Processkartläggning, dataanalys och konceptuell modellering av smörproduktion

(1)

Processkartläggning, dataanalys och konceptuell modellering av smörproduktion

Examensarbete inom produktionsteknik Grundnivå / 30 Högskolepoäng

Vårtermin 2019 David Daoud

Mohamed Barbiche Handledare: Amos Ng

Examinator: Ainhoa Goienetxea

Process mapping, data analysis

and conceptual modelling of

butter production

(2)

(3)

i

Intyg

Härmed intygas att rapporten är skriven av undertecknade och att allt material som inte är refererat till är författarnas egna ord. Alla figurer i rapporten som inte är refererade till är producerade av författarna.

_______________________________ _________________________________

David Daoud Mohamed Barbiche

(4)

ii

Förord

Examensarbetet är det sista projekt som studenterna utför under utbildningen till produktionsingenjörer. Examensarbetet är utfört på ett anonymt företag som vi har valt att kalla för mejeriet. Rapporten kommer att fokusera på produktionsanläggningen av smör samt matfetsblandning som vidare i rapporten kommer att kallas för ”Kap och Map”, och detta kommer att presenteras mer i rapporten. Författarna är tacksamma för stödet från handledare på företaget samt Amos Ng på Högskolan i Skövde.

Skövde, augusti 2020

David Daoud & Mohamed Barbiche

(5)

iii

Abstract

The degree project is performed at a dairy company producing dairy products like butter and cheese, who would like to be anonymous in this report. The products they manufacture are sold not only in Sweden, but also in some other Nordic countries. With the growth of the company, they strive for continuous improvements to elevate their production capacity to increased customer demand. In the long term, the company's goal is to simulate the planned major changes to analyze the plant. The dairy company has participated in simulation projects before, but for modeling and simulation of butter production they have no previous experience. Therefore, to develop a simulation model that can be used for various optimization and analysis purposes, a comprehensive analysis of the existing butter production processes, modeling the level of abstraction, and mapping of data are needed.

This project serves as a pilot study of a simulation project to complete the first crucial steps in a simulation study, namely, to perform problem definition, process mapping and decision on the level of abstraction, corresponding data collection, analysis, and finally, to build the conceptual model. The goal of the thesis is to facilitate the understanding between dairy company’s staff and the simulation engineers in a research project so that the conceptual model and the data and information which are gathered in this work can be used directly to build an executable simulation model.

The process mapping and the developed conceptual model are strongly linked to all information and data collected through interviews with the staff and management of the company. Through interviews, a process mapping has been developed which facilitated the division of the activities that are part of the production process flow. A data analysis was performed with the help of the Expertfit software to obtain distributions and their parameters on failure and repair times of the packaging lines, which are an important part of the input data for the simulation model. After the data analysis, a conceptual model for the entire butter plant was created using the IDEF0 and IDEF3 methods. They helped divide the process into three different production flows. The division of the production process was the reason why three conceptual models using the FACTS Analyzer software have been built and found useful for facilitating the understanding of the company and the research project group in the process and the collected data.

It is also important to point out that this project work did not come with any improvement suggestions or consider any economic aspects but mainly focused on process mapping, data collection, and conceptual modeling of the buffer production processes.

(6)

iv

Sammanfattning

Examensarbetet är utfört på ett mejeri som producerar smör och ost produkter. Företaget skulle vilja vara anonym på denna rapport. Produkterna som de tillverkar marknadsförs på marknader runt om i Sverige, men även i vissa nordiska länder. I och med tillväxten strävar företaget efter ständiga förbättringar, det för att anpassa produktion efter kundbehovet. På långsikt är företagets mål att simulera de planerade stora förändringarna för att analysera anläggningen. Mejeriet har deltagit i simuleringsprojekt tidigare men för modellering och simulering av smörproduktion har de ingen tidigare erfarenhet. Att utveckla en simuleringsmodell som kan användas för olika optimerings- och analyssyften som stod ovan krävs det därför en omfattande analys av befintliga smörproduktionsprocessor, modellering abstraktionsnivån samt kartläggning av data som behövs.

Detta projekt fungerar som en pilotstudie av ett simuleringsprojekt för att genomföra de första avgörande stegen i en simuleringsstudie, nämligen utföra problemdefinition, processkartläggning samt beslut om abstraktionsnivån, motsvarande datainsamling, analys och slutligen bygga den konceptuella modellen. Målet med examensarbetet att främja förståelse mellan mejeriets personal och simuleringsutvecklare på forskningsprojekt i fortsättning om att den konceptuella modellen kan byggas vidare till en simuleringsmodell med data och information som har samlat i detta arbete.

Processkartläggning och konceptuell modellering som utfördes är starkt kopplat till all information och data som samlats in genom intervjuer med personal och ledning. Genom intervjuer kunde en processkartläggning tas fram vilket underlättade uppdelningen av aktiviteterna som ingår i produktionsflödet. En dataanalys utfördes med hjälp av programvaran Expertfit för att få fram fördelningar och deras parameter på stopptider på förpackningslinjer som är en viktig del av indata till simuleringsmodellen. Efter dataanalysen skapades en konceptuell modell för hela smöranläggningen med hjälp av IDEF0 och IDEF3 metoden. De hjälpte att dela upp processen till tre olika produktionsflöden. Uppdelningen av produktionsprocessen var grunden till att de tre konceptuella modellerna med hjälp av FACTS Analyzer som kunde utföras på ett effektivt sätt att hjälpa företagen och forskningsprojekt att förstå processen och insamlade data.

Det är även viktigt att påpeka att detta projektarbete inte kommer med några förbättringsförslag eller ekonomiska aspekter, utan forkuserade på processkartläggning, datainsamling och konceptuell modellering av smörproduktionsprocessen.

(7)

v

Innehållsförteckning

Abstract ... iii

Sammanfattning ... iv

1 Introduktion... 2

1.1 Bakgrund ... 2

1.2 Problemdefinition ... 2

1.3 Syfte och mål ... 2

1.3.1 Delmål... 3

1.4 Avgränsningar ... 3

2 Teoretisk referensram ... 4

2.1 Simulering ... 4

2.1.1 Diskret simuleringssystem ... 4

2.1.2 Steg vid en simulering ... 5

2.2 Problemformulering ... 7

2.3 Nulägesanalys ... 7

2.4 Datainsamling ... 7

2.5 Konceptuell Modell ... 7

2.6 IDEF ... 9

2.6.1 IDEF0 ... 9

2.6.2 IDEF3 ... 11

2.7 Hållbar utveckling ... 12

2.7.1 Vad är begreppet hållbar utveckling? ... 12

2.7.2 Projektets syn på hållbarhet ... 14

3 Litteraturstudie ... 15

3.1 Simulering ... 15

3.3 Konceptuell modell... 16

(8)

vi

3.4 IDEF0 verktyget ... 17

3.5 Analys av Litteraturstudie ... 17

4 Metoder ... 18

4.1 Projektprocess ... 18

4.1.1 Studiebesök ... 18

4.1.2 Problemformulering ... 19

4.1.3 Intervju ... 19

4.1.4 Projektplanering ... 19

4.1.5 Program Kännedom ... 19

4.2 Konceptuell modell för simulering ... 19

4.2.1 IDEF0 ... 19

4.2.2 IDEF3 ... 20

4.3 Data analys med Expertfit ... 20

4.4 FACTS Analyzer ... 20

5 Analys av processen ... 21

5.1 Processkartläggning... 21

5.1.1 Produktionsflöde genom Smörmaskin 1 ... 22

6 Resultat ... 27

6.1.1 Data på den planerade produktion. ... 27

6.1.2 Data på färdigproducerade produkter. ... 27

6.1.3 Data på levererade produkter ... 28

6.1.4 Data på omställningar ... 29

6.1.5 Data på alla stopp i varje produktionslinje ... 29

6.2 Konceptuell modell... 34

(9)

vii

6.2.1 Konceptuell modell genom smörmaskin 1 ... 36

7 Diskussion ... 38

7.1 Genomförandet av projekt ... 38

7.2 Uppfattningen av arbetet ... 39

8 Slutsats ... 41

Referenser ... 42

9 Bilagor ... 44

9.1 Bilaga 1 ... 44

9.2 Bilaga 2 ... 44

9.3 Dataanalys med Expertfit ... 44

9.4 Robinsonsmall ... 136

9.5 Dataanalys med Datafit ... 141

(10)

(11)

David Daoud & Mohamed Barbiche 1 Augusti 2020

Figurförteckning

Figur 1: Exempel på diskret simulering. ... 5

Figur 2: De tolv momenten vid simulering. ... 6

Figur 3: IDEF0, de olika typer av data som används i IDEF0 inspiration av IDEF (2019). ... 10

Figur 4: Byggenheter i en IDEF3-process (Menzel & Mayer,1998). ... 11

Figur 5: Exempel på IDEF3 processorienterade diagram, inspiration av Conceptdraw (2019). ... 12

Figur 6: Hållbar utveckling inspiration av (KTH, 2019). ... 13

Figur 7: Projektprocessen. ... 18

Figur 8: Flödet genom smörmaskin 1. ... 23

Figur 11: Andelen för varje distributionsfamilj på lockapplikator, saknar lock i linjen 8. ... 30

Figur 12: Utvärdering av resultatet. ... 31

Figur 13: Validering av Expertfit distribution. ... 31

Figur 14: Visar beskrivande statistik. ... 32

Figur 15: IDEF0. ... 34

Figur 16: Instruktion av produktionsprocessen med hjälp av IDEF3. ... 35

Figur 17: Konceptuell modell genom Smörmaskin 1. ... 36

Figur 20: En simuleringsmodell baserad på arbetets utvecklade konceptuella modell. ... 40

(12)

1 Introduktion 1.1 Bakgrund

Genom deltagande i ett forskningsprojekt med Högskolan i Skövde syftar mejeriet till att undersöka tillämpningen av simulering-optimering för beslutstöd i produktion och logistisk utveckling samt hur virtuella fabriker och optimeringstekniker kan hjälpa företaget att optimera process och produktkvalitet. Examensarbetet som studenterna utför ingås som första steg genom att genomföra en nulägesanalys av smörproduktion med hjälp av definition och utveckling av en konceptuell modell för simulering. Det är obligatoriskt för företaget att ta emot böndernas mjölk som levereras dagligen, då mejeriet ägs av bönderna. Mjölken som levereras har kort slutdatum vilket innebär att företaget effektivt måste utnyttja den färska varan, detta resulterar till obalans i produktionen. För en god hållbarhet vill företaget utnyttja den färska varan i framtiden på ett sätt som minskar matsvinnet avsevärt. Mejeriet kommer att arbeta med effektiviseringar genom att byta ut maskiner som kommer att leda till förbättringar som minskar matsvinnet.

1.2 Problemdefinition

Mejeriet strävar efter att optimera produktionsanläggningen när det gäller produktivitet, kvalitet och miljöhållbarhet. De ser den enorma potentialen att tillämpa Industry 4.0 eller digitaliseringsteknologier, bl.a. simulering i deras produktionsprocess för att hitta förbättringspotentialen och möjliggöra att jämföra nya produktionskoncept. Det är viktigt att peka ut att mejeriet har planer på att byta ut några smör-maskiner och blandare inom några år. Det är inför detta företag vill ha en simuleringsmodell som inte bara kan testa, analysera eller optimera befintliga smörproduktionsprocesser, utan även testa förbättringspotentialer samt implementering av nya maskiner. Detta för att studera hur de mindre förändringar i processen och maskinutrustning påverkar företagets produktionsflöden. På långsikt är företagets mål att simulera de planerade stora förändringarna för att analysera anläggningen. Mejeriet har deltagit i simuleringsprojekt tidigare, men det var främst i automatiseringslinjerna för förpackningar och lagret som de har utvecklat en diskret simuleringsmodell. För modellering och simulering av smörproduktion har de ingen tidigare erfarenhet. Att utveckla en simuleringsmodell som kan användas för olika optimerings- och analyssyften som stod ovan krävs det därför en omfattande analys av befintliga smörproduktionsprocessor, modellering abstraktionsnivån samt kartläggning av data som behövs.

1.3 Syfte och mål

Detta projekt fungerar som en pilotstudie av ett simuleringsprojekt för att genomföra de första avgörande stegen i en simuleringsstudie. Nämligen utföra problemdefinition, processkartläggning samt beslut om abstraktionsnivån, motsvarande datainsamling, analys och slutligen bygga den konceptuella modellen. I synnerhet måste processkartläggning, datainsamling samt konceptuell modellering ta hänsyn till att den slutliga simuleringsmodellen kan tillåta olika experiment, analys och optimering av befintliga smörproduktionsprocessor samt förbättringsförslag och nya maskiner utföras. Därför är målet med examensarbetet att främja förståelse mellan mejeriets personal och

(13)

David Daoud & Mohamed Barbiche 3 Augusti 2020 utvecklare på forskningsprojekt i fortsättning om att den konceptuella modellen kan byggas vidare till en simuleringsmodell med all data och information.

1.3.1 Delmål

1. Genom intervjuer, diskussioner med projektgruppen från forskningsprojektet och litteraturstudie, genomföra problemformuleringen.

2. Definiera nivån på abstraktion, modellens mål och utdata som behövs för den övergripande projektplanen och syftet av den slutliga simuleringsmodellen.

3. Baserat på punkt 2, samla in så mycket data som möjligt som mejeriet har idag. Utför indataanalys om det behövs men påpeka även ut eventuella brister på data eller data som saknas så att mejeriet kan följa upp detta i framtiden.

4. Skapa en konceptuell modell för simulering av smörproduktionsanläggningen så att mejeriets personal och utvecklare på forskningsprojektet kan bygga vidare den konceptuella modellen till en simuleringsmodell. Detta sker med all data och information som anges i arbetet, som kan användas för olika optimerings- och analyssyften.

1.4 Avgränsningar

Rapporten kommer inte att diskutera några förbättringsförslag. Däremot kommer rapporten att fokusera på kartläggning och datainsamling av den nuvarande produktionsanläggningen samt att peka på databrister om det finns. En konceptuell modell för simulering skall byggas i programmet FACTS Analyzer, eller FACTS (Ng et al., 2007) utifrån det insamlade processbeskrivning och data på nuvarande smörproduktionslinjen. Studien kommer inte att omfatta några ekonomiska aspekter.

(14)

2 Teoretisk referensram 2.1 Simulering

För att uppnå en effektivisering av ett produktionssystem med så lite kostnader som möjligt är det nödvändigt att använda produktionssimulering.

Simuleringen definieras som en efterlikning av en reell produktionsprocess. En simuleringsmodell återspeglar produktionssystemet som skall analyseras på företag, vilket resulterar till att analytiker lätt kan definiera de problem som uppstår (Banks, 1998). Simulering används av många olika sorters verksamheter eftersom att olika problemkategorier kan lösas genom en simuleringsmodell (Domonkos, 2010).

Vid okomplicerade projektarbeten kan forskare bygga en simuleringsmodell för hand, men författaren förklarar vidare att det är bra att använda sig av ett simuleringsprogram vid komplicerade arbeten där fler variabler och parametrar kan ingå (Banks, 1998).

Största fördelen med simulering är att det inte påverkar den verkliga produktionen, vilket resulterar till mindre kostnader. Tidigare i planeringsfasen kan forskare analysera olika förändringar samt investeringar i produktionsprocessen. Det skapar därmed en bättre förståelse då analytiker kan simulera med långa tidsintervaller vilket är en fördel för att identifiera och granska olika flaskhals orsaker. Nackdel med simulering är att det är nödvändigt att vara noggrann samt kräver det bred erfarenhet inom simuleringsmodell uppbyggnationen för att framställa en användbar output som är trovärdig. En annan nackdel enligt författaren är att det är tidskrävande samt kostsamt att skapa avancerade simuleringsmodeller (Banks, 1998).

Vid simulering är det två viktiga element som programmjukvaran måste hantera, det är att utforma tidens framåtskridande samt utforma variabiliteten (Jansson, 2006).

2.1.1 Diskret simuleringssystem

Inom diskret simulering definieras olika evenemang för att behandla simuleringens status. Händelser förekommer omedelbart vid ett visst klockslag. Det som beskriver en diskret händelse simulering är att simulationstiden förflyttar sig från ett moment till nästkommande moment (Albrecht, 2010).

T.ex. En buss stannar vid en busshållplats där fyra momentändringar inträffar.

• Bussen stannar vid busshållplatsen.

• Bussens dörrar öppnas.

• Bussens dörrar stängs.

• Bussen åker från busshållplatsen.

Vid en diskret händelsestyrd simulering är tiden mellan de olika busshållplatserna inte intressanta utan anses som en deterministisk tid, däremot är enbart momentändringar som uppstår vid busshållplatserna intressanta (Pidd, 2004). Med andra ord så är inte tiden mellan händelserna som är intressant, utan det är tiden som varje händelse tar. För mer information angående diskret simuleringssystem se figur 1 nedan. Tillståndsändringar som är märkta med röd färg är intressanta vid diskret simulering finns mellan a och b.

(15)

David Daoud & Mohamed Barbiche 5 Augusti 2020 Figur 1: Exempel på diskret simulering.

2.1.2 Steg vid en simulering

Vid utveckling av en effektiv simuleringsmodell är det gynnsamt att utvecklaren delar upp genomförandet av modellen i tolv moment. Banks (1998) menar att detta underlättar arbetet avsevärt. Om kunden är extern är problem formulering och mål definition grundläggande då utvecklaren utför begränsningar och teorier vilket underlättar arbetet med projekt då det delas upp i olika frågeställningar. Under momentet modellformulering så utförs en enkel modell som kompletteras med de variabler som är nödvändiga till projektet. Datainsamlingen påbörjas parallellt med modellformuleringen. Här är det nödvändigt att samla in rätt data i den mängd som krävs för att utveckla en trovärdig simuleringsmodell. Efter datainsamlingen skall utvecklarna bestämma vilken mjukvara som de skall använda sig av. Detta utförs under steg fem, vilket är programmeringsmomentet. Under detta moment är det viktigt att välja rätt mjukvara som kan hantera alla krav som ställs på modellen (Fujimoto, 1998).

Under steg verifiering skall modellen verifieras, detta för att undersöka om den byggda simuleringsmodellen innehåller rätt data samt om den fungerar som den skall. Verifieringen skall utföras under hela simuleringsprojektet för att upptäcka och identifiera problem så tidigt som möjligt. Valideringen utförs under steg sju och kan genomföras på varierande sätt. Det vanligaste sättet enligt författaren är att den utförs mot data som härstammar från det reella produktionssystemet. Vid steg försöksplanering samt experimentering och analys utförs inställningarna som säkerställer att simuleringsmodellen är trovärdig. Simuleringsmodellen skall även köras för att samla data med tidigare angivna replikationer. När dessa steg är genomförda är det nödvändigt att erhålla rätt information om simuleringsmodellen. Ifall förbättringar eller förändringar behövs skall de utföras genast. Dokumentationen genomförs innan implementering, detta för att uppvisa det resultat som analytikerna åstadkommit. En bra genomförd dokumentation ökar trovärdigheten på resultatet samt underlättar arbetet (Banks, 1998). För mer information gällande de tolv stegen vid simulering, se figur 2 nedan.

(16)

David Daoud & Mohamed Barbiche 6 Augusti 2020 Figur 2: De tolv momenten vid simulering (Banks, 1998).

(17)

2.2 Problemformulering

Problemformulering vid projektstart är ett viktigt steg för beslutfattare samt för den personen som simulerar, detta för att komma överens om vilka problem som uppstår. För en korrekt simulering krävs att utvecklaren av simuleringsmodellen har en full förståelse om vilka problem som skall lösas.

Det är viktigt att beslutsfattarna är medvetna om problemformuleringen som utvecklas av personen som simulerar, detta för att säkerställa att korrekta beslut fattas. Det är vanligt att både beslutsfattaren och utvecklare av simuleringsmodellen vet att det finns ett problem innan de kommer överens om vad problemet är (Banks et al., 2009).

2.3 Nulägesanalys

Analys om projektets möjligheter och styrkor mot tänkbara hot och svagheter vid projektstart är nödvändigt eftersom att det minimerar riskerna för ett misslyckat forskningsarbete. Studien som utförs effektiviserar analys om de nackdelar som är ett problem, samt fördelar som återspeglas i arbetet, vilket i slutändan resulterar till att utveckla problemlösningar (Tonnquist, 2016).

2.4 Datainsamling

Vid utförandet av en simuleringsmodell är det viktigt att arbetet påbörjas med en datainsamling.

Forskarna behöver även ha förståelse om vilken typ av information det är som skall samlas in.

Exempel på data kan vara cykeltider eller stopptider på en station under en produktionsprocess.

Insamlingen av data sker inte bara i början av projektet, utan under hela arbetstillfället i kombination med utvecklingen av simuleringsmodellen (Banks et al., 2009).

2.5 Konceptuell Modell

För att studera ett produktionssystem samt dess processer och delar krävs det att analytikerna utvecklar en konceptuell modell. En konceptuell modell beskriver processens funktion på ett rationaliserat sätt, detta på grund av att inte behöva använda något simuleringsprogram för att tolka modellen. Konceptuell modell kan genomföras med hjälp av till exempel figur eller text för att sedan kunna utveckla den till en mer komplicerad simuleringsmodell i en programvara (Robinson, 2008a).

En utvecklad konceptuell modell tillför att analytiker lätt kan analysera och förstå problemet som studeras, vilket är grunden till utvecklingen av en simuleringsmodell. Den fungerar även som en riktlinje till en fortsatt simuleringsstudie för att lösa problem som uppstår (Robinson, 2008a).

Eftersom att en konceptuell modell enbart beskriver studerande systemets funktioner och processer, är det svårt att bedöma om modellen är bra eller dålig. Men en bedömning kan genomföras även om det i nuläget inte finns någon skriven standard på hur det skall verkställas. Robinsons fyra kriterier trovärdighet, nytta, genomförbart och validitet kan användas vid bedömningen av en konceptuell modell (Robinson, 2008a). Kriterierna beskrivs nedan.

(18)

● Trovärdighet: att modellen är begriplig för att kunna utvecklas till en simuleringsmodell som gynnsamt bemöter syftet och målet med simuleringsanalys (Robinson, 2008a).

● Nytta: att både klienten och utvecklare är av uppfattning att den konceptuella modellen kan byggas till en simuleringsmodell som används som ett verktyg vid beslutsfattande inom samma miljö som problemet (Robinson, 2008a).

● Genomförbart: att utvecklare har en förståelse om att den konceptuella modellen kan byggas till en simuleringsmodell med all data och information som anges (Robinson, 2008a).

● Validitet: att utvecklare har en full förståelse om att den byggda konceptuella modellen kan utvecklas vidare till en simuleringsmodell som bemöter målet med studien som utförts (Robinson, 2008a).

Ett krav som författaren beskriver vidare är att en konceptuell modell även skall vara lätt att förstå.

Därför skall modellen utvecklas så enkel som möjligt, detta för att undvika långsamma simuleringsmodeller vid körning (Robinson, 2008a).

Vid genomförandet av en konceptuell modell finns det även tre tekniker som utvecklare kan utnyttja.

Den första metoden som är nödvändigt att använda sig av vid utvecklingen är att utföra ett enkelt arbete där arbetet utökas under arbetstillfället. Den andra metoden, som är motsatsen till den första går ut på att utvecklare startar arbetet med en mer komplicerad modell. All information som inte påverkar slutresultatet skall sedan tas bort. Kvar återstår en mycket enklare modell som är mer förståelig. Det tredje alternativet som författaren identifierat utgår från ett ramverk som består av fem kriterier som skall utföras (Robinson, 2008a). För mer information gällande kriterierna se nedan.

● Utvecklaren måste förstå problemet som skall lösas.

● Utvecklaren måste förstå målet med projektarbetet.

● En identifiering av modellens utdata måste genomföras. Utvecklaren måste förstå vilken data som skall mätas.

● En identifiering av modellens indata måste genomföras.

● Fastställa detaljerna på modellen.

(19)

David Daoud & Mohamed Barbiche 9 Augusti 2020 Vid skapandet av en konceptuell modell är det inte nödvändigt att följa ordningen på kriterierna som beskrivs ovan.

En slutförd konceptuell modell kan innehålla grafiska tecken som representerar de olika delarna som ingår i produktionsprocessen. Mellan varje ”station” kan det till exempel finnas pilar som beskriver flödet genom processen. En beskrivning av systemet sker genom text, detta för att kunna förstå systemets egenskaper och detaljer som inte nämns med i det grafiska framförandet. Texten kan exempelvis beskriva personalens schema och stationernas snabbhet (Robinson, 2008b). Det är viktigt att påpeka idag där finns ingen standard som beskriver hur en konceptuell modell skall bedömas, vilket utgör en svårighet för oerfarna. Därför är det viktigt att följa kriterierna ovan för att förstå och bedöma på ett effektivt sätt. Ett krav för att förenkla denna process är att utveckla en enkel konceptuell modell i början för att sedan utveckla den under arbetsgången (Robinson, 2008a).

2.6 IDEF

IDEF (Integration Definition) utvecklades för första gången av USA:s flygvapen år 1970. Syftet med utvecklingen av verktyg var att öka tillverkningsprogrammet ICAM (Menzel & Mayer, 1998).

Verktyget är ett standardiserat modelleringsspråk. Beskrivningarna som anges förklarar hur ett arbete tillämpas medan själva modellen förklarar vad som utförs (Kim et al., 2003).

2.6.1 IDEF0

Metoden är en av de flera olika metoder som ingår i IDEF verktyget och är ett modelleringsspråk som används vid skapandet av modeller. Metoden utgavs av den amerikanska standardiserings- organisationen “National Institute of Standards and Technology”. En modell av IDEF0 består av tre olika presentationstyper. De är diagram, ordlista samt text. Diagrammet är det viktigaste delen i modellen (FIPS, 1993). IDEF0 utvecklades för att kunna utforma handlingar och beslut på företag eller system. Denna analysmetod underlättar för modellbyggaren att identifiera olika slags funktioner som sker i ett system. Analytikern analyserar ifall systemet fungerar rätt eller fel (IDEF, 2019).

Teckensystemet för IDEF0 består endast av pilar samt boxar. Text används för att identifiera samt förklara pilarna och boxarna. Boxarna som används ritas som rektangulära samt tilldelas nummer och ett verb. Rektanglarna kopplas ihop med pilarna. Text som identifierar pilarna placeras vid sidan om och den skall vara ett substantiv (FIPS, 1993). Det är vanligt att rita sekvensaktiviteterna som uppstår från vänster till höger, men ifall inga sekvenser ingår i en utförd modell kan det resultera till feltolkning. Detta är svagheten hos IDEF0 metoden och ifall en korrigering sker så kan huvudprinciperna och metodens fördelar att minimeras (IDEF, 2019). Metoden är effektiv med att detaljera systemets aktiviteter, som beskrivs genom utgångar, ingångar, mekanismer samt kontroller.

En IDEF0 kan utvecklas till en mer beskrivande modell vilket kan vara nödvändigt vid besluttagande.

Ett problem som kan uppstå med en IDEF0 modell är att den kan vara mycket kortfattad vilket resulterar till att bara experter kan förstå modellen (IDEF, 2019). För mer information angående IDEF0, se figur 3 nedan.

(20)

David Daoud & Mohamed Barbiche 10 Augusti 2020 Figur 3: IDEF0, de olika typer av data som används i IDEF0 inspiration av IDEF (2019).

(21)

2.6.2 IDEF3

Metoden är ett beskrivningsspråk som används för att utforma instruktion av bl.a.

produktionsprocesser. Instruktionerna som utförs består av grafiska mönster som beskriver hur olika system fungerar samt även vad som utförs under specifika förhållanden. Vid beskrivning finns det två olika sätt att använda sig av, objektorienterad eller processorienterad. Det objektorienterade sättet används för att beskriva statusförändringarna medan det processorienterade sättet beskriver förhållandet mellan processerna. Teckensystemet för IDEF3 består av 27 stycken grundsymboler, med alternativa symboler som tillsammans skall beskriva en process. På grund av små skillnader mellan olika symboler kan det resultera till stora skillnader vid beskrivning av process (Mayer et al., 1995). Vidare i projektet kommer utvecklarna att använda sig av processorienterade sättet vid beskrivningen av produktionsprocessen med hjälp av IDEF3.

Med hjälp av IDEF3 metoden kan organisationer bestämma inverkan av resurserna på de olika driftsscenarierna, men även också dokumentera beslutsförfaranden som påverkar livscykel för kritiska underhålls och konstruktions datainformation (IDEF, 2019). Figur 4 visar enheterna som krävs för en IDEF3 process och figur 5 visar ett exempel på IDEF3 processorienterade diagram.

Figur 4: Byggenheter i en IDEF3-process (Menzel & Mayer,1998).

(22)

David Daoud & Mohamed Barbiche 12 Augusti 2020 Figur 5: Exempel på IDEF3 processorienterade diagram, inspiration av Conceptdraw (2019).

2.7 Hållbar utveckling

2.7.1 Vad är begreppet hållbar utveckling?

Hållbar utveckling utvecklades av FN:s världskommission år 1987 och den vanligaste förklaring för begreppet förekommer ur Brundtlandkommissionens rapport “Vår gemensamma framtid” (KTH, 2019). Hållbar utveckling är ett tankesätt som säkerställer dagens behov utan att behöva äventyra framtida generationers möjligheter att uppfylla sina behov (KTH, 2019).

De tre viktiga dimensionerna ekologisk, social och ekonomisk innefattar tillsammans definitionen av hållbar utveckling. För att beskriva relationen mellan de tre huvudområden och hur de överlappar varandra används ett så kallade venndiagram-modell. Figur 6 visar de tre dimensioner i form av cirklar som överlappar varandra på ett område, detta område definierar hållbar utveckling (KTH, 2019).

(23)

David Daoud & Mohamed Barbiche 13 Augusti 2020 Figur 6: Hållbar utveckling inspiration av (KTH, 2019).

 Ekologisk hållbarhet

Ekologisk Hållbarhet handlar om att naturen skall kunna återskapa resurserna som utnyttjats.

Överutnyttjande av resurser är inte ekologisk hållbart eftersom att ekosystemet inte hinner återskapa sig på grund av obalans i naturen. Det gäller att hitta ett samband mellan jordens ekosystem, människa och natur (Dahlin, 2014).

 Social hållbarhet

Social hållbarhet innebär att ett långsiktigt stabilt samhälle skall uppnås, där människors trygghet samt rättigheter står i fokus. Social hållbarhet styrs oftast av politiska eller kulturella aspekter och står för mänskliga rättigheter (Dahlin, 2014).

 Ekonomisk hållbarhet

Ekonomisk hållbarhet handlar om att uppnå en god utvecklad ekonomi genom ett långsiktigt tankesätt. Med detta menas att resurskapacitet inte skall överutnyttjas relativt till produktens värde.

Innebär exempelvis att länder skall uppnå en god ekonomi som alltid utvecklas, utan att påverka miljön och samhället negativt (Dahlin, 2014).

(24)

David Daoud & Mohamed Barbiche 14 Augusti 2020 Teknikutvecklingen har skapat stora möjligheter för mänskligheten, speciellt när det gäller nya arbetstillfällen, men detta har även resulterat till stora problem. Själva teknikutvecklingen är inget problem i sig, utan det är människans användning som är problemet (Gröndahl & Svanström, 2011).

2.7.2 Projektets syn på hållbarhet

Med hjälp av datainsamling och kartläggning av processen kommer en konceptuell modell för simulering att utvecklas. Den framtagna konceptuella modellen kommer att vara grunden till en färdig simuleringsmodell i framtiden. Med hjälp av simuleringsmodellen kommer problem som uppstår under produktion att definieras samt elimineras. Detta kommer att vara grunden till en förbättrad tillverkningsprocess med så få flaskhalsar som möjligt, vilket kommer att resultera till minskning av matsvinnet på företaget. Detta minskar slöserier av råvara samt på färdiga produkter vilket gynnar företaget ekonomiskt. Reducering av matsvinnet minimerar även utfallet av råvaran ut i naturen vilket även är positivt ekologiskt.

(25)

3 Litteraturstudie

För litteraturstudien till detta examensarbete skall metoder som datainsamling, IDEF0 och simulering analyseras vilket anses vara relevanta områden till arbetet. Metoder som används i detta arbete valdes för att bidra till en stabil grund vilken erhölls med hjälp av ett antal trovärdiga och relevanta vetenskapliga källor. Valet av dessa metoder erhölls efter att studenterna behandlat olika artiklar där verktygen applicerats i verklighet.

3.1 Simulering

Simulering har blivit en viktig tillgång inom företag, speciellt företag inom produktion. Detta på grund av att simulering skapar möjlighet att identifiera olika slags flaskhalsar, finna problem i produktionsprocessen innan dessa uppstår i verkligheten. Detta resulterar till att kostnaderna samt tider vid experiment minskar avsevärt (Sett & Vollmann, 2002).

Olugu och Wong (2008) analyserade en produktionsprocess som producerar optiska linser.

Huvudfrågan som författarna vill besvara är hur produktionen kan effektiviseras utan att det ökar kostnaderna. Eftersom att produktionslinan är sensibel är det nödvändigt att identifiera de problem som uppstår samt följa produktens olika tillverknings faser. Därmed har företaget satt mål som skall uppnås som exempelvis att förbättra kundservice samt öka resursutnyttjandet (Olugu & Wong, 2008).

Författarna menar att det är nödvändigt att en bearbetning av frågeställningar, där potentiella problem hanteras samtidigt som utvecklingen av simuleringsmodell genomförs. Det är även viktigt att analysera eventuella kostnader, produktionsprocesser, tidsplan och personaldeltagande. Tidigt i ett simuleringsprojekt skall projektets aspekter fastställas som exempelvis tidsschema och storlek.

Brister i datainsamlingen resulterar till att simuleringsprojekt möter på problem (Olugu & Wong, 2008).

Analys och insamling av data är ett centralt område vid utvecklingen av en simuleringsmodell vilket anses vara ett komplicerat moment. Det är viktigt att använda sig av en rätt metod samt tillvägagångssätt för att kunna uppnå önskat resultat av simuleringsmodellen (Olugu & Wong, 2008).

Genom att utforma en konceptuell modell analyseras systemet med en fullständig definition av variabler och komponenter vilket återspeglar det realistiska produktionssystemet. En sådan modell utförs med hjälp av flödesschema eller blockdiagram. För att säkerställa att modellen återspeglar det verkliga produktionssystemet måste den köras gradvis, vilket leder till att ett validativt resultat kan uppnås (Olugu & Wong, 2008).

Yang et al. (2008) berättar att brist på kommunikation kan uppstå mellan planerings-och produktionsfaserna, där vissa problem löses direkt. En lösning för att minimera liknande problem är användningen av simulering som är en digital industriell teknologi. I slutändan kan en simuleringsmodell av ett produktionssystem öka balansen mellan både produktions-och planeringsfasen (Yang et al., 2008).

(26)

3.2 Datainsamling

Rodriguez (2015) förklarar att 31 % av den totala tiden som spenderas på ett simuleringsprojekt går ut på att samla in information till modellen. De menar även att det finns tre olika koncept av rådata, där det första konceptet är tidsintervall. Det andra konceptet är exempelvis transporttider medan det tredje konceptet är sannolikheten att få olika resultat. Vid händelsestyrda simuleringsprojekt kommer dessa koncept att bevisas (Rodriguez, 2015).

Olugu och Wong (2008) i sin artikel diskuterar att insamling av data vid ett projekt är komplicerad och att den behöver genomföras på ett effektivt sätt. Resultat som erhålls vid utförandet av en simuleringsmodell bygger på det insamlade data (Olugu & Wong, 2008).

Ingemansson et al (2004) anser i sin studie att flaskhalsar kan minimeras till följd av diskret händelsestyrd simulering. De förklarar även att all data som används vid simuleringen är betydelsefull vid utveckling av en trovärdig modell. En automatisk datainsamling utfördes i studien vilket resulterade i att resultatet förbättrades avsevärt till skillnad från manuella mätningar. Detta är ett bevis på att en effektiv datainsamling medför att flaskhalsar lätt kan identifieras för att sedan minimeras med hjälp av simulering. I studien nämner författarna att tillgängligheten i operationen kunde öka med 1,7 %, och att hela produktionssystemet kunde utvecklas med 3 %, detta på grund av att flaskhalsarna identifierats och reducerats. Produktionen kunde sedan öka med 6 % ett år efter projektets start (Ingemansson et al., 2004).

3.3 Konceptuell modell

Robinson (2019) förklarar i artikeln Conceptual modelling for simulation: Progress and grand challenges att en konceptuell modell är den viktigaste delen vid simuleringsstudie. Det är även bevisat att en konceptuell modell är det svåraste delen vid utförandet av en simuleringsmodell. Det är viktigt att kunna presentera en konceptuell modell på ett sätt som gör det förståelig. Det finns inget avtal som beskriver hur modellen skall representeras. Det finns metoder som exempelvis orsaks-verkandiagram och flödesschema som skall beskriva ett problem som uppstår i buffertlager.

Dessa gemensamma språk resulterar till att olika slags problem i ett arbete kan förstås av andra.

Därför är det viktigt att arbeta med en gemensam representation. Författaren menar att denna uppgift är svår men kan uppnås (Robinson, 2019).

I examensarbetet simulering för optimering av produktionsplanering redogör Henriksson (2015) en konceptuell modell som var grunden till en simuleringsmodell. Den konceptuella modellen kommer att presentera processbeskrivning, input, utdata och antaganden. På modellinnehållet fokuserade inte författarna på produktionsflödet. De fokuserade endast på planeringen. Den detaljerade informationen bestämdes med hjälp av diskussioner med handledare, beskrivning av nuläget samt syftet (Henriksson, 2015). All input som användes i simuleringsmodellen erhölls genom intervjuer med personal, analys av dokument, samt historiska data. I avsnittet indata har författarna skrivit om olika kategorier som anses vara inputs som exempelvis kundbehov, operationstider, orderstorlekar, mixningsregler samt andra olika kategorier. All information som författarna beskriver i detta avsnitt handlar om indata, kategorier som påverkar produktionsflödet och operationstider. Enligt studien påverkas resultatparametrarna beroende på experimentet som utförts. Parametrarna som anses vara de mest grundläggande att mäta är medelantalet av artiklar samt den genomsnittliga ledtiden, detta för att dessa faktorer är viktiga att ha koll på i verkligheten. När studien utfördes var det nödvändigt att genomföra en del antaganden vilket gjorde det enklare att skapa en

(27)

David Daoud & Mohamed Barbiche 17 Augusti 2020 simuleringsmodell (Henriksson, 2015). Resultatet som studien kom fram till visade en komplex modell som återspeglar produktionsflödet. Modellen utfördes med hjälp av olika färgade block för att kunna skapa en förståelse av produktionsanläggningen med hjälp av modellen. All indata som användes för att bygga modellen var ungefärliga och uppskattade (Henriksson, 2015).

Degerstedt (2014) förklarar att arbetet med konceptuella modellen som genomfördes på lantmäteriverket inleddes med brister på grund av missförstånd. Största anledningen till missförståndet var de nya begreppen som skapade missförstånd bland personal. Detta resulterade till att ledningen bestämde sig att arbeta med utbildningen av modellen parallellt med modellens uppbyggnad. Enligt författaren resulterade detta i positiva effekter då användarna kände motivation att arbeta och lösa detta problem. Eftersom att utbildningen var parallell med genomförandet av konceptuella modellen resulterade detta till att modellen omarbetats flera gånger innan den färdiga modellen (Degerstedt, 2014).

3.4 IDEF0 verktyget

I studien Languages Of Process Modeling som genomfördes av Pawlewski och Hoffa (2014) jämförde de två olika modelleringsverktygen UML och IDEF0. Resultaten visade att IDEF0 var det bättre verktyget på grund av dess funktioner när det gäller att förstå och konstruera en modell då IDEF0 endast består av fyra aktiviteter. De är enligt författarna output, input, mekanism och kontroll (Pawlewski & Hoffa, 2014).

I studien som genomfördes av Costin och Fox (2004) visade att IDEF0 används för att utföra en funktionsmodell för nya system medan IDEF3 verktyget används vid produktion av en dynamikmodell av ett system (Costin & Fox, 2004).

3.5 Analys av Litteraturstudie

Artiklarna som analyserats utgör en verifierad grund till datainsamling och utveckling av en konceptuell modell. Dessa källor och artiklar ökar underlag för tillgångvägsättet för att utföra ett fullständigt arbete på mejeriet. Artiklarna innehåller ett antal studier om datainsamling, Konceptuell modell och simulering samt flera verktyg inom produktionsteknik. Metoderna som litteraturstudien byggs på är uttagna ur enbart forskningsartiklar. Detta möjliggör för att förstå hur viktig datainsamling är vid skapandet av en trovärdig konceptuell modell. Artiklarna bekräftade även att datainsamling måste utföras vid rätt tidsintervall och med rätt sätt. Studien visar att ett simuleringsprojekt används för att uppfatta den verkliga produktionen vilket ökar förståelsen mellan planerings-och produktionsfasen, vilket resulterar till problemidentifiering samt förbättringsförslag.

Analysen påstår att utvecklingen av en konceptuell modell är den svåraste delen vid genomförandet av en simuleringsmodell. Det beskrivs därmed i litteraturstudien att insamlade data som används för att bygga simulering eller konceptuella modeller måste vara pålitlig samt i stor mängd för att erhålla korrekt resultat. Litteraturstudien om IDEF0 påpekar att verktyget grundar sig i att bygga modeller, detta genom att använda sig av olika funktioner samt aktiviteter och vad är det för indata som är kopplande till dom.

(28)

4 Metoder

I detta kapitel förklaras vilka metoder och verktyg som användes under projektarbetet för att kunna uppnå målet. Under kapitel 4.2 och 4,3 redogörs metoderna som användes vid modellutveckling samt data analys.

4.1 Projektprocess

Befintlig metod utformades för att säkerställa att syftet och målet uppfylls. Metoden syftar därmed till att framta problemlösningar till problem som uppstår vid projektarbetet (Kothari, 2004). Under detta arbete kommer gruppen endast att fokusera på de fyra första stegen vid simulering enligt banks (1998). Detta eftersom att ingen färdig simuleringsmodell kommer att genomföras. För mer information gällande projektprocessen, se figur 7 nedan.

Figur 7: Projektprocessen.

4.1.1 Studiebesök

Analytikerna besökte mejeriet, där fick gruppen information om nuläget samt den nuvarande produktionsprocessen. Projektgruppen fick även information om den tillgängliga datainsamlingen som företaget innehar vid produktion av smör. Med hjälp av insamlade information och data skall analytikerna bygga en konceptuell modell för simulering med hjälp av FACTS programvara för att återspegla den nuvarande produktionsprocessen.

(29)

4.1.2 Problemformulering

Med hjälp av en handledare kunde forskarna utforma en problemformulering som definierar problemorsakerna. Gruppen fokuserade på att samla ihop data som företaget innehar vid projekt tillfället, samt fördjupade sig på att nå målet med hjälp av tillgängliga resurser och uttagna data under den planerade tidsplanen.

4.1.3 Intervju

För att skapa en djupare förståelse kring mejeriets produktionssystem i smöranläggningen genomförde analytikerna intervjuer. Intervju med personal är den bästa metoden för att samla in all information och data som behövs vid liknande arbeten. Metoden kan utföras med tre olika typer, strukturerad, ostrukturerad och semistrukturerad. Typen som studenterna använde sig av under detta projektarbete är ostrukturerad, eftersom att intervjuerna utfördes med personalen med öppnade frågor under hela intervjutillfället. Detta möjliggör att ställa relevanta frågor till personalen angående de viktiga ämnen som skall undersökas. Nackdelen med denna typ av intervjuer är att det gör det svårare att jämföra flera intervjuer (Osvalder et al., 2008).

Under första besöket på mejeriet kunde analytikerna samla in information om företaget samt dess verksamhet. Detta skapade en förståelse avseende projektets huvudområde, mål samt företagets önskemål av projektarbetet. Genom intervjuer med personalen på företaget fick gruppen mer information kring smörproduktionsprocess. Analytikerna inledde datainsamlingen om tillverkningsprocessen.

4.1.4 Projektplanering

För ett utförligt projektarbete har forskarna utformat en projektplan som stödjer identifiering av problem som kan uppstå under studien, tidsplan, datainsamling, eventuellt analys av insamlade data och skapandet av en konceptuell modell. Med hjälp av PDCA metoden kommer analytikerna att utföra en planering så att projektet genomförs på bästa möjliga arbetssätt.

4.1.5 Program Kännedom

En repetering och uppdatering av analytikernas kunskap i programvaran FACTS genomfördes parallellt med skrivandet av rapport samt intervjuer på företaget. Detta genom att undersöka utbildningsmaterial och gamla projekt som utfördes under utbildningen.

Metoderna ovan utfördes användes för att skapa en problem formulering samt måldefinition av projektet.

4.2 Konceptuell modell för simulering

Olika metoder har använts för att utveckla konceptuella modellen.

4.2.1 IDEF0

För att erhålla en bättre uppfattning om hur flöde fungerar på företaget är det nödvändigt att skapa en konceptuell modell. Vi valde metoden IDEF0. Modellen som utvecklas är baserad på processkartläggningen som beskriver produktionsflödet. Syftet med metoden är att visa ordningen på aktiviteterna som ingår i produktionsflödet under en tidsperiod, metoden fokuserar därmed på hur input omvandlas igenom aktiviteterna till output.

(30)

4.2.2 IDEF3

Metoden användes för att utforma en bild av produktionsprocessen genom grafiska mönster som beskriver de olika funktionerna som ingår i systemet. Det processorienterade sättet av denna metod användes för att beskriva processen i detta arbete.

4.3 Data analys med Expertfit

Under arbetet har gruppen jämfört mellan två programvaror, Expertfit och Datafit där bestämdes det att använda Expertfit till detta arbete.

Varje insamlat data analyseras med hjälp av programvaran Expertfit (Law, 2011 b). Ifall beräkningar visar att median och medelvärde nästan är lika, kan det vara tecken på en balanserad datamängd (Law, 2011 a). Alla produktionssystem har sin process variabilitet. Ifall det inte finns någon betydelsefull variation är det tillfredsställande att modellera datainmatningen med det tillgängliga provmedelvärde (Murthy et al., 2004). Expertfit ska användas till att analysera data som erhölls för att ta fram fördelningar samt deras parametrar som kan användas vid simulering.

4.4 FACTS Analyzer

Simuleringsprogrammet FACTS Analyzer eller FACTS (Ng et al., 2007) är det program som analytikerna skall använda sig av vid uppbyggnaden av modellen i projektet. FACTS är ett program som är byggt på Simulation based optimization och Discrete event simulation. Därmed innehåller programmet flera algoritmer som används vid optimering. Användningen av optimeringsalgoritmer resulterar till att skapa flera olika lösningar som skall utvärderas innan tillämpningen (Ng et al., 2016).

Programvaran FACTS Analyzer används under detta projekt för att utveckla de framtagna konceptuella modellerna. Brukning av FACTS underlättar utvecklingen av de konceptuella modellerna som skall genomföras under detta arbete. Genom simuleringen kunde analytikerna utföra tre konceptuella modeller, där varje smörmaskin är en modell som återspeglar den verkliga produktionen på smöranläggningen. Med hjälp av gammalt kursmaterial kunde analytikerna uppdatera sina kunskaper i programvaran FACTS för att sedan återspegla företagets produktionsflöde i programmet.

(31)

5 Analys av processen 5.1 Processkartläggning

Det är nödvändigt att erhålla en processbeskrivning av processen som råvaran kommer att gå igenom innan utvecklingen av en konceptuell modell. Detta kommer att öka förståelsen om hur planeringen samt produktionen sker på företaget.

Produktionsplaneringen på mejeriet är baserad på prognos. Utifrån prognos skall planeringen se till att lagernivån på artiklar är i rätt mängd, detta för att klara kundernas behov. Ordrar från kunderna resulterar till lagerminskning eftersom att företaget använder sig av produktionssystemet FIFO (First in First out), vilket innebär att de första producerade varorna skickas till kund. Företagets buffertlager skall vara tillräckligt stort för att leverera produkter till kunderna inom två dygn.

Planeringens arbetsuppgift är att säkerställa tillgängligheten på råvarumaterial så att produktionen kan styras av kundbehovet. I detta kapitel skall en beskrivning av Kap och Map produktionsanläggningen genomföras.

Företaget har tillgång till åtta stora samt tre mindre gräddetankar. Alla gräddetankar rymmer olika volymer. Mejeriet har även säsongvariationer, där mycket mjölk levereras in på våren och tvärtom på hösten. Detta löses genom att förpacka överskott av smör på våren. Varje smörpackning är 25 kg.

Förpackningen sker i linje 6 innan smöret fryses in. På hösten skall det frysta smöret tinas upp till 0 grader för att sedan skickas till Reworker 7, som vidare i rapporten skall kallas för RW7. Från ”RW7”

skall det vidare till Smörsilo 3 och därifrån kan pumpas skickas till Smörmaskin 2 eller Smörmaskin 3 för produktion.

Det finns även en stor del oidentifierat spill som företaget inte vet någonting om. Det är skillnad mellan gräddens involym och dess utvolym. Detta spill går till en avloppstank. De skall börja mäta innehållet på spillet för att identifiera problemet. För mer information gällande tillsättningarna som sker vid produktion, se nedan.

 Vatten tillsätts till samtliga tre smörmaskiner samt ”Daily Blender 5” och ”Daily Blender 6”, vidare i rapporten skall Daily Blender kallas för DB. Vatten skickas även till

”saltblandningsmaskiner”.

 Smälltmap kommer ifrån DB5 och DB6 för att sedan skickas vidare till SMO-proc behandlingen. Efter detta kommer det tillbaka till T8707 och blir till mapolja. Sedan pumpas de vidare tillbaka till ”DB5” och ”DB6” efter en temperaturbehandling på ungefär 40 grader.

Restprodukter pumpas upp till T8700 och T8701.

 Smälttsmör processas till smörolja i en diskpump och förpackas i en annan avdelning medan krossmör skickas till T8503 och T8504.

(32)

 Skummjölk är grunden till företagets syror. Skummjölken pumpas till ”B-syra” som utgörs av tre tankar med uppgiften att behandla bakterier. Detta sker genom kokning eller pastolisering. Tillsättning av bakteriekultur sker innan B-syrat skickas till samtliga tre smörmaskiner.

 ”D-syra” har samma procedur som B-syra, med en annan typ av bakteriekultur. ”D-syra”

skickas sedan upp till två lagertankar för att sedan skickas vidare till de samtliga tre smörmaskinerna. En annan typ av ”D-syra” skickas till saltblandningen.

 Buksalt levereras med tankbil och placeras i Saltsilo för att sedan pumpas in i en våg där volymen enligt recept skall blandas i ”T8405” och ”T8406”. Det pumpas även in vatten vilket blir till saltlösning. Det andra saltet ”Finsalt” tillsätts i 25 kg säck. Detta salt tillsätts med syra vilket blir till saltlurry istället för saltlösning som läggs i ”T8409” och ”T8410”. ”Saltlurry”

skickas till samtliga smörmaskiner medan saltlösningen skickas till ”DB5” och ”DB6”.

 Rapsolja från bil levereras till rapsoljelagret Map ”T8101” eller ”T8102”. Sedan pumpas det vidare till ”DB5” och ”DB6”.

 Ekorapsolja från bil levereras till rapsoljelagret Map ”T8130” och ”T8131”. Sedan pumpas det vidare till ”DB5” och ”DB6”.

5.1.1 Produktionsflöde genom Smörmaskin 1

1: Inleverans av grädde sker till någon av de elva tillgängliga gräddetankarna. Detta sker cirka en till två gånger per vecka per tank. Grädden temperatur behandlas i gräddetankarna genom att värma och kyla grädden i olika förutbestämda steg. Temperaturbehandlingen sker i cirka 15 till 20 timmar.

2: När temperaturbehandlingen är slutförd är grädden redo för produktion. Enligt planen skall den pumpas vidare till “Smörmaskin 1”. Där kommer grädden att kärnas till smör samt tillsättas med vatten, mättad saltsyra och syror. Efter “Smörmaskin 1” finns det tre olika flöden som smöret kan pumpas igenom. I ett av flödena kommer smör att pumpas vidare till någon av de tre smörsilos som finns tillgängliga för buffertlager. Det andra flödet kallas för “KM1” där pumpas restprodukten som är kärnmjölk till ett tankelager. Det tredje flödet går till en “diskpump” där smöret smälts innan det diskas. Smältsmöret körs till behandling och sorteras till smörolja. Oljan packas sedan i hinkar eller kartonger som sedan säljs till kunder.

3: Från Smörsilo 1 och Smörsilo 2 som kan behandla 4 ton respektive 6 ton är det färdiga smöret redo för att pumpas vidare antingen till förpackningslinjerna 17, 15, 3, 4a, 4b, 6, 7,11 eller till en diskpump. Diskpumpen används till att pumpa produkten till ett processavsnitt där det blir till smörolja respektive Map olja. I förpackningslinjerna kommer packningen att ske enligt volym, exempelvis normalsaltad Kap 250 gram, extra saltat Kap 500 gram eller andra Kapsorter. Från

(33)

David Daoud & Mohamed Barbiche 23 Augusti 2020 Smörsilo 3 som kan behandla 4 ton smör, kommer smöret att skickas antingen till DB6, Smörmaskin 2, Smörmaskin 3 eller till förpackningslinje 10.

4: När förpackningen är slutförd kommer smöret att packas i någon typ av kartong, även här beror kartongens storlek och form på produktartikel samt slutkundens önskemål.

5: Kartongerna transporteras vidare till palleteringsavdelning där den placeras på pall med hjälp av företagets pallastare eller robot. Produkterna transporteras sedan vidare till kyllager.

För mer information kring produktionsflödet genom smörmaskin 1, se figur 8 nedan.

Figur 8: Flödet genom smörmaskin 1.

5.1.2 Produktionsflöde genom Smörmaskin 2

1: Inleverans av grädde sker till någon av de elva tillgängliga gräddetankarna. Detta sker cirka en till två gånger per veckan per tank. Grädden temperatur behandlas i gräddetankarna genom att värma och kyla grädden i olika förutbestämda steg. Temperaturbehandlingen sker i cirka 15 till 20 timmar.

2: När temperaturbehandlingen är slutförd är grädden redo för produktion. Enligt planen skall den pumpas vidare till Smörmaskin 2. Där kommer grädden att kärnas till smör samt tillsätts med vatten, mättad saltsyra och syror. Efter Smörmaskin 2 så finns det tre olika flöden, ett av flödena kommer smör att pumpas vidare genom till “DB6”. Det andra flödet som kallas för “KM2” så pumpas restprodukten som är kärnmjölk till ett tankelager. Det tredje flödet går till en “diskpump”, där smöret smälts innan det diskas. Smältsmöret körs till behandling och sorteras till smörolja. Oljan packas sedan i hinkar eller kartonger som sedan säljs till kunder.

(34)

David Daoud & Mohamed Barbiche 24 Augusti 2020 3: Smöret som pumpas till “DB6” kommer att gå igenom ett antal mixrar som mixar in rapsolja, saltlösning och mer vatten i olika mängder beroende på vilket recept som gäller.

4: När smöret blivit till någon av de Map-typer som företaget tillverkar pumpas de vidare till en Silo för buffertlagring.

5: Från Bufertsilon pumpas Mapen ut till någon av de tillgängliga förpackningslinjerna. Vilken eller vilka beror på artiklar som skall produceras, exempelvis normal saltat Map 300 gram, extra saltat 600 gram eller flera olika Map sorter. Diskpumpen används till att pumpa produkten till ett processavsnitt där det blir till smörolja respektive Map olja.

6: När Mapen är förpackad, vilket oftast sker i bägare placeras det i någon typ av kartong beroende på produktartikel samt slutkundens önskemål.

8: Under höstsäsongen tinas det frusna smöret upp till 0 grader. Vidare skall smöret skickas till RW7.

Från RW7 kan smöret skickas vidare till Smörsilo 3 för att sedan pumpa det vidare till Smörmaskin 2.

Från Smörsilo 3 kan smöret även pumpas till DB6, där smöret kommer att tillsättas med rapsolja, saltlösning och mer vatten beroende på receptet. När smöret blivit till någon av företagets Map typer pumpas det vidare till Silo 6. I denna Silo kan företaget lagra 2,5 ton smör. Efter buffertlagret skall smöret skickas iväg till förpackningslinjerna 11, 8, 9, 10, och 12. Från Smörsilo 3 pumpas smör till förpackningslinjen 10.

För mer information kring produktionsflödet genom smörmaskin 2, se figur 9 nedan.

(35)

5.1.3 Produktionsflöde genom Smörmaskin 3

1: Inleverans av grädde sker till någon av gräddetankarna. Detta sker cirka en till två gånger i veckan per tank. Grädde temperaturbehandlas i gräddetankarna genom att värma och kyla grädden i olika förutbestämda steg. Detta på grund av att tillhandahålla den optimal för att kärna.

Temperaturbehandlingen sker i cirka 15 till 20 timmar.

2: När temperaturbehandlingen är slutförd är grädden redo för produktion. Enligt planen skall den pumpas vidare till “Smörmaskin 3”. Där kommer grädden att kärnas till smör samt tillsätts med vatten, mättad saltsyra och syror. Efter “Smörmaskin 3” finns det tre olika flöden. Ett av flödena kommer smör att pumpas vidare genom till “DB5”. Det andra flödet som kallas för “KM3” pumpas restprodukten som är kärnmjölk till ett tanklager. Det tredje flödet går till en “diskpump”, där smöret smälts innan det diskas. Smältsmöret körs till behandling och sorteras till smörolja. Oljan packas sedan i hinkar eller kartonger som sedan säljs till kunder.

3: Smöret som pumpas till “DB5” kommer att gå igenom ett antal mixrar som mixar in rapsolja, saltlösning och mer vatten i olika mängder beroende på vilket recept som gäller.

4: När smöret blivit till någon av de Map-typer som företaget tillverkar pumpas de vidare till Silo 5 för buffertlagring, Silo 5 kan behandla 2 ton Map.

5: Från Bufertsilo 5 pumpas Mapen ut till någon av de tillgängliga förpackningslinjerna. Vilken eller vilka beror på artiklar som skall produceras, exempelvis normal saltat Map 300 gram, extra saltat 600 gram eller flera olika Map sorter.

6: När Mapen är förpackad, vilket oftast sker i bägare placeras det i någon typ av kartong beroende på produktartikel samt slutkundens önskemål.

8: Det tinade smöret skickas till “RW7” för att sedan pumpas vidare till Smörsilo 3 där smöret skall lagras innan det skickas vidare till Smörmaskin 3. Samma produktionsprocess som beskrivs vid Smörmaskin 2 gäller här efter detta.

(36)

David Daoud & Mohamed Barbiche 26 Augusti 2020 För mer information kring produktionsflödet genom smörmaskin 11, se figur 10 nedan.

(37)

6 Resultat

6.1 Datainsamling

För att kunna utveckla en konceptuell modell för simulering behövs flera olika datatyper. Under projektets gång har studenterna kommit överens med mejeriet att de skall ta fram fem olika datatyper för endast oktober månad. Dessa olika datatyper är enligt följande.

● Planeringsdata för de planerade produktion.

● Data på färdigproducerade produkter.

● Data på levererade produkter.

● Data på omställningar.

● Data på alla stopp i varje produktionslinje.

6.1.1 Data på den planerade produktion.

I tabell 1 nedan redogörs företagets planerade samt den verkliga produktionen under en vecka.

Enligt tabellen nedan beskrivs att företaget har planerat att producera 24 ton Map NS 16*300g EKO under denna vecka, men att den verkliga totala produktionen av samma Map typ blev 24,16 ton istället. För mer information angående de andra Map artiklarna, se tabell 1 nedan.

Tabell 1: Planeringdata för en vecka.

6.1.2 Data på färdigproducerade produkter.

I tabell 2 nedan beskrivs data på färdig produkt under oktober, v40. Dokumentet beskriver gräddeförbrukningen i ton för att tillverka respektive produkt. Tabellen visar att det förbrukades 4,3

(38)

David Daoud & Mohamed Barbiche 28 Augusti 2020 ton vid tillverkningen av smörolja svensk (konv). Där konv betyder vanligt grädde och inte ekologiskt.

Det förbrukades även 48 ton grädde vid tillverkning av Kap (eko), 623 ton grädde vid tillverkningen av Kap (konv), 59 ton grädde vid tillverkning av laktosfritt Kap (konv), 50 ton grädde vid tillverkning av Map havssalt (konv), 122 ton grädde vid tillverkning av Map eko (eko), 350 ton grädde vid tillverkning av Map normal saltat (konv) och 102 ton grädde vid tillverkning av Map extra saltat (konv). Tabellen visar tydligt att producering av produkter sker enligt en plan som kan se annorlunda ut från dag till dag beroende på hur lagernivån ser ut. Under detta projektarbete kommer inte fokus att läggas på företagets produktionsplan i förhållande till lagernivån. För mer information gällande gräddeförbrukningen för hela oktober månad, se bilaga 9.1.

Tabell 2: Gräddeförbrukning för vecka 40.

6.1.3 Data på levererade produkter

I tabell 3 nedan beskrivs antalet kartonger av de utlevererade produkterna per artikel under första dagen av oktober. Den visar också hur många produkter det finns i varje kartong samt hur mycket det tillverkades av produkten i kg. Tabellen visar att företaget levererade ut 373 stycken Map normal saltat 300x10g ekologisk vilket motsvarar 1 119 kg och 2 218 stycken Map normal saltat ekologisk 12x600g vilket motsvarar 15 969 kg. För mer information gällande andra artiklar se tabell 3 nedan.

Tabellerna visar även det totala antalet samt vikt i kg av de utlevererade produkterna. Gällande de utlevererade produkterna för hela oktober månad, se bilaga 9.2 där varje bilaga visar utlevererade produkter dygnsvis.

Tabell 3: Utleverans för 2019-10-1.

(39)

6.1.4 Data på omställningar

Vid byte av tillverkningen mellan olika produktvarianter uppstår olika långa omställningstider beroende på vilken artikel som ska tillverkas. Tabell 4 nedan visar omställningstiderna på linje 8, där det tillverkas Map. Exempelvis tar det 40 min för att ställa om maskinen ifrån Blend 75 NS Eko - 300*16 Sv-56046 till Blend 75 NS -300*16 Fi-56079. För mer information angående omställningstiderna se tabell 4 nedan.

Tabell 4: Omställningstider på linje 8.

6.1.5 Data på alla stopp i varje produktionslinje

Vid tillverkning av Kap och Map kan de färdiga produkterna gå igenom 12 parallella förpackningslinjer beroende på vilken produkt som tillverkas respektive storlek. Varje stopp i förpackningsmaskinerna orsakar stopp i produktionslinjen som respektive produkt går igenom. Med hjälp av företaget kunde data på alla stopp som uppstod under produktionen i oktober månad tas fram. Dokumentet som erhölls fördelade stopporsakerna detaljerad i vissa produktionslinjer, medan i andra linjer saknades orsakerna.