Met de inzet van nieuwe digitale middelen kunt u kortere en betrouwbare productiedoorlooptijden realiseren. Maar hoe doet u dit? In het onderzoeksproject “Towards the digital factory” onderzoekt het HAN Lean-QRM Centrum dit.

Om de week publiceren de onderzoekers een blogartikel waarin ze u meenemen op hun weg towards the digital factory. In de vorige blog werd de vraag beantwoord: wat is een “Digital Factory”?

In deze blog gaan we dieper in op de problemen waarbij digital factory concepten helpen om de doorlooptijd te beheersen.

Introductie
Een korte doorlooptijd zorgt voor een korte en ook betrouwbare levertijd van een product of dienst. Snelheid en betrouwbaarheid zijn een sterk concurrentiewapen. Veel mkb-bedrijven worstelen hiermee, de beheersbaarheid van productie is vaak complex . Er wordt veel bijgestuurd en de leverbetrouwbaarheid laat te wensen over.

De meeste mkb-bedrijven produceren met een hoge variëteit aan producten in lage volumes (HVLV) en hier is de beheersing zeker complex omdat:

• In een HVLV-productie meer value streams concurreren om het gebruik van dezelfde resources (de shared resources).
• Daarbij wordt het beheersen van de orderdoorlooptijd verder gecompliceerd, door lokaal benodigde optimalisatie. Orders worden hierdoor bij de verschillende bewerkingen steeds op een andere manier geclusterd.
• ERP-systemen ondersteunen deze complexiteit onvoldoende. Planning en besturingskeuzes (P&B) zijn hierdoor vaak mensenwerk. Verschillende medewerkers maken op verschillende niveaus keuzes. Bij deze keuzes is onvoldoende inzicht in de effecten van deze keuzes bij de andere niveaus. Deze keuzes worden gemaakt op basis van onvoldoende gegevens, door de grote hoeveelheid samenhangende informatie die nodig is voor elke beslissing. Deze complexiteit, gecombineerd met een korte beslissingstijd, maakt dat deze keuzes niet het optimale resultaat bewerkstelligen.

Lage leverbetrouwbaarheid
Een lage leverbetrouwbaarheid is vaak een symptoom van een onbeheerste lange productiedoorlooptijd. Als we de leverbetrouwbaarheidscijfers preciezer bekijken dan zien we vaak het volgende beeld:

Figuur 1: Leverbetrouwbaar: te vroeg of te laat?

Deze figuur (uit een echt bedrijf) toont de relatieve levertijd van een product ten opzichte van het geplande levermoment. Naast orders die twee weken te laat zijn, zie je ook orders die twee weken te vroeg bij de klant komen. Hierbij zie je dat de te laat geleverde orders gecompenseerd wordt door minstens zoveel te vroeg geleverde orders.

Te vroeg geproduceerde orders zorgen direct voor (dure) voorraad in het magazijn of bij de klant. Indirect zorgen ze ervoor dat andere orders te laat zijn. De te vroeg geproduceerde orders leggen beslag op capaciteit die gebruikt zou moeten worden voor de orders die nu te laat worden geleverd. De voor de hand liggende oplossing lijkt “gewoon” op tijd produceren en leveren. Zo simpel is het niet.

Dubbele response time spiral
De achterliggende oorzaken van de lage leverprestatie zijn terug te voeren tot de response time spiral zoals Rajan Suri die beschrijft in zijn boek “It’s About Time”. In figuur 2 hieronder is deze spiraal terug te vinden in de blauwe blokken. We zien dat de lange productiedoorlooptijd spoedorders veroorzaakt die andere orders vertraagt.

Figuur 2: dubbele response time spiral

Echter in HVLV-productie mkb-bedrijven zoals hierboven beschreven zien we dat deze reponse time spiral een extra slinger (groene blokken) krijgt door de noodzaak om lokaal te optimaliseren.

Lokaal noodzakelijke optimalisaties

In productieprocessen hebben operators aan de machine de neiging om te focussen op het zo efficiënt mogelijk uitvoeren van hun werk. Daar worden ze vaak ook op afgerekend door het bedrijf. De focus op de integrale doorlooptijd van het totale productieproces gaat hierbij verloren. Opslingeren van onderhanden werk is het gevolg en flow efficiency wordt minder.

Natuurlijk bestaan valide redenen voor lokale optimalisatie. Een voorbeeld van een proces met noodzakelijke lokale optimalisaties is het proces van Nesten/Lasersnijden –> Kanten – > Lassen/Assembleren (figuur 3).

Bij het nesten / lasersnijden worden orders geclusterd om een plaat metaal optimaal te benutten. Maar stel dat kanten de bottleneck is, dan wordt bij de kantbank andere orders geclusterd om minimaal om te stellen.

Figuur 3: Lasersnijden – Kanten – Lassen proces

Deze catch-22: de noodzakelijke lokale optimalisaties versus integraal de doorlooptijd optimaliseren, is het onderwerp van ons onderzoek.

De beste oplossing is lastig en bestaat misschien niet altijd. Maar zou een routeplanner “TomTom” niet handig zijn bij het bepalen van keuzes? Welke ordermix geeft het beste resultaat en wat is het resultaat van een andere ordermix?

Dit onderzoeken we met digital twin concepten ondersteund met AI-algoritmes. Kunnen we de juiste ordermix bepalen die recht doet aan lokale optimalisaties én tegelijkertijd de opslingering beheerst van de integrale (totale) doorlooptijd.

Voortuitblik
In de komende blog bekijken wat nodig is voordat een digital twin waarde toevoegt. We onderzoeken de plannings- en besturingsorganisatie maar ook de beschikbare data.

Informatie
Dit is de tweede blog in een reeks. Lees ook:

Gerlinde Oversluizen

Blog 1 – Wat is een Digital Factory?

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

Blog 4 – Hoe optimalisatievraagstukken behoefte aan digitale ondersteuning bepalen

We zijn benieuwd naar uw vragen en opmerkingen.

Wilt u meer informatie over het onderzoeksproject “Toward the digital factory”?
Bezoek dan onze website, meld u aan voor onze de webinar op 29 oktober of neem contact op met:

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

Door Gerlinde Oversluizen