Door: Stef Tiggeloven en Gerlinde Oversluizen @HANnl

Kunt u kortere en betrouwbare productiedoorlooptijden realiseren als u nieuwe digitale middelen gebruikt? Het project “Towards the digital factory” onderzoekt dit. Gedurende dit onderzoek verschijnen regelmatig blogs waarin we u meenemen op onze weg “Towards the Digital Factory”.

Ervaren knelpunten

In ons onderzoek hebben we de ervaringen van zes mkb-bedrijven met digitale ondersteuning  onderzocht. Alle deelnemende bedrijven hebben te maken met complexe optimalisatievraagstukken over meerdere resources of constraints. Men ervaart problemen op het gebied van operations planning en besturing en het optimaal inrichten van de dagelijkse ordervolgorde. Het blijkt daarbij lastig om met de steeds groter wordende variabiliteit om te gaan.

In blog 2 hebben we gezien: Door de lokaal noodzakelijke optimalisaties in het proces en beperkte beschikbare informatie worden orders niet in de juiste (optimale) volgorde opgestart: Een deel te vroeg, een deel te laat. Zo ontstaat een lange doorlooptijd en zorgt te vroeg leveren ervoor dat men ook te laat levert! Dat lijkt natuurlijk eenvoudig op te lossen: niet meer te vroeg starten en het probleem is opgelost! De werkelijkheid blijkt veelal weerbarstiger: Bedrijven hebben vaak te maken met meerdere optimalisatievraagstukken of constraints in hun waardestroom en het oplossen daarvan blijkt zeer lastig.

Optimalisatievraagstukken in een waardestroom: Een case study

Ook het deelnemende bedrijf uit dit voorbeeld heeft te maken met meer dan één constraint die alle belangrijk zijn om een bevredigend resultaat te halen. Deze bepalen de complexiteit van het optimalisatievraagstuk:

1. Efficiency van het lasersnijden: nestingresultaat.
   In plaatbewerking vormt de materiaalkosten een belangrijk deel van de kostprijs. Om het percentage snijafval minimaal te maken worden clusters gemaakt van dezelfde materialen en worden orders of delen daarvan gecombineerd op basis van de beschikbare orders (nesting). In het algemeen geldt: hoe meer orders er beschikbaar zijn; hoe optimaler het nesting resultaat. Het al of niet beschikbaar zijn van andere orders om te clusteren op hetzelfde materiaal bepaalt in belangrijke mate het nestingresultaat. Dit clusteren zorgt echter ook voor onzekerheid / onvoorspelbaarheid over welke orders wanneer beschikbaar zijn voor de vervolgbewerkingen en leidt tot langere en onvoorspelbare doorlooptijden. Bovendien bepaalt in de praktijk de eerste processtap dan in belangrijke mate de volgorde van de orders voor de vervolgstappen.
2. Bezetting van de bottleneck: Kanten
   Een belangrijk deel van de producten komt ook langs de bewerking kanten. Dit is de bottleneck van dit bedrijf. Het instellen van de machines duurt relatief lang en vraagt specifieke vaardigheden. Er zijn te weinig medewerkers die de kantbanken kunnen omstellen. Ook hier kan men optimaliseren door te clusteren: op materiaalsoort en -dikte maar ook op de afmetingen van het product. Deze bepalen welke van de 12 machines geschikt zijn om het product te maken. Sommige producten kunnen op meerdere machines, andere slechts op één. Door de wisselende verhouding lasersnijden-kanten kan het ook voorkomen dat er een periode sterke overbezetting is van het kanten (dit betekent uitbesteden en vaak langere doorlooptijd), en daarna weer onderbezetting.
3. Doorlooptijd
   Het bedrijf heeft enkele belangrijke klanten waarvoor de levertijd/-betrouwbaarheid erg belangrijk is. Deze klanten krijgen voorrang boven de reguliere klanten. Een gevolg van de matige leverprestaties voor de reguliere klanten is dat zij proberen daarop te anticiperen door eerder te bestellen. Hierdoor staan de levertijden altijd onder druk en is er behoefte om de doorlooptijd te verkorten voor alle klanten, zodat het probleem de wereld uit is.
   Een tweede gevolg van de lange doorlooptijd is dat er veel onderhanden werk (OHW) is. De fabriek staat vol en er is geen overzicht waar orders zich fysiek bevinden. Er gaat veel tijd verloren aan zoeken en overleg. De besturingslast is hoog.

Begrijpt u het nog? We kunnen ons goed voorstellen van niet! Het is een complexe combinatie van factoren waar medewerkers verdeeld over verschillende afdelingen veelal zonder overleg met elkaar tot een optimaal resultaat moeten komen. In de onderstaande figuur (1) ziet u een model van diverse parameters die een rol spelen bij de optimalisatie over de gehele waardestroom.

Figuur 1: Conceptueel model van optimalisatievraagstuk

Door de variatie in producten en omvang van de klantvraag zouden de criteria voor optimalisatie op waardestroomniveau elke dag anders kunnen/moeten zijn. Deze zijn afhankelijk van de condities op een specifieke dag (samenstelling van het orderpakket en spoedopdrachten, maar ook interne aspecten als: aanwezigheid medewerkers, storingen, uitval etc.). Het overzicht ontbreekt zowel op lokaal (voorman) als centraal niveau (planning). Medewerkers kiezen er dan veelal (met de beste intenties!) voor, om in ieder geval hun eigen werk of afdeling lokaal te optimaliseren. De planningsafdeling probeert op zijn beurt om centraal te optimaliseren op leverbetrouwbaarheid en doorlooptijd, maar heeft geen zicht op alle details met betrekking tot de lokale optimalisatie. De doorlooptijd die vooral het resultaat is van de gezamenlijke inspanning is veelal het kind van de rekening. In een poging om toch tot een integrale optimalisatie te komen, worden er formele maar ook vele informele overleggen gepland, die tijdrovend zijn en vaak maar beperkt resultaat opleveren.

Het probleem van de handelsreiziger

Het optimaliseren over meerdere constraints die ook nog eens wisselend kunnen optreden blijkt zeer complex. Dit wordt nog duidelijker als we gaan kijken naar de enorme hoeveelheid scenario’s die ook al met een beperkt aantal orders en condities mogelijk zijn. Het “doorrekenen” van al die scenario’s is in het korte tijdsbestek waarin beslissingen moeten worden genomen zonder digitale hulpmiddelen vrijwel onmogelijk. Een voorbeeld:

In onderstaande tabel zien we de omsteltijden voor het kantproces uit het voorgaande voorbeeld. We hebben hier gekozen voor 3 materiaalsoorten in elk 4 diktes; in totaal 12 mogelijkheden. In feite hebben we hier te maken met wat in de literatuur het “traveling salesman” probleem wordt genoemd: een handelsreiziger die een optimale route bepaalt voor de bezoeken aan zijn klanten en daarbij elke klant één maal aan doet. De complexiteit daarvan blijkt groter dan wellicht verwacht: de 12 mogelijkheden die we hier hebben leiden in totaal tot 476.001.600 (!) verschillende volgordes die in principe mogelijk zijn. Dat is niet even uit het hoofd uit te rekenen! In de praktijk zien we dan dat deze theoretische benadering vervangen wordt door eenvoudigere vuistregels als bv “van aluminium naar RVS naar staal” en “van dun naar dik”. Daardoor neemt het aantal mogelijkheden op lokaal niveau van één processtap weer sterk af: we reduceren de complexiteit. Of dat leidt tot een optimale oplossing voor een specifiek orderpakket is dan echter niet zeker.

Elke processtap in een waardestroom heeft vaak verschillende van deze vuistregels. Met deze vereenvoudigde vuistregels kan er lokaal geoptimaliseerd worden maar als de vuistregels van een andere processtap meegenomen moeten worden neemt het aantal mogelijke combinaties opnieuw sterk toe en dan wordt het heel erg complex . De planningsafdeling heeft dat vaak als taak: centraal optimaliseren over meerdere processtappen. Dat blijkt dan weer erg lastig en daar komt het enorme aantal mogelijke combinaties weer terug.

Figuur 2: complexiteit van het optimalisatievraagstuk

Conclusie

Het oplossen van meerdere optimalisatievraagstukken in een waardestroom die ook nog eens wisselend kunnen optreden blijkt zeer complex. In eerdere blogs hebben we gezien dat digitale technieken hierbij behulpzaam kunnen zijn, maar ook dat het reduceren (daar waar mogelijk) van complexiteit en variabiliteit veelal vooraf moeten gaan aan het effectief toepassen van een digital shadow/twin. Een effectieve digital shadow moet dan ook vooral mogelijkheden bieden om de optimalisatie op lokaal en centraal niveau te ondersteunen met goede informatie die integrale optimalisatie over de gehele waardestroom mogelijk maakt.

In  de volgende blog gaan we in op hoe simulatie m.b.v. digitale ondersteuning deze integrale optimalisatie over de gehele waardestroom kan ondersteunen.

Stef Tiggeloven / Gerlinde Oversluizen

Informatie

Dit is de zesde blog in een reeks. Lees ook:

Blog 1 – Wat is een Digital Factory?

Blog 2 – Hoe Digital Factory concepten helpen de doorlooptijd te beheersen

Blog 3 – Digitalisering van uw productiebedrijf. Zo begint u!

Blog 4 – Hoe optimalisatievraagstukken behoefte aan digitale ondersteuning bepalen

Blog 5 – Hoe systemen, structuur en strategie samenhangen in een digitale fabriek

We zijn benieuwd naar uw vragen en opmerkingen. Wilt u meer informatie over het onderzoeksproject “Toward the digital factory”? In de komende maanden organiseren we meerdere webinars over dit onderwerp. Bezoek onze website voor meer informatie en meld u aan voor de webinars:

Gerlinde Oversluizen, Docent-onderzoeker
E Gerlinde.Oversluizen@han.nl
M 06 55 20 88 04