Machines zijn vaak grotere investeringen voor een producerend bedrijf. Investeringen die je vervolgens terugverdient door de investeringskost te verdelen over de producten die met de machine(s) gemaakt worden. Een gekende bedrijfseconomische wetmatigheid die je toelaat een hoger investeringsrendement (‘return on investment’) te bekomen naarmate je meer producten met
deze machine maakt over dezelfde beschouwde tijdsspanne. Eens de machines geïnstalleerd werden, zetten velen dan ook in op het monitoren van de performantie van één of meerdere van deze machines. Een veelvuldig toegepast systeem is het meten van de OEE (Overall Equipment Effectiveness) per machine. Het summum hierbij is 100% OEE waarbij je machines effectief en efficiënt worden ingezet gedurende alle beschikbare tijd.
OEE is niets nieuws onder de zon en klinkt zeer logisch, we willen onze machines zo effectief (=steeds goede kwaliteit) en efficiënt (= geen stilstanden en nominale processnelheid) gebruiken. Toch merken we vaak dat de toepassing ervan doorheen de jaren barsten begint te vertonen.
Van grote volumes naar variatie
Een belangrijke oorzaak is de gewijzigde marktverwachtingen en dus commerciële context waarin bedrijven opereren. Het belang van productie op maat & customisatie is het afgelopen decennium toegenomen.
Deze trend is uiteraard ook voelbaar in productie. De grote productieorders en masse maakten plaats voor een veelvoud aan orders met sterk variërende aantallen of een andere productconfiguratie. De oplossing werd gezocht in flexibele technologie. Door bijvoorbeeld in- & omsteltijden sterk te reduceren konden we de variatie in orders ondervangen. Zo zorgen bijvoorbeeld lasersnijden of cobots met visie-technologie ervoor dat er geen gereedschap of mallen op maat meer nodig zijn.
We kunnen gerust stellen dat technologische vooruitgang een “enabler” is geweest voor een transitie naar High Mix Low Volume (HMLV) productiemodellen.
De beperkingen van technologie
Daar waar technologie een deel van de variatie binnen een HMLV-productie kan ondervangen, werkt dit niet voor alle variaties die in productie voorkomen. Binnen een HMLV-productie is geen enkel order hetzelfde, waardoor er een enorme variatie is aan processen.
- Variabele ordergroottes zorgen voor variatie in aankomsttijden aan de machine en dus ook levertijden naar de volgende machine. Zo kan het ene order 30 stuks bevatten en het volgende 100 stuks.
- Variatie in soort producten of productconfiguratie. Het ene product kan bijvoorbeeld 2 minuten bewerkingstijd vragen terwijl het andere op 25 seconden wordt verwerkt.
In een dergelijke, zeer variabele context loert de suboptimale werking van een klassiek ‘OEE-denken’ dus om de hoek.
Van machine-efficiëntie naar vlotte doorstroming orders
OEE is immers een kengetal voor iedere machine op zich, wat dan veelal aanzet om elke machine of werkpost als een losstaand element te beschouwen. In de HMLV-context kan het nastreven van een te hoge OEE op machineniveau nadelige gevolgen hebben op het systeem van machines. Er ontstaan fricties binnen de hele productieketen :
- Verhoging van (buffer)stocks tussen de verschillende productiestappen
- Meer work in progress en hectiek op de werkvloer (zoekwerk)
- Silodenken per machine (negatieve impact samenwerking)
- Complexere planning en opvolging; in extremis dalende leverbetrouwbaarheid
- Verhoogde interne logistieke handling
Het najagen van gunstige OEE’s per machine resulteert dan in een ontwrichting van doorstroming doorheen het productiesysteem. De gevolgen laten zich voelen in hogere productie overheadkosten, en leidt daarnaast ook tot langere doorlooptijden van orders. Dit terwijl korte leveringstermijnen anno 2022 net een sterke commerciële troef blijven.
Moet OEE dan op de schop?
Neen absoluut niet. De financiële evaluatie van de gemaakte investering van een specifieke machine is zeer zeker legitiem en bovendien komen er uit deze OEE-data opportuniteiten tot verbetering. Dit is vaak de basis voor verbetertrajecten. We willen deze nuttige inzichten niet verliezen en OEE dus niet afschaffen.
Het is wel belangrijk om de operationele bedrijfsdoelstelling en specifieke context van het bedrijf mee te nemen tijdens de opzet van OEE en je bewust te zijn welke invloed ordervariatie heeft op na te streven OEE-target.
Inzichten uit de wachtrijtheorie
Een studie van Dr. John Kingman [1] binnen het domein van de wachtrijtheorie is op de dag van vandaag nog steeds relevant. Dr. Kingman legde een exponentieel verband vast tussen bezettingsgraad, variatie en de verwachte gemiddelde doorlooptijd (wachttijd).
In haar meest vereenvoudigde vorm ziet de Kingman-vergelijking er als volgt uit:
De Kingman-vergelijking levert bij benadering de gemiddelde wachttijd die een order vereist om verwerkt te worden door een bepaalde machine of werkpost. Deze wordt dus bepaald door 3 factoren; variatie van processen, bezettingsgraad en procestijden.
Onderstaande figuur toont de Kingman curves bij verschillende ordervariaties. We merken het effect van procesvariatie: hoe groter de variatie die we willen toelaten in orders, hoe groter de exponent, of dus hoe sneller wachttijden (of doorlooptijden) toenemen. Daarnaast zien we de ook duidelijk dat de toename in wachttijden versterkt wordt naarmate de bezettingsgraad toeneemt.
De impact van variatie op jouw productiesysteem
Om dit beter te begrijpen, lichten we dit verder toe met 2 scenario’s die je, onafhankelijk van industrie waar je in werkt, intuïtief zal herkennen:
In het 1e scenario beschouwen we een machine die actief is in een context met weinig variatie. Spreekwoordelijk maakt ze van maandagochtend tot vrijdagavond dezelfde producten en dit aan een vaste kadans.
In zo’n context is de voorspelbaarheid en standaardiseerbaarheid van de processen zeer groot. Dit laat de fabrikant toe om aanvoer van goederen aan de machine met een vast interval aan te leveren en af te stemmen op de output van de machine. Hierbij zal je vaak zien dat er zeer sterk wordt ingezet op het uitkienen van een gestandaardiseerd en zo efficiënt mogelijk proces waarbij iedere (milli)seconde telt. Deze tijdswinst realiseer je immers bij ieder product en ieder order opnieuw.
Dit resulteert op jaarbasis in een enorme tijdswinst. Het ‘in de diepte uit engineeren’ van het proces gaat veelal hand in hand met doorgedreven automatisatie. Machines worden immers niet moe en laten dus toe variatie verder te mitigeren. Het extremum wordt bereikt als alle machines in de processtroom geïntegreerd worden en een volautomatische lijn vormen met weinig of geen noodzaak tot menselijke interventie. In dit geval zal de organisatie ook heel hard inzetten op doorgedreven onderhoudsplanning van machines om onvoorziene pannes (= procesvariatie) te vermijden.
In het ideaalbeeld bereiken we nihil variatie en zijn in- en uitstroom van goederen volledig in kadans. De gemiddelde doorlooptijd van een product of order is dan ook constant en enkel afhankelijk van de gemiddelde procestijd.
In dergelijk operationele context en systeem is streven naar een bezettingsgraad van 100% en een zeer hoge OEE is dan ook absoluut legitiem en wenselijk.
Stel nu een tweede scenario waar een machine in een HMLV-context opereert.
De kans dat deze machine dagen lang eenzelfde product maakt is zo goed als uitgesloten. Het afstemmen van in- en output van de machine is dan ook zeer complex en variatie is dan ook inherent aan de operationele context.
Herinner je dat customisatie voor de organisatie juist een concurrentieel voordeel oplevert. Deze variatie zit in de Kingman-vergelijking vervat in de eerste factor en heeft dan ook een nadelig impact op doorstroming van goederen wat resulteert in grotere wachttijden.
Uiteraard moeten processen ook hier zo efficiënt mogelijk verlopen. In deze complexe context is het echter veel moeilijker om iteratief en doorgedreven het proces ‘uit te engineeren’. Hetzelfde product dient zich niet met de regelmaat van de klok aan en je bent daarenboven niet zeker dat dit product morgen nog geproduceerd wordt. Je wil uiteraard ook een efficiënt proces, maar je zal heel bewust de baten van iedere (milli)seconden moeten afwegen tegen de kost van de engineeringkost om dit te bewerkstellingen.
Als directe procestijden dus eerder in beperktere mate impact hebben op de wachttijden en als het mitigeren van alle variatie ook geen rendabele strategie is in deze context, hoe kunnen we dan op maat produceren, waarbij we snelle leveringstermijnen garanderen naar de klanten toe?
Exponentiële groei in doorlooptijd
Hiervoor kijken we naar de factor van benuttingsgraad [U] van de machine.
De benuttingsgraad van een machine is de verhouding van totale opgenomen capaciteit/totaal beschikbare capaciteit; ofwel U = u / (1-u) .
We maken dit even concreet met enkele rekenvoorbeeldjes:
Stel we benutten 75% (u= 0.75), 80% en 90% van de beschikbare capaciteit.
Dan bekomen we U75% = 3 , U80% = 4 & U90% = 9
De cijfers tonen duidelijk dat er geen lineair maar dus een exponentieel verband is tussen de benuttingsgraad van een machine en het effect die dit heeft op de doorlooptijd van de orders.
Als we dus 2 gelijkaardige machines hebben met eenzelfde variatie aan orders en eenzelfde productmix (= gelijke gemiddelde procestijd), dan zal de doorlooptijd met een drievoud zijn toenemen indien we streven naar een benuttingsgraad van 90 ipv 75%. Bedenk even het effect op de totale doorlooptijd van een order als we voor alle machines op de productievloer een gelijkaardige benuttingsgraad voor de machines nastreven. Het streefdoel om snel te kunnen leveren, wordt rechtstreeks geïmpacteerd door de benuttingsgraad van de machine.
Bedrijven die enerzijds variatie strategisch omarmen en anderzijds operationeel hoge benuttingsgraad van het machinepark nastreven zullen dus moeilijkheden ondervinden om de orders vlot te laten doorstromen op de werkvloer. Ze lopen tegen de eerder vermeldde nadelige organisatorische effecten en kosten aan.
Indien je als bedrijf marktaandeel kan verzilveren of zelfs vergroten, moet men het operationeel model aligneren met de beoogde HMLV-context. Dit start veelal door een zicht te krijgen op wenselijke of toelaatbare variatie en een solide bedrijfsanalyse maken.
Herken je de uitdagingen van een grote productvariatie, moeilijke doorstroming van orders doorheen je organisatie en resulteert dit in hectiek en veelvuldig plannen en herplannen? Wil je dit graag optimaliseren? Conundrum gaat hierover graag met jou in gesprek! Wij komen graag bij je langs of vraag een digitaal kennismakingsgesprek aan.
Bronnen:
Comments