{"id":110788,"date":"2026-10-26T08:47:49","date_gmt":"2026-10-26T08:47:49","guid":{"rendered":"https:\/\/skyplanner.ai\/?p=110788"},"modified":"2026-10-26T08:50:12","modified_gmt":"2026-10-26T08:50:12","slug":"multimomentstudie","status":"publish","type":"post","link":"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/","title":{"rendered":"Multimomentstudie i produksjonen: Finn skjulte forsinkelser"},"content":{"rendered":"<div class=\"gb-container gb-container-article01 article-main-content-container\">\n\n<h1 class=\"wp-block-heading\">Multimomentstudie i produksjonen: Finn skjulte forsinkelser<\/h1>\n\n<div class=\"gb-container gb-container-article02\">\n\n<p><a href=\"\/no\/\">Hjem<\/a> &raquo; <a href=\"https:\/\/skyplanner.ai\/no\/ressurser\/\">Ressurser<\/a> &raquo; Multimomentstudie i produksjonen: Finn skjulte forsinkelser<\/p>\n\n\n<p class=\"yoast-reading-time__wrapper\"><span class=\"yoast-reading-time__icon\"><svg aria-hidden=\"true\" focusable=\"false\" data-icon=\"clock\" width=\"20\" height=\"20\" fill=\"none\" stroke=\"currentColor\" style=\"display:inline-block;vertical-align:-0.1em\" role=\"img\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" viewBox=\"0 0 24 24\"><path stroke-linecap=\"round\" stroke-linejoin=\"round\" stroke-width=\"2\" d=\"M12 8v4l3 3m6-3a9 9 0 11-18 0 9 9 0 0118 0z\"><\/path><\/svg><\/span><span class=\"yoast-reading-time__spacer\" style=\"display:inline-block;width:1em\"><\/span><span class=\"yoast-reading-time__descriptive-text\">Estimert lesetid: <\/span><span class=\"yoast-reading-time__reading-time\">12<\/span><span class=\"yoast-reading-time__time-unit\"> minutter<\/span><\/p>\n\n<\/div>\n<div class=\"gb-container gb-container-article03\">\n\n<p>P\u00e5 en runde gjennom fabrikken kan det se ut som alle har fullt opp, mens neste runde gir inntrykk av ledig kapasitet p\u00e5 det samme skiftet. Ingen av rundene forteller deg hvor mye tid som g\u00e5r med til \u00e5 produsere deler, forberede arbeidet eller vente p\u00e5 at noe skal komme.<\/p>\n\n\n<p>En multimomentstudie erstatter slike inntrykk med en planlagt serie tilfeldige observasjoner. Den hjelper deg \u00e5 finne forholdene som avbryter produksjonen, og velge et forbedringstiltak det er verdt \u00e5 pr\u00f8ve ut. Det nyttige resultatet er ikke en poengsum for hvor travle folk ser ut til \u00e5 v\u00e6re, men et tydeligere svar p\u00e5 hva som hindrer fremdriften.<\/p>\n\n\n<p>N\u00e5r du har verifisert hva et forbedringstiltak faktisk endrer, bruker SkyPlanner APS de forbedrede operasjonstidene og ressursenes tilgjengelighet til \u00e5 lage en samordnet produksjonsplan. Du bruker mindre tid p\u00e5 \u00e5 bygge opp separate maskink\u00f8er p\u00e5 nytt og kan se hva endringen betyr for ordrene du skal levere.<\/p>\n\n\n<h2 class=\"wp-block-heading\">Hva er en multimomentstudie?<\/h2>\n\n\n<p>En multimomentstudie er en statistisk metode som ansl\u00e5r hvor stor andel av tiden som brukes p\u00e5 definerte aktiviteter, ved \u00e5 observere personer eller maskiner p\u00e5 tilfeldig valgte tidspunkter. Hver observasjon registrerer aktiviteten akkurat da. Andelen observasjoner i en kategori gir et anslag p\u00e5 kategoriens andel av tiden studien dekker, forutsatt at utvalgsopplegget er representativt for denne tiden.<\/p>\n\n\n<p>En studie i et monteringsomr\u00e5de kan for eksempel skille mellom montering, omstilling, kontroll, venting p\u00e5 materialer og andre avbrudd. Ved \u00e5 registrere disse kategoriene gjennom representative skift f\u00e5r du et mer nyttig grunnlag enn om du bare skiller mellom produktiv tid og lediggang.<\/p>\n\n\n<p>Metoden er s\u00e6rlig nyttig n\u00e5r aktivitetene varierer, avbruddene oppst\u00e5r spredt og kontinuerlig observasjon ville kreve mye arbeid. Du trenger ikke f\u00f8lge hver operasjon fra start til slutt for \u00e5 f\u00e5 oversikt over hvordan tiden fordeler seg mellom aktivitetene.<\/p>\n\n\n<p>Velg en annen m\u00e5lemetode n\u00e5r du trenger svar p\u00e5 noe annet:<\/p>\n\n\n<ul class=\"wp-block-list\"><li>En <a href=\"https:\/\/skyplanner.ai\/no\/ressurser\/tidsstudier-i-produksjon\/\">tidsstudie i produksjonen<\/a> unders\u00f8ker definerte arbeidselementer og kan fastsette en begrunnet standardtid. Tilfeldige \u00f8yeblikksobservasjoner av aktiviteter forteller ikke hvor lang tid hvert enkelt, kortvarige arbeidselement tar.<\/li><li>Med <a href=\"https:\/\/skyplanner.ai\/no\/ressurser\/tidsregistrering-i-produksjonen\/\">tidsregistrering i produksjonen<\/a> registreres hendelser og faktisk tidsbruk p\u00e5 jobber eller operasjoner. Registreringene viser hvilket arbeid de f\u00f8rte timene gikk til, i stedet for \u00e5 gi et tilfeldig utvalg av all aktivitet.<\/li><\/ul>\n\n\n<p>En formell arbeidsm\u00e5lingsstudie kan bruke stikkpr\u00f8ver sammen med annen dokumentasjon for \u00e5 fastsette standarder. En aktivitetsandel alene er derimot verken en standardtid eller et m\u00e5l p\u00e5 noens arbeidstempo.<\/p>\n\n\n<h2 class=\"wp-block-heading\">Ta utgangspunkt i en beslutning, ikke bare tell hvem som er i arbeid og hvem som venter<\/h2>\n\n\n<p>Velg et sp\u00f8rsm\u00e5l der svaret kan endre m\u00e5ten fabrikken arbeider p\u00e5. \u00abHvor stor del av tiden bruker monteringsteamet p\u00e5 \u00e5 vente p\u00e5 komponenter?\u00bb er et nyttig utgangspunkt hvis du kan gj\u00f8re noe med klargj\u00f8ringen av materialer. \u00abHvor effektive er alle?\u00bb er for vagt til \u00e5 gi et godt studieopplegg eller en god tolkning av resultatene.<\/p>\n\n\n<p>Bli enige om form\u00e5let med dem som utf\u00f8rer arbeidet. Forklar hva som skal observeres, hvordan kategoriene er definert, hvem som f\u00e5r se resultatene, og hvilken beslutning de skal st\u00f8tte. Sp\u00f8r operat\u00f8rene hvilke avbrudd dagens registreringer ikke fanger opp. Studien blir mer nyttig n\u00e5r folk kan forklare at et komponentsett mangler, enn n\u00e5r de f\u00f8ler at de b\u00f8r skjule ventingen.<\/p>\n\n\n<p>Definer populasjonen: personene eller maskinene, skiftene, dagene og produksjonsforholdene som resultatet skal beskrive. En studie av dagskiftet i ett monteringsomr\u00e5de beskriver ikke automatisk nattarbeidet eller hele fabrikken.<\/p>\n\n\n<p>Velg deretter observasjonsenhet. \u00c9n operat\u00f8r i ett bestemt \u00f8yeblikk er \u00e9n enhet; \u00e9n maskin i ett bestemt \u00f8yeblikk er en annen. Hold tilstandene deres adskilt. En maskin kan bearbeide automatisk mens operat\u00f8ren kontrollerer en annen del. Maskinen er i drift, og operat\u00f8ren utf\u00f8rer kontroll: Ingen av observasjonene trenger \u00e5 klassifiseres som lediggang.<\/p>\n\n\n<p>V\u00e6r ogs\u00e5 tydelig p\u00e5 hvilken tid studien omfatter. Hvis den dekker hele det betalte skiftet, m\u00e5 den relevante pausekategorien tas med. Hvis den bare dekker definerte driftsperioder, m\u00e5 du oppgi at disse utgj\u00f8r tidsgrunnlaget. Ikke sammenlign de to som om de m\u00e5ler det samme.<\/p>\n\n\n<h2 class=\"wp-block-heading\">Definer aktiviteter som observat\u00f8rene kan kjenne igjen<\/h2>\n\n\n<p>Bruk et begrenset antall kategorier som er gjensidig utelukkende for den valgte observasjonsenheten, og som dekker situasjonene du forventer. Skriv en kort definisjon for hver kategori, med eksempler fra det aktuelle omr\u00e5det.<\/p>\n\n\n<p>\u00abVenting p\u00e5 materialer\u00bb skal bety at det valgte arbeidet ikke kan fortsette fordi n\u00f8dvendige materialer ikke er tilgjengelige, ikke at operat\u00f8ren tilfeldigvis st\u00e5r ved materialreolen. For \u00abomstilling\u00bb b\u00f8r dere bli enige om avgrensningen fra forberedelsene begynner til produksjonen er klar til \u00e5 starte. La n\u00f8dvendig kontroll v\u00e6re en egen, synlig aktivitet i stedet for \u00e5 gjemme den i en generell kategori for tid uten produksjon.<\/p>\n\n\n<p>Ta med en kode for ukjent eller ikke observerbar aktivitet. Hvis du ikke kan fastsl\u00e5 hva som foreg\u00e5r, registrerer du usikkerheten i stedet for \u00e5 gjette p\u00e5 en \u00e5rsak. G\u00e5 gjennom disse tilfellene separat; de skal ikke forsvinne ubemerket fra beregningsgrunnlaget.<\/p>\n\n\n<p>Pr\u00f8v ut definisjonene i en kort pilotstudie. La observat\u00f8rene klassifisere de samme situasjonene og diskutere uenigheter. Hvis \u00e9n person klassifiserer leting etter verkt\u00f8y som omstilling og en annen som venting, vil studien delvis m\u00e5le forskjeller i definisjonene fremfor selve arbeidet. Avklar dette f\u00f8r dere samler inn hovedutvalget.<\/p>\n\n\n<p>Piloten avdekker ogs\u00e5 praktiske problemer: observasjonspunkter som ikke er tilgjengelige, en rute som tar for lang tid, eller kategorier som er s\u00e5 detaljerte at de ikke kan skilles fra hverandre med et raskt blikk.<\/p>\n\n\n<h2 class=\"wp-block-heading\">Gj\u00f8r tilfeldige observasjoner under representative produksjonsforhold<\/h2>\n\n\n<p>Bruk et verkt\u00f8y for tilfeldige tall til \u00e5 fastsette observasjonstidspunktene p\u00e5 forh\u00e5nd, og fordel observasjonene over skiftene og dagene beslutningen gjelder. Velg person eller maskin etter planen, ikke ut fra hva som ser mest interessant ut n\u00e5r du kommer.<\/p>\n\n\n<p>Faste bes\u00f8k hver halvtime kan gang p\u00e5 gang falle sammen med etterfylling, en pause eller en maskinsyklus. Hvis du bare observerer n\u00e5r arbeidslederen har ledig tid, skaper det en annen skjevhet. Tilfeldige tidspunkter bidrar til \u00e5 unng\u00e5 slike m\u00f8nstre. Ved \u00e5 dekke de relevante driftsforholdene f\u00e5r du et resultat som er nyttig utover en formiddag det tilfeldigvis passet \u00e5 observere.<\/p>\n\n\n<p>Registrer aktiviteten p\u00e5 hvert valgt tidspunkt uten \u00e5 vente p\u00e5 at den neste skal begynne. Ta vare p\u00e5 tidspunkt, observasjonsenhet, kategori og relevante opplysninger om skift eller produkt. Skriv en kort, saklig merknad n\u00e5r det kan bidra til \u00e5 unders\u00f8ke en forsinkelse. Ikke avbryt aktiviteten for \u00e5 f\u00e5 en forklaring, for s\u00e5 \u00e5 klassifisere samtalen du selv satte i gang.<\/p>\n\n\n<p>Registrer observasjoner som ikke ble gjennomf\u00f8rt, og \u00e5rsaken til det. Hvis alle utilgjengelige eller vanskelige observasjoner erstattes med enklere observasjoner i n\u00e6rheten, kan det endre hva utvalget representerer.<\/p>\n\n\n<p>Hvis du bevisst gj\u00f8r flere observasjoner p\u00e5 ett skift enn p\u00e5 de andre, m\u00e5 du rapportere skiftresultatene separat eller kombinere dem med vekter som gjenspeiler tiden eller populasjonen du vil ansl\u00e5 andeler for. Sl\u00e5r du bare sammen observasjoner med ulik utvalgsfrekvens, kan et uvanlig skift f\u00e5 dominere resultatet.<\/p>\n\n\n<p>Skill ogs\u00e5 mellom antall observasjoner og mengden uavhengig informasjon. N\u00e5r du observerer flere operat\u00f8rer p\u00e5 \u00e9n runde, f\u00e5r du flere registreringer, men en felles materialmangel kan gj\u00f8re tilstandene deres avhengige av hverandre. Gjentatte \u00f8yeblikksobservasjoner under samme stans har en tilsvarende begrensning. S\u00f8rg for at runder og tidsgrupper kan identifiseres, slik at analysen kan ta hensyn til denne klyngedannelsen.<\/p>\n\n\n<h2 class=\"wp-block-heading\">Hvor mange observasjoner trenger du i en multimomentstudie?<\/h2>\n\n\n<p>Hvor stort utvalg du trenger, avhenger av presisjonen beslutningen krever, og den forventede andelen for aktiviteten. Det finnes ikke noe bestemt antall observasjoner som gj\u00f8r enhver studie representativ.<\/p>\n\n\n<p>N\u00e5r du planlegger et enkelt tilfeldig utvalg med uavhengige observasjoner, brukes ofte f\u00f8lgende tiln\u00e6rming for andelen til \u00e9n aktivitet:<\/p>\n\n\n<p>n \u2248 z\u00b2 \u00d7 p \u00d7 (1 \u2212 p) \u00f7 e\u00b2<\/p>\n\n\n<p>Her er n antall observasjoner, p den forventede andelen skrevet som desimaltall, e den \u00f8nskede absolutte feilmarginen og z normalfordelingens verdi for det valgte konfidensniv\u00e5et. For et tiln\u00e6rmet konfidensniv\u00e5 p\u00e5 95 % er z lik 1,96. Rund det beregnede antallet opp.<\/p>\n\n\n<p>Hvis du enn\u00e5 ikke har et troverdig anslag for p, gir 0,50 det st\u00f8rste antallet for en gitt absolutt feilmargin. Med en feilmargin p\u00e5 fem prosentpoeng, e = 0,05, gir beregningen 385 observasjoner. Dette er et planleggingseksempel under disse forutsetningene, ikke et universelt minimum eller en garanti for hver undergruppe.<\/p>\n\n\n<p>V\u00e6r presis n\u00e5r du sier \u00abfem prosent\u00bb. En venteandel p\u00e5 20 % med en feilmargin p\u00e5 fem prosentpoeng betyr omtrent 15 % til 25 %. En relativ feilmargin p\u00e5 5 % av denne andelen betyr bare ett prosentpoeng i hver retning, noe som krever et langt st\u00f8rre utvalg.<\/p>\n\n\n<p>Planlegg presisjonen ut fra kategorien og sammenligningen som er viktig for beslutningen. Et antall observasjoner som er tilstrekkelig for den samlede andelen ventetid, kan v\u00e6re for lite for enkeltskift, sjeldne forsinkelser eller enkelte arbeidsstasjoner. N\u00e5r observasjonene samles i runder, m\u00e5 analysen ta hensyn til utvalgsdesignet i stedet for \u00e5 behandle hver registrering som uavhengig. Hvis beslutningen gjelder en liten endring eller en betydelig investering, b\u00f8r en spesialist p\u00e5 utvalgsunders\u00f8kelser kontrollere opplegget f\u00f8r hovedinnsamlingen starter.<\/p>\n\n\n<h2 class=\"wp-block-heading\">Eksempel: Bruk aktivitetsregistreringer til \u00e5 finne ut hva som b\u00f8r forbedres<\/h2>\n\n\n<p>Se for deg et omr\u00e5de for manuell montering der teamet mistenker at ufullstendige materialsett f\u00f8rer til avbrudd i arbeidet. I en studie samles det inn 400 \u00f8yeblikksobservasjoner av operat\u00f8rer gjennom produksjonsperiodene som inng\u00e5r i studien. Hvert operat\u00f8r\u00f8yeblikk har samme sannsynlighet for \u00e5 bli valgt. I dette forenklede eksemplet forutsetter vi at observasjonene er uavhengige, og at alle kan klassifiseres.<\/p>\n\n\n<figure class=\"wp-block-table\"><table><thead><tr><th>Observert aktivitet<\/th><th>Observasjoner<\/th><th>Andel av observasjonene<\/th><\/tr><\/thead><tbody><tr><td>Monteringsarbeid<\/td><td>200<\/td><td>50 %<\/td><\/tr><tr><td>Omstilling og klargj\u00f8ring<\/td><td>60<\/td><td>15 %<\/td><\/tr><tr><td>Kontroll<\/td><td>40<\/td><td>10 %<\/td><\/tr><tr><td>Venting p\u00e5 materialer<\/td><td>80<\/td><td>20 %<\/td><\/tr><tr><td>Andre identifiserte forsinkelser<\/td><td>12<\/td><td>3 %<\/td><\/tr><tr><td>Planlagte pauser<\/td><td>8<\/td><td>2 %<\/td><\/tr><tr><td>Totalt<\/td><td>400<\/td><td>100 %<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n<p>Den estimerte andelen tid som g\u00e5r med til \u00e5 vente p\u00e5 materialer, er 80 \u00f7 400 = 20 %. Dette beskriver den samlede operat\u00f8rtiden som studien representerer. Det betyr ikke at hver operat\u00f8r venter i n\u00f8yaktig en femtedel av hvert skift, eller at alle avbrudd varer like lenge.<\/p>\n\n\n<p>For denne ene andelen gir en enkel normaltiln\u00e6rming f\u00f8lgende:<\/p>\n\n\n<p>Omtrentlig feilmargin ved 95 % konfidensniv\u00e5 = 1,96 \u00d7 \u221a[0.20 \u00d7 0.80 \u00f7 400] = 0,0392<\/p>\n\n\n<p>Det tilsvarer omtrent 3,9 prosentpoeng og gir et omtrentlig intervall fra 16,1 % til 23,9 %. Intervallet uttrykker utvalgsusikkerheten under de angitte forutsetningene. Det tar ikke h\u00f8yde for et skjevt utvalg av observasjonstidspunkter, feilklassifiserte aktiviteter eller en annen produktmiks neste m\u00e5ned.<\/p>\n\n\n<p>Ved sm\u00e5 utvalg eller aktivitetsandeler n\u00e6r null eller \u00e9n b\u00f8r du bruke et mer egnet intervall, for eksempel et Wilson-intervall eller et eksakt binomisk intervall, i stedet for \u00e5 basere deg p\u00e5 denne symmetriske tiln\u00e6rmingen. N\u00e5r observasjonene er gruppert eller vektet, m\u00e5 metoden ogs\u00e5 ta hensyn til utvalgsdesignet.<\/p>\n\n\n<p>Den praktiske konklusjonen er tydeligere enn desimalene: Venting p\u00e5 materialer b\u00f8r unders\u00f8kes. Start med \u00e5 finne ut hvor i prosessen de aktuelle materialsettene ble ufullstendige, hvilke komponenter som manglet, og om neste montering kunne ha startet i stedet. Kategorien viser hvor dere b\u00f8r lete. Teamet og den tilh\u00f8rende dokumentasjonen forklarer hvorfor det skjedde.<\/p>\n\n\n<h2 class=\"wp-block-heading\">Forbedre forholdene, og kontroller hva som faktisk endret seg<\/h2>\n\n\n<p>G\u00e5 gjennom funnene sammen med operat\u00f8rene, dem som h\u00e5ndterer materialene, og den ansvarlige for den ber\u00f8rte prosessen. Skill n\u00f8dvendig arbeid fra avbrudd som kan unng\u00e5s. Kontroll kan sikre kvaliteten, omstilling gj\u00f8r neste parti mulig, og pauser bidrar til en fungerende arbeidsdag. Ingen av delene blir sl\u00f8sing som kan fjernes, bare fordi det ikke er montering.<\/p>\n\n\n<p>Velg et avgrenset tiltak og en ansvarlig. I monteringseksemplet kan det bety \u00e5 bekrefte at materialsettene er komplette f\u00f8r arbeidet frigis til monteringsomr\u00e5det. Unders\u00f8k om problemet med manglende komponenter blir mindre, og om arbeidet faktisk kan komme videre tidligere, i stedet for at ventingen bare flyttes til en annen avdeling.<\/p>\n\n\n<p>Gjenta observasjonene under sammenlignbare forhold, med de samme kategoridefinisjonene og tidsavgrensningene. Sammenlign ogs\u00e5 produktmiks, bemanning og uvanlige hendelser, ikke bare de overordnede prosentandelene. En liten prosentvis endring innenfor studiens usikkerhet er ikke overbevisende dokumentasjon i seg selv. En endret produktmiks kan dessuten f\u00e5 resultatet til \u00e5 se bedre ut uten at arbeidsmetoden er forbedret.<\/p>\n\n\n<p>Viktigst av alt: Ikke regn den opprinnelige venteandelen p\u00e5 20 % direkte om til 20 % ekstra kapasitet. Den frigjorte tiden kan v\u00e6re oppstykket, kreve en annen person for \u00e5 kunne utnyttes eller sammenfalle med at en maskin allerede kj\u00f8rer. Det kan ogs\u00e5 v\u00e6re tid der ingen annen jobb kunne ha brukt arbeidsstasjonen.<\/p>\n\n\n<p>Kontroller virkningen p\u00e5 ressursen du skal planlegge. Hvis en bedre klargj\u00f8ringsmetode faktisk forkorter omstillingen, m\u00e5 den nye omstillingstiden m\u00e5les og godkjennes. Hvis metoden gj\u00f8r en arbeidsstasjon tilgjengelig i et lengre tidsrom, m\u00e5 du bekrefte at bemanningen og utstyret gj\u00f8r det mulig \u00e5 utnytte denne tilgjengeligheten. Skill mellom arbeidsinnsats, operasjonens varighet og tiden maskinen er belagt.<\/p>\n\n\n<h2 class=\"wp-block-heading\">Ta dokumenterte forbedringer inn i produksjonsplanen<\/h2>\n\n\n<p>En bekreftet forbedring p\u00e5virker mer enn arbeidsstasjonen du har unders\u00f8kt. Kortere omstillingstid kan gj\u00f8re at neste ordre starter tidligere, men ordren trenger fortsatt materialer og plass ved neste operasjon. Andre ordrer kan konkurrere om de samme maskinene. Derfor m\u00e5 en lokal forbedring inng\u00e5 i en <a href=\"https:\/\/skyplanner.ai\/no\/ressurser\/hva-er-produksjonsplanlegging\/\">felles produksjonsplan<\/a>.<\/p>\n\n\n<p>I SkyPlanner kan du angi varigheten for prosesstrinn som tid per enhet, produksjonsrate eller fast tid, og holde omstilling og avslutning atskilt. Arbeidsstasjonenes skift angir hvilke tidsrom som er tilgjengelige. Arcturus, SkyPlanners KI for finplanlegging, beregner planen ut fra angitt kapasitet, avhengigheter og prioriteringer. Resultatet vises i Gantt-diagrammet.<\/p>\n\n\n<p>Se for deg at en oppf\u00f8lgingsm\u00e5ling bekrefter at omstillingstiden er redusert fra 40 til 30 minutter for en definert gruppe jobber. Oppdater de ber\u00f8rte planleggingsdataene slik at de aktuelle jobbene bruker den godkjente omstillingstiden. Beregn deretter plasseringen deres p\u00e5 nytt sammen med resten av arbeidsmengden. Se p\u00e5 etterf\u00f8lgende operasjoner og leveringsdatoer, ikke bare tidsrommet som ble ledig ved den f\u00f8rste stasjonen.<\/p>\n\n\n<p>SkyPlanner beregner denne sammenhengende planen, slik at du slipper \u00e5 plassere hver endrede jobb manuelt i k\u00f8en til den enkelte maskinen. Du avgj\u00f8r hvilken forbedring som er gyldig, og hvilke ordrer som skal prioriteres. Arcturus bruker disse f\u00f8ringene i planen. Et bedre beslutningsgrunnlag blir til nyttig produksjonskapasitet der arbeidet faktisk kan utnytte den.<\/p>\n\n\n<p><a href=\"https:\/\/skyplanner.ai\/no\/kundehistorier\/fredman-operations\/\">Fredman Operations\u2019 erfaring med SkyPlanner<\/a> illustrerer gevinsten ved finplanlegging. Produsenten av matemballasje manglet tidligere en tydelig kapasitetsoversikt for hvert skift, og omplanlegging ved hastesaker kunne ta en time eller mer. Med SkyPlanner ble maskinplaner og skiftkapasitet samlet i en felles Gantt-visning. Selskapet beskriver raskere h\u00e5ndtering av endringer og et tydeligere grunnlag for \u00e5 love leveringsdatoer. Erfaringen deres viser verdien av \u00e5 samordne arbeidsmengden n\u00e5r forholdene endrer seg.<\/p>\n\n\n<p>Velg SkyPlanner n\u00e5r dokumenterte forbedringer p\u00e5 produksjonsgulvet skal bli til en gjennomf\u00f8rbar plan for hele ordreboken. L\u00f8sningen kan integreres med ethvert ERP- eller MES-system gjennom sitt \u00e5pne REST API. Dermed kan du beholde systemene som styrer virksomheten, samtidig som du forbedrer finplanleggingen av produksjonen.<\/p>\n\n\n<p><a href=\"https:\/\/skyplanner.ai\/no\/kontakt-salg\/\">Bestill en demo av SkyPlanner<\/a>, og ta med \u00e9n forbedring, den godkjente virkningen p\u00e5 varighet eller tilgjengelighet og andre ordrer som bruker de samme ressursene. Da f\u00e5r du se konkret hva endringen betyr for arbeidet du har lovet \u00e5 levere. Hvis du heller vil utforske f\u00f8rst, kan du <a href=\"https:\/\/skyplanner.ai\/no\/prove\/\">pr\u00f8ve SkyPlanner med demodata<\/a>.<\/p>\n\n<\/div>\n<\/div>","protected":false},"excerpt":{"rendered":"<p>Multimomentstudie i produksjonen: Finn skjulte forsinkelser Hjem &raquo; Ressurser &raquo; Multimomentstudie i produksjonen: Finn skjulte forsinkelser P\u00e5 en runde gjennom fabrikken kan det se ut som alle har fullt opp, mens neste runde gir inntrykk av ledig kapasitet p\u00e5 det samme skiftet. Ingen av rundene forteller deg hvor mye tid som g\u00e5r med til \u00e5 &#8230; <a title=\"Multimomentstudie i produksjonen: Finn skjulte forsinkelser\" class=\"read-more\" href=\"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/\" aria-label=\"Read more about Multimomentstudie i produksjonen: Finn skjulte forsinkelser\">Les mer<\/a><\/p>\n","protected":false},"author":3,"featured_media":110797,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"_uag_custom_page_level_css":"","footnotes":""},"categories":[2533,505],"tags":[],"class_list":["post-110788","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-aps-og-planlegging","category-ressurser","generate-columns","tablet-grid-50","mobile-grid-100","grid-parent","grid-33"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v28.3 (Yoast SEO v28.7) - https:\/\/yoast.com\/product\/yoast-seo-premium-wordpress\/ -->\n<title>Multimomentstudie i produksjonen: Finn skjulte forsinkelser<\/title>\n<meta name=\"description\" content=\"Kartlegg tidsbruken med tilfeldige observasjoner. Tolk aktivitetsandeler, ta tak i forsinkelser og bruk verifiserte endringer til \u00e5 forbedre produksjonsplanen.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/\" \/>\n<meta property=\"og:locale\" content=\"nb_NO\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Multimomentstudie i produksjonen: Finn skjulte forsinkelser\" \/>\n<meta property=\"og:description\" content=\"Kartlegg tidsbruken med tilfeldige observasjoner. Tolk aktivitetsandeler, ta tak i forsinkelser og bruk verifiserte endringer til \u00e5 forbedre produksjonsplanen.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/\" \/>\n<meta property=\"og:site_name\" content=\"SkyPlanner\" \/>\n<meta property=\"article:published_time\" content=\"2026-10-26T08:47:49+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-10-26T08:50:12+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/work-sampling-manufacturing-hero.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1672\" \/>\n\t<meta property=\"og:image:height\" content=\"940\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Jussi M\u00e4ntyl\u00e4\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Skrevet av\" \/>\n\t<meta name=\"twitter:data1\" content=\"Jussi M\u00e4ntyl\u00e4\" \/>\n\t<meta name=\"twitter:label2\" content=\"Ansl. lesetid\" \/>\n\t<meta name=\"twitter:data2\" content=\"12 minutter\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/multimomentstudie\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/multimomentstudie\\\/\"},\"author\":{\"name\":\"Jussi M\u00e4ntyl\u00e4\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#\\\/schema\\\/person\\\/d90eac23cfbf5af3a2c4a38ff10376b5\"},\"headline\":\"Multimomentstudie i produksjonen: Finn skjulte forsinkelser\",\"datePublished\":\"2026-10-26T08:47:49+00:00\",\"dateModified\":\"2026-10-26T08:50:12+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/multimomentstudie\\\/\"},\"wordCount\":2495,\"publisher\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/multimomentstudie\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/work-sampling-manufacturing-hero.png\",\"articleSection\":[\"APS og planlegging\",\"Ressurser\"],\"inLanguage\":\"nb-NO\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/multimomentstudie\\\/\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/multimomentstudie\\\/\",\"name\":\"Multimomentstudie i produksjonen: Finn skjulte forsinkelser\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/multimomentstudie\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/multimomentstudie\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/work-sampling-manufacturing-hero.png\",\"datePublished\":\"2026-10-26T08:47:49+00:00\",\"dateModified\":\"2026-10-26T08:50:12+00:00\",\"description\":\"Kartlegg tidsbruken med tilfeldige observasjoner. Tolk aktivitetsandeler, ta tak i forsinkelser og bruk verifiserte endringer til \u00e5 forbedre produksjonsplanen.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/multimomentstudie\\\/#breadcrumb\"},\"inLanguage\":\"nb-NO\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/multimomentstudie\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"nb-NO\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/multimomentstudie\\\/#primaryimage\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/work-sampling-manufacturing-hero.png\",\"contentUrl\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/work-sampling-manufacturing-hero.png\",\"width\":1672,\"height\":940,\"caption\":\"Assembly, fixture setup and waiting beside an empty component tray illustrate work-sampling activity snapshots.\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/multimomentstudie\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Multimomentstudie i produksjonen: Finn skjulte forsinkelser\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#website\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/\",\"name\":\"SkyPlanner\",\"description\":\"AI-powered production scheduling and planning software\",\"publisher\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"nb-NO\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#organization\",\"name\":\"Skycode Oy\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"nb-NO\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2022\\\/05\\\/Skyplanner-logo-2.svg\",\"contentUrl\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2022\\\/05\\\/Skyplanner-logo-2.svg\",\"width\":223,\"height\":43,\"caption\":\"SkyPlanner APS\"},\"image\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"legalName\":\"Skycode Oy\",\"alternateName\":[\"Skycode\",\"SkyPlanner\",\"SkyPlanner APS\"],\"description\":\"Skycode Oy is the Finnish software company that develops and publishes SkyPlanner APS, AI production scheduling and advanced planning and scheduling (APS) software for manufacturers worldwide. Founded in 1997 as a sole proprietorship and incorporated as Skycode Oy in 2008.\",\"foundingDate\":\"1997\",\"taxID\":\"2204947-0\",\"vatID\":\"FI22049470\",\"telephone\":\"+358407000002\",\"email\":\"support@skyplanner.ai\",\"address\":{\"@type\":\"PostalAddress\",\"streetAddress\":\"Rantakatu 2 G 11\",\"postalCode\":\"65100\",\"addressLocality\":\"Vaasa\",\"addressCountry\":\"FI\"},\"brand\":{\"@type\":\"Brand\",\"name\":\"SkyPlanner\"},\"knowsAbout\":[\"Production Scheduling\",\"Advanced Planning and Scheduling\",\"Manufacturing AI\",\"Finite Capacity Scheduling\",\"ERP Integration\",\"MES Integration\"],\"areaServed\":\"Worldwide\",\"contactPoint\":[{\"@type\":\"ContactPoint\",\"contactType\":\"sales\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/contact-sales\\\/\",\"areaServed\":\"Worldwide\"},{\"@type\":\"ContactPoint\",\"contactType\":\"customer support\",\"email\":\"support@skyplanner.ai\",\"telephone\":\"+358407000002\",\"areaServed\":\"Worldwide\"}],\"sameAs\":[\"https:\\\/\\\/www.wikidata.org\\\/wiki\\\/Q141672132\",\"https:\\\/\\\/skycode.fi\\\/\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/skycodeoy\\\/\",\"https:\\\/\\\/www.finder.fi\\\/IT-konsultointi+IT-palvelut\\\/Skycode+Oy\\\/Vaasa\\\/yhteystiedot\\\/1934882\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#\\\/schema\\\/person\\\/d90eac23cfbf5af3a2c4a38ff10376b5\",\"name\":\"Jussi M\u00e4ntyl\u00e4\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"nb-NO\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g\",\"caption\":\"Jussi M\u00e4ntyl\u00e4\"}}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Multimomentstudie i produksjonen: Finn skjulte forsinkelser","description":"Kartlegg tidsbruken med tilfeldige observasjoner. Tolk aktivitetsandeler, ta tak i forsinkelser og bruk verifiserte endringer til \u00e5 forbedre produksjonsplanen.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/","og_locale":"nb_NO","og_type":"article","og_title":"Multimomentstudie i produksjonen: Finn skjulte forsinkelser","og_description":"Kartlegg tidsbruken med tilfeldige observasjoner. Tolk aktivitetsandeler, ta tak i forsinkelser og bruk verifiserte endringer til \u00e5 forbedre produksjonsplanen.","og_url":"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/","og_site_name":"SkyPlanner","article_published_time":"2026-10-26T08:47:49+00:00","article_modified_time":"2026-10-26T08:50:12+00:00","og_image":[{"width":1672,"height":940,"url":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/work-sampling-manufacturing-hero.png","type":"image\/png"}],"author":"Jussi M\u00e4ntyl\u00e4","twitter_card":"summary_large_image","twitter_misc":{"Skrevet av":"Jussi M\u00e4ntyl\u00e4","Ansl. lesetid":"12 minutter"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/#article","isPartOf":{"@id":"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/"},"author":{"name":"Jussi M\u00e4ntyl\u00e4","@id":"https:\/\/skyplanner.ai\/no\/#\/schema\/person\/d90eac23cfbf5af3a2c4a38ff10376b5"},"headline":"Multimomentstudie i produksjonen: Finn skjulte forsinkelser","datePublished":"2026-10-26T08:47:49+00:00","dateModified":"2026-10-26T08:50:12+00:00","mainEntityOfPage":{"@id":"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/"},"wordCount":2495,"publisher":{"@id":"https:\/\/skyplanner.ai\/no\/#organization"},"image":{"@id":"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/#primaryimage"},"thumbnailUrl":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/work-sampling-manufacturing-hero.png","articleSection":["APS og planlegging","Ressurser"],"inLanguage":"nb-NO"},{"@type":"WebPage","@id":"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/","url":"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/","name":"Multimomentstudie i produksjonen: Finn skjulte forsinkelser","isPartOf":{"@id":"https:\/\/skyplanner.ai\/no\/#website"},"primaryImageOfPage":{"@id":"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/#primaryimage"},"image":{"@id":"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/#primaryimage"},"thumbnailUrl":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/work-sampling-manufacturing-hero.png","datePublished":"2026-10-26T08:47:49+00:00","dateModified":"2026-10-26T08:50:12+00:00","description":"Kartlegg tidsbruken med tilfeldige observasjoner. Tolk aktivitetsandeler, ta tak i forsinkelser og bruk verifiserte endringer til \u00e5 forbedre produksjonsplanen.","breadcrumb":{"@id":"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/#breadcrumb"},"inLanguage":"nb-NO","potentialAction":[{"@type":"ReadAction","target":["https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/"]}]},{"@type":"ImageObject","inLanguage":"nb-NO","@id":"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/#primaryimage","url":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/work-sampling-manufacturing-hero.png","contentUrl":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/work-sampling-manufacturing-hero.png","width":1672,"height":940,"caption":"Assembly, fixture setup and waiting beside an empty component tray illustrate work-sampling activity snapshots."},{"@type":"BreadcrumbList","@id":"https:\/\/skyplanner.ai\/no\/ressurser\/multimomentstudie\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/skyplanner.ai\/no\/"},{"@type":"ListItem","position":2,"name":"Multimomentstudie i produksjonen: Finn skjulte forsinkelser"}]},{"@type":"WebSite","@id":"https:\/\/skyplanner.ai\/no\/#website","url":"https:\/\/skyplanner.ai\/no\/","name":"SkyPlanner","description":"AI-powered production scheduling and planning software","publisher":{"@id":"https:\/\/skyplanner.ai\/no\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/skyplanner.ai\/no\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"nb-NO"},{"@type":"Organization","@id":"https:\/\/skyplanner.ai\/no\/#organization","name":"Skycode Oy","url":"https:\/\/skyplanner.ai\/no\/","logo":{"@type":"ImageObject","inLanguage":"nb-NO","@id":"https:\/\/skyplanner.ai\/no\/#\/schema\/logo\/image\/","url":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2022\/05\/Skyplanner-logo-2.svg","contentUrl":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2022\/05\/Skyplanner-logo-2.svg","width":223,"height":43,"caption":"SkyPlanner APS"},"image":{"@id":"https:\/\/skyplanner.ai\/no\/#\/schema\/logo\/image\/"},"legalName":"Skycode Oy","alternateName":["Skycode","SkyPlanner","SkyPlanner APS"],"description":"Skycode Oy is the Finnish software company that develops and publishes SkyPlanner APS, AI production scheduling and advanced planning and scheduling (APS) software for manufacturers worldwide. Founded in 1997 as a sole proprietorship and incorporated as Skycode Oy in 2008.","foundingDate":"1997","taxID":"2204947-0","vatID":"FI22049470","telephone":"+358407000002","email":"support@skyplanner.ai","address":{"@type":"PostalAddress","streetAddress":"Rantakatu 2 G 11","postalCode":"65100","addressLocality":"Vaasa","addressCountry":"FI"},"brand":{"@type":"Brand","name":"SkyPlanner"},"knowsAbout":["Production Scheduling","Advanced Planning and Scheduling","Manufacturing AI","Finite Capacity Scheduling","ERP Integration","MES Integration"],"areaServed":"Worldwide","contactPoint":[{"@type":"ContactPoint","contactType":"sales","url":"https:\/\/skyplanner.ai\/contact-sales\/","areaServed":"Worldwide"},{"@type":"ContactPoint","contactType":"customer support","email":"support@skyplanner.ai","telephone":"+358407000002","areaServed":"Worldwide"}],"sameAs":["https:\/\/www.wikidata.org\/wiki\/Q141672132","https:\/\/skycode.fi\/","https:\/\/www.linkedin.com\/company\/skycodeoy\/","https:\/\/www.finder.fi\/IT-konsultointi+IT-palvelut\/Skycode+Oy\/Vaasa\/yhteystiedot\/1934882"]},{"@type":"Person","@id":"https:\/\/skyplanner.ai\/no\/#\/schema\/person\/d90eac23cfbf5af3a2c4a38ff10376b5","name":"Jussi M\u00e4ntyl\u00e4","image":{"@type":"ImageObject","inLanguage":"nb-NO","@id":"https:\/\/secure.gravatar.com\/avatar\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g","caption":"Jussi M\u00e4ntyl\u00e4"}}]}},"uagb_featured_image_src":{"full":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/work-sampling-manufacturing-hero.png",1672,940,false],"thumbnail":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/work-sampling-manufacturing-hero-150x150.png",150,150,true],"medium":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/work-sampling-manufacturing-hero-300x169.png",300,169,true],"medium_large":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/work-sampling-manufacturing-hero-768x432.png",768,432,true],"large":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/work-sampling-manufacturing-hero-1024x576.png",1024,576,true],"1536x1536":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/work-sampling-manufacturing-hero-1536x864.png",1536,864,true],"2048x2048":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/work-sampling-manufacturing-hero.png",1672,940,false],"betterdocs-category-thumb":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/work-sampling-manufacturing-hero-360x202.png",360,202,true]},"uagb_author_info":{"display_name":"Jussi M\u00e4ntyl\u00e4","author_link":"https:\/\/skyplanner.ai\/no\/author\/jussi\/"},"uagb_comment_info":0,"uagb_excerpt":"Multimomentstudie i produksjonen: Finn skjulte forsinkelser Hjem &raquo; Ressurser &raquo; Multimomentstudie i produksjonen: Finn skjulte forsinkelser P\u00e5 en runde gjennom fabrikken kan det se ut som alle har fullt opp, mens neste runde gir inntrykk av ledig kapasitet p\u00e5 det samme skiftet. Ingen av rundene forteller deg hvor mye tid som g\u00e5r med til \u00e5&hellip;","_links":{"self":[{"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/posts\/110788","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/comments?post=110788"}],"version-history":[{"count":1,"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/posts\/110788\/revisions"}],"predecessor-version":[{"id":110851,"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/posts\/110788\/revisions\/110851"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/media\/110797"}],"wp:attachment":[{"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/media?parent=110788"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/categories?post=110788"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/tags?post=110788"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}