Case: Eräkoon optimointi
Yksi herkullinen kehityskohde on eräkoon (Ns) optimointi jaksoajan (CT) lyhentämiseksi ja keskeneräisen työn (WIP) pienentämiseksi. Se soveltuu myös hyvin tehdasfysiikan hyödyntämisen pilotointiin, sillä erityisesti teollisuudessa eräkokoa voidaan tyypillisesti muuttaa yksinkertaisella päätöksellä. Toisaalta eräkoolla on monissa tapauksissa myös suuri vaikuttavuus sekä vaihteluun että käyttösuhteeseen, joten optimoinnilla voidaan parhaimmillaan saavuttaa huomattavia tuloksia.
Perinteinen tavoite teollisuudessa on ollut resurssitehokkuuden maksimointi ja näin ollen eräkoko on asetettu varsin suureksi. Lean-ajattelun myötä on monissa yrityksissä alettu tavoittelemaan erityisesti virtaustehokkuutta, jonka vuoksi eräkoko on asetettu kapasiteetin sallimissa rajoissa mahdollisimman pieneksi (mikä on virheellinen tulkinta leanista eikä johda virtaustehokkuuteen, mutta se on toinen tarina). Kumpikaan ääripää ei kuitenkaan useimmiten tuota kokonaisuuden kannalta hyvää tulosta.
Tässä casessa tarkasteltavaksi on valittu yksi koneistuskeskus, jolla koneistetaan kokoonpanon tarpeisiin erilaisia osia. Tarkastellaan tilannetta, jossa ei esiinny kapasiteettihäviöitä kuten sairaslomia tai konerikkoja. Todellisuudessahan häviöitä jossakin vaiheessa tulee ja ne on myös mahdollista huomioida, mutta oletetaan ne tässä riittävän harvinaisiksi että ne on mielekästä jättää erikseen käsiteltäviksi erikoistilanteiksi. Häiriöt voidaan jättää huomiotta myös mahdollisen datan puutteen vuoksi, kunhan tiedostetaan että laskenta edustaa häiriötöntä tilannetta ja muistetaan huomioida tämä myös johtopäätöksiä tehtäessä.
Aina valmistettavan nimikkeen vaihtuessa tulee koneistuskeskuksellamme tehdä asetus, johon menee keskimäärin 20 minuuttia. Yksi kappale koneistetaan keskimäärin 15 minuutissa. Työt saapuvat keskukselle edeltävästä työvaiheesta päätetyn kokoisina erinä. Tuotannon johto on asettanut keskimääräisen eräkoon 10 kappaleeseen, sillä se on tuntunut riittävän suurelta turhien asetusten välttämiseksi mutta ei kuitenkaan niin suurelta että erän valmistus kestäisi kohtuuttoman kauaa. Näin ollen asetusaika pidentää yhden kappaleen efektiivistä prosessiaikaa keskimäärin 20 min / 10 = 2 min. Asetukset huomioiva efektiivinen prosessiaika on siis 15 min + 2 min = 17 min.
t0 = 15 min
ts = 20 min
Ns = 10
ts/Ns = 2 min
te = 17 min
Kone toimii ilman taukoja kahdessa vuorossa ja sen kapasiteetti näin ollen on 16h/vrk (960 min/vrk). Nykyisellä eräkoolla pystyttäisiin siis teoriassa valmistamaan vuorokaudessa 960 min / 17min = 56,5kpl. Nykyisellä kuormalla kokoonpano tarvitsee keskimäärin 35 kappaletta vuorokaudessa, joten konetta käytetään 35 / 56,5 = 62 % käyttösuhteella (u).
Tavoitteena on optimoida eräkoko siten, että nykyisellä kuormalla (35 kpl/vrk) koneen jaksoaika saadaan mahdollisimman pieneksi. Jos ei huomioida mitään vaihteluelementtejä (saapumisen vaihtelu, koneaikojen vaihtelu, asetusaikojen vaihtelu), on optimaalinen eräkoko helppo laskea. Asetetaan eräkoko sellaiseksi, että koneaikojen ja asetusaikojen summa vastaa koneen kapasiteettia ja näin ollen käyttösuhde nousee 100 %:iin.
(35/Ns)*ts + 35 * t0 = 960 min
(35/Ns)*20 min + 35 * 15 min = 960 min
35/Ns = (960 min - 525 min)/20 min
Ns = 1,61
Ilman vaihtelua toimivassa (teoreettisessa) prosessissa olisi siis kannattavaa pudottaa keskimääräinen eräkoko peräti 16 %:iin aiemmasta.
Todellisessa maailmassa em. 100 % käyttösuhde johtaisi tunnetusti rajattomasti kasvavaan keskeneräiseen tuotantoon ja sen myötä rajattomasti kasvavaan jaksoaikaan. Syynä tähän on vaihtelu, jonka seurauksena koneelta aika ajoin loppuu työ ja kapasiteettia menetetään. Koska 100 %:n käyttösuhde edellyttäisi kaiken kapasiteetin hyödyntämistä, johtaa tilanne koneen eteen rajattomasti kertyvään jonoon. Tietysti tuotannon esihenkilö todellisuudessa jonon kasvaessa “pelastaa tilanteen” esimerkiksi teettämällä ylitöitä, mutta tällöin kapasiteetti on todellisuudessa alun perin suunniteltua korkeampi. 100 % käyttösuhde siis toteutuu ainoastaan teoreettisessa tilanteessa.
Vaihtelua syntyy sekä saapumisen vaihtelusta että prosessin vaihtelusta. Esimerkissämme prosessin vaihtelua aiheuttavat asetusajan vaihtelu ja yksikköajan vaihtelu, joihin ei eräkoon muutoksella ole merkittävää vaikutusta. Sen sijaan eräkoko vaikuttaa huomattavasti saapumisen vaihteluun. Asian ymmärtämiseksi kuvitellaanpa vaikka yhden kappaleen tunnissa valmistavaa konetta. Verrataan sitten toisiinsa tilanteita, joissa töitä saapuu koneelle yhden kappaleen erissä tunnin välein ja töitä saapuu tuhannen kappaleen erissä tuhannen tunnin välein. On helppo ymmärtää, että eräkoko aiheuttaa jälkimmäisessä vaihtoehdossa koneelle 0–1000 tunnin välillä vaihtelevan jonon, kun taas ensimmäisessä tapauksessa eräkoko ei aiheuta jonoa ollenkaan.
Eräkoon pienentäminen siis pienentää vaihtelua, mikä lyhentää jaksoaikaa. Kääntöpuolena kuitenkin on, että eräkoon pienentäminen lisää asetusten määrää ja näin ollen myös niihin kuluvaa aikaa. Seurauksena on käyttösuhteen nousu, joka pidentää jaksoaikaa. Optimointicasessamme siis tulisi löytää paras mahdollinen kompromissi näiden kahden vaikutuksen väliltä.
Analyysi
Prosessin ja saapumisen vaihtelukomponentit voidaan määrittää toteumadatasta saatavilla tiedoilla. Datasta määritellyillä lähtömuuttujien arvoilla voidaan edelleen laskea useita tunnuslukuja. Tässä casessa tiedot on määritetty ja jalostettu CalculateTheProcess -ohjelmalla. Toteumadatan tiedot on syötetty ohjelmaan Excel -tiedoston kautta.
Toteumadatan syöttö CalculateTheProcess -ohjelmaan Excel-tiedostosta
Tuloksena on saatu prosessin nykytilasta mm. seuraavat tiedot:
Keskimääräinen eräkoko Ns = 10
Käyttösuhde u = 62 %
Kokonaisvaihtelu c_total = 3,9
Jaksoaika CT = 5,26 h
Prosessin nykytila. Sijainnista käyrällä voidaan tulkita prosessin olevan stabiili.
Ohjelmalla simuloimalla havaitaan, että eräkoon pudottaminen arvoon 1 nostaa käyttösuhteen yli 100 %:n eikä siis ole mahdollinen vaihtoehto. Simuloimalla eräkooksi 1,62 tulee käyttösuhteeksi 99,3 %, jolloin jaksoajaksi saataisiin noin 59 h (noin 11-kertainen nykytasoon nähden). Havaitaan siis, että eräkoon asettaminen mahdollisimman pieneksi ei ole kannattavaa. Eräkoolla 2 saadaan jaksoajaksi noin 5,82 h, eräkoolla 3 noin 3,61 h ja eräkoolla 5 noin 3,70 h
Simulaatio eräkoolla 2 osoittaa, että eräkoon pienentäminen 10->2 johtaisi jaksoajan pitenemiseen n. 10 %:lla sekä epästabiiliin prosessiin. Ei ole suositeltava muutos.
Optimaaliseksi eräkooksi saadaan simuloimalla noin 3,7. Tällöin prosessin tilaksi saadaan seuraavat tiedot:
Keskimääräinen eräkoko Ns = 3,7
Käyttösuhde u = 74 %
Kokonaisvaihtelu c_total = 2,3
Jaksoaika CT = 3,51 h
Nykykuormalla optimoitu eräkoko. Sijainti käyrällä kertoo prosessin säilyvän stabiilina.
Eräkoon optimoinnilla saataisiin siis lyhennettyä jaksoaikaa 33 % ja pudotettua keskeneräiseen työhön sitoutunutta pääomaa saman verran (kuten Littlen laki meille kertoo). Usein eräkoon muuttaminen voidaan myös tehdä yksinkertaisella päätöksellä ilman rahallista panostusta. Siksi se soveltuu monissa tapauksissa hyvin tehdasfysiikan hyödyntämisen pilotointiin, vaikka luonnollisesti muitakin vaihtoehtoja on lukuisia. Seuraavaksi tulisi viedä kehitystoimenpiteet käytäntöön ja todentaa saadut tulokset myöhemmin toteutettavalla mittauksella.
Herkkyysanalyysi kuorman nousulle
Optimieräkoko muuttuu sitä korkeammaksi, mitä korkeammalla kuormalla tai oikeammin ulostulolla (TH) kuormitusryhmää ajetaan. Tämä voi saada tuotannon esihenkilön pohtimaan, kannattaako casessamme eräkokoa muuttaa nykykuormalla määritettyyn optimiin vaiko varautua mahdollisiin kuormanheilahduksiin pitämällä eräkoko korkeana. Tällainen joko/tai -pohdinta johtaa helposti siihen, että eräkokoa ei muuteta vaan jatketaan kuten ennenkin. Parempi lähestymistapa on jälleen tilanteen analyyttinen arviointi.
WIP/TH -kuvaajassa nykytilakäyrän ja Ns = 3,7 -käyrän leikkauspisteestä voidaan tulkita, että uusi eräkoko 3,7 on vanhaa 10,0:aa parempi niin kauan kuin kuormitus ei nouse yli 20 %:a nykyisestä. Jos kuorman nousu nähdään todennäköisenä, ei silti ole kannattavaa vain jatkaa vanhalla ylimitoitetulla eräkoolla. Sen sijaan voidaan hakea soveltuva välimalli nykyisen eräkoon ja nykykuormalla lasketun optimin välillä. Kun eräkooksi asetetaan esimerkiksi 6, saavutetaan jo 25 % pudotus jaksoajassa (sekä keskeneräisen työn määrässä) ja eräkoko muuttuu nykyistä kymmentä epäedullisemmaksi vasta kuorman noustua noin 30 % nykytasostaan. Tällöin oltaisiin nykyiselläkin eräkoolla jo siirrytty käyrän epästabiilille alueelle, jolloin toiminta ei enää ole ennustettavaa eikä kyseinen kuormitustaso siis ole järkevä ilman muita vaihtelua vähentäviä kehitystoimenpiteitä. Näin ollen on vaikea keksiä perusteita, joilla nykyinen eräkoko 10 olisi parempi kuin vaikkapa eräkoko 6.
Simulaatio eräkoolla 6. Tarkoituksena suotuisan kompromissin haku optimitason ja kuorman nousuun varautumisen välillä. Käyrien leikkauspisteessä molemmat käyrät ovat jo selvästi epästabiililla alueella.
Yhteenveto
Tehdasfysiikan hyödyntämiseen käytännössä voidaan soveltaa edellä esitettyä lähestymistapaa. Tärkeää on rajata tutkittava kohde, kerätä data ja muuttaa laskujen avulla prosessista kerätty mittausdata muuttujiksi, joiden avulla voidaan arvioida erilaisten päätösten ja kehitystoimenpiteden vaikutusta prosessiin. Tällä tavalla operaatioiden problematiikkaa lähestyttäessä päädytään todennäköisemmin laadukkaampiin päätöksiin.
Usein tiedon ja/tai ymmärryksen puute johtaa joko liikaan varovaisuuteen tai vaihtoehtoisesti epäonnistuneisiin kehityshankkeisiin. Siksi on tärkeää, että eri asioiden syy-seurausyhteydet osataan tunnistaa. Useimmiten ääripäät tuottavat erittäin huonoja lopputuloksia ja käytännössä joudutaan valitsemaan kompromissi eri ääripäiden väliltä. Tehdasfysiikka tarjoaa suuria mahdollisuuksia tuon kompromissin optimointiin ja toimenpiteiden vaikutusten simulointiin.