Modeller och verktyg som tidigare presenterats för att optimera planering av produktion har i de flesta tidigare studier som gjorts, varit teoretiska beräkningar som utförts som experiment, men inte tillämpats i praktiken. Vilket är viktigt att ta hänsyn till vid val av metod för att förbättra planeringen (Martin et al, 2020).
3.4.1 Frystid
Genom att arbeta med frystid eller tidsfönster kan stabiliteten ökas för MPS. Frystid innebär att ett visst antal veckor är frysta och där kan inte någon order läggas till, det vill säga produktionen kan inte ökas om en ny order kommer in, den får istället placeras utanför frystiden (Jacobs, 2011). Som verktyg för att reducera osäkerheten för MPS samt totalkostnaden för produktionen är frystid ett användbart verktyg. Den bör planeras så att den täcker den beräknade ledtiden för aktuella artiklar (Tang & Grubbström, 2002). Herrera et al (2015) menar att frystid fungerar bäst i stokastiska miljöer, och i praktiken ofta används som ett komplement till andra metoder för att stabilisera MPS. Hos de flesta producerande företag går att förhandla om order som placeras innanför frystiden, och den blir i viss mån flexibel. Fördelen är att metoden ger ett stabilt mål för produktionen att sikta mot samtidigt som den reducerar många av de ”giltiga” anledningar som kan anges till att produktionen inte har uppfyllt nivåerna som MPS har angett (Jacobs, 2011).
Nedaei (2014) menar att frystid är den av stabiliseringsmetoderna som har bäst effekt vad gäller reducering av schemaläggningskostnader samt att stabilisera MPS. Bäst effekt får frystiden om den baseras på den naturliga ordercykeltiden. Effekten av den
reduceras om mindre än halva planeringshorisonten inkluderas i frystiden, det vill säga ökad tid ger ökad stabilitet.
En vidareutveckling av frystid kan vara att arbeta med tidsfönster, där företaget sätter olika tidsfönster som kan hantera olika typer av förändringar. Det kan exempelvis vara att mellan vecka 16-24 kan en slutprodukt bytas mot en annan, medan från vecka 8-16 kan endast mindre förändringar göras inom samma modellserie om det finns tillgängliga komponenter. Den sista perioden fram till produktion, från 8 veckor är i princip
desamma som en frystid (Jacobs, 2011).
3.4.2 Säkerhetslager
Stabiliteten för MPS kan även förbättras genom att arbeta med säkerhetslager för slutkomponenter (Herrera et al, 2015). När nivån för säkerhetslager bestäms är det viktigt att ändå hålla det på en så låg nivå som möjligt, planeringen av MPS bör inte göras med målet att upprätthålla ett säkerhetslager. En alltför hög nivå på säkerhetslager för att möta kunders efterfrågan kan istället öka osäkerheten för MPS. Genom att istället planera MPS så säkerhetslager tillåts i början av produktionscyklen för att plana ut i nivå mot slutet är ofta betydligt mer effektivt. När systemet varnar för låga nivåer av en artikel bör endast omplanering göras om det finns risk för en verklig brist, inte om det endast är nivån på säkerhetslager som är låg (Tag & Grubbström, 2002, Sridharan, 1989). Säkerhetslager fungerar bra för att bibehålla eller förbättra nivån på kundservice, men är mindre effektivt för att stabilisera MPS, där bör det användas med försiktighet (Sridharan, 1989).
3.4.3 Batchstorlek
För att kunna möta förändringar och variationer i efterfrågan krävs det att man kan vara flexibel i sin produktion. Körplaneringen blir den avgörande faktorn i hur väl man kan hantera dessa variationer i efterfrågan. Flexibiliteten i körplaneringen påverkas i sin tur av ordrars ankomst, förfallodatum och framförallt batchstorlekar. En konstant
batchstorlek påverkar möjligheten negativt att kunna vara flexibel och möta variationer i kunders efterfrågan (Akhtar et al. 2019). Att ha väldigt små batchstorlekar innebär att man ständigt behöver justera om maskinernas verktyg för att förberedda nästa batch som ska tillverkas. Maskinerna kommer att ha en hög utnyttjandegrad men det kan leda till långa väntetider i och med att maskinen måste så still vid byte av batch. Att däremot
ha för stora batchstorlekar leder till att produkten som tillverkas har en väldigt lång behandlingstid och kan enkelt leda till för stora lager av produkten (Enns, S. T. (1999).
3.4.4 Operativa produktionen
Något som också måste följas upp när stabiliteten på MPS bedöms är hur väl den operativa delen av produktionen fungerar. Finns det återkommande kvalitetsproblem, klarar de att hålla de planerade körtiderna. Det är viktigt att analysera även problem i den operativa verksamheten då även de påverkar stabiliteten hos MPS (Herrera et al, 2015). En maskin som går sönder orsakar omplanering av körschemat, om denna omplanering inte hanteras effektivt kan det orsaka stora merkostnader för produktionen (Rossit et al, 2018). Metoder för att reducera ställtider är ett av de verktyg den operativa verksamheten kan använda för att stabilisera MPS (Sridharan, 1989). Låga
ställkostnader ökar stabiliteten hos MPS (Herrera et al, 2015).
Produktionsscheman blir generellt mer stabila om tillgänglig kapacitet vad det gäller operatörer och maskiner inte är alltför tighta, en kapacitetsplanering med lite extra volym på tillgänglig kapacitet förbättrar förutsättningarna att fullfölja det planerade MPS (Herrera et al, 2015). Genom att ge operativa verksamheten god kännedom om kommande uppdrag, genom exempelvis en lätt överskådlig körplanering underlättas planeringen av det arbete som behöver utföras för att produktionen ska köra enligt plan. På samma sätt kan stora schemaändringar skapa förvirring och försvåra för operativ personal att utföra sitt arbete som det förväntas, då omfattande förändringar i körplaneringen gör det svårt för dem att planera sitt dagliga arbete (Aytug, 2005)
3.4.5 Theory of constraints (TOC)
Den huvudsakliga principen för TOC är att endast de resurser som definieras som flaskhalsar är kritiska för körplaneringen, eftersom det är de som begränsar den totala produktionen för företaget. Genom att förbättra utnyttjandet av identifierade flaskhalsar med hjälp av exempelvis metoder för att korta ställtider, öka produktiviteten och
reducera den tid resursen inte är i produktion kan den totala produktiviteten förbättras. Målsättningen för TOC som metod för produktionsplanering är att maximera
produktiviteten, eftersom eventuella flaskhalsar i flödet är det som begränsar
produktiviteten totalt behöver fokus i samband med körplanering vara på att maximera utnyttjandet av de resurser dvs flaskhalsar, som begränsar produktiviteten (Jacobs, 2011). TOC ser i högre grad organisationer som en kedja av funktioner och processer
där varje funktions uppgift måste utvärderas med hänsyn till hela organisationens produktivitet för att göra en bedömning om funktionen fungerar tillfredställande. Synsättet gör att TOC hjälper till att arbeta mot organisationens övergripande mål, mäter prestationsmål i form av kundservice nivå eller finansiella mål i första hand, inte enbart effektivitet som annars kan vara vanligt (Malesh et al, 2008).
Vid körplanering i system som använder TOC-system heter planeringsmetoden som används drum-buffer-rope. De resurser som ger begränsningar kallas drum och används för att kontrollera arbetsflödet. De schemaläggs för att kunna utnyttjas så effektivt som möjligt, vilket kan vara genom att dessa resurser arbetar även under lunch och
kafferaster, vid behov kan ett internt lager placeras före och/eller efter resursen för att undvika exempelvis materialbrist (Jacobs, 2011).
TOC menar att en timme av outnyttjad tid i flaskhalsen är en timmes förlust i
produktivitet för hela företaget. Medan en timme av outnyttjad tid i en resurs som inte identifierats som en flaskhals inte ses som en förlust alls. För att ett företag ska lyckas med en framgångsrik implementering av TOC är det avgörande att synen på vad som är av störst vikt i samband med planeringen kan förändras. Focus ska ligga på att öka produktiviteten, inte på att människor ska vara upptagna och maskiner i produktion. Att körplaneringen följs för att maximera produktivitet är avgörande, annars finns risk att någon del av flödet producerar för mycket och istället bromsar produktiviteten genom att stoppa flödet på grund av exempelvis för mycket material (Jacobs, 2011).
3.4.6 ABC-klassificering
En ABC-klassificering innebär att man delar upp antingen artiklar, kunder, leverantörer eller andra objekt i olika klasser i syfte att i så stor utsträckning som möjligt använda företagets resurser på det mest effektiva sättet. De olika objekten fördelas in i klasser som kallas A, B och C. Objekten kan klassificeras på olika sätt och olika kriterier kan användas för olika situationer. Exempelvis kan objekten klassificeras utifrån
volymvärde per artikel, täckningsbidrag per produkt, omsättning per kund eller frekvens (Jonsson & Mattsson, 2016). Att klassificera artiklar i olika klasser underlättar för företag att få en tydligare överblick på alla artiklar, speciellt om det finns väldigt många olika artiklar att hålla ordning på. En vanlig användning av ABC-klassificering är att separera de viktigare artiklarna, dvs de som företaget måste ha en hög servicenivå på i
form av leveransservice, från de mindre viktiga för att veta vilka artiklar som man behöver ha ett större lager utav. Detta innebär att företaget kan ha ett extra lager av de viktigare artiklarna för att säkerställa en hög servicenivå, och samtidigt kunna minska lagret av de andra mindre viktiga artiklarna (Teunter et al, 2010).
När man har stora datamängder att hantera kan man använda sig av ett histogram för att dela in mätområdet i olika klasser. Med ett histogram kan man få en tydlig bild på hur mätstorheterna varierar. Ett specifikt histogram som ofta används i detta sammanhang kallas för paretodiagram. Syftet är att visa i diagrammet hur de olika mätstorheterna skiljer sig åt och hur stor procentandel av de mätobjekten denna mätstorhet omfattar. Vad som oftast kan noteras i ett paretodiagram är att endast en liten del av objekten man mäter svarar för en stor del av det totala mängden till exempel kostnader. Inom
företagsekonomi kallas detta även för 80/20-regeln (Bergman & Klefsjö, 2012).
3.4.7 Linjär programmering
Linjär programmering kan användas för att matematiskt beräkna hur utnyttjandet av resurser kan optimeras. Beräkningarna kan göras för att maximera avkastning eller minimera kostnader av en linjär funktion med x verkliga variabler som tar hänsyn till y begränsningar. Metoden kan utnyttjas för att hitta optimala lösningar för exempelvis schemaläggning av personal, lagerstyrning och produktionsplanering och
logistikproblem (Nahimas, 2013). För att kunna optimera planering med många variabler och minimera kostnaderna samtidigt som kraven från kunderna uppfylls är linjära programmeringsmodeller ett användbart verktyg. Genom att kontrollera
kostnader samtidigt som förutsättningarna för att uppfylla kundkraven på flexibilitet blir tydliga (Pochet & Wolsey, 2006). Metoden kan användas i kombination med
exempelvis Excel för att effektivt hjälpa till att lösa problem med ett stort antal variabler och begränsningar (Nahimas, 2013).