Manufacturing Intelligence

Præsentationer af emnet: "Manufacturing Intelligence"— Præsentationens transcript:

1 Manufacturing Intelligence
Case: JAI Overfladebehandling A/S Udarbejdet af Tanya Sørensen

2 Om virksomheden JAI Overfladebehandling A/S:
Har i næsten 50 år været en af landets førende aktører inden for overfladebehandling af metaller – og er det stadig Har ca. 60 ansatte Beliggende i Vildbjerg ved Herning Har en ”High Mix – Low Volume” produktion med en kort ordrehorisont Er ISO 9001 og certificeret

3 Baggrund – udvikling i dataanvendelse
JAI-O opgraderede i 2014 fra et AS400 økonomisystem til NAV 2013 R2, herunder: Ændring fra flere separate systemer for økonomi, løn, indkøb, planlægning, produktion og salg til et system Ændring fra: Manuel ”papirindmelding” af produktionsdata som ”tid og antal” fordelt på varegrupper til Elektronisk produktionsindmelding af ”tid, antal, kvalitet og forbrug” per proces og produkt direkte fra produktionslinjerne via touch skærme Fra få gruppere data til en større datamængde med mulighed for stor detaljeringsgrad

4 Udfordringer / Barrierer
JAI-O får, ved skift af ERP system, nogle udfordringer og barrierer, der skal overvindes fx: Hvor korrekte er dataindmeldingerne fra produktionen? Hvilke typer nøgletal skal vi styre efter? Nye muligheder? Hvilket detaljeringsniveau skal vi have i vores dataanalyse? Hvordan finder og analyserer vi lettest data? Hvilke muligheder har vi fået, sammenholdt med tidligere systemer? Har vi de korrekte kompetencer til dataanalyse? Kultur – turde tage beslutning på baggrund af dataanalyser fra det nye ERP system

5 Udfordringer / Barrierer
I forbindelse med casen, blev følgende konkrete udfordringer udpeget som fokusområder: Hovednøgletal for produktionen - Efterkalkulationer - kan nu udarbejdes per produkt, men: Er tidsforbruget rapporteret korrekt ind fra produktionen? Overholdes forventet tidsforbrug? Er vareforbruget rapporteret korrekt ind fra produktionen? Overholdes forventet forbrug? Hvordan kontrolleres ovenstående bedst? Hvordan analyseres: Opfølgning på forbrug / lager over mod krævet indkøb? Belægningsgraden på produktionsanlæg? Både fremadrettet og historisk?

6 Fokusområder Teknologisk Institut har haft følgende fokusområder i forbindelse med support til løsning af udfordringerne hos JAI-O: Finde løsninger med nuværende IT systemer dvs. anvendelse af NAV 2013 R2 og Excel Opgradere kompetencer internt i virksomheden, så analyser og rapporter kan laves internt efter afslutning af case Skabe overblik og indsigt i mulighederne for analyse af data til beslutningstagning Visualisering af data

7 Efterkalkulationer JAI-O kan i deres nye ERP system trække data ud til efterkalkulationer fx: *Gruppering = Overfladebehandlingstype

8 Efterkalkulationer Rapporten er sammensat af følgende komponenter:
Salgspriser Produktionspriser Tidsforbrug Forbrug af råvarer Rapporten anvendes til at undersøge: Dækningsgraden per produkt Dækningsgraden per kunde Dækningsgraden per overfladebehandlingstype (gruppe) Udviklingen i ovenstående over tid Lignende rapport har været anvendt tidligere, men detaljeringsgraden er forbedret væsentligt, da der kan analyseres ned på produktniveau

9 Efterkalkulationer I forbindelse med efterkalkulationerne er en vigtig ny nøgleparameter tilføjet: Effektivitet: Forventet produktionspris – aktuel produktionspris Dvs. kan produktionen overholde budgeret tid og forbrug ERP systemet har en rapport for effektivitet indeholdende: Forventet produktionspris Aktuel produktionspris Begge kan opdeles i grupper, produkter eller helt ned til den enkelte ordre, som kan opdeles i tidsforbrug og forbrug af råvarer fx:

10 Efterkalkulationer Baseret på efterkalkulationen og effektivitetsberegningen er det muligt for JAI-O at udpege ned på produkt og procesniveau, hvor der er behov for optimeringer for at øge indtjeningen. Dette har ikke tidligere været muligt MEN inden der laves optimeringer eller andre justeringer ønskes en analyse af datakvaliteten, da ikke alle afvigelser i ovennævnte rapporter er logiske, herunder Produktionstider Forbrug af råvarer

11 Efterkalkulationer Opfølgning på produktionstider:
Der blev udviklet et simpelt regneark i Excel, hvor der hver morgen bliver lavet et udtræk fra ERP systemet fx: Herved er det muligt at se: Hvilke medarbejdere, der har behov for træning Hvilke produktionsordre, der skal korrigeres for fejlstemplinger Resultat: Hurtigere opfølgning Mulighed for korrektion af medarbejdere og data Korrekte data, hvilket medfører korrekte beregninger af effektivitet og efterkalkulationer

12 Efterkalkulationer Efter sikring af korrekte tidsdata undersøges mulighederne for at lave en produktionsopfølgning ned på procesniveau dvs. Hvilke procesled medfører lav effektivitet? Er forventet tidsforbrug på ruten realistisk? Opstillings- og produktionstid? Er forventet forbrug af råvarer realistisk? Der udarbejdes en standardprocedure for kontrol af ovennævnte inkl. oplæring i brugen af pivottabeller Resultat: Mulighed for at fokusere på procesoptimering på de faktiske processer, der ikke performer inkl. opstillingstider Løbende korrektion af ruter og styklister iht. til det faktiske niveau, når muligheder for optimeringer er undersøgt og implementeret, således at der haves realistiske forventede mål i ERP systemet til beregning af effektivitet

13 Indkøb ERP systemet indeholder en automatisk kørsel, hvor det er muligt at beregne, hvad der bør indkøbes baseret på indtastede salgs- og produktionsordre fx: Funktionen har ikke været anvendt grundet usikkerheder på rapportering af forbrug i produktionen Efter optimering af produktionsstyklister og dagligt opfølgning i produktionen, igangsættes brugen af den automatiske funktion

14 Belægningsgrad på anlæg
JAI-O har mulighed for at lave produktionsplanlægning i ERP systemet via et Gantt kort Gantt giver planlæggerne informationer som fx produktionstid per proces, leveringstid, status på igangværende produktion, og er derved et stærkt værktøj at få i anvendelse til produktionsplanlægning Grundet manglende opfølgning og usikkerhed på datakvaliteten, har systemet ikke været anvendt Efter sikring af datakvaliteten og løbende opfølgninger er det nu muligt fremadrettet at anvende Gantt til produktionsplanlægning Den korte ordrehorisont vil dog stadigvæk give JAI-O udfordringer i forbindelse med planlægning, men nu kan disse visualiseres

15 Belægningsgrad på anlæg
Gantt-kortet har følgende muligheder: Ordreniveau: Ordre ses som gule bjælker Anlægsniveau Ordre per anlæg Belægningsgrad på anlæg – vises som histogram i bunden af billedet Rød farve: Overbookning Grå farve: Booket Hvid farve: Ledigt Belægningsgrader: Per anlæg per time, dag eller uge

16 Belægningsgrad på anlæg
ERP systemet indeholder oplysninger om belægning af produktionsanlæg historisk, men der findes ikke nogle simple standardrapporter til at skabe et samlet overblik Derfor er der udarbejdet en pivottabel med tilhørende grafik, hvor det er muligt at se belægningen på et eller flere anlæg i en ønsket tidsperiode fx: Ved yderligere analyse kan også udnyttelsesgrad beregnes, men dette er ikke medtaget i denne case

17 Udbytte af casen Gennemførelsen af casen i samarbejde med virksomheden har medført følgende gevinster: System til opfølgning / analyse af produktionsdata: Tid (produktion, opstilling, UP etc.), antal, forbrug Øget datakvalitet Korrekte efterkalkulationer Beskreven procedure for dataanalyser til at spotte optimeringspotentialer Grundet øget datakvalitet kan følgende rapportfunktioner anvendes: Produktionsplanlægning – analyse af belægningsgrader på anlæg Opfølgning på lager / forbrug / indkøb Øget kendskab til dataanalyse i ERP system og Excel herunder: Pivottabeller, -diagrammer og opslagsfunktioner

18 Konsekvenser af casen Gennemførelsen af casen i samarbejde med virksomheden har medført følgende konsekvenser: Det er nødvendigt at have en systematisk opfølgning på den elektroniske rapportering fra produktionen for at sikre datakvaliteten og dermed kvaliteten af efterfølgende rapportering Ekstra lønudgift på funktionærsiden til opfølgningen Løbende træning og uddannelse af personale, da der stadig er mange uudnyttet muligheder for dataanalyse med nuværende datagrundlag, som først kan anvendes, når personalet får den rette fortrolighed med systemet og analyserne

19 Konklusion JAI-O er en virksomhed under udvikling. Virksomheden har taget et vigtigt skridt for at øge digitaliseringen og den datadrevne beslutningstagning i forbindelse med implementering af NAV 2013 R2 I forbindelse med denne case, har virksomheden fået support til at udnytte de muligheder, som virksomheden allerede havde tilgængelig i NAV 2013 R2, således at data ikke blot blev opsamlet, men også anvendt i forbindelse med beslutningstagning Det er vigtigt at påpege, at det ikke er data i sig selv, der løser udfordringer, men måden data anvendes på i forbindelse med beslutningstagning og løsning af udfordringer