I detta kapitel diskuteras studiens resultat och analys. Hur väl frågeställningarna besvarats diskuteras, likaså utmaningar och förslag på förbättring med studien. Avslutningsvis redogörs synvinklar och slutsatser av metodvalen.
6.1 Diskussion av frågeställningarna
Detta delkapitel diskuterar hur frågeställningarna har besvarats utifrån empiri, resultat och analys.
6.1.1 Frågeställning 1
Den första frågeställningen lyder ”Hur ser produktionens nuläge ut?” och kan ses som en väldigt öppen och tolkningsbar frågeställning. För detta arbete har det innefattat hur produktionen går till och hur layouten av produktionen ser ut samt vilken data som finns tillgänglig. Frågeställningen har kunnat besvarats till den nivå att produktionen kan beskrivas till den grad som tillgängliga produktionsdata är detaljerad. En nulägesanalys lägger grunden för modelleringsarbetet av en verklig produktion och har därmed stor inverkan på studiens helhet. Medicinteknisk produktion visar utmaningar med nulägesanalys och anpassning till simulering på grund av stor produktionsvolym och produktmix samt att tillverkningen anpassas ständigt för att klara av kvalitetskraven men samtidigt behärska variationen och volymen.
6.1.2 Frågeställning 2
Den andra frågeställningen är ”Vilken information krävs för att kunna använda händelsestyrd simulering för identifiering av flaskhalsar inom medicinteknisk produktion?”. Studien resulterade i en verifierad och validerad simuleringsmodell genom avstämningar med företaget, jämförelse mellan utdata och historiskt data samt en test av modellens osäkra parametrar och dess beteende. Det finns många metoder att verifiera och validera modeller som utger en central del i simuleringsarbetet. Bland liknande studier i medicinteknisk industri saknas fokus på denna del av arbetet vilket gör det svårt att jämföra resultatet av denna studie. Vilken data som krävs för att kunna använda händelsestyrd simulering beror på vilken nivå av resultatet som efterfrågas. På grund av att studien saknar data på en högre detaljnivå blir denna frågeställning högst relevant. Resultatet ger dock en syn på potentialen av vidare studier med mer insamlade data. Simuleringsmodellen på en mer förenklad nivå visar hur resultatet kan användas för underlag i produktionsplanering samt vidare undersökningar. Brist på kvalitet på data och otillgänglighet har visat sig som en stor utmaning. Modellen på detaljerad nivå påvisar istället hur simuleringen kan användas för att optimera produktionen.
6.1.3 Frågeställning 3
”Vilka flaskhalsar kan identifieras med hjälp av händelsestyrd simulering och vilka förbättringsförslag kan föreslås?” är den tredje frågeställningen. Studien resulterade i en flaskhalsanalys där montering och blistring bedöms vara största flaskhalsen. När tillgängligheten på data är begränsad måste flaskhalsanalysens detaljnivå anpassas därefter. För att öka flaskhalsanalysens validitet och identifiera andra möjliga faktorer som påverkar flaskhalsarna hade fler experiment kunnat genomföras. I denna studie har inte buffertar optimerats i
Examensarbete 15 hp juni 2020
39
flaskhalsanalysen då det inte fylls nämnvärt i simuleringen. Därför föreslås inga förbättringsförslag i detta område heller. De förbättringsförslag som föreslås påvisar vad som kan förbättra produktionens takt och ledtid men ger inte några detaljrika förslag på grund av brist på data. Hänsyn har inte tagits till att vikta förbättringsförslagen vilket gör att de ej är likvärdiga. Både hur mycket förbättringsförslagen påverkar produktionen samt hur stora åtgärderna är kan därför missvisa något. Tillgänglighet på blistring är det främsta förbättringsområdet då en ökning på 12 procentenheter kan ge en förbättring på produktionstakten för hela produktionen med 6 procentenheter. Denna ökning minskar även ledtiden med 1,5 dagar. Dessa tillsammans ger effekten att fler produkter produceras under kortare tid.
6.2 Utmaningar och förbättringspunkter
De största utmaningarna med studien har varit att standardisera variationen av produkter samt processmomenten. Antal produktvarianter som producerats på linan har behövt förenklas för att underlätta modelleringsarbetet och förenkla experimenterandet. Det finns flera sätt att förenkla produktmixen och att finna en lösning som ger mest representativ produktmix har varit svårt. Eftersom det är ett stort antal produkter med olika egenskaper produceras inte heller samtliga produkter på samma sätt. Detta ger processens variation en större breddgrad och därmed medför en mer komplex produktion att standardisera till en simulering.
Kopplat till produktmixen och batchstorlekarna är har även flödet förenklats. Omfördelningar av batcher sker i princip vid varje process och detta har ej kunnat återskapats i simuleringen på grund av brist på tid samt saknade data för hur batcherna omfördelas mellan avsyning och montering. Förenklingen blev att låta samma batch, som var formad efter hur det ser ut i slutpack, gå igenom avsyning i samma ordning med samma batchstorlek och produkttyp. Detta påverkar resultatet främst i avsyning då fler och mindre batcher körs där i simuleringen, medan det är färre och större i verkligheten. För att förbättra fördelningen av batcher som producerats kan en efterfrågan som styr vad som ska produceras från intermediet, läggas till. Efterfrågan skulle i sådana fall baseras på verklig orderhistorik.
Vid beslut om vilken tidsperiod studien skulle avse beslutades månaderna september till december år 2019 skulle användas. Då december månad består utav flera helgdagar
diskuterades om bara halva månaden skulle räknas med. Vid analys av indata konstaterades dock att antal enheter som producerades i december månad inte skiljde sig från de andra månaderna. Det kan dock ha påverkat resultatet då färre driftstopp registrerades i slutet av den månaden.
En annan utmaning har varit att skapa en så detaljerad modell av produktionen som möjligt, samtidigt som saknad av detaljerade data har varit stor. På grund av brist på detaljerade data har simuleringsmodellen anpassats till en mindre komplex nivå som matcher med den tillgängliga data.
Denna studie var ursprungligen tänkt att utföras på plats hos företaget och produktionslinan. Metoden har under arbetets gång anpassats för att kunna fungera på distans. Detta har inneburit
Examensarbete 15 hp juni 2020
40
att delar som exempelvis hade kunnat framtagits med tidsstudier har ersatts med uppskattningar från tillgängliga data eller helt uteslutits. Att genomföra en tidsstudie skulle innebära mer specifika data på varje moment samt värden som representerar dagens produktion.
6.3 Metoddiskussion
Rådande besöksförbud på företaget har påverkat val av metoder, processen av studien samt tillgången till primärdata. Istället för att kunna bilda en uppfattning på plats och observera produktionen vid drift samt ta del av all produktionsdata har allt fått ske digitalt på distans. Det har inneburit en minskad förståelse av processerna i produktionen och endast efterfrågade data har varit möjligt att ta del av. Tidsstudier har inte funnits möjlighet att genomföra, vilket har lett till att studien enbart förlitar sig på sekundärdata gällande produktionsparametrar. Detta kan ses som en brist i validiteten av undersökningen.
Vid framtagning av en representativ produktmix i indataanalysen presenteras fördelningen av batcherna i respektive process med histogram. En metod är att studera histogrammen och välja ut en representativ sannolikhetsfördelning som sedan kan användas vid beräkning av processparametrar i simuleringsmodellen. Det fungerar dock inte bra på denna data då fördelningen inte påvisar någon tydlig sannolikhetsfördelning och fler datapunkter skulle behövts för att göra resultatet av fördelningen mer tydlig. Brist på tid har även påverkad denna avrundning.
Vid verifiering och validering av simuleringsmodellen har ett subjektivt tillvägagångssätt använts som byggs på åsikter av personal och grafisk utvärdering av inhämtade data. Metoderna anpassades efter tillgängliga data, men kan valideras på flera sätt. En utförlig känslighetsanalys skulle kunna ge djupare förståelse om modellen.
En fortsatt utveckling av förbättringsåtgärder är implementering av optimering och FACTS optimeringsfunktion SCORE. På grund av otillgängliga data blir inte förbättringsförslagen specifika och en optimering hade således gjort sig bättre vid fortsatt arbete av inhämtade data.
Denna studie kan ses som att ha bidragit med ett tillvägagångssätt för hur man kan anpassa en simuleringsmodell efter tillgängliga data. För företaget kan det hjälpa att påvisa hur moget företaget är för att kunna implementera simulering som ett förbättringsverktyg i deras produktion.
Examensarbete 15 hp juni 2020
41