Wang, Zhao och Zheng (2005) definierar en flaskhals som en resurs eller verktyg som begränsar den totala prestationen av ett produktionssystem. Flaskhalsar kan därför ses som trängselpunkter i ett system (Wang, Zhao & Zheng 2005). Li, Chang och Ni (2009) definierar en flaskhals som en maskin vars produktion försämrar hela systemets prestanda. Jingshan Li (2013) beskriver det som att en flaskhalsmaskin är den maskin som påverkar systemets prestanda mest. En förbättring av flaskhalsmaskinen kommer därför leda till en förbättring för hela systemet, jämfört om en förbättring hade skett på en annan maskin. Att finna flaskhalsar i ett system är därför av intresse då en åtgärd och förbättring av flaskhalsen generellt sett kan leda till en prestandaförbättring av hela systemet (Li, Chang & Ni 2009).
En flaskhals kan se ut på många olika sätt beroende på system. Exempel på flaskhalsar skulle kunna vara maskinkapacitet och antalet arbetare (Wang, Zhao & Zheng 2005). För att enkelt förklara hur en flaskhals ser ut har Wang, Zhao och Zheng (2005) tagit fram 6 förklaringar som redogörs nedan.
- Trängselpunkter som uppstår i flödet.
- När kapaciteten hos resursen är mindre än de krav som den behöver ha. - När det finns en process som begränsar genomströmningen.
- När tillfälliga blockader påverkar produktionen.
- När en anläggning, arbetare eller liknande försämrar produktionen. - När det finns en process som begränsar utflödet.
För att mäta systemets och de olika processernas prestanda kan olika mätetal tas fram som sedan kan analyseras för att se om processen är en flaskhals eller inte. Exempel på mätetal är
medelväntetid och utnyttjandegrad (Wang, Zhao & Zheng 2005). Medelväntetid är den tid som en produkt får vänta i kön innan den får köras i maskinen, där maskinen med högst medeltid anses vara flaskhalsen. När det gäller utnyttjandegraden är maskinen med högst utnyttjandegrad den maskin som är flaskhalsen (Wang, Zhao & Zheng 2005). Om maskinen kräver många reparationer och har många haverier är det också viktigt att räkna det som att maskinen är
upptagen, då den fortfarande är ”aktiv” under dessa situationer och inte har möjlighet att ta en ny produkt (Wang, Zhao & Zheng 2005).
33 Ett tydligt exempel på hur analysen kan genomföras och på så sätt se vilken process som är flaskhalsen, är att med hjälp av simulering ta fram utnyttjandegraden i processerna och sedan redogöra resultatet i en tabell (Li, Chang & Ni 2009). Även Velumani & Tang (2017) skriver att diskret simulering kan vara ett bra verktyg för att analysera och hitta eventuella flaskhalsar i en produktion genom att se över utnyttjandegraden.
Att hitta flaskhalsar med hjälp av simulering är något som Li, Chang och Ni (2009) har utfört i deras studie där de utför en datadriven flaskhalsdetektering av ett tillverkningssystem. En förenkling av en del av resultatet redogörs i Figur 8.
Figur 8: Visualisering av Resultat av antal procent varje maskin är ledig. Figuren representerar en förenkling av resultatet från Li, Chang och Ni (2009).
I detta fall är produktionskedjan sekventiell. I Figur 8 visas det att maskin 3 är den maskin som är ledig mest av tiden. Enligt Li, Chang och Ni (2009) är maskin 2 en flaskhals som påverkar maskin 3 så att den står ledig majoriteten av tiden, vilket påverkar hela produktionen.
En arbetsgång som kan användas för att hitta och åtgärda flaskhalsar är TOC (Theory of constraints) som förklaras av Nave (2002). TOC är ett arbetssätt som fokuserar på
systemförbättringar, genom att se över de processer som skapar systemet. Enligt Nave (2002) så fokuserar TOC på att hitta den process som försämrar utflödet från systemet. Att finna systemets begränsningar och sedan förbättra dessa, kommer enligt Nave (2002) att leda till en högre
producerad volym. Arbetssättet inom TOC kan delas upp i fem olika steg. Nave (2002) förklarar dessa som; identifiera flaskhalsen, utnyttja flaskhalsen, underordna alla andra processer, förbättra flaskhalsen och repetera.
Första steget är att identifiera flaskhalsen genom att se vilken process som försämrar hela
34 processen för att kunna eliminera flaskhalsen, vilket leder till att processens utnyttjandegrad ökar och att den uppnår sin största kapacitet. Detta sker enligt Nave (2002) utan stora förändringar och kostnader. Det finns olika konkreta åtgärder på hur flaskhalsarna kan reduceras utan större förändringar. Velumani & Tang (2017) skriver att flaskhalsarna uppstår på grund av stagnationer i processkedjan om processerna inte har något att producera. För att ändra detta kan buffertar konfigureras till processerna för att produktionen ska jämna ut flödet. En till åtgärd kan vara att undersöka om det går att utföra processen på en annan maskin som inte är en flaskhals
(Velumani & Tang 2017).
Steg tre fokuserar på de andra processerna runt om processen som är flaskhalsen. För att åtgärda flaskhalsen kan det vara så att processerna runt flaskhalsen måste anpassa sig. I vissa fall kan detta leda till att dessa processer minskar deras egen produktivitet till förmån för hela systemets genomströmning (Nave 2002).
I fjärde steget förbättras flaskhalsen ytterligare om inte de tidigare förbättringarna var
tillräckliga. I detta steg skriver Nave (2002) att företaget får utföra vilka förändringar som helst för att gynna processkedjans genomströmning, exempelvis en omorganisering.
I det sista steget är det dags att börja om sin arbetsgång och hitta nya flaskhalsar i systemet. Enligt Nave (2002) så är det stor risk att flaskhalsen har flyttat på sig och nu har uppstått någon annanstans i processkedjan. Genom att fortsätta koncentrera sig på begränsningarna i kedjan och försöka åtgärda dem, leder det till att produktionen får en jämn takt, vilket i sin tur leder till en ökad genomströmning (Nave 2002).
35
5
Konceptuell Modell
I kapitel 5 beskrivs den konceptuella modellen för systemet, vilket inkluderar mål för modellen, indata som behövs, utdata från modellen, experiment och dess betydelse, komponenter i
modellen, modellens uppbyggnad, antaganden, förenklingar samt animeringskrav. Kapitel 5 är baserat på den struktur som Robinson (2008) beskriver.