltext01.pdf · material and suggestions on...
TRANSCRIPT
-
ISRN UTH-INGUTB-EX-M-2020/020-SE
Examensarbete 15 hpDecember 2020
Flödesoptimering i produktionslina
Flow optimization in production
Joel Nygren
-
Teknisk- naturvetenskaplig fakultet UTH-enheten Besöksadress: Ångströmlaboratoriet Lägerhyddsvägen 1 Hus 4, Plan 0 Postadress: Box 536 751 21 Uppsala Telefon: 018 – 471 30 03 Telefax: 018 – 471 30 00 Hemsida: http://www.teknat.uu.se/student
Abstract
Flow optimization in production
Joel Nygren
The flow of a production system is successively limited by its bottlenecks. To get themaximum possible effect from improvements to the system all bottlenecks must firstbe identified and ranked based on their importance. Thereafter can different solutionsfor improvement be considered based on estimated effect and implemented. Theories relating to processes, lead time, production rate and simulations have beenused in this study to get a better understanding of flow optimization and theproduction system. Quantitative values have been found for all machines in thesystem. With the use of simulation software these values have been used to identifybottlenecks and which areas that need improvement. The company at which the study took place wanted to know how the implementationof a new machine would affect the efficiency of the production. The flow of theproduction system was compared to a simulation with the suggested changes. Thestudy showed that the throughput of the system increased by 11,7% after changingthis machine, if the machine always has material to process. The study also showedearlier machines in the production line could not supply this machine with enoughmaterial and suggestions on how to improve this was made.
Keywords: Bottleneck, flow optimisation, process, lead time, simulation, theory ofconstraints.
ISRN UTH-INGUTB-EX-M-2020/020-SEExaminator: Lars DegermanÄmnesgranskare: Matías Urenda MorisHandledare: Anders Gunnarsson
-
Sammanfattning I ett produktionssystem begränsas produktionstakten successivt av alla flaskhalsar. Om
förbättringsarbeten i produktionssystem ska ge maximal effekt måste alla flaskhalsar först
identifieras och rangordnas baserat på deras påverkan i systemet. Därefter kan olika
förbättringsåtgärden prioriteras utifrån beräknad effekt och genomföras.
Teorier kring processer, ledtid, produktionstakt och simuleringar har använts i den här studien för
att få en förståelse för flödesoptimering i allmänhet och specifikt för det produktionssystem som
är föremål för studien.
I den här studien har kvantitativa mått tagits fram för alla maskiner i produktionssystemet för att
sedan med hjälp av simuleringsprogram få fram en modell av systemet. Med hjälp av denna
simuleringsmodell identifierades var dessa flaskhalsar uppstår och vilka förbättringar som bör
vidtas för att minska dem.
Företaget där studien genomfördes ville veta hur införandet av en ny maskin skulle påverka
effektiviteten i produktionen. Flödet i produktionen jämfördes med simuleringar av det förslagna
maskinbytet. Studien visade att bytet av maskinen ökade det möjliga produktionstakten med
11,7% förutsatt att den alltid förses med material. Studien visade även att tidigare maskiner i
ledet inte kunde förse denna maskin med tillräckligt material och förslag på hur detta kunde
förbättras togs fram.
Nyckelord: Flaskhals, flödesoptimering, process, ledtid, simulering, begränsningsteori.
-
Innehållsförteckning
1 INTRODUKTION .............................................................................................................................................. 1
1.1 INLEDNING ........................................................................................................................................................... 1 1.2 SYFTE .................................................................................................................................................................. 2 1.3 FRÅGESTÄLLNINGAR ............................................................................................................................................... 2 1.4 AVGRÄNSNINGAR .................................................................................................................................................. 2
2 TEORI ............................................................................................................................................................. 3
2.1 INTRODUKTION...................................................................................................................................................... 3 2.2 PRODUKTIONSEKONOMI .......................................................................................................................................... 3 2.3 FLASKHALSAR ........................................................................................................................................................ 3 2.4 NYCKELTAL ........................................................................................................................................................... 5 2.5 SIMULERING ......................................................................................................................................................... 6 2.6 FLASKHALSELIMINERING .......................................................................................................................................... 6 2.7 FACTS ................................................................................................................................................................ 7 2.8 OPTIMERING OCH SCORE ....................................................................................................................................... 7
3 METOD ........................................................................................................................................................... 9
3.1 DESIGN AV STUDIEN ............................................................................................................................................... 9 3.2 DATAINSAMLING ................................................................................................................................................... 9
3.2.1 Dokumentstudier ..................................................................................................................................... 9 3.2.2 Manuella mätningar ............................................................................................................................... 9 3.2.3 Intervjuer ................................................................................................................................................. 9 3.2.4 Dataanalys ............................................................................................................................................ 10 3.2.5 Processkartläggning .............................................................................................................................. 10 3.2.6 Processflödesanalys .............................................................................................................................. 10 3.2.7 Simulering av produktionen .................................................................................................................. 10 3.2.8 Validitet och reliabilitet ......................................................................................................................... 11
4 EMPIRI ..........................................................................................................................................................12
4.1 OM FÖRETAGET ................................................................................................................................................... 12 4.2 PRODUKTIONSLINAN ............................................................................................................................................. 12 4.3 RESULTAT AV DATAINSAMLING ............................................................................................................................... 14 4.4 VERIFIERING AV SIMULERINGSMODELL ..................................................................................................................... 18
5 RESULTAT OCH ANALYS .................................................................................................................................19
5.1 INTRODUKTION.................................................................................................................................................... 19 5.2 HUR PRESTERAR PRODUKTIONEN I DAGSLÄGET? ......................................................................................................... 19 5.3 SIMULERING MED DE NYA SVARVARNA ..................................................................................................................... 21 5.4 FINNS DET YTTERLIGARE FÖRBÄTTRINGSMÖJLIGHETER I FORM AV LEDTIDER, TILLGÄNGLIGHET OCH KAPACITET I PRODUKTIONSLINAN? ..................................................................................................................................................... 22 5.5 SAMMANFATTNING .............................................................................................................................................. 26
6 DISKUSSION ..................................................................................................................................................27
6.1 DISKUSSION RESULTAT .......................................................................................................................................... 27 6.2 DISKUSSION METOD ............................................................................................................................................. 27 6.3 DISKUSSION PROCESS ........................................................................................................................................... 27
7 SLUTSATSER OCH FORTSATT ARBETE ............................................................................................................29
-
7.1 SLUTSATSER ........................................................................................................................................................ 29 7.2 FÖRSLAG PÅ FORTSATT ARBETE ............................................................................................................................... 29
REFERENSER ...........................................................................................................................................................30
-
Tabellförteckning TABELL 2.1 OBJEKT I FACTS PROGRAMVARAN .......................................................................................................................... 8 TABELL 3.1 INTERVJUER ...................................................................................................................................................... 10 TABELL 4.1 GENOMLOPPSTIDER............................................................................................................................................ 15 TABELL 4.2 TRANSPORTSTRÄCKOR ........................................................................................................................................ 16 TABELL 4.3 DRAGNING ....................................................................................................................................................... 16 TABELL 4.4 PRESSNING ....................................................................................................................................................... 16 TABELL 4.5 STOPPTIDER OCH TILLGÄNGLIGHET FÖR SVARVAR ...................................................................................................... 17 TABELL 5.1 SPECIFIKATIONER AV SVARVAR .............................................................................................................................. 21
-
Figurförteckning FIGUR 2.1 SKIFTANDE FLASKHALSAR (EVOMA, 2019) ................................................................................................................. 4 FIGUR 2.2 GENOMLOPPSTID OCH INGÅENDE DELAR .................................................................................................................... 6 FIGUR 4.1 PRODUKTIONSLINA .............................................................................................................................................. 13 FIGUR 5.1 SIMULERINGSMODELLEN MED ETT EXTRA LAGER EFTER MASKIN 9. ................................................................................. 20 FIGUR 5.2 NUVARANDE PRODUKTION .................................................................................................................................... 21 FIGUR 5.3 SIMULERING MED NYA SVARVAR ............................................................................................................................. 22 FIGUR 5.4 PRODUKTION UTAN EXTRA LAGER ........................................................................................................................... 23 FIGUR 5.5 SCORE GRUPPER ................................................................................................................................................ 23 FIGUR 5.6 ÖKNING AV PRODUKTIONSTAKT I FÖRHÅLLANDE TILL ANTALET FÖRBÄTTRINGAR ............................................................... 24 FIGUR 5.7 ÖKNING AV PRODUKTIONSTAKT FILTRERAT FÖR DOMINERANDE RESULTAT ....................................................................... 24 FIGUR 5.8 ORSAKER TILL FLASKHALSAR ................................................................................................................................... 25 FIGUR 5.9 EXEMPEL PÅ FÖRBÄTTRING .................................................................................................................................... 25
-
1
1 Introduktion
Detta kapitel introducerar studien och ställer upp vilka frågor som ska besvaras med den.
1.1 Inledning
En produktionslina fungerar inte i en isolerad miljö, den måste samverka med andra funktioner
inom och utanför företaget. Närmast produktionen måste man samverka med marknadsföring,
inköp, ekonomi, personaladministration, produktutveckling samt forskning och utveckling. Dessa
samverkar sedan med marknaden. Ingen enskild funktion får dominera utan måste underordna
sig dels samverkan med andra produkter, dels företagets bästa. Med samverkan menas att ha god
kunskap om marknaderna och kundernas behov (Olhager, 2013).
För att möte marknadens behov jobbar företag ständigt med produktivitetsarbete. Syftet är att
möta volym, pris och leveransvillkor som marknaden har. Detta inbegriper b.la. leveransledtiden
vilket innefattar även produktionsledtiden som är summan av alla operationer, stödjande
aktiviteter och väntetider (Olhager, 2013). Produktivitetsarbete kan delas in i tre delar: skapa
produktivitet, säkerställa produktivitet eller köpa produktivitet (Helmrich, 2001). Att skapa och
säkerställa produktivitet handlar om att ständigt jobba med att förbättra sina processer och
metoder. Medans att köpa produktivitet inbegriper ny anskaffning av maskiner eller teknologi
(Helmrich, 2001). Målet med förbättringarna är att öka vinsten genom att minska olika former av
slöseri så som långsamma processer, väntetider och spill av material (Olhager, 2013). Många av
dessa olika sorters slöseri är till viss del kända, men det är inte alltid man har tid eller resurser för
att undersöka och åtgärda dem vilket är problematiskt då man skulle kunna tjäna på att åtgärda
dem.
Problembeskrivning
Ett problem som ofta finns inom den tillverkande industrin är att produktionslinor innehåller
flaskhalsar. Produktionstakten i linorna begränsas av dessa flaskhalsar. Ibland är flaskhalsarna
tydliga och problemen som de innebär för produktionslinorna väl kända. Men ibland är alla
flaskhalsarna inte så tydliga, till exempel då det uppstår så kallade skiftande flaskhalsar. Skiftande
flaskhalsar uppstår när flera inaktiva perioder överlappar varandra. (Roser, et.al, 2002). Att
analysera produktionslinjer där skiftande flaskhalsar förekommer ställer krav på mer avancerade
analyser på kvantifiering av flaskhalsar och av förbättringsåtgärder.
Ett annat problem som ofta finns är att man inte har kvantitativa mått på vilka effekter en större
förändring, till exempel en ombyggnation, större servicearbeten eller implementering av ny
teknik, i en produktionslina skulle innebära i form av ökad produktivitet. För att besluta om dessa
större och ofta kostsamma förändringar behövs bra underlag i form av effektmål så som ökad
lönsamhet, ökad produktionstakt eller ökad kvalitet på produkterna. Det finns alltid möjligheter
till förbättringar i en produktionslina men det är inte alltid effekten av dem är stora nog för att de
ska vara ekonomiskt försvarbara. Detta inkluderar inköp och installation av nya maskiner.
-
2
Kvantitativa mått på effekter är därmed viktig för att kunna prioritera vilka av alla förbättringar
som ska prioriteras.
1.2 Syfte
Syftet med detta arbete är att utvärdera nyanskaffning av produktionskapacitet, identifiera
förbättringssteg och effektivisera en volymproduktions lina.
1.3 Frågeställningar
1. Hur presterar produktionen i dagsläget?
2. Hur kommer genomloppstiderna och produktionstakten påverkas av införandet av de nya
svarvarna?
3. Finns det ytterligare förbättringsmöjligheter i form av ledtider, tillgänglighet och kapacitet
i produktionslinan?
1.4 Avgränsningar
Rapporten kommer inte fokusera på tekniska lösningar för förbättring i produktionen, fokus ligger
istället på att visa vilka områden som går att förbättra samt hur förbättringar av dem påverkar
resten av produktionslinan. Dessa förbättringar kommer mätas i genomloppstid, tillgänglighet och
kapacitet.
Huvudfokus i arbetet kommer att ligga på maskinerna för dragning, pressning och svarvning då de
är de maskiner som har störst betydelse i produktionslinan. Resten av maskinerna har ytterst
sällan oväntade driftstopp och därför kommer inte ha några tillgänglighetsanalyser gjorda.
-
3
2 Teori
I följande kapitel behandlas de teorier som har använts och som tillsammans med empiriska
materialet används för att besvara frågeställningarna i den här studien.
2.1 Introduktion
Kapitlet lyfter fram teorier och litteratur som utgör en bas till arbetet. För att kunna besvara den
första frågeställningen ”Hur presterar produktionen i dagsläget?” kommer teorier om
Produktionsekonomi, flaskhalsar och mätenheter användas för att beskriva nuläget. För att förstå
hur produktionen kan förbättras och besvara den andra och tredje frågeställningen kommer
teorier om simulering, begränsningsteori, mjukvaran FACTS och flaskhalsanalys metoden SCORE
att beskrivas.
2.2 Produktionsekonomi
Att ha en pålitlig produktion sparar tid, och effektiv användning av tid sparar i sin tur pengar.
Oplanerade stopp kräver extra resurser för att åtgärda, personalen som måste åtgärda stoppen
måste tas från andra arbetsstationer eller tas in extra vilket medför ytterligare kostnader (Slack,
et al. 2010).
I Produktivitetsprocesser (Helmrich, 2001), citerat av Andersson (2018) beskrivs produktivitet som
Produktivitet = metod * prestation * utnyttjandegrad. Tre processer för produktivitetsarbete som
beskrivs är att köpa produktivitet, skapa produktivitet genom förbättringar och att säkerställa
produktivitet. Med att köpa produktivitet så menas nyanskaffning av maskiner eller andra
produktionsmetoder. Skapa produktivitet betyder att man förbättrar nuvarande processer.
Genom att säkerställa produktiviteten så löser man problem tillfälliga problem som driftstopp.
Det här arbetet kommer delvis att behandla anskaffning av produktion då företaget planerar att
byta ut vissa maskiner. Resten av arbetet handlar om att se var man kan förbättra systemet och
komma fram med data som kan användas för förbättring av produktiviteten.
2.3 Flaskhalsar
Om en maskin är en flaskhals betyder det att andra maskiner är begränsade till materialflödet från
den första maskinen för att själva kunna arbeta. Shifitng bottleneck detection är en metod
utvecklad av Toyota för att se om flaskhalsar uppstår tillfälligt i en maskin. Med metoden som
används i artikeln Detecting shifting bottlenecks (Roser, et.al, 2002) kan maskiner ha aktiva eller
inaktiva perioder. En maskin är aktiv om den är arbetar, har fått oväntat driftstopp eller förbereder
för att arbeta på en produkt. En maskin är inaktiv om den väntar på produkter från en tidigare
maskin eller är blockerad av en efterföljande och inte kan skicka vidare sina produkter. En maskin
är en ensam flaskhals om den inom en aktiv period är den maskin som är aktiv längst totaltid.
Skiftande flaskhalsar uppstår om perioderna för ensamma flaskhalsar i flera maskiner överlappar
varandra, se figur 2.1 för en visuell representation.
-
4
I figur 2.1 är M1, M2 och M3 tre olika maskiner. I den första delen av bilden visas alla olika
maskinstatus på produktionen för att sedan sammanfattas till aktiva eller inaktiva perioder. I den
andra och tredje delen av bilden kan man nu se på perioderna var maskinerna är ensam flaskhals
samt var de olika maskinerna överlappar för att skapa skiftande flaskhalsar.
Figur 2.1 Skiftande Flaskhalsar (Evoma, 2019)
En flaskhals tidigt i en produktionslina anses ofta vara mer lätthanterlig då det resulterar i att
maskinerna senare i ledet har succesivt ökande överkapacitet (Olhager, 2013). Då de senare
maskinerna har överkapacitet har de mera marginal för både planerade och oplanerade stopp då
de arbetar i samma takt som flaskhalsen. En flaskhals sent i produktionslinan orsakar med större
sannolikhet problem då flödet har större variation senare i produktionsflödet.
-
5
2.4 Nyckeltal
De främsta nyckeltal som kommer användas i arbetet är tillgänglighet och genomloppstid.
Tillgänglighet betyder hur stor del av den planerade drifttiden som en maskin är i drift (Slack,
et.al., 2010).
För att räkna ut tillgängligheten används följande formel:
𝑇𝑖𝑙𝑙𝑔ä𝑛𝑔𝑙𝑖𝑔ℎ𝑒𝑡 =𝑃𝑙𝑎𝑛𝑒𝑟𝑎𝑑 𝑑𝑟𝑖𝑓𝑡−𝑆𝑡𝑜𝑝𝑝𝑡𝑖𝑑
𝑃𝑙𝑎𝑛𝑒𝑟𝑎𝑑 𝑑𝑟𝑖𝑓𝑡
Genomloppstiden visar hur lång tid det tar för en produkt att ta sig igenom ett produktionssystem.
Genomloppstiden kan delas upp i utförligare steg. Förrådsledtiden är tiden som råvaror och andra
komponenter ligger i lager innan produktion. Produktionsledtid är tiden det tar från att produkten
har börjat förädlats tills att den är färdig. Mellanlager räknas med i produktionsledtiden.
Lagerledtiden är tiden i färdigvarulager fram till leverans till kund. (Olhager, 2013)
Produktionsledtiden kan delas upp i fem ytterligare steg för varje maskin. Kötiden är den tid som
produkterna väntar innan maskinen. Ställtiden är hur lång tid det tar att förbereda maskinen för
bearbetning. Bearbetningstiden är den tid som värde aktivt tillförs på produkten. Väntetid är hur
länge produkten ligger i lager efter maskinen. Slutligen så har vi transporttiden som är tiden det
tar för produkten att transporteras till nästa maskin. (Olhager, 2013) I figur 2.2 beskrivs
genomloppstiden och de olika delarna som den består av. En maskin som här benämns maskin 2
används för exempel som en del av produktionsledtiden. Maskin 1 har samma steg som maskin 2.
Det är inte alltid som produktionsledtiden är summan av alla maskiners ledtider, vissa maskiner
kan arbeta parallellt.
-
6
Figur 2.2 Genomloppstid och ingående delar
2.5 Simulering
Händelsestyrd simulering, benämns på engelska Discrete Event Simulation och förkortat DES
(Campbell, 2020). DES är en simuleringsmetod där man simulerar ett system som en följd av
isolerade händelser i en modell av interna beroenden och logik. Allting som utförs på en
arbetsstation behandlas som flera isolerade händelser som sker vid specifika tidpunkter.
Simuleringsklockan kan sägas hoppa mellan händelserna och detta för med sig att
simuleringstekniken är snabbare än kontinuerligsimulering. DES används därför företrädesvis för
att simulera större produktionssystem där det är viktigt att fånga dynamiska förlopp, stokastiska
variationer, beroende och oberoende diskreta händelser. Ingenting antas ske mellan de bestämda
händelserna för att snabba upp simuleringen. Simulering är en iterativ process.
Simuleringsmodellen kommer jämföras med verkliga produktionsdata och förbättras flera gånger
för att bättre passa verkligheten.
2.6 Flaskhalseliminering
Goldratt beskriver i Theory of Constrains (Goldratt, 1990) fem steg för att hantera flaskhalsar:
1. Identifiera begränsningarna. Förstå vilka flaskhalsar som har störst effekt på systemet och
sortera dem
2. Bestäm hur man ska utnyttja systemets begränsningar. Flaskhalsarna bestämmer takten
ut från systemet så alla andra maskiner måste arbeta i en sådan takt för att flaskhalsen
alltid är försedd med de material som behövs för att arbeta.
3. Underordna allt till det tidigare nämnda beslutet.
Genomloppstid
Förrådsledtid Produktionsledtid
Maskin 1 Maskin 2
Kötid Ställtid Bearbetningstid Väntetid Transporttid
Lagertid
-
7
4. Förhöj systemets begränsningar. Förbättra resursen som i nuläget är en flaskhals tills den
inte längre är det. När den tidigare flaskhalsen inte längre begränsar systemet kommer
något annat göra det, vilket leder till steg 5.
5. Om de tidigare nämnda flaskhalsarna har eliminerats, återgå till steg 1.
2.7 FACTS
Facts (Evoma, 2019) är ett simuleringsprogram för produktionslinor baserat på händelsestyrd
simulering. Med Facts kan man se hur de olika delarna i en produktionslina presterar och påverkar
varandra under olika förhållanden och uppsättningar. Det går snabbt att anpassa simuleringen för
olika produktvarianter eller modifieringar på produktionslinan. Olika objekt som kommer
användas är i Facts är samfattade i tabell 2.1. Objektet operation är en bearbetningsprocess och
kan ha processtid, tillgänglighet, stopptid samt omställningstid angivet. Conveyor är ett objekt som
representerar ett transportband med en fast hastighet och sträcka, detta kommer användas för
vissa maskiner där produkter matas in konstant och förs igenom maskinen med en konstant
hastighet. Buffer är mellanlager med en bestämd kapacitet som är placerade mellan de andra
objekten för att ge mer marginal till inflödet. Assembly kommer användas i simuleringen för att
representera en process där flera produkter placeras i en behållare och bearbetas samtidigt.
Disassembly används sedan för att ta ut produkterna ur denna behållare.
2.8 Optimering och SCORE
Simulation-based Constraint Removal (Bernedixen, et.al, 2015), förkortat SCORE är en
flaskhalsidentifieringsteknik som använder sig av simuleringar för att identifiera och jämföra
flaskhalsar i ett system. Andra flaskhalstekniker kan lätt hitta var ett fel uppstår i ett system men
inte orsakerna bakom det. SCORE använder simulation-based multi-objective optimization (SMO)
för att hitta och rangordna möjliga flaskhalsar. Med den informationen kan man maximera
prestandan på systemets produktionstakt med så få förbättringar som möjligt.
I den simplaste varianten av SCORE kollar man på processtid, tillgänglighet och stopptid. För varje
maskin bestämmer man ett originalvärde och förbättrat värde, detta kan ses som ett binärt
0 och 1 i syfte att jämföra total förbättring med antalet förbättringar. Detta ger åtta olika
kombinationer av original och förbättrat värde per maskin. Simuleringarna går att göra manuellt
i små system men blir snabbt komplext med flera maskiner då antalet olika konfigurationer ökar
exponentiellt med varje maskin. Med SCORE skapas omfattande grupper för varje typ av variabel
där man definierar ett värde eller en procentökning anses vara en förbättring. Dessa förbättringar
läggs sedan på varje maskin som har en variabel av den typen.
Simuleringsprogrammet kör sedan en simulering för varje kombination av olika förbättringar och
jämför vilka som ger störst effekt på produktionstakten i systemet. (Bernedixen, et.al, 2015)
-
8
Tabell 2.1 Objekt i FACTS programvaran
Ikon Namn Beskrivning
Operation En bearbetningsprocess
Parallell Operation Flera likadana bearbetningsprocesser
som arbetar parallellt
Conveyor Ett rullband som kan transportera flera
saker samtidigt
Buffer Mellanlager
Source Inflöde till produktionssystemet
Sink Utflöde ur produktionssystemet
Assembly Montering av flera olika komponenter
Disassembly Demontering av flera komponenter
Selection Alternativ för enkelt byte av olika
uppsättningar av maskiner
-
9
3 Metod
Följande kapitel beskriver studiens metod och behandlar design av studie, datainsamlingsmetod,
dataanalys, validitet och reliabilitet samt etiska ställningstaganden.
3.1 Design av studien
Studien är baserad på kvantitativa metoder och består av två faser, datainsamling och simulering.
Studien har en induktiv ansats där resultatet har härletts genom empiriska data. För att kunna
besvara på frågeställningen om produktionens nuvarande prestanda samt få en grund för de
andra frågeställningarna behövs först kvantitativa mått på produktionen. I den andra fasen
simulerades systemet för att få förståelse för hur de olika produktionsstegen påverkar varandra
och för att få en indikation på hur de planerade förändringarna kan påverka effektiviteten i
tillverkningsprocessen. Ett simuleringsverktyg för tillverkningsprocesser användes tillsammans
med litteraturstudier för att uppnå simuleringar som överensstämmer med den verkliga
tillverkningsprocessen på företaget.
3.2 Datainsamling
I studien användes dokumentstudier, manuella mätningar och intervjuer för att uppnå studiens
syfte. Metoderna beskrivs i detta kapitel.
3.2.1 Dokumentstudier
För vissa av maskinerna i produktionsprocessen gick det att få fram information från
specifikationer och datablad från tillverkaren av maskinen. Vissa data gick att utläsa från
automatiska uppföljningssystem som dokumenterade alla driftstopp.
3.2.2 Manuella mätningar
För maskiner eller processteg där det inte finns dokumentation eller data från uppföljningssystem
tillgänglig utfördes manuella mätningar. De manuella mätningarna innefattar mätning av
processtider samt mätning av tillgänglighet. Processtiderna mättes genom att under en kort
period köra ett antal testobjekt genom en maskin och mäta tiden från start till slut. Då maskinerna
är automatiserade räcker det med färre mätningar än om det vore en manuell process då
variationen är mindre.
För tillgängligheten utfördes mätningar över flera dagar. Den totala stopptiden delas med den
planerade drifttiden för varje dag för att få fram tillgängligheten.
3.2.3 Intervjuer
Under arbetet utfördes flera intervjuer. Dessa intervjuer och syftet med dem finns sammanfattade
i tabell 3.1. För att förstå syftet med arbetet och sätta upp planeringen utfördes telefonintervjuer
och frågeställningar via e-post innan projektets början.
Den största delen av intervjuprocessen var en rundgång på fabriksgolvet där produktionsansvarig
beskrev syftet och statistik för alla maskiner i ordning och besvarade frågor om maskinerna. För
-
10
att få kunskap om tillverkningsprocessen i sin helhet och förståelse för de enskilda processtegen
i detalj genomfördes intervjuer med processansvariga och med operatörer.
Efter besöket användes frågor skickade via e-post för att ställa upp datainsamlingar och skicka
data som inte gick att få tag på under besöket.
Tabell 3.1 Intervjuer
Tid Roll Syfte med intervju Intervjumetod
Innan start av projekt Produktionsansvarig Fastställa syfte och
omfattning av
projektet
E-post och
telefonsamtal
Under besök på
produktionsanläggning
Produktionsansvarig
och processoperatörer
Förstå
produktionssystemet
och samla in data
Muntliga
frågeställningar på
plats i anläggning
Efter besök på
produktionsanläggning
Produktionsansvarig Samla in data som inte
gick att få på plats
E-post
3.2.4 Dataanalys
I studien användes processkartläggning, processflödesanalys och simulering som metoder för
dataanalys. Dessa metoder beskrivs här.
3.2.5 Processkartläggning
Huvudprocessen samt alla delprocesser i tillverkningslinan kartlades med hjälp av informationen
som från datainsamlingen. Huvudprocessen ingår i sin tur som delprocess i en större övergripande
huvudprocess där flera tillverkningslinor ingår för att färdigställa slutprodukten. Studien
avgränsas dock till en av tillverkningslinorna. Processkartläggning är nödvändigt för att organisera
till förbättringar, förstå processen, observera processen samt att förbättra processen
kontinuerligt.
3.2.6 Processflödesanalys
Produktnätverket analyserades i studien för att få en förståelse för de operationer som ingår för
att tillverka produkten. För att få en förståelse för arbetsprocessen behövde operationernas ledtid
och ställtid analyseras, likaså operationernas resursbehov. Analysen gjordes med hjälp av visuella
representationer i simuleringsprogrammet. I simuleringsprogrammet kunde man se förenklade
animeringar av hur produkterna färdades igenom produktionslinan. Dessa animeringar användes
för att se om simuleringsmodellen stämde överens med det verkliga systemet.
3.2.7 Simulering av produktionen
I studien utfördes en rad noggranna simuleringar av produktionssystemet och dess ingående
operationer. Ett datorbaserat simuleringsverktyg användes. Produktionssystemet återskapades i
en simuleringsmodell för att kunna analysera hur flödet och olika maskiner påverkar varandra.
Simuleringen gav en uppskattad bild över hur systemet presterar i verkligheten. Simuleringarnas
validitet och reliabilitet verifierades genom intervjuer och dataanalys.
-
11
3.2.8 Validitet och reliabilitet
Validitet avser att rätt saker har undersökts och med lämpliga metoder. Valet av metoder för den
här studien är till stor del baserad på tidigare personlig erfarenhet med simuleringsprogrammet.
För att förstärka validiteten borde valet av metoder ställts upp mot alternativa metoder och
jämförts i avseende på lämplighet. Reliabilitet syftar på att studierna är korrekt utförda. I
kvantitativa studier uppnår man hög reliabilitet genom hög reproducerbarhet. Reliabiliteten går
att öka då antalet mätningar är begränsade i nuläget.
Svensk försvarsindustrin är mycket debatterat i media och inom politiken. Speciellt då det gäller
export till andra länder. Sverige har länge haft som bärande princip att inte exportera
försvarsmateriel till länder som är i krig eller som klassas som icke demokratiska. Krigsmateriel får
inte tillverkas i Sverige utan tillstånd av regeringen. ISP (Inspektionen för strategiska produkter,
före detta Krigsmaterielinspektionen) är det organ som granskar och utreder tillstånd för
tillverkning av försvarsmateriel (ISP, 2019). ISP är en del av utrikesdepartementet. Sverige måste
också följa de vapenembargon som beslutas av FN:s säkerhetsråd. Som ingenjör inom
försvarsindustrin eller med planer på att ta anställning där är det viktigt att känna till de ovan
nämnda principer och regelverk och ha en hög medvetenhet om hur krigsmaterialet kan påverka
människors liv värden över.
-
12
4 Empiri
I följande kapitel beskrivs företaget som den här studien genomfördes hos. Vidare beskrivs den
produktionslina som var föremål för studien och specifikationerna för linans ingående
delprocesser.
4.1 Om företaget
Arbetet utfördes på ett företag som tillverkar produkter för militära syften. Studien fokuserar på
produktionslinan för en delkomponent av en specifik produkttyp. De nuvarande svarvarna på
produktionslinan har låg tillgänglighet och behöver alltid ha någon som är redo att åtgärda de
problem som uppstår och starta produktionen igen. Företaget har beslutat att byta ut svarvarna
mot modernare modeller med högre tillgänglighet men även kortare genomloppstider vilket
betyder att det behövs färre svarvar. För att hjälpa personalen att förstå syftet bakom bytet samt
resultatet av det så vill företaget ha kvantitativa mått på hur den nuvarande produktionen
presterar samt hur det förväntas se ut efter de nya svarvarna installerats. Företaget vill även veta
om och var det finns ytterligare förbättringsmöjligheter i produktionslinan efter att svarvarna
installerats.
4.2 Produktionslinan
En bild av ordningen på maskinerna i linan skapad med simuleringsprogrammet finns i figur 4.1.
denna bild motsvarar bara ordningen i produktionen, inte fysiska placeringar. Produktionsdata
som behövs för maskinerna är ledtid, kapacitet, tillgänglighet samt tid för återställning efter
driftstopp. Endast dragningen, pressen och svarvarna har större problem med driftstopp. De
andra maskinerna har nästan aldrig oplanerade driftstopp, enligt operatörerna kan det gå flera
månader mellan oväntade driftstopp. Det ansågs därför att inte vara ett behov att undersöka
dessa driftstopp då dem anses vara obetydliga samt att tidsramen för studien inte räcker för att
få mätdata som är representativ för den verkliga tillgängligheten.
För buffertarna behövs information om kapaciteten. Transporten mellan maskiner och buffertar
sker via rullband som kommer mätas i längd (meter) samt hastighet (meter/sekund).
-
13
Figur 4.1 Produktionslina
Flera maskiner har ett konstant flöde med en känd takt, dvs hur många produkter som kommer
igenom maskinen per minut. Ett exempel är maskin 1, dragningen där komponenten dras igenom
en stans och förs vidare till nästa stans samtidigt som en ny komponent förs in i den första stansen.
Genom att räkna hur många produkter som är i arbete samtidigt i serie i en maskin kan man räkna
ut ledtiden genom att dividera antalet produkter i arbete med takten.
I det verkliga systemet befinner det sig flera produkter i varje maskin hela tiden. Exempel på detta
är pressen där det är fyra stansar som alla komponenterna passerar igenom. När en stans har
bearbetat en komponent skickar den vidare den till nästa för att sedan ta in en ny. När man kollar
på genomloppstiden på maskinen måste man ta hänsyn till hur många produkter den bearbetar
samtidigt. För att göra beräkningarna och simuleringarna används takten som komponenterna
kommer ut ur maskinen som genomloppstiden för denna typ av maskin. I maskiner som
värmebehandlingen matas komponenterna slumpmässigt in på ett rullband som rör sig i en
konstant hastighet. Eftersom dessa maskiner inte är strikt begränsade på hur många produkter
de kan bearbeta samtidigt kommer genomloppstiden vara tiden det tar för en komponent att ta
sig från start till slut i maskinen.
Då svarvarna inte har ett automatiskt uppföljningssystem som pressen och dragningen måste
manuell tillgänglighetsanalys göras. När svarven får oplanerat driftstopp kommer personen som
arbetar där anteckna vilket klockslag den stannar samt när den återgår till normal drift. Denna
datainsamling utförs separat för varje maskin under en tre dagars period. Med den här
-
14
informationen går det sedan att räkna ut hur stor del av den planerade drifttiden som svarvarna
var ur drift samt medelvärdet för tiden det tar att återgå till normal drift.
Dragningen har en parallell uppsättning med två spår med fyra olika stansar vardera i samma
maskin. Alla maskiner har en takt på 240 komponenter per minut vilket betyder att ett enskilt spår
i dragningen har en takt på 120 komponenter per minut. Pressningen har en liknande uppsättning
fast med fem stansar på vardera spår. Mätningen på slutet som består av två separata maskiner
med nio mätverktyg var. Maskin 6 och 12 har teoretiskt sett en kapacitet på 18 komponenter som
är under bearbetning samtidigt, men då inmatningen är slumpmässig är det inte garanterat att
alla platserna på bandet är fyllda. 18 komponenter i arbete kommer användas för beräkningens
skull.
Denna metod för att ta reda på genomloppstiden fungerar för de maskiner där komponenterna
matas in på rad och behandlas i en strikt ordning. För de maskiner som har slumpmässiga
genomlopp och inmatningar som maskin 2 och 3 görs manuella tidmätningar.
Maskin 13 körs i batcher på ungefär 15 000 komponenter åt gången och varje batch tar en timme.
Den del av studien som har störst frågor om reliabilitet är tidmätningen på maskin 2 och 7 där
komponenterna tumlade runt i en tunna och hade en viss slumpmässig variation i tiderna.
Mätningarna är lätt reproducerbara då den enda variationen i tidmätningarna är förlusten av
någon sekund vid manuell tidtagning. Denna mänskliga felvariabel har ytterst liten påverkan då
det bara är en liten andel av totala mättiderna som var flera minuter. En sekund är mindre än en
hundradels procent av den totala tiden. De uppmätta resultaten stämmer även bra överens med
tidigare uppskattningar av personalen för hur lång tid innan man stänger av maskinerna som man
ska sluta mata in produkter. Repeternoggrannheten var liknande på de tester som utfördes. Dock
utfördes väldigt få tester på varje maskin då det var begränsat med tid för det under besöket på
fabriken. För att få ett noggrannare resultat samt se om det finns risk för större avvikelser borde
det utföras flera tester.
För transporten gjordes en mätning på ett band som var 3 meter. Det tog 14 sekunder för en
komponent att ta sig över bandet vilket betyder att det rör sig i 0,21 m/s eller 13 m/min
De nya svarvarna kommer ha 90 % tillgänglighet enligt tillverkaren och kommer arbeta i en takt
på 250 komponenter per minut. Det kommer vara två maskiner som vardera kan arbeta på två
separata arbetsstycken samtidigt, det vill säga totalt fyra komponenter.
4.3 Resultat av datainsamling
I detta avsnitt redovisas resultatet av de manuella mätningarna och av mätningarna som togs fram
från de automatiserade uppföljningssystemen. Mätningarna utgör basen i studiens
datainsamling.
-
15
I tabell 4.1 finns processtiderna för alla maskiner på produktionslinan samt eventuella
begränsningar på antalet produkter som är i arbete samtidigt i maskinen. För de maskiner som
har en tydlig begränsning gick processtiderna att räkna ut då produktionstakten var känd sen
innan. För de maskiner som inte hade tydliga begränsningar krävdes det manuella mätningar på
processtiderna. En av maskinerna simulerades som en annan objekttyp, i simuleringarna är det
en montering till skillnad från de andra som är operationer eller rullband. Denna maskin
glömdes att namnges innan simuleringarna och gavs namnet maskin 13 i efterhand.
Spånavskiljningen förekommer bara tillsammans med de gamla svarvarna och gavs namnet
maskin 14. Med de nya svarvarna behövs inte spånavskiljningen.
Tabell 4.1 Genomloppstider
Maskin Processtid Begränsning
Maskin 1 (Dragning) 2s 4x2
Maskin 2 7min 20s
Maskin 3 26min
Maskin 4 10min 30s
Maskin 5 7min
Maskin 6 9s 18x2
Maskin 7 14min
Maskin 8 7min
Maskin 9 (Press) 2,5s 5x2
Maskin 13 1h 15 000
Maskin 10 (Svarv) 1,5s 1x6
Maskin 14
(spånavskiljning)
25s
Maskin 11 4,5s 9x2
Maskin 12 9s 18x2
Transporten mellan de olika maskinerna sker via rullband. I tabell 4.2 finns längderna och
hastigheterna på alla transportbanden. Hastigheten fanns angivet på vissa modeller men för de
som inte hade det angivet räknades det ut med hjälp av sträckan och tiden det tog för en
komponent att färdas längs med bandet. Alla andra band av samma modell som den som
beräkningen utfördes på antas ha samma hastighet.
-
16
Tabell 4.2 Transportsträckor
Sträcka Längd (m) Hastighet (m/min) Transporttid (s)
Band 1 6,5 13 30
Band 2 4 13 18
Band 3 8,2 18 27
Band 4 6 13 28
Band 5 11,5 13 53
Band 6 12 13 55
Band 7 6 18 20
Band 8 9,4 18 31
Band 9 6 13 28
Band 10 4,6 13 21
Band 11 1,5 10 9
Band 12 5,6 13 26
Band 13 6,5 13 30
Totalt 87,8 6 Min 16 s
Dragningen och pressen har automatiska uppföljningssystem som samlar in data. Utdrag gjordes
från tre olika månader för båda maskinerna och finns i tabell 4.3 och 4.4.
Tabell 4.3 Dragning
Mätperiod Planerad
produktionstid
Verklig
Produktionstid
Produktionstid
utanför plan.
tid
Total
stopptid
Genomsnittlig
ställtid
(min)
Tillgänglighet
%
1 352,59 224,43 19,04 128,15 37,78 63,7
2 328,70 247,66 5,63 81,04 21,24 75,3
3 293,50 167,30 22,26 126,20 49,18 57,0
Medel 324,93 213,13 15,64 111,8 36,07 65,33
Tabell 4.4 Pressning
Mätperiod Planerad
produktionstid
Verklig
Produktionstid
Produktionstid
utanför plan.
tid
Total
stopptid
Genomsnittlig
ställtid
Tillgänglighet
%
1 352,59 233,48 25,22 119,11 0 66,2
2 328,70 202,90 22,53 125,80 0 61,7
3 293,50 163,89 19,08 129,61 0 55,8
Medel 324,93 200,09 22,28 124,84 61,23
-
17
På svarvarna gjordes mätningar på sex pass, förmiddag och eftermiddag under tre dagar. För varje
svar antecknades den planerade arbetstiden och antal minuter av den tiden som maskinen stod
still. Med dessa mätningar går tillgängligheten att räkna ut. Denna data finns i tabell 4.5.
Tabell 4.5 Stopptider och tillgänglighet för svarvar
Sammanlagt har de sex svarvarna som medel en stopptid på 95,75 minuter och en tillgänglighet
på 83,05%.
Maskin 13 körs i batcher som innehåller ungefär 15 000 komponenter. För att simulera detta
skapas först ett nytt objekt som heter pall som ska motsvara en behållare som sedan fylls med 15
000 komponenter. Det kombinerade objektet pall som nu simuleras som ett föremål körs i
maskinen och plockas sedan isär och fortsätter som individuella komponenter efter. Pallen tas ut
ur simuleringen efter den tömts på komponenter.
I den nuvarande uppsättningen av svarvarna som ses i figur 2 är det tre svarvar som kan arbeta
på två komponenter samtidigt vardera. Komponenterna förs in och ut genom svarvarna på
rullband som går parallellt längs med svarvarna. Efter svarvarna körs komponenterna igenom en
spånavskiljare med tillhörande buffert där de får tumla runt för att skaka av eventuella spån som
är kvar efter svarvningen.
I den planerade uppsättningen med nya svarvar kommer varje svarv att arbeta parallellt på två
komponenter var likt de gamla svarvarna. Arbetstakten kommer dock att vara högre vilket
Maskin
1
2
3
4
5
6
Pass Nr Stopp Tillg. Stopp Tillg. Stopp Tillg. Stopp Tillg. Stopp Tillg. Stopp Tillg.
1
118 0,791 76 0,865 145 0,743 97 0,828 78 0,862 112 0,801
2
94 0,833 58 0,897 138 0,755 68 0,879 86 0,848 104 0,816
3
45 0,920 196 0,652 106 0,812 56 0,901 82 0,855 98 0,826
4
98 0,826 74 0,869 228 0,596 43 0,924 55 0,902 59 0,895
5
111 0,803 86 0,848 176 0,688 57 0,899 69 0,878 36 0,936
6
94 0,833 116 0,794 159 0,718 66 0,883 97 0,828 66 0,883
Medel 93,333
0,835
101,000
0,821
158,667
0,719
64,500
0,886
77,833
0,862
79,167
0,860
-
18
betyder att det bara krävs två maskiner. Problemet med att det blir kvar spån finns inte i de nya
svarvarna vilket betyder att spånavskiljaren med tillhörande buffert och transportband kan tas
bort och komponenterna kommer då gå direkt från svarvarna till maskin 11.
För maskinerna som har tydligt definierade processtider så som pressen och svarvarna kommer
processtiden multipliceras med en faktor i simuleringen för att motsvara flera bearbetade objekt.
Detta är för att dra ner på antalet objekt som simuleras och underlätta beräkningarna.
För de maskiner som inte har några tydliga begränsningar på kapaciteten så som maskin 2 och 3
kommer objektet rullband användas istället för operation. På ett rullband kan produkter lastas på
så fort det finns plats i början och transporteras sedan i en konstant hastighet.
4.4 Verifiering av simuleringsmodell
För att verifiera att modellen är korrekt uppsatt och stämmer med verkligheten granskades flödet
visuellt i FACTS. Animeringar visade hur produkterna flyttades genom systemet. Det som var viktigt
här var att se om maskinerna arbetade i samma takt, speciellt eftersom alla processtiderna hade
multiplicerats med en faktor för att motsvara flera bearbetade objekt. Några avvikelser upptäcktes
och processtiden räknades om för de maskiner som fick ovanligt fyllda buffertar framför sig eller
hade brist på material.
Maskin 13 bearbetar flera produkter samtidigt. Animeringarna användes för att kontrollera att
maskin 13 börjar arbeta först när den fått tillräckligt med produkter samt att behållaren som
produkterna bearbetas i tas in och ut ur systemet vid rätt tillfälle.
Maskin 1 och 9 hade automatiska uppföljningssystem som dokumenterade alla stopp som skedde
i produktionen. Dessa automatiska uppföljningssystem ansågs vara pålitliga och datautdrag gjorde
från tre olika månader för att få fram medelvärden på tillgänglighet och stopptider.
För vissa maskiner fanns processtiden dokumenterat i datablad. För de maskiner som inte hade
känd processtid kördes tre testobjekt igenom maskinen och tiden mättes. Avvikelserna mellan
testobjekten var mycket liten och värdena jämfördes med tidigare uppskattningar från
operatörerna av hur lång tid det tar från att man slutar mata in material till att det inte längre
kommer ut något ur maskinen.
För svavarna dokumenterades alla stopp under en period om tre dagar av operatörerna.
Vissa maskiner ansågs av operatörerna att stanna ytterst sällan och mätningar utfördes därför inte
på tillgängligheten på dessa maskiner.
-
19
5 Resultat och Analys
I följande kapitel presenteras simuleringsexperiment, resultat och analys av dessa.
5.1 Introduktion
I FACTS utfördes tre experiment för att besvara de olika frågeställningarna. Det första var till för
att besvara den första frågeställningen om hur produktionen presterar i dagsläget. Modellen
validerades genom att jämföra produktionstakten med den verkliga produktionen. Därefter gick
det att läsa ut hur de olika maskinerna presterade.
Det andra experimentet besvarade den andra frågeställningen om hur produktionslinan kommer
påverkas av ett byte av svarvar. Bytet av svarvarna var bestämt av företaget sen innan och de ville
ha data som visade vilken förbättring som de nya maskinerna gav.
I det andra experimentet kördes samma modell som i experiment 1 fast med svarvarna ersatta
med den planerade uppgraderingen för att se hur de kommer påverka produktionslinan.
Det tredje experimentet besvarade den tredje frågeställningen om var det finns ytterligare
förbättringsmöjligheter efter bytet av svarvar.
I det tredje experimentet utfördes SCORE optimering för att se vilka maskiner som stod för största
flaskhalsarna samt vilka variabler inom dem som ger störst förbättringsmöjligheter.
5.2 Hur presterar produktionen i dagsläget?
I det första experimentet kommer produktionslinan som den ser ut i dagsläget simuleras. Utdata
från simuleringen kommer att jämföras med den verkliga produktionen för att visa om modellen
är valid. Simuleringen är inställd på att ha en uppvärmningstid på 14 dagar där systemet körs utan
att någon data samlas in. Detta är till för att material ska börja komma igenom systemet innan
man mäter. Efter uppvärmningsperioden mäts data under en period på 32 dagar. Denna
simulering tar enbart några sekunder i verkligheten. Simuleringsprogrammet kör fem
upprepningar av simuleringen och beräknar sedan medelvärdet för alla uppmätta variabler.
Enligt produktionsdata ska produktionslinan kunna tillverka 14 400 delar per timme förutsatt att
alla maskiner är i drift. I det verkliga systemet så anpassas produktionen för att se till att
buffertarna alltid hålls på höga nivåer. Detta görs genom att ha extra lager efter dem maskiner
som ofta stannar. Dessa extra lager simuleras i modellen som en operation som enligt Critical WIP
objektet tillför mera material när en buffert hamnar under en bestämd mängd material. I figur 5.1
ses denna uppsättning vid bufferten efter maskin 9.
-
20
Figur 5.1 Simuleringsmodellen med ett extra lager efter maskin 9.
Den sista maskinen i ledet med märkbara stopptider är svarvarna som har en tillgänglighet på
83%. Om svarvarna tillförses med tillräckligt med material kommer systemet ha en
produktionstakt på 14 400 ∗ 0,83 = 11 952 enheter per timme. För att testa detta placeras ett
extra lager efter maskin 9 för att maskin 13 (benämnt Assembly 1 i bild) och svarvarna ska få
tillräckligt med material. Inget extra lager ansågs behövas efter maskin 1 då nästa flaskhals,
maskin 9, har lägre tillgänglighet. Enligt figur 5.2 ser man att svarvarna nu alltid har material att
bearbeta och inte behöver vänta. produktionstakten i simuleringen är nu 12 123 enheter per
timme vilket är en avvikelse på 1,4% från det förväntade resultatet.
Extralagret är inställt på att kunna ta in upp till 6000 delar per timme och det arbetar 83% av tiden
vilket betyder att systemet tar in 4980 delar per timme från lagret. Detta motsvarar 41% av
tillverkade delar.
-
21
Figur 5.2 Nuvarande produktion
Simuleringsmodellen har gett resultat som visar hur produktionen presterar i nuläget.
Reliabiliteten i de data som beskriver prestandan i nuvarande produktion anses som hög då de
automatiska uppföljningssystemen har funnits under lång tid och används kontinuerligt för att
mäta prestanda. Valideringar gjordes genom att jämföra simulerade värden mot verkliga
produktionsdata. Modellen ansågs stämma bra överens med verkligheten och är lämplig för
följande tester.
För att underlätta beräkningarna multiplicerades alla processtider med en faktor för att motsvara
flera bearbetade produkter. Transporten mellan maskinerna skedde via rullband. Dessa rullband
togs inte med i simuleringen då de inte ansågs påverka tillgången på material till maskinerna.
I produktionslinan används stora mellanlager för att maskiner senare i ledet ska kunna arbeta om
en maskin får stopp. Dessa lager ställdes in till att alltid ha material tillgängligt för att visa hur
svarvarna presterar. Förutom detta har inga förenklingar behövts göras av systemet för att kunna
simulera det.
5.3 Simulering med de nya svarvarna
Efter att den första simuleringsmodellen validerats utfördes nästa test med svarvarna utbytta till
den planerade uppgraderingen. I det andra experimentet kommer simuleringen ställas upp på
samma sätt som i det första experimentet i kapitel 5.2, fast svarvarna kommer att bytas ut mot
en planerad uppgradering. Resultatet från detta experiment kommer jämföras med resultatet
från det första experimentet för att se vilken effekt de nya svarvarna kommer ha på systemet.
De nya svarvarna har en sammanlagd arbetstakt på upp till 250 bearbetade enheter per minut och
en tillgänglighet på 90%. Specifikationerna av de nya svarvarna jämförs med de gamla i tabell 5.1.
Tabell 5.1 Specifikationer av svarvar
Svarvar Gamla Nya
Antal Maskiner 6 4
Sammanlagd arbetstakt 240 enheter/min 250 enheter/min
Tillgänglighet 83% 90%
-
22
I figur 5.3 ser man utnyttjandegraden från en simulering med de nya svarvarna.
Om man jämför med figur 5.1 där de gamla svarvarna användes ser man att de nu har högre
tillgänglighet samt att blockeringarna på tidigare maskiner minskar.
Figur 5.3 Simulering med nya svarvar
Produktionstakten med de nya svarvarna är 13 546 delar per timme vilket är en ökning med 11,7%
från den tidigare produktionstakten som var 12 123 delar per timme. Extralagret skickar nu in
material 98% av tiden eftersom svarvarna nu arbetar en större del av tiden. Extralagret skickar nu
in 5 880 delar per timme vilket är 43% av allt tillverkat.
Simuleringarna visade att produktionstakten från systemet ökade efter bytet av svarvar men även
att man måste ta in mer material från ett mellanlager då maskiner tidigare i ledet inte klarar av
att förse svarvarna med tillräckligt material. Något som den här studien inte visar är
personalbehovet och hur personalen hanterar stoppen i produktionen. Ett av de främsta
argumenten för det planerade bytet av svarvarna var att det inte längre behövde vara personal
på plats hela tiden för att åtgärda de frekventa stoppen. Om en framtida studie undersöker
orsakerna till stoppen borde man kolla hur de olika stoppen hanteras samt hur lång tid innan
personalen har möjlighet att åtgärda dem.
5.4 Finns det ytterligare förbättringsmöjligheter i form av ledtider, tillgänglighet och
kapacitet i produktionslinan?
Tidigare experiment visade att det behövs tas in väldigt mycket delar från ett lager om man vill
hålla svarvarna i drift och produktionstakten hög. Om man slutar ta in delar från det extra lagret
sjunker produktionstakten till 8 754 delar per timme. Utnyttjandegraderna för detta ses i figur 5.4.
Att ta in resurser från ett extra lager för att hålla produktionstakten uppe är inte hållbart i längden.
I det här experimentet kommer theory of constraints (Goldratt, 1990) som beskrivs i kapitel 2.6
som en riktlinje och SCORE (Bernedixen, et.al, 2015) som beskrivs i kapitel 2.8 används för att se
var flaskhalsar uppstår i systemet och ge exempel på hur mycket dem kan förbättras.
För att se vilka förbättringar som skulle ge störst ökning av produktionstakten används SCORE.
-
23
SCORE grupper skapades för processtiden, tillgängligheten och stopptiden i alla operations och
parallell operations, se figur 5.5. De förbättrade värdena som valdes var standardinställningarna
för SCORE i Facts som är en minskning med 20% av processtiden, 100% tillgänglighet och en
minskning av stopptiden med 50%. Simuleringsprogrammet kommer prova olika kombinationer
av förbättringar upp till dessa värden. De maskiner som simulerades som rullband ansågs inte
vara ett problem i nuläget och valdes därför att inte tas med för att underlätta beräkningarna.
Figur 5.4 Produktion utan extra lager
Figur 5.5 SCORE grupper
I figur 5.6 kan man se hur antalet olika förbättringar förhåller sig till produktionstakten i systemet.
I figur 5.7 finns samma data fast med alla lösningar som det finns en strikt bättre version
bortplockade. Det går att se en tydlig ökning fram till tre förbättringar, efter det planar det ut
innan det börjar öka igen vid åtta förbättringar.
-
24
Figur 5.6 Ökning av produktionstakt i förhållande till antalet förbättringar
Figur 5.7 Ökning av produktionstakt filtrerat för dominerande resultat
Om man sorterar flaskhalsarna baserat på vilka variabler som ger störst ökning av
produktionstakten efter att ha förbättrats får man grafen i figur 5.8. De största orsakerna till
flaskhalsarna är i fallande ordning tillgängligheten på maskin 9, tillgängligheten på maskin 1,
tillgängligheten på svarven samt processtiderna på maskinerna 1, 9, 6, 12 och 11.
-
25
Figur 5.8 Orsaker till flaskhalsar
Simuleringsmodellen ändrades genom att gradvis öka tillgängligheten och minska processtiden på
maskin 1 och 9 för att hitta exempel på förbättringar. Med en ökning av tillgängligheten till 77%
och en minskning av processtiden med en femtedel fick svarvarna alltid tillgång till material att
bearbeta utan att behöva ta in från ett extra lager. Produktionstakten blev då 13 558 delar per
timme vilket stämmer med vad svarvarna klarade av innan. I Figur 5.9 ses utnyttjandegraden efter
dessa förbättringar.
Figur 5.9 Exempel på förbättring
SCORE analyser visade att tillgängligheten på maskin 1 och 9 var det som hade störst påverkan på
produktionstakten i systemet, därefter var det processtiderna på samma maskiner. Resultatet
från studien ger en övergripande bild över produktionslinan och bör användas som hänvisning för
var det finns potential för framtida studier om förbättringar i enskilda maskiner. De exakta värden
som har föreslagits som förbättringar är bara en möjlig variant, samma resultat går att uppnå på
olika sätt. Om just detta förslag är möjligt att implementera har inte undersökts.
-
26
5.5 Sammanfattning
Produktionstakten i simuleringen är i nuläget 12 123 enheter per timme vilket är en avvikelse på
1,4% från det förväntade resultatet.
Extralagret är inställt på att kunna skicka in upp till 6000 delar per timme och det arbetar 83% av
tiden vilket betyder att systemet tar in 4980 delar per timme från lagret. Detta motsvarar 41% av
tillverkade delar.
Produktionstakten med de nya svarvarna är 13 546 delar per timme vilket är en ökning på 11,7%.
Extralagret skickar nu in material 98% av tiden eftersom svarvarna nu arbetar en större del av
tiden. Extralagret skickar nu in 5 880 delar per timme, vilket 43% av allt tillverkat.
Olika förbättringsförslag provades. Ett exempel är att höja tillgängligheten på maskin 1 och 9 till
77% och minska processtiden på samma maskiner med en femtedel. Då behöver man inte längre
ta in material från extra lagret för att svararna alltid ska ha material att bearbeta.
-
27
6 Diskussion
I det här kapitlet kommer det diskuteras om hur studien har gått samt vad som kunde ha gjorts
annorlunda.
6.1 Diskussion resultat
Företaget kan använda sig av resultatet för att förklara vilken betydelse bytet av svarvar har. De
kan även använda resultatet som hänvisning på var framtida förbättringsarbete borde fokuseras.
Modellen går lätt att anpassa efter eventuella framtida ändringar i produktionslinan. Det går lätt
att byta ut enskilda maskiner och köra samma simuleringskonfiguration för att se hur maskinerna
påverkar produktionen.
Själva modellen är konstruerad för just den här produktionslinan. Om någon skulle göra en
liknande studie på en annan produktionslina på ett annat företag med en liknande typ av
produktion behöver de göra en ny modell som motsvarar den linan. Metoderna och simulerings
målen går dock att använda för att göra liknande studier i andra produktionslinor.
6.2 Diskussion metod
I början av projektet gick mycket tid åt att kontakta alla parter och fastslå målet och omfattningen
av projektet. Dessa tidiga skeden av kommunikationen skedde främst via e-post och enskilda
oplanerade telefonsamtal. Mycket tid gick åt till att vänta på svar då alla inte kunde svara direkt
på e-post eller telefon. Mycket mera framsteg på planeringen gjordes när det bestämdes att alla
involverade skulle träffas i ett möte. Mötet borde ha varit det första som gjordes efter arbetet var
föreslaget.
Datainsamlingen gick smidigt då jag redan visste vilka mätvärden som behövdes innan jag besökte
fabriken. Personal kunde svara på de frågor jag hade på plats och tiden där användes effektivt.
Något som skulle ha förstärkt arbetet är om stora delar av simuleringsmodellen hade gjorts innan
besöket. Då skulle man ha kunnat mata in de insamlade värdena för att visa upp modellen på plats
för de ansvariga på företaget och verifiera att den stämmer eller göra ändringar.
6.3 Diskussion process
Det här var det första projektet av den här storleken som jag gjorde i FACTS en del tid gick åt till
att prova olika objekttyper och avgöra vad som bäst motsvarar de olika maskinerna. Då alla
maskiner inte utförde en enkel bearbetning på en produkt så behövdes olika objekttyper
kombineras för att motsvara den funktionen. Likt det som beskrivs i händelsestyrd simulering
(campbell, 2020), så länge tidpunkterna som materialen kommer in samt ut ur maskinen stämmer
sett utifrån går det att anpassa simuleringen inom maskinen för att motsvara det. Exempel på
detta var maskin 13 som bearbetar flera objekt samtidigt och inte släpper ut något förens alla är
klara. Då en vanlig operation i FACTS bara bearbetar ett föremål i taget användes istället en
assembly för att lägga den korrekta mängden föremål i en behållare följt av en dissassembly som
-
28
plockar ut dem. Dessa två maskiner kombinerat med in och utförandet av behållaren i
simuleringen motsvarar en enskild maskin i verkligheten.
-
29
7 Slutsatser och fortsatt arbete
Här presenteras arbetets slutsatser och förslag på framtida arbete
7.1 Slutsatser
Det främsta syftet med den här studien var att beräkna hur mycket effektiviteten i produktionen
skulle påverkas vid byte av vissa maskiner i ett av processtegen. Mer konkret, byte av svarvar.
Studien visade även var det finns möjligheter för ytterligare förbättringar.
Mätningar och simuleringar gjordes för att kunna förklara systemets nuläge och besvara
frågeställningen om hur produktionen presterar i nuläget. Simuleringarna visade att modellen
hade en avvikelse på 1,4 % från det förväntade resultatet. En viktig slutsats från dessa mätningar
och simuleringar är att vissa maskiners tillgänglighet har stor påverkan på produktionstakten.
Effektiviteten i produktionen påverkas mer av tillgängligheten än av processtider och andra
parametrar.
Produktionen har idag väldigt stora buffertar i form av upparbetade lager vilket gör att stopp i
produktionen inte hinner förskjutas på andra maskiner. Bytet av svarvar ökade produktionstakten
i systemet med 11,7% men visade även att andra maskiner tidigare i ledet inte klarade av att förse
svarven med tillräckligt med material. Om man skulle dra ner på buffertnivåer i produktion skulle
tidigare flaskhalsar bli väldigt tydliga.
Simuleringsmodellen visade var i produktionen som flaskhalsar uppstår och besvarade därmed
den tredje frågeställningen. Det som borde ha högst prioritet vid förbättringsarbete är maskin 1
och 9. Båda dessa processteg har låg tillgänglighet. Ett exempel på förbättring togs fram som
visade att om man höjde tillgängligheten till 77% och minskade processtiden med en femtedel på
de berörda maskinerna kommer svarvarna alltid ha tillgång till material att bearbeta.
7.2 Förslag på fortsatt arbete
För fortsatt studie på området skulle nästa steg vara att göra en utredning på vad som orsakar
den låga tillgängligheten i maskin 1 och 9 och hur det kan förbättras. I första hand borde dessa
studier undersöka om det går att öka tillgängligheten genom förbättringar i planering och drift
innan man kollar på uppgraderingar eller byta av maskiner.
-
30
Referenser
Andersson, G. (2018) SAMMANFATTNING OCH ANALYS: Produktivitets processer av Klaus Helmrich
Studentuppsats
Berndixen, J., Pehrsson, L., H.C. Ng, A., Antonsson, T. (2015) Simulation-based Multi-objective
bottleneck improvement: towards an automated Toolset for industry, Proceedings of the 2015
Winter Simulation Conference
Campbell, W. (2020) Understanding Discrete-Event Simulation [WWW] Mathworks, Hämtat från:
https://www.mathworks.com/videos/series/understandingdiscrete-event-simulation.html
[Hämtat 10/11/20]
EVOMA, (2020) FACTS användarhandbok [WWW] Hämtat från:
http://software.evoma.se/docs/index.html (kräver inloggning) [Hämtat 10/11/20]
Goldratt, E.M. (1990) What is this Thing Called Theory of Constraints and how Should it be
Implemented?, North River Press, ISBN 9780884271666
Goldratt, E.M., Cox, J. (1993) Målet: en process av ständig förbättring, Svensk byggtjänst, ISBN
9789173326476
Helmrich, K. (2001) Produktivitetsprocesser: metoder och erfarenheter kring att mäta och
förbättra, Informgruppens förlag, ISBN 9189566009
ISP, (2017) Regelverk för krigsmateriel [WWW] https://isp.se/regelverk/regelverk-for-
krigsmateriel/ [Hämtat 10/11/20]
Slack, N., Chambers, S., Johnston, R. (2010) Operations Management, 6. Ed, Prentice Hall, ISBN
9780273730460
Roser. C., Nakano, M., Minoru, T., (2002) Detecting shifting bottlenecks, Proceedings of the 2002
Winter Simulation Conference
Olhager, J. (2013) Produktionsekonomi, 2 ed., Studentlitteratur, ISBN 9789144067667
https://www.mathworks.com/videos/series/understanding-discrete-event-simulation.htmlhttps://www.mathworks.com/videos/series/understanding-discrete-event-simulation.htmlhttps://www.mathworks.com/videos/series/understanding-discrete-event-simulation.htmlhttps://www.mathworks.com/videos/series/understanding-discrete-event-simulation.htmlhttps://www.mathworks.com/videos/series/understanding-discrete-event-simulation.htmlhttps://www.mathworks.com/videos/series/understanding-discrete-event-simulation.htmlhttp://software.evoma.se/docs/chapter8/chapter8.1.htmlhttps://isp.se/regelverk/regelverkhttps://isp.se/regelverk/regelverk-for-krigsmateriel/https://isp.se/regelverk/regelverk-for-krigsmateriel/https://isp.se/regelverk/regelverk-for-krigsmateriel/https://isp.se/regelverk/regelverk-for-krigsmateriel/https://isp.se/regelverk/regelverk-for-krigsmateriel/https://isp.se/regelverk/regelverk-for-krigsmateriel/