Frekvensstudie i produktionen: Find skjulte forsinkelser

Hjem » Ressourcer » Frekvensstudie i produktionen: Find skjulte forsinkelser

Anslået læsetid: 12 Minutter

På en tur gennem fabrikken kan det se ud, som om der er travlt på et skift, mens et besøg senere på samme skift giver indtryk af uudnyttet kapacitet. Ingen af besøgene fortæller dig, hvor meget tid der går med at fremstille emner, forberede arbejdet eller vente på, at noget ankommer.

Et frekvensstudie erstatter de indtryk med en planlagt række tilfældige observationer. Det hjælper dig med at finde de forhold, der afbryder produktionen, og vælge en forbedring, som er værd at afprøve. Det nyttige resultat er ikke en vurdering af, hvor travle folk ser ud. Det er et klarere svar på, hvad der forhindrer arbejdet i at komme videre.

Når du har verificeret, hvad en forbedring ændrer, omsætter SkyPlanner APS de forbedrede operationstider og ressourcernes tilgængelighed til en samlet produktionsplan. Du bruger mindre tid på at omlægge køen ved hver enkelt maskine og kan se, hvad ændringen betyder for de ordrer, du skal levere.

Hvad er et frekvensstudie?

Et frekvensstudie er en statistisk metode, der estimerer, hvor stor en andel af tiden der bruges på definerede aktiviteter, ved at observere personer eller maskiner på tilfældigt udvalgte tidspunkter. Ved hver observation registreres den aktivitet, der foregår netop da. Andelen af observationer i en kategori er et estimat af kategoriens andel af den tid, studiet dækker, forudsat at stikprøveplanen er repræsentativ for den tid.

Et studie i et montageområde kan for eksempel skelne mellem montage, omstilling, kontrol, ventetid på materialer og andre afbrydelser. Når du registrerer disse kategorier på tværs af repræsentative skift, får du et mere brugbart grundlag end ved blot at kalde alt enten produktiv tid eller tomgang.

Metoden er især nyttig, når aktiviteterne varierer, afbrydelser opstår spredt, og løbende observation ville kræve en stor indsats. Du behøver ikke følge hver operation fra start til slut for at forstå den overordnede fordeling af aktiviteterne.

Vælg en anden målemetode, hvis du har brug for svar på noget andet:

• Et tidsstudie i produktionen undersøger definerede arbejdselementer og kan bruges til at fastlægge en velbegrundet standardtid. Tilfældige øjebliksbilleder af aktiviteter fortæller ikke, hvor lang tid hvert enkelt kort arbejdselement tager.
• Med tidsregistrering i produktionen registreres hændelser og faktisk tidsforbrug på opgaver eller operationer. Registreringerne viser, hvilket arbejde de registrerede timer er brugt på, frem for at give en tilfældig stikprøve af alle aktiviteter.

I en formel arbejdsmåling kan stikprøver indgå sammen med anden dokumentation som grundlag for at fastlægge standarder. En aktivitetsandel er dog i sig selv hverken en standardtid eller et mål for en persons arbejdstempo.

Tag udgangspunkt i en beslutning – ikke en optælling af travlhed og tomgang

Vælg et spørgsmål, hvor svaret kan ændre måden, fabrikken arbejder på. »Hvor meget af montageteamets tid går med at vente på komponenter?« er et nyttigt udgangspunkt, hvis du kan gøre noget ved klargøringen af materialer. »Hvor effektive er alle?« er for upræcist til, at studiet kan tilrettelægges og fortolkes ordentligt.

Aftal formålet med dem, der udfører arbejdet. Forklar, hvad der skal observeres, hvordan kategorierne er defineret, hvem der får resultaterne at se, og hvilken beslutning de skal understøtte. Spørg operatørerne, hvilke afbrydelser de eksisterende registreringer ikke fanger. Studiet bliver mere nyttigt, når folk kan forklare, at der mangler et materialesæt, end når de føler sig tilskyndet til at skjule ventetiden.

Afgræns populationen: de personer eller maskiner, skift, dage og produktionsforhold, som resultatet skal beskrive. Et studie af dagholdet i ét montageområde beskriver ikke automatisk natarbejdet eller hele fabrikken.

Vælg derefter observationsenheden. En operatør på et bestemt tidspunkt er én enhed; en maskine på et bestemt tidspunkt er en anden. Hold deres tilstande adskilt. En maskine kan bearbejde et emne automatisk, mens operatøren kontrollerer et andet. Maskinen kører, og operatøren udfører kontrol: ingen af observationerne behøver at blive kategoriseret som tomgang.

Gør også tidsafgrænsningen tydelig. Hvis studiet dækker hele det betalte skift, skal den relevante pausekategori medtages. Hvis det kun dækker definerede driftsperioder, skal du oplyse, at det er dette tidsgrundlag, andelene er beregnet ud fra. Sammenlign ikke de to, som om de måler det samme.

Definér aktiviteter, som observatørerne kan genkende

Brug et begrænset antal kategorier, som er gensidigt udelukkende for den valgte observationsenhed og dækker de situationer, du forventer. Skriv en kort definition af hver kategori med eksempler fra det konkrete område.

»Ventetid på materialer« skal betyde, at det valgte arbejde ikke kan fortsætte, fordi de nødvendige materialer ikke er tilgængelige – ikke blot, at operatøren tilfældigvis står ved materialereolen. »Omstilling« skal have en aftalt afgrænsning fra forberedelse til produktionsklar tilstand. Lad nødvendig kontrol have sin egen synlige kategori frem for at gemme den i en generel kategori for tid uden produktion.

Medtag en kode for ukendt eller ikke observerbar aktivitet. Hvis du ikke kan fastslå, hvad der foregår, skal du registrere usikkerheden frem for at gætte på en årsag. Gennemgå disse tilfælde særskilt; de må ikke ubemærket forsvinde fra beregningsgrundlaget.

Afprøv definitionerne i et kort pilotstudie. Lad observatørerne kategorisere de samme situationer, og drøft uenighederne. Hvis én person registrerer søgning efter værktøj som omstilling og en anden som ventetid, vil studiet til dels måle forskelle i jeres definitioner frem for selve arbejdet. Ret det, før I indsamler den egentlige stikprøve.

Pilotstudiet afslører også praktiske problemer: observationssteder, der ikke er adgang til, en rute, der tager for lang tid, eller kategorier, der er så detaljerede, at de ikke kan skelnes fra hinanden ved et hurtigt blik.

Indsaml tilfældige observationer, der dækker produktionen repræsentativt

Generér observationstidspunkterne på forhånd med en tilfældighedsgenerator, og fordel stikprøverne over de skift og dage, som beslutningen vedrører. Vælg personen eller maskinen efter planen frem for at vælge den, der ser mest interessant ud, når du kommer.

Et fast besøg hver halve time kan igen og igen falde sammen med genopfyldning, en pause eller en maskincyklus. Hvis du kun kommer, når arbejdslederen har tid tilovers, giver det en anden skævhed. Tilfældige tidspunkter hjælper med at undgå den slags mønstre. Når de relevante driftsforhold er dækket, bliver resultatet brugbart ud over en enkelt formiddag, hvor det lige passede ind.

Registrér den aktuelle aktivitet på hvert udvalgt tidspunkt uden at vente på, at den næste begynder. Gem tidspunkt, observationsenhed, kategori og relevante oplysninger om skift eller produkt. Tilføj en kort, faktuel note, når det kan hjælpe med at undersøge en forsinkelse. Afbryd ikke aktiviteten for at få en forklaring, så du ender med at kategorisere den samtale, du selv har sat i gang.

Registrér de observationer, der ikke blev gennemført, og årsagen til det. Hvis alle svært tilgængelige eller besværlige observationer erstattes med nemme observationer i nærheden, kan det ændre, hvad stikprøven repræsenterer.

Hvis du bevidst tager flere stikprøver på ét skift, skal du rapportere resultaterne for hvert skift særskilt eller sammenveje dem med vægte, der afspejler den tid eller population, estimatet skal gælde for. Hvis observationer med forskellig udtagningssandsynlighed blot lægges sammen, kan et atypisk skift komme til at dominere resultatet.

Skeln også mellem antallet af observationer og mængden af uafhængig information. Når du observerer flere operatører på samme rundtur, giver det flere registreringer, men en fælles materialemangel kan gøre deres tilstande indbyrdes afhængige. Gentagne øjebliksbilleder under samme driftsstop har en tilsvarende begrænsning. Sørg for, at rundture og tidsgrupper kan identificeres, så analysen kan tage højde for denne klyngedannelse.

Hvor mange observationer kræver et frekvensstudie?

Den nødvendige stikprøvestørrelse afhænger af, hvor præcist et grundlag beslutningen kræver, og hvor stor en andel aktiviteten forventes at udgøre. Intet bestemt antal observationer gør ethvert studie repræsentativt.

Når du planlægger en simpel tilfældig stikprøve med uafhængige observationer, bruges ofte følgende tilnærmelse for andelen af én aktivitet:

n ≈ z² × p × (1 − p) ÷ e²

Her er n antallet af observationer, p den forventede andel angivet som decimaltal, e den ønskede absolutte fejlmargin og z normalfordelingens værdi for det valgte konfidensniveau. Ved et omtrentligt konfidensniveau på 95% er z lig med 1,96. Rund det beregnede antal op.

Hvis du endnu ikke har et troværdigt estimat af p, giver 0,50 det største antal ved en given absolut fejlmargin. Med en fejlmargin på fem procentpoint, e = 0,05, giver beregningen 385 observationer. Det er et planlægningseksempel under disse forudsætninger, ikke et universelt minimum eller en garanti for hver enkelt undergruppe.

Vær præcis, når du siger »fem procent«. En ventetidsandel på 20% med en fejlmargin på fem procentpoint betyder omtrent 15% til 25%. En relativ fejlmargin på 5% af den andel betyder kun ét procentpoint til hver side, og det kræver en langt større stikprøve.

Planlæg undersøgelsens præcision ud fra den kategori og sammenligning, der er afgørende. Et samlet antal observationer kan være tilstrækkeligt til at estimere den samlede venteandel, men utilstrækkeligt for de enkelte skift, sjældne forsinkelser eller enkelte arbejdsstationer. Ved observationsrunder med grupperede observationer skal analysen også tage højde for stikprøvedesignet frem for at behandle hver registrering som uafhængig. Hvis beslutningen drejer sig om en lille ændring eller en betydelig investering, bør en specialist i stikprøveundersøgelser kontrollere designet, før I indsamler det primære datasæt.

Eksempel: Brug aktivitetsoptællinger til at finde mulige forbedringer

Forestil dig et område med manuel montage, hvor teamet har mistanke om, at ufuldstændige materialesæt afbryder arbejdet. En undersøgelse indsamler 400 øjebliksobservationer af operatører i de produktionsperioder, der indgår i undersøgelsen, med samme udvælgelsessandsynlighed for hvert operatørøjeblik. I dette forenklede eksempel antager vi, at observationerne er uafhængige, og at hver observation kan placeres i en kategori.

Observeret aktivitet	Observationer	Andel af observationer
Montagearbejde	200	50%
Omstilling og klargøring	60	15%
Kontrol	40	10%
Ventetid på materialer	80	20%
Andre identificerede forsinkelser	12	3%
Planlagte pauser	8	2%
I alt	400	100%

Den estimerede andel af tid med venten på materialer er 80 ÷ 400 = 20%. Det beskriver den samlede operatørtid, som undersøgelsen repræsenterer. Det betyder ikke, at hver operatør venter præcis en femtedel af hvert skift, eller at alle afbrydelser varer lige længe.

For denne ene andel giver en simpel normaltilnærmelse:

Omtrentlig fejlmargin ved 95% konfidensniveau = 1,96 × √[0.20 × 0.80 ÷ 400] = 0,0392

Det svarer til cirka 3,9 procentpoint og giver et omtrentligt interval fra 16,1% til 23,9%. Intervallet udtrykker stikprøveusikkerheden under de angivne forudsætninger. Det tager ikke højde for en skæv plan for observationstidspunkterne, forkert kategoriserede aktiviteter eller et andet produktmix i næste måned.

Ved små stikprøver eller aktivitetsandele tæt på nul eller én bør I bruge et mere egnet interval, for eksempel et Wilson-interval eller et eksakt binomialinterval, frem for at stole på denne symmetriske tilnærmelse. Når observationerne er grupperede eller vægtede, skal metoden også tage højde for stikprøvedesignet.

Konklusionen for driften er tydeligere end decimalerne: Ventetiden på materialer bør undersøges. Start med at finde ud af, hvor i forløbet de berørte materialesæt blev ufuldstændige, hvilke komponenter der manglede, og om man i stedet kunne have startet den næste montage. Kategorien viser, hvor I skal lede; teamet og den tilhørende dokumentation forklarer, hvorfor det skete.

Gennemfør forbedringen, og kontrollér derefter, hvad der ændrede sig

Gennemgå resultaterne med operatørerne, medarbejderne i materialehåndteringen og den ansvarlige for den berørte proces. Skeln mellem nødvendigt arbejde og afbrydelser, der kan undgås. Kontrol kan sikre kvaliteten, omstilling gør næste batch muligt, og pauser er med til at få arbejdsdagen til at fungere. Ingen af delene bliver til spild, der kan fjernes, blot fordi det ikke er montage.

Vælg en afgrænset ændring, og udpeg en ansvarlig. I montageeksemplet kan det være at kontrollere, at materialesættene er komplette, før arbejdet frigives til området. Undersøg, om problemet med manglende komponenter bliver mindre, og om arbejdet faktisk kan komme hurtigere videre, frem for at ventetiden blot flyttes til en anden afdeling.

Gentag observationerne under sammenlignelige forhold med de samme kategoridefinitioner og tidsmæssige afgrænsninger. Sammenlign også produktmix, bemanding og usædvanlige hændelser – ikke kun de overordnede procenttal. En lille ændring i procenttallene, der ligger inden for undersøgelsens usikkerhed, er ikke i sig selv overbevisende dokumentation. Et ændret produktmix kan også få resultatet til at se bedre ud, uden at arbejdsmetoden er blevet forbedret.

Det vigtigste er ikke at omsætte den oprindelige venteandel på 20% direkte til 20% ekstra kapacitet. Den frigjorte tid kan være spredt over mange små tidsrum, kræve en ekstra person at udnytte eller falde sammen med, at en maskine allerede kører. Det kan også være tid, hvor ingen anden opgave kunne bruge arbejdsstationen.

Kontrollér effekten på den ressource, I vil planlægge. Hvis en forbedret klargøringsmetode reelt forkorter omstillingen, skal I måle og godkende den nye omstillingstid. Hvis den gør en arbejdsstation tilgængelig i et længere tidsrum, skal I bekræfte, at bemanding og udstyr kan understøtte den tilgængelighed. Hold arbejdsforbrug, operationens samlede varighed og den tid, maskinen er optaget, adskilt.

Indarbejd dokumenterede forbedringer i produktionsplanen

En dokumenteret forbedring påvirker mere end den arbejdsstation, I undersøgte. En kortere omstilling kan lade næste ordre starte tidligere, men ordren har stadig brug for materialer og ledig kapacitet ved den efterfølgende operation. Andre ordrer kan konkurrere om de samme maskiner. Her skal den lokale forbedring indgå i en fælles produktionsplan.

I SkyPlanner kan I angive varigheden af procestrin som tid pr. styk, en produktionsrate eller en fast tid og samtidig holde omstilling og afslutning adskilt. Arbejdsstationernes skift definerer de tidsrum, der er til rådighed. Arcturus, SkyPlanners kunstige intelligens til finplanlægning, beregner planen ud fra den konfigurerede kapacitet samt de konfigurerede afhængigheder og prioriteter, og resultatet vises på Gantt-tidslinjen.

Forestil dig, at en opfølgende måling bekræfter en ændring i omstillingstiden fra 40 til 30 minutter for en afgrænset gruppe af opgaver. Opdatér de berørte planlægningsdata, så de relevante opgaver anvender den godkendte omstillingstid, og genberegn derefter deres placering sammen med den øvrige arbejdsbelastning. Gennemgå de efterfølgende operationer og leveringsdatoerne – ikke kun det hul, der bliver ledigt ved den første station.

SkyPlanner håndterer denne samlede planberegning, så I slipper for manuelt at indpasse hver ændret opgave i de enkelte maskiners køer. I afgør, hvilken forbedring der er dokumenteret, og hvilke ordrer der har prioritet; Arcturus anvender disse beslutninger i planen. Et bedre datagrundlag bliver til brugbar produktionskapacitet dér, hvor arbejdet faktisk kan udnytte den.

Fredman Operations’ erfaringer med SkyPlanner illustrerer fordelene ved finplanlægning. Producenten af fødevareemballage manglede tidligere et klart overblik over kapaciteten på de enkelte skift, og akutte omplanlægninger kunne tage en time eller mere. Med implementeringen blev maskinplaner og skiftkapacitet samlet i en fælles Gantt-visning. Virksomheden beskriver hurtigere reaktioner på ændringer og et klarere grundlag for at love leveringsdatoer. Historien viser værdien af at koordinere arbejdsbelastningen, når forholdene ændrer sig.

Vælg SkyPlanner, når dokumenterede forbedringer i produktionen skal omsættes til en gennemførlig plan for hele ordrebeholdningen. SkyPlanner kan integreres med ethvert ERP- eller MES-system via sin åbne REST API, så I kan beholde de systemer, der styrer virksomheden, og samtidig forbedre produktionsplanlægningen.

Book en demo af SkyPlanner, og medbring én forbedring, dens godkendte effekt på varighed eller tilgængelighed samt andre ordrer, der bruger de samme ressourcer. Det giver jer en konkret måde at se, hvad ændringen betyder for det arbejde, I har lovet at levere. Vil I hellere udforske løsningen først, kan I prøve SkyPlanner med demodata.