Frekvensstudie i produktionen: hitta dolda förseningar

Hem » Resurser » Frekvensstudie i produktionen: hitta dolda förseningar

Beräknad lästid: 12 minuter

Under en rundtur i fabriken kan ett skift verka fullbelagt ena stunden och underutnyttjat nästa. Inget av besöken visar hur mycket tid som går åt till att tillverka detaljer, förbereda arbetet eller vänta på att något ska komma fram.

En frekvensstudie ersätter sådana intryck med en planerad serie observationer vid slumpmässigt valda tidpunkter. Den hjälper dig att hitta förhållanden som avbryter produktionen och välja en förbättring som är värd att testa. Det värdefulla resultatet är inte ett betyg på hur upptagna människor ser ut att vara, utan ett tydligare svar på vad som hindrar arbetet från att gå framåt.

När du har verifierat vad en förbättring faktiskt förändrar kan SkyPlanner APS omsätta förbättrade operationstider och tillgängliga resurser i ett samordnat produktionsschema. Du lägger mindre tid på att planera om köerna till varje maskin och kan se vad ändringen innebär för de order du ska leverera.

Vad är en frekvensstudie?

En frekvensstudie är en statistisk metod för att uppskatta hur stor andel av tiden som ägnas åt definierade aktiviteter genom att observera människor eller maskiner vid slumpmässigt valda tidpunkter. Vid varje observation registreras den aktivitet som pågår just då. Andelen observationer i en kategori ger en uppskattning av kategorins andel av den tid som studien omfattar, förutsatt att urvalet är representativt för den tiden.

En studie i en monteringsavdelning kan till exempel skilja mellan montering, ställ, kontroll, väntan på material och andra avbrott. Genom att registrera dessa kategorier under representativa skift får du ett mer användbart underlag än om allt bara klassas som produktivt arbete eller overksamhet.

Metoden är särskilt användbar när aktiviteterna varierar, avbrotten är utspridda och kontinuerlig observation skulle kräva stora insatser. Du behöver inte följa varje operation från början till slut för att få en övergripande bild av hur aktiviteterna fördelar sig.

Välj en annan mätmetod om du behöver svar på en annan fråga:

• En tidsstudie i produktionen undersöker definierade arbetsmoment och kan fastställa en välgrundad standardtid. Slumpmässiga ögonblicksobservationer av aktiviteter visar inte hur lång tid varje kort arbetsmoment tar.
• Med tidsregistrering i produktionen registreras händelser och faktisk tid för order eller operationer. Registreringarna visar vilket arbete de bokförda timmarna har gått till, snarare än att ge ett slumpmässigt urval av all aktivitet.

I en formell arbetsmätningsstudie kan stickprov användas tillsammans med andra underlag för att fastställa standardtider. En aktivitetsandel i sig är däremot varken en standardtid eller ett mått på någons arbetstakt.

Utgå från ett beslut – inte från att räkna upptagna och overksamma

Välj en fråga där svaret kan förändra hur fabriken arbetar. ”Hur stor del av monteringsteamets tid går åt till att vänta på komponenter?” är en användbar utgångspunkt om du kan påverka materialberedningen. ”Hur effektiva är alla?” är för vagt för att studien ska kunna utformas och tolkas på ett bra sätt.

Förankra syftet hos dem som utför arbetet. Förklara vad som ska observeras, hur kategorierna definieras, vilka som får se resultaten och vilket beslut resultaten ska ligga till grund för. Fråga operatörerna vilka avbrott som saknas i befintliga registreringar. Studien blir mer användbar om människor kan förklara varför ett materialkit saknas än om de känner sig manade att dölja väntan.

Definiera populationen: vilka personer eller maskiner, skift, dagar och produktionsförhållanden som resultatet ska beskriva. En studie av dagskiftet i en monteringsavdelning beskriver inte automatiskt nattarbetet eller hela fabriken.

Välj sedan observationsenhet. En operatör vid en viss tidpunkt är en enhet, en maskin vid en viss tidpunkt en annan. Håll isär vad operatören gör och vilket tillstånd maskinen befinner sig i. En maskin kan bearbeta automatiskt medan operatören kontrollerar en annan detalj. Maskinen är i drift och operatören utför kontroll: ingen av observationerna behöver klassas som overksamhet.

Var också tydlig med vilken tid som ingår. Om studien omfattar hela det betalda skiftet ska den tillämpliga rastkategorin ingå. Om den bara omfattar definierade driftperioder ska du redovisa att det är denna tid som utgör nämnaren. Jämför inte de två som om de mätte samma sak.

Definiera aktiviteter som observatörerna kan känna igen

Använd ett fåtal kategorier som inte överlappar varandra för den valda observationsenheten och som täcker de situationer du förväntar dig. Skriv en kort definition av varje kategori med exempel från den aktuella avdelningen.

”Väntan på material” ska betyda att det valda arbetet inte kan fortsätta eftersom det material som behövs inte finns tillgängligt, inte att operatören råkar stå nära materialstället. För ”ställ” ska det finnas en överenskommen avgränsning från förberedelser till produktionsklart läge. Låt nödvändig kontroll vara en synlig kategori i stället för att gömma den i en allmän kategori för annat än produktion.

Ta med en kod för okänd aktivitet eller sådant som inte går att observera. Om du inte kan avgöra vad som pågår ska du registrera osäkerheten i stället för att gissa orsaken. Granska dessa fall separat; de ska inte försvinna ur nämnaren utan att det redovisas.

Testa definitionerna i en kort pilotstudie. Låt observatörerna klassificera samma situationer och diskutera eventuella skillnader. Om en person klassar letande efter verktyg som ställ och en annan som väntan kommer studien delvis att mäta hur ni tolkar definitionerna i stället för själva arbetet. Red ut detta innan ni börjar samla in huvudunderlaget.

Pilotstudien visar också praktiska problem: observationspunkter som inte går att komma åt, en runda som tar för lång tid eller kategorier som är så detaljerade att de inte går att skilja åt med en snabb blick.

Samla in slumpmässiga observationer som representerar produktionen

Ta fram observationstidpunkter i förväg med ett slumptalsverktyg och fördela observationerna över de skift och dagar som beslutet gäller. Välj person eller maskin enligt planen i stället för att välja den som verkar mest intressant när du kommer fram.

Ett regelbundet besök varje halvtimme kan gång på gång sammanfalla med materialpåfyllning, en rast eller en maskincykel. Att bara göra besök när arbetsledaren har tid över ger en annan typ av snedvridning. Slumpmässiga tidpunkter hjälper till att undvika sådana mönster. Genom att täcka relevanta driftförhållanden får du ett resultat som är användbart även utanför en förmiddag då det råkade passa att observera.

Registrera den pågående aktiviteten vid varje vald tidpunkt utan att vänta på att nästa aktivitet ska börja. Spara tidsstämpel, observationsenhet och kategori samt relevanta uppgifter om skift eller produkt. Gör en kort, saklig anteckning när den kan hjälpa till att utreda en försening. Avbryt inte aktiviteten för att få en förklaring och klassificera sedan samtalet du själv just har orsakat.

Registrera missade observationer och varför de missades. Om varje svåråtkomlig eller besvärlig observation ersätts med en enklare i närheten kan det förändra vad urvalet representerar.

Om du avsiktligt gör fler observationer på ett visst skift ska du redovisa resultaten för skiften separat eller väga samman dem så att vikterna motsvarar den tid eller population som ska uppskattas. Om du bara slår ihop observationer med olika urvalsfrekvens kan ett avvikande skift dominera resultatet.

Skilj också på antalet observationer och mängden oberoende information. Om du observerar flera operatörer under samma runda får du flera registreringar, men en gemensam materialbrist kan göra att deras tillstånd hänger ihop. Upprepade ögonblicksobservationer under samma stopp har en liknande begränsning. Märk upp rundor och tidsgrupper så att analysen kan ta hänsyn till denna klustring.

Hur många observationer behövs i en frekvensstudie?

Hur stort urval som krävs beror på vilken precision beslutet kräver och hur stor andel aktiviteten förväntas utgöra. Det finns inget visst antal observationer som gör alla studier representativa.

När du planerar ett obundet slumpmässigt urval med oberoende observationer kan du använda följande vanliga approximation för andelen av en aktivitet:

n ≈ z² × p × (1 − p) ÷ e²

Här är n antalet observationer, p den förväntade andelen i decimalform, e den önskade absoluta felmarginalen och z normalfördelningens värde för den valda konfidensnivån. För en ungefärlig konfidensnivå på 95 % är z lika med 1,96. Avrunda det beräknade antalet uppåt.

Om du ännu inte har en trovärdig uppskattning av p ger 0,50 det största antalet för en given absolut felmarginal. Med en felmarginal på fem procentenheter, e = 0,05, ger beräkningen 385 observationer. Det är ett planeringsexempel utifrån dessa antaganden, inte ett generellt minimiantal eller en garanti för varje undergrupp.

Var noga med vad ”fem procent” betyder. En väntetidsandel på 20 % med en felmarginal på fem procentenheter innebär ungefär 15 % till 25 %. En relativ felmarginal på 5 % av den andelen innebär bara en procentenhet åt vardera hållet, vilket kräver ett mycket större urval.

Planera för den precision som behövs i den kategori och jämförelse som är viktig för beslutet. Ett totalt antal observationer som räcker för att uppskatta den samlade andelen väntan kan vara otillräckligt för enskilda skift, sällsynta avbrott eller enskilda produktionsgrupper. När observationer samlas in i kluster under rundor måste analysen också ta hänsyn till urvalsdesignen, i stället för att varje notering behandlas som oberoende. Om beslutet gäller en liten förändring eller en stor investering bör en specialist på statistiska urval granska upplägget innan den huvudsakliga datainsamlingen börjar.

Exempel: från aktivitetsfördelning till förbättringsfråga

Tänk dig en avdelning för manuell montering där teamet misstänker att ofullständiga materialkit orsakar avbrott i arbetet. I en studie görs 400 ögonblicksobservationer av operatörer under de produktionsperioder som ingår, med samma urvalssannolikhet för varje kombination av operatör och tidpunkt. I detta förenklade exempel antar vi att observationerna är oberoende och att varje observation kan klassificeras.

Observerad aktivitet	Antal observationer	Andel av observationerna
Monteringsarbete	200	50 %
Ställarbete och förberedelser	60	15 %
Kontroll	40	10 %
Väntan på material	80	20 %
Övriga identifierade avbrott	12	3 %
Planerade raster	8	2 %
Totalt	400	100 %

Den uppskattade andelen väntan på material är 80 ÷ 400 = 20 %. Det beskriver operatörernas sammanlagda tid som studien representerar. Det betyder inte att varje operatör väntar exakt en femtedel av varje skift eller att alla avbrott varar lika länge.

För just denna andel ger en enkel normalapproximation följande:

Ungefärlig felmarginal vid 95 % konfidensnivå = 1,96 × √[0.20 × 0.80 ÷ 400] = 0,0392

Det motsvarar cirka 3,9 procentenheter och ger ett ungefärligt intervall från 16,1 % till 23,9 %. Intervallet uttrycker urvalsosäkerheten under de angivna antagandena. Det tar inte hänsyn till ett snedvridet observationsschema, felklassificerade aktiviteter eller en annan produktmix nästa månad.

Vid små urval eller aktivitetsandelar nära noll eller ett bör ett lämpligare intervall användas, till exempel ett Wilsonintervall eller ett exakt binomialintervall, i stället för denna symmetriska approximation. Om observationerna är grupperade eller viktade ska metoden också ta hänsyn till urvalsdesignen.

Den praktiska slutsatsen är tydligare än decimalerna: väntan på material behöver utredas. Börja med att undersöka var bristerna i de berörda materialkiten uppstod, vilka komponenter som saknades och om nästa montering hade kunnat påbörjas i stället. Kategorin visar var ni ska leta. Teamet och dokumentationen hjälper er att förstå varför det hände.

Förbättra förutsättningarna och verifiera sedan vad som förändrats

Gå igenom resultaten med operatörer, materialhanterare och den som ansvarar för den berörda processen. Skilj nödvändigt arbete från avbrott som går att undvika. Kontroll kan säkra kvaliteten, ställarbete gör nästa batch möjlig och raster behövs under arbetsdagen. Inget av detta blir ett slöseri som kan tas bort bara för att det inte är montering.

Välj en avgränsad förändring och utse en ansvarig. I monteringsexemplet kan det handla om att kontrollera att materialkiten är kompletta innan arbetet släpps till avdelningen. Följ upp om problemen med saknade komponenter minskar och om arbetet faktiskt kan gå vidare tidigare, i stället för att väntan bara flyttas till en annan avdelning.

Upprepa observationerna under jämförbara förhållanden, med samma kategoridefinitioner och tidsavgränsningar. Jämför även produktmix, bemanning och ovanliga händelser, inte bara de övergripande procenttalen. En liten förändring som ryms inom studiens osäkerhet är inte i sig ett övertygande belägg för en förbättring. En ändrad produktmix kan också få resultatet att se bättre ut utan att arbetsmetoden har förbättrats.

Viktigast av allt: räkna inte om den ursprungliga andelen väntan på 20 % direkt till 20 % extra kapacitet. Den frigjorda tiden kan vara uppdelad i korta luckor, kräva ytterligare en person för att kunna utnyttjas eller sammanfalla med att en maskin redan är i drift. Det kan också vara tid då ingen annan operation kan utnyttja produktionsgruppen.

Verifiera effekten på den resurs som ska schemaläggas. Om en förbättrad förberedelsemetod verkligen förkortar ställtiden ska den nya ställtiden mätas och godkännas. Om förändringen gör en produktionsgrupp tillgänglig under ett längre tidsfönster måste ni bekräfta att personal och utrustning kan stödja den tillgängligheten. Håll isär arbetsinsats, operationens förloppstid och den tid maskinen är upptagen.

Låt verifierade förbättringar slå igenom i produktionsschemat

En verifierad förbättring påverkar mer än den produktionsgrupp som studerats. En kortare ställtid kan göra att nästa order kan starta tidigare, men den ordern behöver fortfarande material och plats vid nästa operation. Andra order kan konkurrera om samma maskiner. Därför behöver en lokal förbättring ingå i en gemensam produktionsplan.

I SkyPlanner kan du ange tiden för ett processteg som tid per styck, produktionstakt eller fast tid och hålla isär ställtid och avslutningstid. Produktionsgruppernas skift anger vilka tidsfönster som är tillgängliga. Arcturus, SkyPlanners AI för schemaläggning, beräknar schemat utifrån inställd kapacitet, beroenden och prioriteringar. Resultatet visas i Gantt-schemat.

Tänk dig att en uppföljande mätning bekräftar att ställtiden har minskat från 40 till 30 minuter för en avgränsad grupp operationer. Uppdatera berörda planeringsunderlag så att de aktuella operationerna använder den godkända ställtiden. Beräkna sedan deras placering i schemat på nytt tillsammans med resten av beläggningen. Granska efterföljande operationer och leveransdatum, inte bara luckan som uppstår vid den första produktionsgruppen.

SkyPlanner sköter den sammanhängande schemaberäkningen så att du slipper passa in varje ändrad operation manuellt i separata maskinköer. Du avgör vilken förbättring som är verifierad och vilka order som ska prioriteras. Arcturus tillämpar dina instruktioner i planen. Bättre underlag blir användbar produktionskapacitet där arbetet faktiskt kan utnyttja den.

Fredman Operations erfarenheter av SkyPlanner visar nyttan för schemaläggningen. Tillverkaren av livsmedelsförpackningar saknade tidigare en tydlig bild av kapaciteten per skift, och brådskande omplanering kunde ta en timme eller mer. Med SkyPlanner samlades maskinscheman och skiftkapacitet i en gemensam Gantt-vy. Företaget beskriver snabbare hantering av förändringar och ett tydligare underlag för leveransåtaganden. Erfarenheterna visar värdet av att samordna beläggningen när förutsättningarna ändras.

Välj SkyPlanner när verifierade förbättringar i produktionen ska omsättas till en genomförbar plan för hela orderstocken. SkyPlanner kan integreras med alla ERP- och MES-system via sitt öppna REST API. Du kan alltså behålla systemen som driver verksamheten och samtidigt förbättra produktionsschemaläggningen.

Boka en demonstration av SkyPlanner och ta med en förbättring, dess godkända effekt på tidsåtgång eller tillgänglighet samt andra order som använder samma resurser. Då får du konkret se vad förändringen innebär för de leveranser du har lovat. Vill du utforska själv först kan du prova SkyPlanner med demodata.