Grader af frihed

 Jo bedre forudsætninger man har, jo bedre bliver planerne – også selvom alle måtte være optimale.

 

Forskellen er tiden, eller rettere seriestørrelsen. En plan kan være godt optimal, og hver plan i en række af planer kan også godt være optimale, men det gør ikke produktionen set over alle planerne optimal.

 

I langt de fleste tilfælde kan planlæggerne dog, på grund af det stadige skub fra indsorteringen, hygiejnekravene og den ringe plads, ikke tillade sig den luksus at vente et helt skift med at producere, dvs. forskyde produktionen et skift bagud i tid, sådan at de laver i dag, hvad der blev sorteret i går.

Vaskeriet må beslutte sig for en seriestørrelse et sted imellem én batch og alle batches.

Afgørelsen om seriestørrelsen bestemmes normalt ved en afbalancering af markedssituationen, den fysiske lagerplads og færdigvarelagrenes størrelse.

publishedOg desuden er det heller ikke godt at planlægge for alt for lang tid ad gangen. Verden ændrer sig for hastigt.

En maskine falder ud, medarbejdere bliver syge og forlader arbejdspladsen, nye hasteordrer kommer til, osv.

Med lange planer, er der risiko for, at noget ændrer sig i løbet af dens gennemførelse, og at der skal replanlægges. Korte planer laves ikke om. De slutter om et øjeblik.

 

Seriestørrelser

Men hvis man nu har en stor ubalance i kapaciteterne, som fx. et stort vaskerør, hvornår skal man så starte røret, og hvornår skal det stoppes igen?

Hvor lang skal serien af tøjportioner igennem røret være, når røret nu er så dyrt at starte, men til gengæld billigt, når det først er i drift?

Havde vi haft mulighed for det, havde vi haft tiden, computerkraften og softwaren til det, så kunne vi have taget tøjmængderne (dvs. alle portionerne) og alle vaskeriets kapaciteter og medarbejdere fra en given dag, og givet os til at regne hvert eneste rækkefølgealternativ igennem, med alle de begrænsninger og bundne sammenhænge, som vaskeriproduktionen end måtte være underkastet.

Det er fra disse procesrutealternativer og rækkefølger, man skal hente de optimale seriestørrelser. Og blandt de mange planers alternative sæt nøgletal (løn, vand, kemi, kemisk slitage, gennemløbstid, produktivitet, mikropauser, osv.) kunne vi udpege den billigste.

I denne optimale løsning kunne vi så udskille vaskerøret og se hvor lange seriestørrelserne og portionsrækkefølgerne var, og hvornår de lå.

Dét skal der til, for at beregne den rigtige seriestørrelse. Der er ingen nemme formler. Dem, som findes, duer ikke, er forenklede eller giver, i bedste fald, en suboptimal løsning, på en begrænset del af opgaven.

Problemet er, at vi hverken har tiden eller regnekraften. Dertil er opgaven er alt, alt for stor.

I stedet må vi søge efter de optimale løsninger på andre måder.

 

Søgning

Og søgning er det rette ord, for den optimale løsning opbygges.

Den er ikke et udfald, der kan beregnes og lokaliseres, eller et handlingsmønster, der kan reproduceres. Den skabes.

I den dynamiske produktion bryder den frem som resultatet af koordinerede, målrettede handlinger, beslutning for beslutning, og identificeres på dens kendetegn. Der er ikke andre muligheder. Dertil er opgaven alt for kompleks. Den skabes ved udvælgelse, og spreder sine virkninger til medarbejderforbruget, kapacitetsbelastningen og vareforbruget, og derfra til regnskabet.

Vi ved fra de fleste batchindustrier, at selve den måde, hvorpå vi sender produkter igennem produktionen, er afgørende for de variable omkostninger – fordi hvert produkt trækker forskelligt på ressourcerne, fordi alternative procesruter har forskellige kapaciteter, og fordi produktrækkefølgerne således indirekte afgør ressourceindsatsen og kapacitetsudnyttelsen.

Èn gang for alle må vi forstå, hvordan den optimale løsning ser ud, og hvad dens egenskaber er, så vi kan genkende den på dens kendetegn, når den dukker op i produktionen.

Og så vi kan vælge batchrækkefølger, procesruter og bemande arbejdssteder på en sådan måde, at vi, for hvert valg, bygger den optimale løsning op, beslutning for beslutning, og sikrer os, at det virkelig også er den optimale løsning, vi ser i produktionen, efterhånden som løsningen gennemføres.

Når 10 forskellige produkter kan sendes igennem en produktion i 3,6 mio. forskellige rækkefølger, er det dét, det hele drejer sig om.

 

Hårde spørgsmål (tough questions)

Ikke alle disse rækkefølger genererer unikke konsekvenser, men en stor del af dem gør. Problemet er, at de produktionsansvarlige ofte ikke ved dette, og næsten aldrig er i stand til at udpege dén rækkefølge, som bedst opfylder de stillede krav til fx. økonomi, kvalitet, leveringstid, forbrug og belastning.

 

Og har vaskeriledelsen overhovedet givet dem de nødvendige oplysninger til at træffe kvalificerede valg?

Ved de, hvad man ønsker af dem?

Og af virksomheden?

Er de ordentligt uddannede?

Har de den nødvendige indsigt i produktionen og forståelse af sammenhængene i driften?

Kan de overskue konsekvenserne af deres valg?

I rette tid?

Bliver de belønnet for gode beslutninger og straffet for dårlige?

Hvad er en god beslutning?

Og hvordan genkender vi den?

Hvad er en dårlig og hvordan opdager vi dén, hvis den skulle dukke op?

 

For at svare konkret, kræves et konkret vaskeri – men de færreste kan svare ja til disse spørgsmål. De hyppigste svar er nej:

  • man har som regel ikke givet dem de nødvendige oplysninger, metoder eller systemer,
  • man har oftest ikke fortalt dem konkret, hvad man forventer af driften og af dem som planlæggere, eller fortalt dem om sammenhængene mellem de beslutninger, de træffer fra time til time, og konsekvenserne i regnskaberne,
  • de mennesker, som er sat til at forvalte de variable omkostninger i vaskeriet (på verdensplan i størrelsesordenen 100 mia. DKK) har oftest, som bedst, en håndværkeruddannelse, der ikke har givet dem en baggrundsviden om planlægningsprincipper eller økonomi,
  • det er næsten blevet grimt og ildeset at belønne og straffe i produktionen. Mange steder undgår man det helst helt. Det svarer sådan nogenlunde til at forbyde at tælle målene i en fodboldkamp, eller at måle tiden i et 100-meterløb, hændelser, de fleste af os tager let på. Det må gerne være sjovt at arbejde i vaskeriet, men tag ikke fejl: Der er ingen, der driver vaskerier for sjov,
  • de kan som regel ikke skelne den gode plan fra den dårlige. De ved ikke, hvad de skal kigge efter. Målt på produktivitet, kan alle selvfølgelig skelne de gode dage fra de dårlige, bagefter, men ikke de gode beslutninger fra de dårlige, mens det står på,
  • der findes sjældent systematiserede planlægningsstrategier i vaskerierne, og hvis der endelig gør, er der som regel ingen sammenhæng mellem strategi, målepunkter, målefrekvens, nøgletal og regnskabstal. Problemet er, at hvis man kigger på en plan isoleret set, så er der intet, der fortæller, om man virkelig har med den optimale plan at gøre, eller ej.

 

Planlægningsmetoder

Kun når vi kender omkostningskurverne, kan vi vide, om vi har fundet løsningen i bunden af kurven, men hvem kender kurverne? Der ikke noget tal eller nogen værdi, der entydigt kan fortælle os, om en given plan er optimal, dvs. at den absolut ikke kan forbedres.

Det kan kun produktionsteknisk indsigt, eller et sæt særlige nøgletal (allokeringseffektiviteterne), som man ikke er i stand til at beregne manuelt. I stedet kan vi prøve at genskabe en af de rigtigt gode dage, som en plan i et Gantt-kort. Det er en øvelse, der dels giver tid og ro til at betragte det hele lidt for oven, og dels giver et godt indblik i den konkrete produktions forudsætninger.

En sammenligning er at lægge et puslespil, hvor hver tøjportion er en puslespilsbrik:

  • det bedste havde været, hvis alle brikkerne havde været sorteret i den rækkefølge, de kunne lægges i smartest. Et computersystem, som havde haft detaljeret kendskab til alle brikkerne, og billedet de skulle danne, havde kunnet sortere og nummerere dem (optimere) for os. (Disse systemer findes, hedder Advanced Planning & Scheduling Systems, APS’er, og koster en formue),
  • det næstbedste havde været, om der fandtes en metode, der nogenlunde kunne genkende det aktuelle puslespils brikker fra billedet på æsken, og gruppere dem. Det gør driftstrategierne, og er en tilnærmelse til optimeringen, som kun koster uddannelsen af planlæggerne,
  • det trediebedste havde været, om man havde et generelt kendskab til nogle af mest forekommende farver og mønstre i puslespil, og deres nogenlunde placering. Det gør produktmixnormer, og bruges som tilnærmelser til driftstrategierne,
  • det sidste alternativ er at se bort fra billedet og i stedet forsøge at få tilfældige brikker til at passe sammen, to, tre eller fire ad gangen.

 

Det er den måde, de fleste vaskerier drives på. Og der er ingen som helst tvivl:

I et dynamisk marked, med vaskerifabrikkernes mange variable, begræsninger og bundne sammenhænge, er optimeringen så klart den hurtigste, den mest effektive og den faktisk også den form for planlægning, som kræver mindst produktionsteknisk indsigt, fordi teknikkerne og metoderne findes er indbyggede i systemerne.

Til gengæld kan driftstrategier og produktmix iværksættes næsten med det samme, uden store investeringer i computere, software og netværk. De er viden. Ikke andet.

 

Driftstrategier

Og de findes, de få rigtigt dygtige vaskerier, dem, som benytter driftstrategier – dem, som har valgt et konkret kriterium (fx. at minimere omkostningerne, at minimere gennemløbstiden, eller at maksimere produktiviteten) og har formuleret en strategi, som de har begrundede forventninger om, vil opfylde dette kriterium. Men hvad er så en driftstrategi?

Det er en metode for:

  • hvordan et konkret, overordnet krav til en produktionsplan defineres,
  • hvordan man udformer en strategi, der finder lige akkurat dét arrangement af aktiviteter, som bedst opfylder dette krav, og
  • hvordan man, beslutning for beslutning og tøjportion for tøjportion, sikrer, at man nu også er på vej til at opfylde kravet.

 

En konkret driftstrategi

Driftstrategierne bygger på den optimale plans kendetegn. Når planlæggerne ved, hvordan en optimal plan ser ud (gennem praktisk erfaring, øvelser med planlægning på tegnebordet, i en simuleringsmodel eller i et optimeringssystem), så ved de også, hvad de ønsker at se i produktionen, og med lidt produktionsteknisk indsigt, kan de udforme beslutningsstrategier, som søger at genskabe disse kendetegn.

En konkret driftstrategi, (sådan som de anvendes i optimeringssystemerne) som havde til formål at minimere gennemløbstiden, og som samtidigt respekterer de tilgængelige kapaciteter, kunne indeholde følgende kriterier: Blandt de sorterede, kategoriserede og prioriterede batches i indsorteringen, vælg en (stor) gruppe af batches, hvis (vægtede gennemsnitlige) tørretid i forhold til (den vægtede gennemsnitlige) takttid er tæt på, men ikke overstiger, den tilgængelige tørrekapacitet, blandt disse:

  • begynd med den batch, hvis tørretid hurtigst afbalancerer tumblerbelastningen, hvilket undgår tumblerjams ved at favorisere et mix af lange og korte tørretider,
  • hvis flere batches har samme indflydelse på tumblerbalancen, så vælg den, som ændrer den aktuelle takttid på vaskerøret mindst, hvilket grupperer batches med ens takttider og reducerer takttidsvariationer på vaskerøret,
  • hvis flere batches har samme takttid, så vælg den, hvis aktuelle procesrutebelastning hurtigst afbalancerer den afviklede series totale procesrutebelastning, hvilket favoriserer et mix af lange og korte gennemløbstider og ruter med tomme buffere,
  • hvis flere batches har samme indflydelse på seriens samlede procesrutebelastning, så vælg den, der har tidligste sluttid på sidste arbejdssted langs procesruten, hvilket favoriserer hurtige batches, lavt belastede eller hurtige procesruter, parallelliserer varestrømmen, tager trykket af flaskehalsene og holder en høj gennemsnitlig gennemløbshastighed,
  • hvis flere batches har samme tidligste sluttid på sidste arbejdssted, så vælg den, som har tidligste starttid på første arbejdssted efter tumblerne, hvilket favoriserer procesruter med tomme eller lavt fyldte buffere og parallelliserer varestrømmen,
  • hvis flere batches kan starte lige hurtigt, så vælg den, der har de laveste samlede produktionsomkostninger pr. kg. langs procesruten, hvilket favoriserer u- og lavt bemandede arbejdssteder og hurtige kategorier, og frigør arbejdskraft til at bemande arbejdssteder med langsommere procestider,
  • hvis flere batches har samme samlede produktionsomkostning, så vælg den, der fylder de tommeste lagerpladser i pakkeriet eller har ældste indsorteringstidspunkt, hvilket synkroniserer produktionen med efterspørgslen (indprofilen med udprofilen),
  • hvis flere batches fylder lige tomme lagerpladser, så vælg den, der har den højeste batchprioritet, hvilket trækker enkelte batches frem, som måtte være særligt efterspurgte i pakkeriet, osv. Blandt de sorterede, kategoriserede og prioriterede batches i indsorteringen, vælg en (stor) gruppe af batches, hvis (vægtede gennemsnitlige) tørretid i forhold til (den vægtede gennemsnitlige) takttid er tæt på, men ikke overstiger, den tilgængelige tørrekapacitet,
  • blandt disse, begynd med den batch, hvis tørretid hurtigst afbalancerer tumblerbelastningen, hvilket undgår tumblerjams ved at favorisere et mix af lange og korte tørretider,
  • hvis flere batches har samme indflydelse på tumblerbalancen, så vælg den, som ændrer den aktuelle takttid på vaskerøret mindst, hvilket grupperer batches med ens takttider og reducerer takttidsvariationer på vaskerøret,
  • hvis flere batches har samme takttid, så vælg den, hvis aktuelle procesrutebelastning hurtigst afbalancerer den afviklede series totale procesrutebelastning, hvilket favoriserer et mix af lange og korte gennemløbstider og ruter med tomme buffere,
  • hvis flere batches har samme indflydelse på seriens samlede procesrutebelastning, så vælg den, der har tidligste sluttid på sidste arbejdssted langs procesruten, hvilket favoriserer hurtige batches, lavt belastede eller hurtige procesruter, parallelliserer varestrømmen, tager trykket af flaskehalsene og holder en høj gennemsnitlig gennemløbshastighed,
  • hvis flere batches har samme tidligste sluttid på sidste arbejdssted, så vælg den, som har tidligste starttid på første arbejdssted efter tumblerne, hvilket favoriserer procesruter med tomme eller lavt fyldte buffere og parallelliserer varestrømmen,
  • hvis flere batches kan starte lige hurtigt, så vælg den, der har de laveste samlede produktionsomkostninger pr. kg. langs procesruten, hvilket favoriserer u- og lavt bemandede arbejdssteder og hurtige kategorier, og frigør arbejdskraft til at bemande arbejdssteder med langsommere procestider,
  • hvis flere batches har samme samlede produktionsomkostning, så vælg den, der fylder de tommeste lagerpladser i pakkeriet eller har ældste indsorteringstidspunkt, hvilket synkroniserer produktionen med efterspørgslen (indprofilen med udprofilen),
  • hvis flere batches fylder lige tomme lagerpladser, så vælg den, der har den højeste batchprioritet, hvilket trækker enkelte batches frem, som måtte være særligt efterspurgte i pakkeriet, osv. Det er ikke gjort med disse kriterier alene. Og målsætningen kunne have været anderledes.

 

Man kunne fx. ønske at minimere de variable omkostninger for alle tøjportioner i en serie, minimere antallet medarbejdere indenfor den tilgængelige arbejdstid, maksimere medarbejderproduktiviteten, o.l. Og der kunne have været andre delmål involveret, som fx. kvalitet og spredning af maskinbelastningen.

Hvert af disse andre mål ville have tvunget planlæggerne til at revidere driftstrategien, eller formulere alternative strategier.

 

Den gode løsnings kendetegn

Den gode løsning kan kendes på mange måder. Dels kan man konstatere, at produktionen producerer det rigtige tøj, til rette tid, på de rigtige maskiner, med de rette folk, ved at der er et godt flow. Folk jager ikke rundt. Der råbes og skriges ikke fra alle sider.

Tøjet kommer frem til arbejdsstederne i en jævn strøm, i den takt, som det skal sendes videre. Der er ingen ventetider eller jams, bufferne har lave fyldninger, og udsorteringen får det tøj frem, som den har behov for at sende ud ad døren.

Alle, der har arbejdet i produktioner ved, at der, blandt alle de andre forbandede, endeløse og stressede dage, er sådanne rolige, men meget produktive dage. Disse er den gode plans subjektive kendetegn. De objektive kendetegn finder vi fx. i Gantt-kort, som viser rækkefølger på hvert enkelt arbejdssted, procesruterne over alle arbejdsstederne og allokeringen af medarbejdere til hver enkelt batchs behandling.

 

morningplanblasted

 

En løsning visualiseres på to kort, ét for maskinerne og ét for medarbejderne. Kortet for et udpluk af et vaskeris medarbejdere i en optimal plan for en produktion uden buffere kunne fx. se således ud: Hver bjælke repræsenterer en tøjportion, og bjælkernes farver repræsenterer arbejdsstederne.

Det er en stabil plan, med effektiv allokering, uden nervøs omrokering af medarbejderne, og med få mikropauser – selvom produktionen er bufferfri. Den kan ikke være meget bedre.

 

Mikropauser

Men der er mikropauser. Se fx. Smilla Upanaviks. Mellem mange af hendes opgaver, finder vi små, korte pauser. I et vaskeri, hvor der ingen buffere findes, og hvor medarbejderne holder et jævnt arbejdstempo, vil man kunne se de små pauser (mikropauser), som opstår, når et arbejdssted venter et enkelt eller nogle få minutter på en portion tøj eller på en medarbejder, eller når en portion tøj venter nogle få minutter på at blive behandlet.

Pauser for medarbejdere, arbejdssteder og batches.

 

Allokeringseffektivitet

Fra mikropauserne kan vi regne nogle fantastisk kraftfulde nøgletal, og selv om de er svære at kvantificere, giver forståelsen af dem en fundamental indsigt i, hvad der kræves for at skabe optimale planer.

Alle industrier har været voldsomt fokuseret på produktiviteten, målt i kg./time, i stk./time, i meter/time o.l. Men produktiviteten i sig selv fortæller ikke noget om det potentiale, som produktionsapparatet besidder. Du kender givetvis selv eksemplet.

Èt vaskeri har en produktivitet på 28 kg. tøj pr. medarbejdertime, et andet har en produktivitet på 36. Hvilket vaskeri udnytter sit potentiale bedst? Vi ved det ikke.

Det afhænger af graden af automatisering, jams, ventetid og køer – en masse ting, som produktiviteterne ikke siger noget om.

Men ved at fokusere på de planlægningsafledte pauser, ved vi, hvor godt vaskeriet udnytter de givne ressourcer.

Måske er mikropauserne (for bufferfrie planer) en given dag 6% for medarbejderne i det ene vaskeri og 13% i det andet. Med denne viden, ved vi, hvilket af vaskerierne, der udnytter mulighederne bedst, og hvilket vaskeri, der kræver de største buffere og tøjbeholdninger.

For jo flere og større mikropauser (hvad enten det er for medarbejdere, arbejdssteder eller batches), jo større buffere kræves. Og jo, man kan godt resænnonere omvendt. Jo flere og jo større buffere, vi ser i en produktion, jo flere mikropauser dækker de over.

Regnes andelen af mikropauser ud i løbet af en arbejdsdag, -uge eller -år, fås altså et udtryk for den effektivitet, hvormed det har været muligt at fordele (allokere) arbejde til medarbejderne, tøj til arbejdsstederne og bearbejdning til tøjportionerne. Og dermed er mikropauserne direkte udtryk for vaskeriets evne til at lede og fordele arbejdet. Til at udnytte produktionens potentialer.

 

EAE, RAE og BAE

Regneøvelsen giver 3 nøgletal:

  • medarbejder-allokerings-effektivitet (EAE), der udtrykker i hvor stor en del af den tid, medarbejderne har været til rådighed for produktionen, de reelt har behandlet tøj,
  • ressource-allokerings-effektivtet (RAE), der udtrykker i hvor stor en del af den tid, arbejdsstederne har været til rådighed for produktionen, de reelt har behandlet tøj, og
  • batch-allokerings-effektivitet (BAE), der udtrykker i hvor stor en del af den tid, en batch har befundet sig i produktionen, den reelt har været under bearbejdning.

 

Tilsammen kaldes de Key Performance Indicators, eller blot KPI’er. KPI’erne er en slags modstykke til spildprocenter, blot beregnet på tid: medarbejdertid, maskintid og batchtid. Og her er så pointen: Optimalitet kræve høje EAE-, RAE og BAE-værdier. Samtidigt.

Med denne viden i baghovedet, kan vi udlede, at:

  • høje EAE-værdier kræver få jobskift, ventetider og jams, og en lav, jævn fyldning af bufferne,
  • høje RAE-værdier kræver få maskinstarter, omstillinger, ventetider og jams, og en lav, jævn fyldning af bufferne, og
  • høje BAE-værdier kræver en jævn, parallel varestrøm igennem vaskeriet, i rette rækkefølger, og en tomme eller lavt fyldte buffere.

 

KPI’erne går bagom produktivitetsberegningerne i den forstand, at kun når KPI’erne er høje, kan produktiviteten være høje og bufferne lave.

Produktivitetstallene fortæller os ikke noget om, hvorvidt vi kan gøre det bedre, og, i givet fald, hvordan. Men det gør KPI’erne. De fortæller os med det samme, om der luft i planerne, og hvor vi i givet fald skal rette opmærksomheden hen, for at tage denne luft ud. Om det er på medarbejderallokeringen, batchallokeringen eller ressourceallokeringen.

Men vi ser det kun, hvis vi først fjerner bufferne. Forudsætningen for en god plan med buffere, er en god plan uden buffere.

 


Om Steen Søgaard-Pedersen

Steen Søgaard-Pedersen er født i 1963 i Dan­mark, uddan­net B.Sc. med speciale i produktions­planlægning, manage­ment og organisation.

2steen_blue_420x420Hans arbejde er baseret på års erfaring med virk­somhedsdrift og ‑planlægning på mange niveauer, både i produk­ti­ons-, service- og udvik­lingsvirk­somheder (bl.a. 8 års erfaring som vaskeridirektør).

På internationalt plan er han en af vaskeriindustriens mest er­farne in­denfor konkretisering og gennemførelse af planlæg­ningsteori i praksis, med dyb indsigt i de forhold, som er væ­sentlige for rationel drift af og indkøb til batchpro­duktioner.

Han har udviklet de effektive Key Per­formance Indicators, der gør det muligt at bench-marke produktioner på tværs af virksomheds-, geografiske, organisatoriske og industrielle grænser, og som præsenteres i denne bog.

Endelig er han professionel forfatter til såvel fag­artikler og læ­rebøger, han fungerer som råd­giver for be­styrelser, og han under­viser ledere og mellem­ledere.