Vprašanje, kako pospešiti proizvodnjo, kako se odzvati na spremembo povpraševanja, je staro vsaj toliko kot proizvodnja. Napredek zadnjih let je prinesel nove možnosti, ki temeljijo na možnostih izkoriščanja velikih količin kompleksnih podatkov. Poleg izboljšav tehnoloških procesov ima tako rekoč vsaka tovarna zdaj možnost v povsem dosegljivem naložbenem okviru pridobiti dodatne odstotke marže, zmogljivosti in kakovosti tudi na področju izboljšav planiranja.
Planiranje proizvodnje je matematično in računalniško zahteven kombinatorični problem. Hkrati je neločljivo povezano tudi s planerjem, ker čisto vseh podatkov za vse potrebne planske odločitve navadno ne hranimo v IT-sistemih. Optimalna rešitev mora zato biti prilagojena posamezni tovarni tako informacijsko (podatki, proces) kot uporabniško (proces, uporabniški vmesnik), kar je za ponudnike rešitev poseben izziv.
Rešitve večjih ponudnikov so navadno bolj splošne in integrirane s preostalimi elementi njihovega ekosistema, kar ob pravilni vpeljavi ustvarja določeno ekonomijo v tovarnah, ki uporabljajo elemente tega ponudnika. Rešitve manjših ponudnikov so navadno bolj prilagodljive in ob pravilni vpeljavi ekonomijo ustvarjajo iz povezave različnih sistemov in boljše prilagoditve posebnostim uporabnikov.Plansphere za Filc
Na realnem primeru si oglejmo primer vpeljave rešitve Plansphere, ki sodi v drugo skupino rešitev, v tovarni netkanih materialov Filc v Škofji Loki.
Plansphere je digitalno plansko orodje, ki poveže vse vire podatkov na eno mesto in omogoča, da se planer posveti le planiranju. Aplikacija, ki jo razvijamo v slovenskem podjetju Result, je zelo prilagodljiva, z intuitivnim načinom dela, preprosta za uporabo in uvedbo. Vpeljava poteka v treh korakih, ki so vsak po sebi zaključena celota in imajo čedalje večji poslovni učinek.
Skozi proces analize tovarna spozna samo sebe
Digitalizacija in/ali prenova procesa planiranja se vedno začne z analizo. Analiza zajema stanje trenutnega procesa in podatkov, ki ga podpirajo. Ugotovimo, kateri so pomembni deli procesa, ki jih lahko digitaliziramo ali drugače podpremo, pa tudi to, katere dele lahko optimiziramo ali povsem spremenimo. Skozi proces analize tovarna spozna samo sebe in razišče področja, na katerih je možen boljši izkoristek.
Brez kakovostnih podatkov pade vsaka tehnologija
Glavni za kakršnekoli izboljšave so danes podatki, ki omogočajo uporabo naprednih algoritmov umetne inteligence in drugih, ki jih smiselno vključimo v novi proces planiranja. Če podatkov ni ali ti niso dovolj kakovostni, tudi najnaprednejše rešitve ne bodo prinesle želenega učinka in projekt ne bo uspešen.
Že med analizo in iskanjem možnosti za optimizacijo se začneta vpeljava in integracija planske aplikacije Plansphere. Cilj je hitro in avtomatizirano združevanje podatkov iz različnih virov in prilagojen prikaz za učinkovito podporo planerju.
S tem rešimo veliko napak, ki nastanejo v ročnem procesu, kjer je planer moral velike količine podatkov prepisati ali prekopirati na eno mesto. Te napake so lahko zelo drage, ker pomenijo napačno izhodišče za planiranje.
Planer se lahko takoj loti ročnega planiranja, ker mu aplikacija prikaže vse potrebne podatke ter omogoča postavljanje delovnih nalogov na časovnico in na delovna mesta. S seznama neplaniranih izbere delovni nalog, delovno mesto oziroma linijo in ga uvrsti na časovnico. Ko je nalog na časovnici, se avtomatsko izračuna zasedenost linije ali stroja in metrike, na podlagi katerih lahko planer oceni, ali je bila poteza dobra ali ne.
Ko konča, se na zahtevo planerja v osrednji sistem (navadno ERP) shranijo splanirani delovni nalogi, pripravljeni za izvedbo. Hkrati je to pomembna informacija za prodajo, nabavo in druge službe, ki so odvisne od terminov in obsega proizvodnje, denimo montaža na terenu, logistika in podobno.
S tem je proces planiranja v celoti digitalno podprt in v praksi tudi pospešen vsaj za faktor tri.
Algoritem za avtomatsko preverjanje se ne zmoti in prihrani čas
Ko so podatki urejeni in je vzpostavljeno ročno planiranje, imamo osnovo za naprednejše rešitve. Pri Filcu smo vpeljali avtomatizirano preverjanje pravilnosti plana. To pomeni še en velik prihranek časa, izognemo pa se tudi napakam, ki se lahko pojavijo, če denimo pri ročnem planiranju nismo pozorni na surovine ali pa spregledamo, da bi izbran termin pomenil zamudo roka.
Na podlagi dogovorjenih pravil ustvarimo algoritem, prilagojen tem pravilom, ki v nekaj sekundah preveri, ali trenutna časovnica ustreza vsem dogovorom ali ne. Neujemanja, tako imenovani trki, so nato jasno prikazana planerju, da lahko takoj popravi plan.
V pol minute do najoptimalnejšega plana
Zadnji korak v tem procesu je nadgradnja na avtomatsko planiranje. Osnova sta dobro opravljena prejšnja koraka, saj gradimo na urejenih podatkih in njihovih definiranih pravilih. Podatke razširimo s podatki, potrebnimi za planiranje (matrike menjav in podobno), in vzpostavimo dodatna pravila za planske odločitve. Določimo optimalen planski algoritem, s katerim Plansphere v pol minute izračuna najoptimalnejši plan v danem trenutku in ga predstavi na časovnici.
Planer rezultat pregleda in spremeni, če se s čim ne strinja. Za določene vidike plana algoritem namreč ne more vedeti, ker podatkov ni in jih je treba upoštevati ročno. Plansphere bo ves čas prek pravil za preverjanje pravilnosti zagotavljal plan brez napak, ki bi povzročile težave ali zastoje.
Povečana odzivnost postane glavna konkurenčna prednost
Avtomatizirano planiranje proizvodnje pomeni poleg kakovostnejših planov proizvodnje tudi hitrejši odziv na zahteve strank in nepredvidljive razmere. Ko denimo nastane zastoj, imamo v minuti nov optimalen plan, ki zminimizira škodo, nastalo zaradi zastoja. Nadzor nad razmerami je precej boljši, proizvodnja cenejša in tveganja zmanjšana.
Tako dosežemo, da orodje povsem prilagodimo potrebam uporabnikov in s tem rešujemo dejanske težave po pravi poti. Posledično uporabniki spoznajo orodje že ob vpeljavi in ga že s prvim dnem učinkovito uporabljajo.
Ker ima Plansphere skrbno premišljeno strukturo, dodajamo napredne podatkovne algoritme, umetno inteligenco na vsa mesta, kjer se to splača: algoritem preverjanja, avtomatsko planiranje, strojno učenje, avtomatsko popravljanje ocen in podobno. Tako zagotovimo visoko optimizacijo pa tudi odpravljamo pomanjkljivosti v podatkih.
Dober primer tega so normativni časi. Plansphere se je s pomočjo dejanskih podatkov o trajanju koraka delovnega naloga samodejno naučil, kakšen je dejanski normativ v odvisnosti od relevantnih parametrov. Ta podatek nato pripomore k boljšemu planiranju tako ročno kot avtomatsko.
Po potrebi vgradimo tudi optimizacijske modele za razrez, zlaganje in podobno, da so proizvodni procesi skladni s planiranim zaporedjem in zato mnogo učinkovitejši.
Realni učinki – agilno poslovanje
Škofjeloški Filc je prehodil celotno pot od Excela do Plansphera. Njihove bolečine so bile prepogoste drage menjave in dolgi dobavni roki. Razmere so se slabšale zaradi nenehne rasti obsega poslovanja. Planiranje je postalo čedalje zahtevnejše, časa pa vse manj. Zaradi obsega planiranja so to razdelili na posamezne linije in nato periodično usklajevali delovne naloge, roke in porabo zalog med posameznimi linijami. Čas planiranja je zato z rastjo poslovanja rasel eksponentno in s tem tudi možnost napak.V fazi analize smo ugotovili glavne izzive in rešitev zastavili tako, da so korenito skrajšali čas planiranja in čas sestankovanja. Plansphere namreč omogoča, da različne skupine v podjetju vidijo isti plan z različnih zornih kotov – prodaja, nabava, proizvodnja … S tem se razreši pomembno komunikacijsko ozko grlo, ki ob spremembah razmer nastane v planiranju proizvodnje.
Pravi preizkus prilagodljivosti in odzivnosti pa je pokazala koronakriza. Najprej se je povpraševanje odjemalcev izrazito zmanjšalo, zaradi česar je bilo treba obratovati s čim nižjimi stroški – proizvajati na čim manj linijah s čim manjšim moštvom. Nato se je zgodil preobrat: naročila so šla v nebo, dobave materiala pa so usahnile – dosegljivi material je bilo treba porabiti čim bolj optimalno, za prave delovne naloge. Filc je lahko to nihanje uravnaval z vsakodnevnim, včasih večkrat na dan, replaniranjem – enkrat z optimizacijo izkoristka linij, drugič z optimizacijo izkoristka materiala. S tem so dosegli, da se vsakokratna nova realnost takoj upošteva v planu. Ker niso delovali z minulimi podatki, je bil poslovni izkoristek v danih razmerah optimalen.
Op.: Gregor Jeromen je vodja programov v družbi Result.
