Examensarbete i Maskinteknik
Vikten av strukturerad
datainsamling för
grundorsaksanalys av slöserier
– En fallstudie på Elitfönster
– The importance of a structured data collection
as a base for a root cause analysis to eliminate
waste – a case study at Elitfönster
Författare: Rianne Dreves, Tina Säll Handledare LNU: Fredrik Fjellstedt
Handledare företag: Johan Aronsson, Pontus Svensson,Elitfönster
Examinator LNU: Mirka Kans Datum: 2016-06-05
Populärvetenskaplig sammanfattning
Det ställs idag mycket krav på produktionssystem eftersom de ska vara både hållbara samt tillverka med en hög kvalitet till ett lågt pris. Detta medför att de flesta företag bedriver någon form av systematiskt förbättringsarbete. Grunden i många
systematiska förbättringsprogram är en datainsamling som ska leda till att beslut tas. Datainsamling sker ofta genom tekniska system eftersom dessa vanligtvis genererar mycket information automatiskt, vilket det finns många studier kring. Något som inte är lika väl undersökt är hur företag med en hög grad av manuellt arbete och en låg användning av digitala system ska göra för att samla in relevant data som kan vara till hjälp i förbättringsarbetet. Därför är en av studiens frågeställningar att ta reda på hur pålitlig data ska samlas in när det inte finns någon utarbetad metod för det. Denna studie är en fallstudie på Elitfönster som är en ledande tillverkare av träfönster. I dagsläget har de en hög grad av omarbete i sin produktion vilket de genom förbättringsarbete vill minska. Därför ska studien även ta reda på hur grundorsaker till slöserier hittas.
Fallstudien har genomförts med hjälp av PDCA-cykeln vilket är en beprövad arbetsmetod inom Lean. Cykeln består av stegen plan, do, check och act som tillsammans har skapat en tydlig struktur i arbetet. För att svara på den första frågeställningen skapades en instruktion för hur en datainsamling bör genomföras. Instruktionen låg sedan till grund för den datainsamling som genomfördes kring vad den utvalda avdelningen på Elitfönster omarbetar. Den vanligaste feltypen
undersöktes sedan genom två olika metoder i en grundorsaksanalys för att hitta grundorsaker till problemet.
Abstrakt
Företag måste hela tiden förbättras vilket ofta görs med ett systematiskt
förbättringsarbete. Dessa bygger ofta på data vilket i företag med mycket manuella processer och låg användning av digitala system inte finns. Därför undersöker denna studie hur relevant data ska samlas in av sådana företag. Detta görs i form av en fallstudie på Elitfönster som är en ledande fönstertillverkare, som har en hög grad av omarbete vilket de har en ambition att reducera. Studien resulterar i en instruktion för hur en datainsamling ska genomföras för att generera relevant data till ett
förbättringsarbete. Den undersöker även hur grundorsaker till slöserier hittas med hjälp av två olika metoder. Slutsatsen som författarna drog av arbetet blev att planeringen är viktig för att få en fungerande datainsamling som genererar ett bra resultat samt att fallföretaget bör utse ansvariga för de gemensamma resurser som skapar problem i produktionen.
Abstract
Companies have to continuously improve which is often done through a systematic approach to improvements. This is often based on data which does not excist in companies with a high amount of manual labor and a low use of digital systems. Therefore this report studies how companies as the one previously mentioned should collect data. This is done as a case study at Elitfönster which is a leading window maker, who has a high degree of rework in their process which they aim to reduce. The result of the study is an instruction of how a data collection should be performed to generate relevant data to be able to improve. The study also investigates how root causes to waste are found through two different methods. The conclusion of this study is that the planning of a data collection is important to be able to get a good result. The company should also nominate a department that is responsible for the joint resources which causes problems in the production.
Förord
Studien har genomförts som ett examensarbete och avslutar Vår
högskoleingenjörsutbildning inom Industriell Ekonomi vid Linnéuniversitetet. Fallstudien genomfördes på Elitfönster som såg stora utvecklingsmöjligheter kopplat till omarbetet i produktionen. Vi sammanställde fallföretagets önskemål och skapade en studie som både löser deras problem och bidrar med samhällsnytta. Tillsammans har Vi författare varit engagerade och involverade i hela arbetet.
Vi vill tacka Elitfönster för att Vi fick möjligheten att genomföra denna studie i deras produktion och för det varma välkomnandet Vi fick. Vi vill även tacka alla som på något vis har varit involverade i detta arbete, både ledning, produktionsledare,
teamledare och produktionspersonal för deras engagemang och assistans. Vi vill rikta ett speciellt tack till Våra handledare Johan Aronsson och Pontus Svensson som har gett oss goda förutsättningar för att kunna genomföra denna studie.
Vi vill även tacka Vår handledare Fredrik Fjellstedt vid Linnéuniversitetet för hans stöd. Ett stort tack riktas även till opponeringsgruppen som opponerat på rapporten under arbetets gång, samt till Mirka Kans för hennes vägledning.
Rianne Dreves & Tina Säll
Ordlista
Kundorderstyrd produktion En produktions som styrs efter kundens order.
Push-baserat arbetssätt Ett arbetssätt där målet är att få ut så mycket av produktionen som möjligt.
SMART mål Ett mål som är Specifikt, Mätbart, Accepterat,
Realistiskt och Tidssatt.
Tryckmärke Ett märke på trädetaljen som skapar en liten
Innehållsförteckning
1. INTRODUKTION ... 1
1.1BAKGRUND OCH PROBLEMBESKRIVNING ... 1
1.2PROBLEMATISERING ... 1 1.2.1 Fallföretagets problematisering ... 2 1.3SYFTE ... 2 1.4MÅL ... 2 1.5FRÅGESTÄLLNINGAR ... 2 1.6AVGRÄNSNINGAR ... 2 1.7RELEVANS ... 3 2. TEORI ... 4 2.1LITTERATURGENOMGÅNG ... 4 2.2TEORI ... 5 2.2.1 Lean ... 5 2.2.2 Strukturerad datainsamling ... 10 2.2.3 Grundorsaker ... 14 3. METOD ... 16 3.1VETENSKAPLIG FORSKNINGSDESGIN ... 16
3.2FORSKNINGSKVALITET OCH DATAINSAMLINGSMETODER ... 17
3.3ETISKT FÖRHÅLLNINGSSÄTT... 18
3.4GENOMFÖRANDE ... 18
3.5URVAL OCH URVALSKRITERIER ... 19
4. FÖRETAGSBESKRIVNING ... 20
4.1FÖNSTER OCH DÖRRAR ... 20
4.2BESKRIVNING AV PRODUKTIONSFLÖDET ... 21
4.2.1 Extrahyllan ... 23
4.3PRODUKTIONSSTYRNING OCH PLANERING ... 24
4.4FÖRETAGETS DATAINSAMLING ... 25
4.4.1 Data insamlat av fallföretaget ... 27
5. DATAINSAMLING ... 30
5.1INSTRUKTION FÖR DATAINSAMLING ... 30
5.2UTFÖRANDE AV DATAINSAMLING ... 31
5.3MÖJLIGA PROBLEM VID DATAINSAMLING ... 32
6. RESULTAT ... 33 6.1INSAMLAD DATA ... 33 6.2GRUNDORSAKER ... 38 6.2.1 Orsak-verkan-diagram ... 38 6.2.2 5-varför ... 41 7. ANALYS ... 42 7.1FÖRETAGET ... 42 7.1.1 Produktionen ... 42 7.1.2 Företagets datainsamling ... 43 7.2DATAINSAMLING ... 43 7.2.1 Analys av datainsamlings ... 43
7.2.2 Analys av insamlad data ... 44
7.3ANALYS AV GRUNDORSAKER ... 45
8.1METODDISKUSSION ... 47
8.2RESULTATDISKUSSION ... 48
9. SLUTSATSER... 50
10. REKOMMENDATIONER ... 51
REFERENSER ... 52
FIGUR- OCH BILDFÖRTECKNING ... 54
INTERVJUER... 56
1. Introduktion
Följande kapitel beskriver det problem rapporten behandlar på en
forsknings-, samhällelig- och företagsnivå. Även studiens syfte och mål samt de frågeställningar som ska besvaras presenteras.
1.1 Bakgrund och problembeskrivning
I dagens samhälle är hållbarhet enligt Bergman och Klefsjö (2012) en viktig faktor som både privatpersoner och företag börjar lägga mer fokus på. Kunder idag ser inte bara produkten de köper utan de är miljömedvetna och ser även till ett företags bakomliggande värderingar och den miljöpåverkan produkten har. Enligt Svensk handel (2016) anser sju av tio tillfrågade konsumenter att det är viktigt att företagen aktivt arbetar med hållbarhet. De hävdar att konsumenter har avstått från att köpa en produkt om den skulle påverka miljön negativt eller om varumärket har ett dåligt rykte.
Det går enligt Dennis (2015) inte längre att sätta priset i förhållande till vad det kostar att tillverka en produkt utan priset sätts i förhållande till vad kunden är villig att betala. Detta innebär att företag måste reducera
kostnader för att fortsätta vara lönsamma samtidigt som kvaliteten förbättras, därför måste företag idag effektivisera sina tillverkningsprocesser (Karim och Arif-Uz-Zaman, 2013). Enligt Hågeryd, Björklund och Lenner (2018) kan de krav som ställs på ett framtida produktionssystem sammanfattas som “Att med hänsyn tagen till miljö och människor leverera högkvalitativa, kundanpassade produkter med mycket kort leveranstid till låg kostnad.” (s.12).
1.2 Problematisering
Enligt Sörqvist (2004) bedriver de flesta företag idag någon form av
1.2.1 Fallföretagets problematisering
Produktionscheferna uppgav i en intervju som hölls den 2 december 2019 att Elitfönster har stora problem med deras interna efterbeställningar av
trädetaljer. Efterbeställningarna är cirka 3000 st per år som innebär en stor kostnad och mycket merarbete för företaget. Företaget vet idag inte varför så många interna efterbeställningar görs men anser att detta är ett problem.
1.3 Syfte
Syftet med studien är att undersöka hur datainsamling ska ske på företag, som saknar en metod för det i dagsläget, för att skapa en ökad förståelse för en produktion så att förbättringsarbete kan genomföras.
1.4 Mål
Målet med fallstudien är att presentera en metod för datainsamling som kan hjälpa tillverkande industrier att få en bra grund till sitt förbättringsarbete. Samtidigt ska den insamlade datan bidra till att hitta en eller flera
grundorsaker till fallföretagets interna efterbeställningar.
1.5 Frågeställningar
Hur samlar man in pålitlig data när det inte finns något utarbetad metod för det?
Hur identifieras grundorsaker till slöserier?
1.6 Avgränsningar
1.7 Relevans
Att undersöka orsakerna till slöserier på ett fallföretag har en relevans på flera olika nivåer. På företagsnivå är det relevant eftersom företag vill minimera deras slöserier, dels för att minimera materialkostnaden men även för att slöserier har en stor påverkan på variation och skapar mycket
2. Teori
Följande kapitel presenterar en litteraturgenomgång och sedan relevant teori som används för att besvara studiens frågeställningar och syfte. Teorier som nämns är bland annat PDCA, slöserier och datainsamling.
2.1 Litteraturgenomgång
Petersson m.fl (2015) beskriver Lean filosofin som kommer vara
utgångspunkten i detta arbete. En del i denna filosofi är PDCA-cykeln, som Rother (2013) beskriver som en vetenskaplig process med syftet att skapa en lärande organisation. I arbetet kommer PDCA-cykeln att vara ett sätt för att grundligt genomföra fallstudien och hela tiden utvärdera de resultat som erhålls.
Fallföretaget har en hög grad av manuellt arbete och har mycket omarbete och vill veta varför. Inom Lean påstår Petersson m.fl. (2015) att omarbete identifieras som en form av slöseri vilket ses som en viktig faktor att identifiera och eliminera. Enligt Bergman och Klefsjö (2012) är det viktigt för att förstå vilka typer av slöserier som finns för att kunna förstå vad som är värdeskapande och de anser att data skapar ett tungt beslutsunderlag för detta. För att förstå hur data ska samlas in har det studerats hur Sörqvist (2004) beskriver att det ska göras. För vidare information har sökningar gjorts i databasen Emerald Insight med sökord som “ data collection”. En artikel av Mahlamäki och Nieminen (2020) handlar om datainsamling som en del av underhåll, som beskriver hur data kan förbättra underhållet och faktorer som är viktiga för att få fram god kvalitet på data. Det dem dock inte tar upp är hur datainsamling faktiskt ska ske.
Enligt Liker (2009) görs grundorsaksanalyser för att hitta grundorsaker till problem. Det är enligt honom viktigt att tänka på att det är grundorsaken som söks, inte källan till problemet. Det finns olika sätt att göra
2.2 Teori
2.2.1 Lean
Petersson m.fl. (2015) hävdar att Lean är en strategi för att förbättra
verksamheter. Lean tar riktning mot ett önskat resultat genom att använda en teoretisk bas med grundläggande värderingar, principer, metoder samt arbetssätt för att nå detta resultat. En Lean kultur kan beskrivas som en verksamhet som hela tiden utmanar sig självt för att skapa bättre arbetssätt och eliminera slöserier. Om Lean kulturen är stark inom ett företag ses avvikelser som en möjlighet att bli bättre, vilket möjliggör att verksamheten hela tiden fortsätter att utvecklas. En bra Lean kultur skapas av ledare inom verksamheten som driver att Lean principer och värderingar ska följas i förbättringsarbetet.
Enligt Petersson m.fl. (2015) kan en tankemodell användas för att förstå hur värderingar, principer, metoder och arbetssätt har ett samband för att nå önskat resultat. Sambandet illustreras i Figur 1. Värderingar beskriver vilka bakomliggande värderingar som en verksamhet anser är det viktigaste i alla lägen och som hela tiden ska finnas med i allt som görs. Ett exempel på detta kan vara respekt för individen. Principer är det som avgör hur
verksamheten gör för att nå sina mål. Utifrån värderingarna skapas principer som talar om hur verksamheten ska tänka för att reducera slöserier och uppfylla behoven som finns inom verksamheten. Metoderna och arbetssätten väljs utifrån de principer som har bestämts och arbetssättet bestämmer hur arbetet ska utföras. När arbetet utförs ska det valda arbetssättet hela tiden följas och förväntas att det ska ge det resultat som är målet. Om inte rätt resultat nås ändras arbetssättet.
2.2.1.1 Standardiserat arbetssätt
Petersson m.fl. (2015) beskriver en standard som det bästa sättet vi för tillfället vet hur något ska genomföras. Det som standarden fastställer är det sätt en viss uppgift ska utföras på. Inom Lean betyder detta dock inte att standarden inte kan ändras, utan denna ska hela tiden utvecklas för att hitta ett bättre sätt att utföra uppgiften på. Att ha ett standardiserat arbetssätt leder till att processen blir mer förutsägbar, hjälper till att synliggöra avvikelser och att skapa en lärande organisation. Om det inte finns ett tydligt rätt eller fel inom en verksamhet går det inte att på ett tydligt sätt identifiera
felaktigheter. Att eliminera slöserier är enklare i en förutsägbar verksamhet eftersom det går att ändra arbetssättet så att mindre slöserier uppstår.
En verksamhet kan enligt Petersson m.fl. (2015) vara metod- eller resultatstyrd. Metodstyrd innebär att alla inom verksamheten följer de arbetssätt som har tagits fram och när inte rätt resultat nås förändras
arbetssätten för att nå ett annat resultat. Resultatstyrd innebär i sin tur att de inom verksamheten hittar sina egna lösningar för att nå önskat resultat och det är inte intressant hur ett visst resultat har uppnåtts utan bara att det har gjort det.
2.2.1.2 PDCA
Dennis (2015) menar att en viktig hörnsten inom offensiv
Figur 2: Illustration av PDCA-cykeln. Modifierad illustration ( Dennis, 2015). 2.2.1.2.1 Plan
Det första steget i förbättringscykeln är att planera. För att kunna göra det måste nuläget definieras och ett framtida målläge sättas upp. Gapet mellan dessa två blir det problem som PDCA-cykeln ska lösa (Dennis, 2015). Under planeringens gång bryts problemet ner till mindre, mer hanterbara problem för att kunna hitta möjliga lösningar (Bergman och Klefsjö, 2012). En bra planering innehåller enligt Dennis (2015) svar på frågorna vem, vad, när, var, varför och hur samt att den ska innehålla ett SMART mål så att passande mätmetoder kan väljas. Bergman och Klefsjö (2012) menar också att det är viktigt att alla beslut som tas är baserade på fakta för att få ett så bra resultat som möjligt.
2.2.1.2.2 Do
När planeringen är färdig ska nästa steg påbörjas. Detta steg är utförandet av planen samt att mätningar ska genomföras och allt ska dokumenteras
(Bergman och Klefsjö, 2012; Dennis, 2015).
2.2.1.2.3 Check
Det tredje steget innebär att resultatet och processen från föregående steg kontrolleras och utvärderas för att svara på om åtgärderna har lett till en förbättring eller ej (Bergman och Klefsjö, 2012). Enligt Dennis (2015) ska följande fem frågor besvaras under utvärderingen
- Vad ska kontrolleras?
- När ska kontrollen utföras?
- Hur ofta ska kontrollen genomföras?
- På vilket sätt ska det kontrolleras?
När dessa frågor har besvarats är det dags för det sista steget i förbättringscykeln.
2.2.1.2.4 Act
Det sista steget i förbättringscykeln innebär att ledningen ska reflektera över det resultat som cykeln gav (Dennis, 2015). Om resultatet och processen båda gick bra ska arbetssättet standardiseras så att alla får ta del av den nya kunskapen samt för att förebygga att problemet uppstår igen. Skulle
resultatet och processen däremot ej ha givit det önskade resultatet ska cykeln köras en gång till för att förbättra det som inte gick som det var tänkt
(Bergman och Klefsjö, 2012; Dennis, 2015).
2.2.1.3 Muda – slöserier
För att förstå vad som är värdeskapande är det viktigt att förstå vilka typer av slöserier som finns och hur de identifieras och elimineras (Bergman och Klefsjö, 2012). Det japanska ordet för slöseri är muda och i detta begrepp ingår även de aktiviteter som kunden ej är villig att betala för, alltså icke-värdeskapande aktiviteter. Enligt Dennis (2015) finns det åtta typer av slöserier som företag måste lära sig hantera. Dessa åtta slöserier förklaras nedan.
2.2.1.3.1 Rörelse
Det första är rörelse. Enligt Dennis (2015) syftar rörelse till onödiga rörelser av personal som beror på ergonomin på arbetsplatsen. Vid onödiga
förflyttningar, lyft och liknande minskar produktiviteten. Kvaliteten minskar när personalen måste anstränga sig för att kontrollera och bearbeta detaljen på grund av ergonomin som till exempel vridningar eller att nå det som behövs.
2.2.1.3.2 Fördröjning
av väntan påverkar ledtiden som är den totala tiden från att kunden beställer sin produkt till dess att kunden får hem sin produkt. Inom Lean är ledtid ett centralt begrepp som beräknas genom att addera bearbetningstiden med den tiden det tar för produkten mellan de olika stationerna.
2.2.1.3.3 Transport
Dåligt planerade anläggningar är en av de vanligaste orsakerna till
ineffektiva transporter hävdar Dennis (2015). En annan faktor som påverkar kan vara batchstorlek, eftersom det krävs fler transporter att flytta materialet mellan de olika stationerna än om batcherna var mindre. I begreppet
transporter ingår även de förflyttningar av materialet som görs av personalen samt förflyttningar av personalen mellan maskiner. Transporter av både människor och material är nödvändiga men de onödiga transporterna måste minimeras.
2.2.1.3.4 Omarbete
Omarbete definieras av Petersson m.fl. (2015) som att producera defekta produkter. All typ av omarbete för att laga defekta produkter kräver tid, material och energi vilket är kostsamt för företaget (Dennis, 2015). Enligt Petersson m.fl. (2015) bör fokus vara att hitta grundorsaken till de felaktiga detaljerna inte att rätta till det som redan har blivit fel.
2.2.1.3.5 Överarbete
En annan typ av slöseri är överarbete som innebär att det tillverkas eller görs mer än vad kunden kräver. Dennis (2015) påstår att det är lätt att företag lägger fokus på det dem själva tycker är bra istället för det kunden faktiskt tycker är viktigt och är villig att betala för.
2.2.3.1.6 Lager
Onödigt råmaterial, detaljer och produkter i arbete ingår i den form av slöseri som är kopplad till lagerhållning. Dessa saker är enligt Dennis (2015) en följd av ett begränsat flöde inom produktionsanläggningen och när produktionen inte hänger med i den takt som marknaden vill ha produkterna. Att tillverka fler produkter i arbete för att “det är bra att ha” påverkar denna typ av slöseri mycket eftersom det främjar ett push-baserat arbetssätt.
2.2.1.3.7 Överproduktion
Dennis (2015) skriver att grunden till alla typer av slöserier är enligt Taiichi Ohno överproduktion, vilket innebär att företag tillverkar mer produkter än vad kunderna vill ha. Det leder till stora kostnader som till exempel
lagerhållning, extra bearbetning, fler onödiga transporter, mer väntetid och framförallt anställda som utför onödigt arbete.
2.2.1.3.8 Kunskap
Denna typ av slöseri uppstår när information inte kommuniceras inom företaget eller mellan företaget och dess kunder eller leverantörer. På detta vis delas inte den kunskap och de ideér som finns på företaget vidare för att bidra till företagets framgångar (Dennis, 2015).
2.2.1.4 Mura – ojämnt flöde och Muri - överbelastning
Det är enligt Liker (2009) vanligt att företag enbart fokuserar på att eliminera slöserier vilket kan innebära att produktiviteten minskar och att produktionssystemet blir sämre. Det som ofta missas är att det finns två begrepp till som samverkar med slöserierna, dessa är Muri som betyder överbelastning och Mura som står för ojämnt flöde. Överbelastning innebär att människor drivs förbi den naturliga gränsen vilket kan skapa problem med säkerheten, kvaliteten och enligt Mor, Bhardwaj, Singh och Sachdeva (2019) kan det även ha negativ inverkan på människors moral eftersom det leder till stress och en dålig arbetsmiljö. Liker (2009) hävdar att
överbelastning av maskiner kan leda till mer stilleståndstider och fler felaktiga produkter. Ett ojämnt flöde beror enligt Dennis (2015) ofta på att en produktionsplan är ojämnt fördelad med avseende på tid och mängden arbete. Enligt Liker (2009) kan även problem inom produktionen som stillestånd och defekta eller saknade komponenter skapa ett ojämnt flöde. Att jämna ut produktionstakten är viktigt eftersom att det ojämna flödet skapar slöserier i produktionssystem.
2.2.2 Strukturerad datainsamling
Oakland (2008) anser att vid ett systematiskt förbättringsarbete är
grundläggande regler att ingen process ska finnas utan datainsamling och att ingen datainsamling ska ske utan att analyseras. Analysen ska leda till beslut och alla beslut som tas ska leda till åtgärder även om det ibland innebär att ingen åtgärd behövs. Det är enligt Sörqvist (2004) viktigt att tidigt veta hur datan ska samlas in och analyseras eftersom det påverkar datainsamlingens utformning. Bergman och Klefsjö (2012) poängterar att felaktig eller missvisande data resulterar i felaktiga analyser och att det är slöseri med resurser att samla in data som inte går att använda och menar därför att det finns två frågor som bör ställas för att tydliggöra syftet med insamlingen. Dessa frågor är:
Vilken fakta behövs för att belysa problemet?
Enligt Mahlamäki och Nieminen (2020) finns det tre viktiga faktorer som bestämmer hur lyckad en datainsamling kommer att bli. Den första är teknologin vilken datan samlas in genom. Om det innebär för mycket arbete för den som ska hantera datan och tar för lång tid tills det tillför nytta kan datainsamlingen mest ses som en börda. Det är därför viktigt att teknologin för datainsamling är användarvänlig. Den andra faktorn är att organisationen är mogen för att genomföra en datainsamling vilket innebär att de som inför datainsamlingen måste vara vara drivande i att datan som samlas in ska ha bra kvalitet. Den tredje faktorn är människorna som gör den faktiska insamlingen av datan. Denna faktorn syftar både till att människor har rätt kompetens för att samla in data på ett korrekt sätt men också deras
motivation till att samla in data. Motivationen påverkas av om människorna som genomför datainsamlingen förstår vad datan ska användas till, både att den inte kommer att användas emot de som genomför den och att den faktiskt kan vara till nytta för dem.
2.2.2.1 Utformning och utförande
Enligt Sörqvist (2004) finns det två typer av mätningar, direkta och indirekta. Direkta mätningar görs i en process eller på en produkt direkt. Indirekta mätningar innebär att människor bedömer något och detta tolkas som en mätning. Det finns ofta fler än ett sätt att utföra mätningar på och några exempel på vanliga mätmetoder är manuella mätningar,
automatiserade mätningar, externa observationer, självobservationer, intervjuer. En enkel metod för datainsamling är enligt Bergman och Klefsjö (2012) att göra en tabell där varje ny observation representeras med ett streck eller kryss (se figur 3).
Vid datainsamling hävdar Sörqvist (2004) att det ofta inte är möjligt att utföra mätning på alla enheter under den period som datan samlas in. Då måste ett urval ske och en urvalsmetod väljas för att avgöra vad som ska ingå i mätningen. Ofta skiljer man på urvalsmetoderna i två kategorier, det sannolikhetsbaserade eller icke sannolikhetsbaserade. Det
sannolikhetsbaserade metoden innebär att urvalet sker slumpmässigt och att det räknas ut om det går att säga att det som är mätt går att generalisera och användas för att dra slutsatser om hela processen. Det icke sannolikhets baserade urvalet innebär att det inte är slumpen som bestämmer vilket urval som görs utan det är ett medvetet val. Ett exempel på det är
bekvämlighetsurvalet där valet baseras på mätmöjligheter och vart det är enkelt att mäta. Ett annat exempel är bedömningsurval där mätning görs för att man är medveten om att det finns brister på ett specifikt ställe och därför vill mäta detta. Den icke sannolikhetsbaserade mätningen går oftast inte att använda för att dra slutsatser om en hel process eftersom denna inte är generaliserbar eller representativ men i vissa fall görs detta ändå som vid till exempel bekvämlighetsurvalet.
När en urvalsmetod har valts väljs enligt Sörqvist (2004) urvalsstorleken. När sannolikhetsbaserad urvalsmetod används går det att räkna ut hur stor en lämplig urvalsstorlek är. Vid en icke sannolikhetsbaserad urvalsmetod väljs ingen urvalsstorlek utan datan studeras och mätningen slutar när det inte ger någon ny information med en till mätning.
Ett viktigt begrepp inom datainsamling är enligt Sörqvist (2004) stratifiering som innebär att kategorisera data. Syftet med stratifieringen är att studera utfallet för att se om det finns någon skillnad mellan kategorierna, vilket kan ha betydelse vid problemlösning. En stratifiering sker i tre steg, där det första steget är att välja stratifieringsvariabler vilket innebär att man väljer de variabler som stratifieringen ska utgå från. Detta val grundas ofta i en misstanke eller teori. Andra steget är att dela upp datan i de valda
kategorierna, där datan sorteras och kategoriseras efter de valda
stratifieringsvariablerna. Det sista steget är sedan att visa resultatet och analysera det. Analysen genomförs för att hitta skillnader mellan
kategorierna. Det som dock är viktigt att tänka på är om det är möjligt att säkerställa att skillnaderna inte beror på slumpmässig variation.
2.2.2.2 Utvärdering av datainsamling
Sedan studeras datainsamlingen genom att både datan som samlats in studeras och metoden utvärderas med hjälp av intervjuer med de som utfört mätningarna. Därefter åtgärdas mätmetoden utifrån de felaktigheter som hittats vid utvärderingen.
Perspektiv som kan tas med vid utvärdering av datainsamlingen är
noggrannhet som handlar om hur bra det värde som mäts upp stämmer
överens med det verkliga värdet. Ett annat perspektiv är repeterbarhet vilket innebär att om samma person gör samma mätning en gång till och når samma resultat. Reproducerbarhet innebär att någon annan utför samma mätning och når samma resultat samt stabilitet som innebär att mätprocessen är stabil över tid. Det sista perspektivet är om det är en lämplig mätskala vilket innebär att den valda mätsituationen och den valda mätskalan är lämpliga tillsammans (Sörqvist, 2004).
2.2.2.3 Paretodiagram
Paretodiagram är ett verktyg som ska ligga till grund för i vilken ordning problemen ska prioriteras eftersom problem oftast löses ett i taget. Bergman och Klefsjö (2012) beskriver att paretodiagrammet visar vilket problem som är allvarligast och som därför ska lösas i första hand. De hävdar att detta arbetssätt ger en större utdelning än att alla löser olika problem samtidigt eftersom det blir möjligt att kraftsamla innan problemet ska lösas.
Diagrammet visar sedan ofta att det är de minsta felen som står för störst andel av de totala felen eller den totala kostnaden för kvalitetsbrister. Därför är det viktigt att inte endast se till kostnaden av felet i produktion utan även till konsekvenskostnaden.
Figur 4: Illustration av paretodiagram. Modifierad illustration (Bergman och Klefsjö, 2012).
2.2.3 Grundorsaker
2.2.3.1 Orsak-verkan-diagram
När ett kvalitetsproblem har hittats är nästa steg att hitta orsaken till problemet. För att göra det kan man enligt Bergman och Klefsjö (2012) använda sig av ett orsak-verkan-diagram, som även kallas fiskbensdiagram eller ishikawadiagram, som sedan används som ett underlag för fortsatt problemlösning. Med hjälp av diagrammet beskrivs de tänkbara orsaker som kan ligga till grund för varje problem och enligt Petersson m.fl. (2015) anses diagrammet vara färdigt när inga fler tänkbara orsaker till problemet hittas, det kan därför bli hur detaljerat som helst. För att komma igång med denna typ av diagram är det enligt Bergman och Klefsjö (2012) vanligt att använda sig av sju stycken M som är, Människa, Maskin, Material, Miljö,
Figur 5: Exempel på orsak-verkan-diagram med sju M.
2.2.3.2 5-varför
En grundorsaksanalys görs enligt Liker (2009) för att komma till botten av ett problem och kan göras genom att ställa sig frågan “varför?” minst fem gånger. Petersson m.fl. (2015) påstår att metoden är enkel att förstå men inte lika enkel att använda. Ofta är det enkelt att ställa de första
“varför”-frågorna, men det blir svårare desto djupare ner i problemet man kommer. Genom att använda denna metod återkommer problem inte i samma grad som när de löses direkt på plats (Jebaraj Benjamin, Srikamaladevi
Marathamuthu, Muthaiyah, 2009). Liker (2009) hävdar att en viktig poäng är att komma ihåg att det är en grundorsak och inte källan till problemet som söks eftersom att grundorsaken ligger bakom källan. Ett exempel på detta är att källan till ett företags problem är leverantören men grundorsaken till problemet är varför källan uppstår. Petersson m.fl. (2015) hävdar därför att metoden endast går att använda på ett specifikt fall och inte ett
kvalitetsproblem i stort.
För att få ett så bra resultat som möjligt av denna metod är det därför enligt Liker (2009) viktigt att ha ett öppet sinne och hitta så många potentiella orsaker till problemet som möjligt och inte utesluta några möjligheter. Dessa potentiella orsaker till problemet ska sedan bekräftas eller avfärdas med fakta. Enkelt förklarat hittas orsaken med frågan “varför” och logiken mellan stegen bekräftas med “därför”. Petersson m.fl. (2015) poängterar även vikten av att förstå att de personer som är inblandade i 5-varför-analysen har inställningen att all personal gör så gott de kan. Att ifrågasätta varför en person har gjort fel skapar ett klimat där felen som uppstår döljs snarare än att uppmärksamma dem, vilket är en förutsättning för
3. Metod
Metodkapitlet beskriver studiens vetenskapliga forskningsdesign, forskningskvalitet och datainsamling samt studiens etiska förhållningssätt. Sist i kapitlet presenteras studiens genomförande som förklarar stegvis hur arbetet ska utföras.
3.1 Vetenskaplig forskningsdesgin
Det finns enligt Blomkvist och Hallin (2015) tre vanliga typer av
forskningsdesigner. Dessa är fallstudie, kvantitativ studie samt experiment och aktionsforskning. En fallstudie är en studie där ett eller några få objekt ur verkligheten väljs ut för observation. Dessa kan till exempel vara en specifik situation eller en individ. Denna forskningsdesign används ofta vid induktiva studier eftersom den genererar en detaljrik empiri som gör det möjligt att besvara ett utforskande, förklarande eller beskrivande syfte. Det viktiga vid en fallstudie är att tillräckligt mycket information samlas in samt att fallstudien utförs på ett systematiskt sätt. En kvantitativ studie är däremot en studie där en större mängd data samlas in från olika situationer och exempel. Fördelen med detta är att denna typ av studie ger en god bild av ett fenomen. Den tredje och sista forskningsdesignen är experiment och
aktionsforskning som innebär att man skapar en situation för att kunna pröva sin hypotes genom att manipulera den. Denna metod används oftast när det finns ett förutsägbart syfte. Eftersom denna studie utförs på ett specifikt företag är det en fallstudie som i sin tur behandlar både kvalitativ och kvantitativ data för att få en bred helhetsbild.
3.2 Forskningskvalitet och datainsamlingsmetoder
Validitet, reliabilitet och objektivitet är tre mått på en studies kvalitet och trovärdighet (Blomkvist och Hallin, 2015). Validitet innebär att rätt sak studeras, reliabilitet säkerställer att det studeras på rätt sätt. En hög validitet förutsätter att reliabiliteten är hög. Objektivitet betyder i sin tur hur olika värderingar påverkar studien och för att nå en hög objektivitet är det viktigt att vara så neutral som möjligt i studien (Björklund och Paulsson, 2012).
Det finns två typer av datainsamling enligt Patel och Davidsson (2011), kvalitativ och kvantitativ. Kvalitativ datainsamling innebär att så kallad “mjuk” data samlas in för att skapa en djupare förståelse för problemet. Denna typ av data kan till exempel vara intervjuer. Kvantitativ data däremot är “hård” data som omfattar mätningar och statistik.
En vanlig datainsamlingsmetod är enligt Patel och Davidsson (2011) intervjuer. Anledningen till detta är att det går att få ut mycket information med relativt enkla medel genom intervjuer. Patel och Davidsson (2011) hävdar att det finns tre olika typer av intervjuer som är kvantitativa-, kvalitativa- och strukturerade intervjuer. Kvantitativa och strukturerade intervjuer innebär i många fall en enkätstudie med möjlighet för uppföljande frågor medan en kvalitativ intervju har en mer öppen karaktär. Den
sistnämnda kan i sin tur delas in i strukturerade- och ostrukturerade intervjuer. Vid en strukturerad intervju är frågorna förutbestämda till skillnad från vid en ostrukturerad intervju där det istället listas viktiga områden som intervjun behandla och frågorna formuleras i takt med samtalet (Blomkvist och Hallin, 2015). Tanken är att de ostrukturerade intervjuerna ska ge personen som blir intervjuad en möjlighet att svara brett på frågorna (Patel och Davidsson, 2011). Studien kommer bestå av både strukturerade och ostrukturerade intervjuer för att få en hög reliabilitet och validitet samtidigt som de ostrukturerade intervjuerna kommer leda till en hög objektivitet eftersom svaren på frågorna ej går att förutspå. Dessa två metoder ska tillsammans generera en djupare förståelse för produktionen och dess flöde samt de arbetsmoment som ingår.
En annan datainsamlingsmetod är litteraturstudie som går ut på att samla in information kring ämnet genom att studera olika typer av litteratur. En litteraturstudie kan innehålla fakta från flera olika typer av källor som till exempel böcker, artiklar och elektroniska källor ( Patel och Davidsson, 2011). Denna studie kommer bestå av en ingående litteraturstudie med olika typer av litteratur, med fokusområden inom förbättringsarbete och slöserier, för att öka studiens trovärdighet samt säkerställa dess validitet.
dokumenteras noggrant oavsett storlek på observationen. Under tiden som observationen pågår kan det även uppstå etnografiska intervjuer som består av spontana frågor. Flertal observationer av produktionen kommer att genomföras under studiens gång för att öka förståelsen för problemet ytterligare. Observationerna ska ligga till grund för grundorsaksanalysen som ska genomföras för att identifiera potentiella källor till problemet.
3.3 Etiskt förhållningssätt
Vetenskapsrådets forskningsetiska principer förklarar Blomkvist och Hallin (2015) är en kodex som forskare förhåller sig till. Det första av de fyra principer som nämns är samtyckeskravet, som innebär att de personer som medverkar i studien medverkar frivilligt. Nästa princip är informationskravet vilket betyder att syftet med studien ska framgå till alla involverade.
Nyttjandekravet är den tredje principen som säger att den insamlade datan endast får användas till studiens syfte, inget annat. Den sista principen är konfidentialitetsprincipen som innebär att all data som samlas in ska
behandlas konfidentiellt. Studien kommer förhålla sig till samtliga principer som har nämnts ovan. Alla på företaget, även de som inte är berörda, har fått information om att studien kommer genomföras för att undvika oklarheter. Personerna i studien medverkar frivilligt och har rätt att vara anonyma samt att all data som samlas in endast publiceras med Elitfönsters tillstånd.
3.4 Genomförande
Arbetet kommer följa den beprövade metoden PDCA, som är ett
systematiskt arbetssätt för ständiga förbättringar (Dennis, 2015). Figur 6 nedan visualiserar arbetsprocessen, där det första steget, plan, består av en grundlig litteraturstudie samt insamling av empirisk data. Detta ska tillsammans leda till en förståelse för produktionen och en metod för
datainsamling. Plan-steget representeras i rapporten av introduktion, metod, teori och företagsbeskrivningen. Det andra steget är do, där
Figur 6: Visualisering av arbetsprocessen.
3.5 Urval och urvalskriterier
Datainsamling kommer främst ske genom intervjuer, med
produktionsledare, teamledare och produktionspersonal, samt genom egna observationer av produktionen. Detta kommer medföra att arbetet får en hög objektivitet samtidigt som även reliabiliteten och validiteten blir hög
eftersom personerna som blir intervjuerna har en stor kunskap kring arbetet. Nyckeltalen ska samlas in genom observationer och samarbete med
4. Företagsbeskrivning
I följande kapitel beskrivs fallföretagets produkt, produktionen samt produktionsstyrningen för att skapa en bred förståelse för fallföretagets verksamhet. Även hur företaget samlar in data idag beskrivs.
Elitfönster är en ledande fönstertillverkare som grundades 1924 och ingår i koncernen Inwido, som är europas största fönsterkoncern med sina 4500 anställda. Elitfönster har två produktionsenheter, en i Vetlanda och en i Lenhovda. I Vetlanda finns huvudkontoret samt två
produktionsanläggningar och i Lenhovda finns det en
produktionsanläggning. Sammanlagt har Elitfönster ca 1000 anställda, varav 350 st i Vetlanda, och de omsätter ungefär 1,69 miljarder kronor. Företaget har både privatpersoner och företag som kunder. I denna studie kommer en av produktionsanläggningarna i Vetlanda att studeras.
Hållbarhet är viktigt för Elitfönster. De beskriver hållbarhet som att hela processen ska vara hållbar från planta till återvinning. Inom produktionen innebär detta att minimera slöserier och spill för att skapa en hållbar
produktion, samt att allt spill återvinns. Till exempel används träspill till att värma upp produktionslokalerna.
Elitfönster har även ett internt projekt som heter 20 200 som innebär att de under år 2020 har som mål att ha 200 miljoner kronor i rörelseresultat. Rörelseresultatet är ett mått på lönsamhet och Elitfönster har som
målsättning att bli mer lönsamma. För att bli detta driver de olika projekt inom alla delar av företaget för att öka leveranspecisionen.
4.1 Fönster och dörrar
Ett fönster eller en dörr i trä består av en karm, en båge och diverse beslag. Karmen är ytterdelen av fönstret och alltså det som monteras fast i
4.2 Beskrivning av produktionsflödet
Produktionen börjar med att råmaterial, som består av träbitar kapade i modulmått, plockas efter plocklistor som är baserade på vilken typ av fönster som ska tillverkas. En karta över produktionen går att se i figur 7. Materialet går sedan in i maskinverkstaden där det bearbetas till den profil som detaljen ska ha samt förbereder för montering av beslag.
Maskinverkstaden består av flertal maskiner där detaljer bearbetas på olika sätt med hjälp av dessa. Det som däremot är gemensamt är att detaljerna avsynas både innan och efter varje maskin för att säkerställa kvaliteten. Efter bearbetningen läggs detaljerna på pallar som går vidare till impregneringen för att öka fönstrets hållbarhet. Själva impregneringen tar ca sex timmar och efter detta måste detaljerna torka i ett dygn innan de kan hanteras.
Figur 7: Karta över produktionsflödet vilket följer ordningen i listan till vänster. När detaljerna har torkat går de vidare till nästa steg i produktionen som är måleriet. I måleriet häftas en häfta fast i ena änden av detaljen för att kunna hänga upp den på krokar som sitter i en conveyer. Denna conveyer
transporterar sedan detaljerna genom tre lackboxar och tre ugnar. Mellan målningarna kommer bitarna utanför boxarna, så att personal kan avsyna och vid behov spackla för att korrigera fel. Detta sker medan detaljerna hänger kvar på conveyern, vilket innebär att de hela tiden är i rörelse. När detaljerna har fått tre lager färg och torkat plockas de ner från krokarna och avsynas. Trots att detaljen är torr nog för hantering är färgen inte helt härdad. Om detaljen är godkänd, läggs den i ett ställ (se bilaga 5) som ska skickas vidare till förmonteringen. Är den däremot inte godkänd sorteras den bort och personen som plockat ner biten trycker på en knapp för att
produktionen behöver stället innan måleriet har hunnit komplettera det så finns det en extrahylla som de kan ta detaljer från och fylla på stället med. Extrahyllan beskrivs mer utförligt under punkt 4.2.1. I måleriet är det manuell hantering av trädetaljerna vid både häftning, upphängning, spackling, nedplock och avsyning.
Nästa steg i produktionen är förmonteringen. En karta över förmonteringen går att se i figur 8. Innan förmonteringen börjar arbeta med detaljerna står de i ett mellanlager i olika lång tid, hur lång tid den står beror på hur
avdelningarna ligger i planeringen och i förhållande med varandra.
Förmonteringen består av flera olika stationer som är uppdelade efter vilken del av fönstret de monterar och om det är dörrar eller fönster de gör.
Stationerna för fönsterbåge och dörrbåge spikar ihop detaljerna till en komplett båge och monterar sedan gummilister samt beslag på bågen. Spikningen av fönsterbågen sker i en maskin men i övrigt är all montering manuell. Stationerna för fönsterkarm, dörrkarm och fastkarm monterar dit gummilist och beslag men dessa stationer spikar inte ihop detaljerna. Monteringen sker i automatiska monteringslinor. Vid den manuella monteringen avsynas detaljen varje gång den hanteras och vid den automatiska linan avsynas den vid upp- och nerplock från linan. Om en detalj inte skulle vara godkänd vid avsyningen sorteras den bort och skickas antingen tillbaka till omlack eller läggs i ett speciellt ställ som är till för de detaljer som ska slängas. Alla detaljer som sorteras bort ersätts i första hand ur extrahyllan för att det ska bli så kompletta ställ som möjligt från
förmonteringen. Om detaljen inte finns i extrahyllan och den ska omlackas kompletteras stället när detaljen kommer tillbaks från omlacken. Slängs detaljen och det inte finns någon i extrahyllan beställs en ny.
Figur 8: Karta över förmonteringen.
Gemensamt för hela produktionen är att detaljerna hanteras mycket manuellt och plockas om ett flertal gånger på varje avdelning av olika anledningar. Även mellanlagring sker mellan alla avdelningar i olika lång tid.
4.2.1 Extrahyllan
Extrahyllan består av pallställ som är placerad vid måleri/förmontering och innehåller detaljer som är färdigbearbetade och målade. Pallställen har totalt 99 pallplatser samt att det finns ställ med extra detaljer på olika platser i produktionen. De detaljer som finns i extrahyllan används för att ersätta detaljer som har skickats till omlack eller slängts för att ett ställ ska bli komplett. Det som finns i hyllan är sådana bitar som antingen är
specialbeställda för att fylla på hyllan eller detaljer som har varit på omlack för att en ersättande detalj togs ur hyllan. Inom produktionen anses
extrahyllan vara en viktig del i att hålla produktionen igång när detaljer saknas eller inte håller rätt kvalitet. När frågan ställs till
produktionspersonalen om alla detaljer används är svaret att det finns
detaljer som inte kommer till användning och att vissa detaljer legat länge på hyllan. Det enda som är bestämt är att det endast ska finnas standarddetaljer på lager, det finns alltså inget som bestämmer hur mycket detaljer som får finnas på hyllan. Vid observation så finns det detaljer som både är
specialmått och i en annan kulör än den som är standard och det noteras även att ett flertal pallar har lager med detaljer som är täckta med damm, se bild 1. Vid samtal med olika personer i produktionen samt
Bild 1: Dammiga detaljer på en pall i extrahyllan
4.3 Produktionsstyrning och planering
Produktionen är främst kundorderstyrd vilket innebär att de detaljer som tillverkas kan ha olika specifikationer och därför är varje detalj till viss del unik även om det finns standardmått. Detaljernas identitet märks upp med något som kallas för ett pallkort, vilket är en papperslapp som har all
information som de olika avdelningarna, från maskinverkstaden till och med förmonteringen, behöver. Ett exempel på ett pallkort och dess information visas i Bild 2. Pallkortet fästs på detaljerna vid maskinverkstaden med ett häftstift och ska följa med detaljen genom hela produktionen. Dock tas denna av under tiden som detaljen målas och sätts dit igen efteråt. En efterbeställning sker genom att pallkortet tas till den maskin på
Bild 2: Exempel på ett pallkort och dess information.
Planeringen av produktionen sker genom att det tas ett beslut i förväg om hur många poäng som ska produceras varje vecka. Planeringspunkten i produktionen är slutmonteringen vilket innebär att de poäng som sätts avspeglar hur mycket slutmonteringen ska montera. Olika poäng är satta på olika typer av fönster och ska avspegla arbetsinsatsen det tar att göra ett fönster vid slutmonteringen. Detta har ingenting med storleken på fönstret att göra utan snarare utformningen av det. Poängsystemet är dock föråldrat och avspeglar inte längre den arbetsinsats som krävs för att producera ett fönster. De andra avdelningarna planeras det inte efter utan deras kapacitet anpassas till det behov slutmonteringen har. Produktionen delas upp i en sats för varje dag och skift med den del av veckans poäng som ska göras den dagen. Om en kund har beställt fem fönster planeras dessa in i följd baserat på när kunden ska ha sina fönster men utöver detta är det enbart poängen som styr planeringen.
4.4 Företagets datainsamling
att kunna agera om det inte är det så att problem kan lösas innan de blir för stora.
Måleriet i sin tur samlar också in data om bitarna som de själva skickar till omlack. Vid nedplocken registreras de felaktiga detaljerna genom att personalen trycker på den knapp som tillhör rätt felorsak. Denna data registreras i ett datasystem och redovisas sedan vid den dagliga styrningen. Produktionsledaren för måleriet samlar idag in data för att han ska se hur det går för avdelningen han ansvarar för och datan används endast för att se om det är någon feltyp som utmärker sig. Måleriet får även data från
förmonteringen kring vad dem har skickat på omlack för att visa vad måleriet missat, men den datan används inte mer än till att informera måleriavdelningen menar produktionsledaren (personlig kommunikation, 6 april 2020).
På förmonteringen samlas det in information om vad som skickas på omlack. Denna datainsamling tar ej hänsyn till de fel som kan ha uppstått i maskinverkstaden eftersom det huvudsakliga syftet enligt den före detta produktionsledaren (personlig kommunikation, 3 april 2020) har varit att se hur mycket fel måleriet missar. Därav har alltså endast feltyper som måleriet kan påverka undersökts. Insamlingen av data sker kontinuerligt och används för att hålla koll på vilka fel som uppstår och hur stort antal fel det är för att kunna agera om antalet felaktiga detaljer ökar. Datainsamlingen är
uppstartad på eget bevåg av den tidigare produktionsledaren och tanken är att den nuvarande produktionsledaren ska fortsätta med detta.
Datainsamlingen har skett genom att varje lina på förmonteringen fyller i en blankett per dag med vilken station det är, antal omlack per feltyp och vilken detalj felet är på, se Bilaga 1. Datan har sedan förts in i ett exceldokument, se bilaga 2, med tanken att varje stations data ska vara separerade men eftersom att det blev för mycket arbete har dessa slagits ihop. Tanken har enligt den före detta produktionsledaren varit att datan ska sammanställas, vilket hittills inte hunnits med. Det som hittills har gjorts är att det varje dag går att se hur stor andel som skickas på omlack och vilken feltyp som är vanligast den dagen.
Vid slutmonteringen samlas idag ingen data kring omlack och kasseringar in, men det ska startas upp inom en snar framtid.
4.4.1 Data insamlat av fallföretaget
Den före detta produktionsledaren för förmonteringen samlade som sagt in information över hur mycket detaljer förmonteringen skickat på omlack under tidsperioden april 2019 till mars 2020. Under denna tidsperiod
hanterade förmonteringen totalt 618257 detaljer varav 11915 st skickades till omlack, vilket innebär att 1.93% av alla detaljer skickades till omlack. Datan kring feltyperna har sammanställts och visas i figur 9 och figur 10, där figur 9 visar den totala mängden felaktiga detaljer per feltyp och figur 10 visar den procentuella fördelningen av feltyperna.
Figur 10: Cirkeldiagram som visar den procentuella fördelningen mellan de olika feltyperna på förmonteringen under tidspersioden april 2019 till mars 2020.
Den data som samlas in av kvalitetsteknikern om kassationer på daglig basis skickas till produktionschef samt kvalitetschef. Datan ackumuleras veckovis för den totala tidsperioden, det ackumulerade värdet för vecka 16 och 17 visas i figur 11 och figur 12 och det totala ackumulerade värdet för tidsperioden 17 februari 2020 till 4 april 2020 visas i figur 13.
Figur 12: Paretodiagram av det ackumulerade antalet av varje feltyp under vecka 17 på avdelningarna måleri, förmontering och slutmontering.
5. Datainsamling
Följande kapitel innehåller en instruktion för datainsamling som är baserad på teorin. Instruktionen används sedan för att skapa en metod för datainsamling på förmonteringen.
5.1 Instruktion för datainsamling
För att underlätta datainsamlingen har en instruktion sammanställts utifrån den teori som beskrivs i punkt 2.2.2. Denna instruktion ska underlätta arbetet med datainsamlingen genom att punkterna följs i rätt ordning. Instruktionen som skapats används även som hjälp för att skapa arbetets datainsamlingsmetod, som beskrivs i punkt 5.2 Instruktionen är generell och kan därför appliceras på olika fall av datainsamling, och inte endast det som tas upp i rapporten.
Instruktionen innehåller följande steg:
1. Bestäm syftet med datainsamlingen. Detta kan göras med hjälp av frågorna:
- Vilket är kvalitetsproblemet?
- Vad för data behövs för att belysa problemet?
2. Bestäm hur datainsamlingen ska genomföras. En hjälp kan vara att först bestämma var och när datainsamlingen ska göras, vad det är som ska mätas och vem som ska genomföra mätning. Det är viktigt att se till att det finns tillräckligt med kunskap hos de som ska utföra mätningen annars måste dem utbildas.
3. Bestäm hur datan ska analyseras, till exempel vilka verktyg som ska användas.
4. Tänk igenom hur datan kan tolkas. Vad för slutsatser går det att dra med hjälp av den data som samlats in?
5. Bestäm hur länge mätningen ska pågå. Detta kopplas till syftet med mätningen.
6. Utvärdera metoden både genom att studera datan men också genom att prata med de som utför mätningen. Frågor som kan hjälpa till vid utvärderingen är:
- Kan samma person göra mätning igen och få samma resultat?
- Kan någon annan göra samma sak och få samma resultat?
- Är processen stabil över tid?
- Är mätskalan lämplig?
5.2 Utförande av datainsamling
Syftet med vår datainsamling är att skapa ett beslutsunderlag för att bestämma vilken felorsak som bör prioriteras och för att se om det går att avgöra om det är någon speciell station som har större problem än de andra. Tanken med datainsamlingen är även att företaget ska kunna fortsätta använda denna datainsamling för förbättringsarbete i framtiden.
Kvalitetsproblemet som har konstaterats är att det omarbetas mycket detaljer både genom att det kasseras detaljer, som sedan får produceras igen, och att detaljerna får målas om, för att de ska uppnå ställda kvalitetskrav.
Eftersom företaget idag inte har något utarbetat sätt att samla in data har teori tillsammans med den datainsamling som har gjorts på eget bevåg av de olika produktionsledarna varit grunden för den datainsamling som
presenteras under denna punkt. Som tidigare har beskrivits i punkt 4.4 genomförs datainsamlingen på de olika avdelningarna via blanketter som produktionspersonalen fyller i dagligen. Detta kan anses som en väl
fungerande metod för fallföretaget och därför kommer även metoden i denna studien vara en typ av blankett, se bilaga 3.
Under punkten 4.4 beskrivs även hur datainsamlingen tidigare har varit svårhanterlig och därför har slagits ihop. Av den anledningen ska den nya blanketten vara enkel att fylla i och läsa av, samtidigt som den ska ta hänsyn både till de detaljer som ska skickas till omlack och de som kasseras.
Blanketten ska sedan fyllas i av varje station på förmonteringen dagligen för att hitta de största felorsakerna på avdelningen. Datan ska sedan på daglig basis sammanställas i ett exceldokument, se bilaga 4, för att följa upp de olika feltyperna och antalet felaktiga detaljer. Även exceldokumentet ska vara enkelt att förstå och fylla i dels för att det inte ska ta allt för mycket tid, men även för att det ska underlätta för framtida bruk.
För att säkerställa att den insamlade datan och metoden fungerar kommer författarna att löpande vara i produktion och prata med produktionspersonal. Både för att kunna kontrollera den insamlade datan men också metoden för insamlingen.
datan ska främst användas till att dra slutsatser om förmonteringen men även till viss del om andra avdelningar i företaget.
5.3 Möjliga problem vid datainsamling
Som beskrivs i teorin är det viktigt att granska vad som kan gå fel vid datainsamlingen. Det hittades två saker som kan tänkas påverka resultatet. Det första är att personalen inte fyller i lapparna vilket resulterar i att datan som samlas in inte är korrekt. Detta kommer att hanteras genom att
produktionspersonalen kommer få en introduktion till arbetet, där syftet och tillvägagångssättet tydliggörs på deras dagliga styrning. Även vikten av att de fyller i lapparna kommer att förtydligas.
6. Resultat
Följande kapitel innehåller studiens resultat i form av insamlad data som sedan används i en grundorsaksanalys.
6.1 Insamlad data
Med hjälp av den nya blanketten har det under nio arbetsdagar samlats in data på förmonteringen kring hur många detaljer de skickar på omlack samt hur många som kasseras av varje feltyp, se bilaga 6. Datan har samlats in stationsvis och presenteras i figur 14 till figur 18 för respektive station. Det totala antalet detaljer som skickats till omlack och kasserats för vardera feltyp visas i figur 19 och 20. Vid samtal med produktionspersonal framgick det att det fanns vissa detaljer som inte passade in under någon kategori. Det efterfrågades en övrigt kategori att sätta felen under men det valdes istället att produktionspersonalen får skriva den orsak som felet har längst ned på blanketten. Då kan datan föras in i exceldokumentet under rätt kategori av den som behandlar informationen eller om det uppstår många av samma typ kan det skapas en till kategori. I excel dokumentet skapades en övrigt kategori med ett kommentarsfält som gör att orsaken kan noteras.
Figur 14: Paretodiagram över omlack och kassationer på stationen för fönsterbåge under tidsperioden 14-24 april 2020.
Figur 15: Paretodiagram över omlack och kassationer på stationen för fönsterkarm under tidsperioden 14-24 april 2020.
Figur 17: Paretodiagram över omlack och kassationer på stationen för dörrkarm under tidsperioden 14-24 april 2020.
Figur 19: Paretodiagram över omlack och kassationer för hela förmonteringen under tidsperioden 14-24 april 2020.
Figur 20: Totala antalet fel per feltyp under tidsperioden 14-24 april 2020 uppdelat kassationer och omlack per station.
Figur 21: Tabell över antalet körda och felaktiga detaljer för varje station.
I figur 19 framgår det att tryckmärken är den vanligaste feltypen. Därav studerades hur många detaljer med feltypen tryckmärke varje station skickar till omlack eller kasserar, vilket visas i figur 22.
6.2 Grundorsaker
I följande punkter kommer grundorsaker till varför tryckmärken uppstår sökas, eftersom detta är den vanligaste feltypen. Detta sker genom ett orsak-verkan-diagram samt en 5-varför analys.
6.2.1 Orsak-verkan-diagram
Vid skapandet av fiskbensdiagrammet diskuterades potentiella orsaker till att tryckmärken uppstår med team- och produktionsledare för förmonteringen med utgångspunkt i de sju M:en. Under sex av sju M hittades möjliga orsaker, vilket visas i figur 21. Det M som inte bidrar till tryckmärkens uppkomst är miljön.
Figur 23: Fiskbensdiagram över orsaker kopplade till tryckmärken.
Den kategori med minst antal potentiella orsaker till att tryckmärken uppstår är maskin. Det uppstår sällan situationer som skapar tryckmärken på grund av maskinen. Skulle det uppstå ett fel kopplat till maskinen, som till exempel att ett hjul skaver på detaljen eller att det har fastnat träflisor i maskinen som skapar tryckmärken, åtgärdas det direkt.
Inom kategorin mätning finns det två möjliga felorsaker som kan påverka resultatet. Det första är att personalen ska bedöma detaljerna på ett visst avstånd. Avståndet som gäller är en meter på synlig yta och två meter på icke-synlig yta. Att bedöma detaljen på ett annat avstånd än det bestämda kan därför leda till missbedömningar. Det andra är att olika personer bedömer detaljerna olika. Detta sker både på grund av att olika personer tänker och tycker olika men även för att det inte finns några tydliga
idag ingen skriftlig instruktion för hur detaljer ska bedömas, utan endast ett betraktningsavstånd. Detta finns inte heller dokumenterat i produktion, utan det förmedlas muntligen och förutsätter att personalen har rätt kunskaper. Vid samtal med produktionschefen diskuterades anledningen till att det inte finns några tydliga instruktioner för bedömning av felaktiga detaljer. Han uppgav då att detta har efterfrågats och att kvalitetsavdelningen har skapat ett dokument för ändamålet. Dokumentet ansågs dock inte vara lämpligt att använda i produktionen eftersom det var väldigt detaljerat och inte gjort för att användas när snabba beslut ska tas.
Punkten material innehåller fyra olika orsaker kopplade till tryckmärken. Det första är materialet i sig, trä, eftersom det är ett väldigt mjukt material som lätt får märken. Den andra orsaken beror på att färgen inte är
fullständigt härdad förrän fönstret är färdigt, vilket innebär att även det bidrar till att det lätt uppstår tryckmärken. Laserade detaljer, som är den tredje orsaken, har dessutom ett mindre skyddande lager än vad målade detaljer har och går på grund av att laseringen inte går att spackla inte heller att laga. Detta innebär att laserade detaljer som har fått en skada måste kasseras. Den sista orsaken som kopplas till material är ställen som
detaljerna transporteras i. Eftersom ställen visade sig vara en stor potentiell orsak till att tryckmärken uppstår har ett eget fiskbensdiagram skapats för detta som visas i punkt 5.2.1.1.
Kategorin människa är den svåraste att bedöma eftersom mycket beror på den mänskliga faktorn. Produktionspersonalen kan till exempel råka tappa, stöta i eller slå emot detaljer vid den manuella hanteringen vilket kan orsaka tryckmärken. Även ergonomin på arbetsplatsen har betydelse för hur den manuella hanteringen sker. Ställen som detaljerna ligger i är cirka två meter höga vilket innebär att kortare personer har svårt att lyfta ner detaljer från de översta hyllplanen. Detta lyft ökar risken för att personen i fråga stöter i eller tappar detaljen som sedan skapar ett tryckmärke.
Den kategori där flest potentiella felorsaker har hittats är metoden. Den manuella hanteringen skapar många tillfällen där tryckmärken kan uppstå. I vissa fall hanteras detaljen manuellt upp till tio gånger innan fönstret är färdigt. Mycket av den manuella hanteringen innebär i och urplockning av ställ vilket som tidigare nämndes studeras ytterligare i punkt 5.2.1.1. En annan typ av manuell hantering är att detaljerna ska lyftas i och ur maskiner. Detaljer kan vara tunga och otympliga att lyfta och efter att bågen har spikats ihop blir det mer komplicerat. Även metoden för hur detaljer staplas i extrahyllan har visats vara en potentiell orsak. Detaljerna staplas i
6.2.1.1. Ställen
Vid skapandet av figur 23 framgick det att ställen har stor påverkan på tryckmärkens uppkomst. Av den anledningen skapades ytterligare ett orsak-verkan-diagram för tryckmärken som skapas i samband med ställen, vilket visas i figur 24.
Figur 24: Fiskebensdiagram över tryckmärken som skapas i samband med ställen.
Det finns flera orsaker till att tryckmärken uppstår i samband med att detaljerna ligger i ställen. Dels beror det på hur den manuella hanteringen sker, till exempel om personalen slår i detaljerna eller om stället rullar iväg medan detaljerna plockas i och ur det men även på ställens utformning. Det finns tre typer av ställ (se bilaga 5) som enligt produktionsledare och teamledare är olika bra. Det första stället är ett ställ som har filt på
hyllplanen vilket gör att detaljerna inte ligger på en vass metallkant som kan orsaka tryckmärken. Detta ställ används till detaljer där alla ytor är synliga. Det andra stället är ett ställ som har pluppar på hyllplanen som garanterar att detaljerna inte stöter emot varandra vid förflyttning och det sista stället har varken filt eller pluppar. Detta innebär att om filt eller pluppar saknas på ett ställ finns det en risk för att detaljerna slår emot varandra när stället flyttas, vilket skapar märken. På det ställ med pluppar och det utan något alls finns det som sagt ingen filt, vilket betyder att detaljerna ligger direkt på
hyllplanens metallyta, som även det kan leda till tryckmärken eller skador på lacken.
Förflyttningen av ställen kan därför orsaka fel på detaljerna både på grund av vilken typ av ställ som används men även på grund av dåliga hjul, som gör det svårt att köra. Ställen är cirka två meter höga vilket gör att det blir svårt att se vad som finns bakom när de är fulla med material och ska
svårare att genomföra säkert vilket även det är en potentiell orsak till tryckmärkens uppkomst.
6.2.2 5-varför
Vid skapandet av en 5-varför analys studerades flertal tryckmärken varav många hade rötter i avdelningarna innan förmonteringen. Eftersom arbetet är avgränsat till att endast studera förmonteringen har dessa tryckmärken inte tagits med i rapporten utan endast tryckmärken som kan ha uppkommit inom avgränsningen studeras. Figur 25 visar en 5-varför analys för ett tryckmärke som uppkommit vid förflyttning av stället.
7. Analys
Följande kapitel innehåller en analys kring företagets produktion och deras nuvarande metod för datainsamling samt den skapade metoden och den data som samlats in med hjälp av den. Även de grundorsaker som har konstaterats analyseras.
7.1 Företaget
7.1.1 Produktionen
Elitfönsters produktion har idag en stor mängd omarbete vilket resulterar i flertal olika typer av slöserier. Omarbetet skapar en fördröjning när en detalj skickas på omlack eftersom de andra detaljerna från samma order måste vänta in att den felaktiga detaljen korrigeras. Att den felaktiga detaljen måste gå tillbaka till måleriet innebär också att det uppstår slöserier i form av onödiga transporter mellan avdelningarna. Detta medför även att detaljerna hanteras manuellt vid ännu fler tillfällen, vilket kan jämföras med det slöseri som kallas rörelse. I vissa fall ersätts icke-godkända detaljer med detaljer från extrahyllan, utan att studera anledningen till att felet uppstod. Det innebär att företaget fokuserar på att få bra resultat genom att ersätta det som blivit fel, snarare än att hitta det arbetssätt som orsakat problemet från början. Det indikerar att det är en resultatstyrd produktion vilket gör att problem i produktionen döljs eftersom det som ska göras ändå blir gjort.
Fallföretagets produktion är poängstyrd vilket medför att beläggningen i produktionen kan vara ojämn mellan olika dagar trots att de kör lika mycket poäng. Detta skapar både ett ojämnt flöde och överbelastning i
produktionen, vilket enligt teorin kan skapa bland annat fler felaktiga produkter och sämre arbetsmiljö för personalen.
7.1.1.1 Extrahyllan
kasseras när de väl ska användas, vilket leder tillbaka till de slöserier som nämns i punkt 6.1.1.
7.1.2 Företagets datainsamling
Vid den datainsamling som har skett på förmonteringen det senaste året kring vad som skickats på omlack har ambitionsnivån varit väldigt hög till en början, vilket visar sig i hur insamlingen är stratifierad. Det studerades om det var ett fönster eller en dörr, om det var en karm eller båge samt vilken trädetalj det handlade om, alltså om det var en över-, under-, höger- eller vänstersida. Att stratifiera data är svårt, därför är det viktigt att tidigt tänka igenom hur datan ska analyseras vilket inte har skett på Elitfönster. Detta har medfört att den insamlade datan har blivit svårarbetad och därför slagits ihop till en enda sammanställning där endast vilken trädetalj det var spelade roll. Man tappade härmed poängen med att ha samlat in information om vilken station datan har samlats in på. Dock går det att se att den största anledningen till att detaljer skickas till omlack på förmonteringen är
tryckmärken vilket står för mer än hälften av alla omlackeringar.
Även i den datainsamling som genomförs för vad som har kasserats i fabriken har data från olika mätpunkter slagits ihop. Det går inte att urskilja hur mycket varje avdelning har kasserat, vilket medför att det inte går att dra slutsatser kring om antalet kassationer skiljer sig mellan de olika
avdelningarna. Detta gör också att det är svårt att urskilja varför de olika avdelningarna kasserar detaljer. Att slå ihop data från flera mätpunkter innebär även att nästa steg i förbättringsarbetet blir svårt eftersom till exempel en 5-varför analys ska ske på en speciell avvikelse och inte ett kvalitetsproblem i stort. Den data som har samlats in om kassationerna visar att fabriken främst kasserar detaljer på grund av sprickor.
7.2 Datainsamling
7.2.1 Analys av datainsamlings
