Missä vaiheessa automaatio voi estää hävikin syntymisen?
Hävikki näkyy tuotannossa monella tavalla.
Raaka-ainetta käytetään hieman liikaa. Tuotteen mitta, muoto tai paino alkaa poiketa tavoitteesta. Prosessi käy väärillä asetuksilla. Pakkaus epäonnistuu tai valmis tuote hylätään laaduntarkastuksessa.
Yksittäinen poikkeama voi olla pieni. Kun sama toistuu tuhansia tai miljoonia kertoja, pienestäkin prosessivaihtelusta voi tulla merkittävä kustannus.
Automaatiolla hävikkiin voidaan vaikuttaa monessa kohdassa. Pelkkä automaation lisääminen ei kuitenkaan vielä ratkaise ongelmaa.
Ensin pitää tietää, missä hävikki syntyy, mikä sitä aiheuttaa ja kuinka aikaisin poikkeama voidaan havaita.
Hylkäysprosentti kertoo määrän, ei syytä
Monessa tuotannossa tiedetään jo melko tarkasti, kuinka paljon tuotteita hylätään.
Se on hyvä lähtökohta. Mutta jos tiedämme vain, että päivän tuotannosta 2,3 prosenttia päätyi hylkyyn, emme vielä tiedä, mitä prosessissa pitäisi muuttaa.
Oleellinen vaihe on yhdistää lopputuotteen laatutieto tietoon siitä, mitä tuotanossa on tapahtunut ennen hylkäystä.
Millä asetuksilla tuotetta valmistettiin? Millaisia lämpötilat, paineet, nopeudet tai annostelut olivat? Oliko juuri tehty materiaalivaihto? Oliko jokin mittausarvo alkanut muuttua jo ennen ensimmäistä hylättyä tuotetta?
Kun hylätty tuote voidaan yhdistää sen valmistushetken prosessitietoon, voidaan alkaa selvittää, miksi hävikkiä syntyy.
Virhe kannattaa havaita mahdollisimman aikaisin
Laaduntarkastus kertoo, onko valmis tuote hyväksyttävä vai ei.
Hävikin kannalta kiinnostavaa on, voitaisiinko jo aikaisemmin havaita, että prosessi on menossa väärään suuntaan.
Kaikki poikkeamat eivät synny äkillisesti. Tuotteen paino voi kasvaa hiljalleen, lämpötila nousta, annos pienentyä tai muoto muuttua vähitellen.
Yksikään mittaus ei välttämättä vielä ylitä hälytysrajaa. Mittaushistoriasta voidaan silti nähdä, että prosessin käyttäytyminen on muuttunut.
Siksi pelkkien minimi- ja maksimiarvojen valvominen ei aina riitä. Joskus olennaisempaa on seurata, mihin suuntaan prosessi on menossa.
Mitä aikaisemmin muutos havaitaan, sitä aikaisemmin siihen voidaan puuttua.
Konenäkö voi paljastaa sellaista, mitä tavallinen anturi ei mittaa
Konenäkö taipuu moneen. Olemme esimerkiksi käyttäneet 3D-konenäköä täytekeksin muodon ja korkeuden mittaamiseen. 3D-kuvasta voidaan mitata muun muassa tuotteen korkeutta, kokoa, muotoa, tilavuutta ja pinnan profiilia.
Tässä tapauksessa keksit pakattiin 12 kappaleen pakkauksiin. Jos yksikin keksi oli liian korkea eikä pakkaus sulkeutunut oikein, hylkäykseen päätyivät kaikki 12 keksiä: yksi liian korkea ja 11 täysin hyväksyttävää.
Pelkkä liian korkean keksin tunnistaminen olisi estänyt virheellisen pakkauksen etenemisen, mutta ei olisi poistanut ongelman syytä.
Mittaustiedon perusteella prosessia muutettiin niin, että keksin kiinteää täytettä leikattiin matalammaksi ennen kannen nostamista täytteen päälle. Näin valmiin tuotteen korkeus saatiin pysymään pakkaukseen sopivana.
Kun yhden liian korkean tuotteen vuoksi ei enää tarvinnut hylätä samalla kertaa 11 täysin hyvää keksiä, säästö oli huomattava.
Tässä on olennainen ero: virheellisen tuotteen tunnistaminen estää sitä päätymästä asiakkaalle, mutta hävikin vähentämiseksi pitää päästä kiinni siihen, miksi virhe syntyy.
Joskus kannattaa ajaa hitaammin
Hävikin vähentäminen ei aina vaadi uutta anturia, konenäköjärjestelmää tai suurta automaatioinvestointia.
Joskus ratkaisu löytyy siitä, miten olemassa olevaa tuotantolinjaa ajetaan.
Esimerkiksi puu- ja kaivosteollisuudessa raaka-aineen laatu voi vaihdella paljon. Sama ajonopeus ei silloin välttämättä toimi kaikissa tilanteissa yhtä hyvin. Kun materiaali on vaikeammin käsiteltävää, suuri nopeus voi lisätä hävikkiä tai heikentää lopputulosta.
Silloin voidaan laskea, mitä tapahtuisi, jos tuotantovaihetta hidastettaisiin silloin, kun materiaalin laatu sitä vaatii.
Kuinka paljon kapasiteettia menetetään? Kuinka paljon materiaalia tai valmista tuotetta säästyy? Mikä on vaikutus euroissa?
Jos hävikin väheneminen on menetettyä kapasiteettia arvokkaampaa eikä suuremmalle kapasiteetille sillä hetkellä ole tarvetta, hitaampi ajaminen voi olla hyvin kustannustehokas ratkaisu.
Myöhemmin, kun tuotantomäärät kasvavat ja kapasiteettia tarvitaan lisää, kyseiseen tuotantovaiheeseen voidaan tehdä suurempi investointi. Sitä ei välttämättä kannata tehdä vuosia aikaisemmin vain siksi, että teknisesti tehokkaampi ratkaisu olisi mahdollinen.
Hävikkiä voi syntyä myös hyväksytystä tuotteesta
Kaikki hävikki ei päädy roskiin.
Jos tuotteella on esimerkiksi tarkka minimipaino ja valmistusprosessissa on paljon vaihtelua, tuotetta voidaan joutua valmistamaan tarkoituksella hieman tavoitetta painavammaksi. Näin varmistetaan, ettei osa tuotteista jää sallitun alarajan alle.
Jokainen tuote voi siis olla täysin hyväksyttävä, mutta jokaisessa käytetään hieman enemmän raaka-ainetta kuin olisi tarpeen.
Jos prosessin vaihtelua saadaan pienennettyä, keskimääräistä painoa voidaan joissakin tapauksissa siirtää lähemmäksi tavoitetta ilman, että alarajan alittavien tuotteiden määrä kasvaa.
Yhdessä tuotteessa ero voi olla muutama gramma. Suuressa tuotantomäärässä vaikutus voi olla aivan toista luokkaa.
Tätä hävikkiä ei nähdä hylkäysprosentissa.
Pelkkä mittaaminen ei vielä vähennä hävikkiä
Kun prosessista ja tuotteen laadusta saadaan riittävästi tietoa, seuraava kysymys on, mitä tiedolla voidaan tehdä.
Jos tuotteen jokin ominaisuus alkaa muuttua, löytyykö yhteys lämpötilaan, annosteluun, nopeuteen, raaka-aineeseen tai koneen asetuksiin?
Jos yhteys tunnetaan riittävän hyvin, korjaus voidaan joissakin tapauksissa tehdä automaattisesti. Prosessia säädetään mittaustiedon perusteella takaisin kohti tavoitetta ja tarkistetaan seuraavista mittauksista, miten muutos vaikutti.
Aina näin pitkälle ei tarvitse mennä. Jo se voi olla arvokasta, että käyttäjä huomaa poikkeaman aikaisemmin ja tietää, mihin hänen kannattaa reagoida.
Tavoite on sama: virhettä ei vain löydetä nopeammin, vaan sen syntymistä saadaan vähennettyä.
Ratkaisun pitää olla myös taloudellisesti järkevä
Hävikin vähentämiseen voidaan käyttää lisämittausta, ohjelmistomuutosta, tuotantotavan muuttamista, konenäköä, automaattista säätöä tai kehittyneempää data-analytiikkaa.
Teknologia kannattaa kuitenkin valita vasta, kun ongelma tunnetaan.
Jos hävikkiä voidaan vähentää muuttamalla yhtä asetusarvoa, monimutkaisempaa järjestelmää ei tarvita. Jos taas prosessiin vaikuttaa monta asiaa yhtä aikaa, tarvitaan enemmän mittaustietoa ja analysointia.
Samalla hävikki kannattaa laskea euroina. Paljonko vuodessa menetetään raaka-ainetta, koneaikaa, energiaa ja työtä? Mitä esimerkiksi yhden prosenttiyksikön parannus tarkoittaisi?
Vasta silloin voidaan arvioida, kuinka paljon ongelman ratkaisemiseen kannattaa investoida.
Joskus pieni ohjelmistomuutos riittää. Joskus tarvitaan konenäköä tai uusi mittaus. Ja joskus laskelma osoittaa, ettei investointi kannata.
Automaation tehtävä ei ole poistaa hävikkiä hinnalla millä hyvänsä, vaan vähentää sitä siellä, missä se on teknisesti mahdollista ja taloudellisesti järkevää.
Mistä kannattaa aloittaa?
Hävikin vähentäminen ei välttämättä ala uuden automaatioratkaisun hankkimisesta.
Kun lähdemme Esysillä ratkaisemaan hävikkiongelmaa, selvitämme yhdessä asiakkaan kanssa, missä hävikki syntyy, mikä sitä aiheuttaa ja missä vaiheessa siihen olisi mahdollista vaikuttaa.
Sen perusteella arvioimme tarkoituksenmukaisimman ratkaisun. Se voi olla pieni muutos nykyiseen automaatioon tai tuotantotapaan, prosessidatan parempi hyödyntäminen, uusi mittaus, konenäkö tai automaattinen säätö.
Tavoitteena ei ole mahdollisimman suuri automaatioratkaisu, vaan ratkaisu, jolla hävikkiä voidaan vähentää teknisesti toimivalla ja taloudellisesti järkevällä tavalla.
Jos haluatte selvittää, missä kohtaa omassa tuotannossanne hävikkiä voisi vähentää, käymme prosessin kanssanne läpi ja etsimme yhdessä kohdat, joihin kannattaa ensimmäisenä vaikuttaa.
