Ve výrobě kovů je odpad dobře vidět. Zůstává po dělení materiálu, objevuje se ve výtěžnosti a nakonec se promítne i do nákladů. Méně zřejmé už je, že o části tohoto odpadu se může rozhodnout dávno předtím, než se materiál vůbec dostane na výrobní linku.
Typickým příkladem jsou linky na podélné dělení kovových svitků. Plánovač potřebuje zkombinovat jednotlivé zakázky tak, aby co nejlépe využil dostupný materiál a zároveň respektoval požadavky na jakost, tvrdost, tloušťku nebo termíny jednotlivých objednávek. Na první pohled jde o běžnou plánovací úlohu, ve skutečnosti ale i relativně jednoduchá kombinace může mít stovky tisíc platných variant.
Najít mezi nimi ručně tu nejlepší je prakticky nemožné.
Nejde přitom o nedostatek zkušeností. I velmi dobrý plánovač má omezené možnosti, kolik variant dokáže porovnat a jak přesně umí posoudit jejich dopad na výtěžnost materiálu. Skutečný podíl odpadu na dělicích linkách bývá často vyšší, než si jejich provozovatelé myslí.
Dobrou zprávou je, že právě tento typ problému lze řešit pomocí dat a optimalizace.
1. Nejdříve zjistit, které zakázky lze vůbec kombinovat
Prvním problémem obvykle není nedostatek výpočetního výkonu, ale množství možností, ze kterých musí plánovač vybírat.
Než začne jednotlivé objednávky skládat na svitek, potřebuje z velkého množství zakázek vybrat ty, které spolu skutečně mohou být vyrobeny. Rozhoduje například jakost materiálu, jeho tvrdost nebo tloušťka.
Pokud se toto třídění provádí ručně, značná část času plánovače padne už na samotné hledání vhodných kombinací. Inteligentní filtrování a seskupování dokáže stovky tisíc teoretických možností zúžit na zvládnutelný počet reálných variant.
Čím rychleji se plánovač dostane k relevantním zakázkám, tím více času může věnovat tomu podstatnému: hledání kombinace, která materiál skutečně využije co nejlépe.
2. Vidět dopad rozhodnutí ještě před spuštěním výroby
V řadě výrobních podniků plánovači stále pracují s tabulkami nebo staršími obrazovkami ERP systému. Ty sice obsahují potřebná data, ale často neposkytují okamžitou odpověď na jednoduchou otázku: Co se stane s výtěžností materiálu, když tuto zakázku přesunu jinam?
Odpověď pak přijde až po výrobě, kdy je odpad fyzicky vidět.
Jiný způsob práce nabízí vizuální zobrazení rozložení jednotlivých zakázek na svitku, doplněné o průběžně aktualizované KPI. Plánovač může jednotlivé objednávky přesouvat a okamžitě vidí, jak jeho rozhodnutí ovlivní využití materiálu. Pokud změna situaci zhorší, může se vrátit k předchozí variantě a vyzkoušet jinou.
Takové prostředí mění způsob rozhodování. Místo odhadu založeného převážně na zkušenosti lze jednotlivé varianty průběžně porovnávat podle jejich skutečného dopadu na výtěžnost.
3. Nejlepší kombinace nemusí být vždy ta s nejnižším odpadem
Samotná minimalizace odpadu ještě nemusí znamenat nejlepší výrobní plán.
Plánovač může například řešit, zda je v konkrétní situaci výhodnější mírná nadprodukce, nebo další přestavení linky. Jindy má přednost termín důležitého zákazníka a o týden později může být rozhodující úplně jiný parametr.
Právě proto je důležité pracovat s what-if scénáři, které umožňují připravit několik optimalizovaných variant a porovnat je podle aktuálních priorit.
Optimalizační nástroj přitom musí respektovat skutečné podmínky konkrétní výroby. Pokud dobře funguje pouze na předem připraveném modelovém příkladu, ale nedokáže zohlednit reálná omezení provozu, optimalizuje ve skutečnosti zjednodušenou verzi problému.
Možnost měnit váhu jednotlivých KPI podle aktuální situace proto není jen užitečným doplňkem. U výroby, kde se podmínky a priority průběžně mění, je zásadní součástí použitelného plánovacího systému.
4. Algoritmus spočítá varianty. Kontext ale stále zná člověk
Optimalizační software dokáže během krátké doby porovnat množství variant, které by člověk ručně nikdy neprošel. Nezná však všechno.
Nemůže například vědět, že největší zákazník tento týden bez problémů přijme objednávku o dva dny později, protože sám posunul svůj výrobní plán. Stejně tak nemusí znát citlivost konkrétního obchodního vztahu nebo další okolnosti, které v datech jednoduše nejsou.
Proto dává smysl spojit výpočetní možnosti optimalizačního systému se zkušeností plánovače. Software připraví optimalizované výchozí řešení a člověk jej následně může upravit podle souvislostí, které zná pouze on.
Cílem tedy není zkušeného plánovače nahradit algoritmem, ale zbavit ho práce, ve které má počítač přirozenou výhodu. Místo ručního procházení tisíců kombinací se může soustředit na rozhodnutí, kde je jeho zkušenost skutečně důležitá.
5. Dobrý plán musí být možné také vyrobit
Ani dokonale optimalizovaná kombinace zakázek sama o sobě nestačí. Pokud ji navazující plánování, routing nebo výrobní systém nedokážou správně provést, zůstane přínos pouze na obrazovce plánovače.
Proto je důležité propojit kombinování zakázek s tvorbou výrobních tras, detailním plánováním a systémem MES. Skutečný význam takového propojení se často ukáže ve chvíli, kdy se ve výrobě něco pokazí.
Pokud například svitek po zpracování nesplní požadované parametry, informace z výroby se může v reálném čase vrátit zpět do plánování. Plánovač pak může dotčenou zakázku přeplánovat nebo změnit její trasu ještě dříve, než problém ohrozí termín dodání.
Bez této zpětné vazby se informace o problému může dostat k plánování příliš pozdě, kdy už jsou možnosti reakce výrazně omezené.
Odchylky přitom nejsou ve výrobě kovů výjimečnou událostí. Jsou běžnou součástí provozu, a proto musí být plánovací prostředí schopné na ně reagovat a plán průběžně znovu optimalizovat.
Jak poznat, jestli plánování skutečně pomáhá snižovat odpad?
Při pohledu na vlastní proces je užitečné zaměřit se na několik praktických otázek. Dokážou plánovači během několika kliknutí vyfiltrovat zakázky podle jakosti, tvrdosti nebo tloušťky? Vidí ještě před výrobou, jak konkrétní kombinace ovlivní množství odpadu? Mohou rychle porovnat několik scénářů podle různých priorit a zasáhnout do návrhu, pokud jejich zkušenost říká, že je potřeba zvolit jinou cestu?
Stejně důležité je, co se děje po vytvoření plánu. Pokud se ve výrobě objeví odchylka, měl by systém dokázat pracovat s aktuálními informacemi z MES a plán podle nové situace přepočítat. Kombinování zakázek, routing a detailní plánování pak nejsou tři oddělené úlohy, ale části jednoho procesu.
Odpad, který v účetnictví nemusí být na první pohled vidět
Technologie potřebné k takové optimalizaci už existují. Obtížnější bývá změnit zavedený způsob práce.
Tabulky jsou známé, plánovači s nimi umějí pracovat a často mají za sebou roky zkušeností, díky kterým dokážou vytvořit velmi dobrý plán. Problém je v tom, že ani zkušený člověk nedokáže ručně porovnat stovky tisíc možných konfigurací.
Navíc se náklady způsobené neoptimálním plánováním nemusí objevit jako jedna snadno identifikovatelná položka. Projeví se v horší výtěžnosti materiálu, ve zmetcích nebo jednoduše v marži, která je o něco nižší, než by mohla být. Právě proto může problém dlouhou dobu zůstávat skrytý.
Digitalizace plánování v tomto případě neznamená odstranit člověka z rozhodovacího procesu. Smyslem je využít software tam, kde dokáže rychle zpracovat velké množství variant, a zkušenost plánovače tam, kde je potřeba pochopit širší souvislosti.
Výsledkem může být lepší využití materiálu, rychlejší reakce na změny ve výrobě a plán, který zohledňuje nejen teoretické optimum, ale také skutečné podmínky konkrétního provozu.
Zdroj
Článek vychází z materiálu 5 Steps to Radical Scrap Reduction and Elite Delivery Performance, publikovaného na blogu DELMIA společnosti Dassault Systèmes.
5 Steps to Radical Scrap Reduction and Elite Delivery Performance – Dassault Systèmes blog
Doporučené odkazy
DELMIA – digitální výroba
Zjistěte, jak lze propojit plánování, simulaci a řízení výrobních procesů a pracovat s aktuálními informacemi z výroby.
DELMIA ORTEMS – pokročilé plánování výroby
Pro firmy, které potřebují plánovat výrobu s ohledem na reálné kapacity, omezení a měnící se podmínky provozu.
