Fra manuell bearbeiding til automatisert produksjon En beskrivelse av omstillingsprosessen ved Brødrene Øyo gjennom bla. innføring av automatisering i produksjonen. av Lars Erik Wetterwald SINTEF Teknologiledelse, Produkt og produksjon

Automatisering som indikator Effektiv og avansert produksjon kjennetegnes ofte ved høy automatiseringsgrad. THE INTERNATIONAL FEDERATION OF ROBOTICS og UNITED NATIONS, gir årlig ut statistikk på anvendelsen av industriroboter. Norge ligger på desidert sisteplass i forhold til vestlige land vi ønsker å sammenligne oss med, når det gjelder utviklingen i anvendelse av industriroboter i industrien.

Utvikling i robot tetthet (antall roboter pr. 10 Utvikling i robot tetthet (antall roboter pr. 10.000 ansatt i vareproduserende industri)

Robot tetthet for 1999 (antall roboter pr. 10 Robot tetthet for 1999 (antall roboter pr. 10.000 ansatt i vareproduserende industri)

Kort om Brødrene Øyo Tradisjonsrik familiebedrift på godt over 100 år Produserer verktøy som økser, brekkjern og andre håndverktøy, samt kjøkkenkniver og gaveartikler. Gammel maskinpark, og mye manuelt arbeid.

Krisen I 1995 var situasjonen dramatisk med en omsetning på 13MNok og over 30 ansatte. Mange års drift uten fornyelser i produksjonen, og en negativ utvikling: Dårlig lønnsomhet Mistet kunder Utslitt produksjonsutstyr Dårlig arbeidsmiljø Lite motiverte arbeidere, samt rekrutteringsproblemer Gammeldags bedriftskultur Men de ansatte hadde god prosesskunnskap som ble mye av fundamentet i den nødvendige snuoperasjonen.

Omstillingen Knut Olav Øyo og Bjørn Dreier tok over driften som hhv. daglig leder og produksjonssjef i 1995. Startet en omfattende moderniseringsprosess gjennom prosjekter i FoU-program som FRAM, TEFT og VARP: Fokus på produksjonsflyt og produksjonsstyring Innføring av JIT-prinsipper. Slutt på produksjon for lager desentraliserte styringsprinsipper som kanban flytting av dekoblingspunkt for kundeordrer fra ferdigvarelager til et tidligst mulig stadie i verdikjeden. Innføring av ny teknologi og nye maskiner (maskin for brekkjern, ny smi-prosess, roboter) Tunge manuelle operasjoner som sliping ble erstattet av maskiner Opplæring og kursing av de ansatte

Resultatet Økt omsetningen og redusert bemanning: Omsetningen har økt fra 12 MNok til 19 MNok. Antall ansatte redusert fra 31 til 15, uten at noen er sagt opp. Omsetning pr. time er økt fra 282 Nok til 544 Nok (BØ’s prod.mål) Redusert lager og gjennomløpstid, samtidig som leveringspresisjonen er forbedret: Verdi på lager redusert fra 5 MNok til 2 MNok Produksjon mot ordre og null ferdigvarelager for økser og brekkjern Gjennomløpstid er redusert fra 3 mnd til 3 dager Leveringspresisjon fra under 50% til 96% Desentralisert produksjonsstyring gjennom ”kanban” Forbedret arbeidsmiljø: Belastende arbeisoppgaver er automatisert Sykefravær redusert fra 8% til 1,4%

Veien til målet... Startet med en grundig analyse av situasjonen i produksjonssystemet. Viktigste resultater fra analysen: Verdi på lager utgjorde 42% av omsetningen, og et helt års produksjon i tonnasje, samtidig som leveringspresisjonen var elendig. Verdiskapingen i produksjonen utgjorde kun 1% av gjennomløpstiden i produksjonen. Konklusjon: Bedriften trengte et teknologisk løft for å ta igjen det tapte gjennom mange års drift uten nytekning. Behov for helt ny styringsfilosofi for bedriften og produksjonen. Automatisering nødvendig for å sikre lønnsomhet i produksjonen. Bruk av ekstern kompetanse var nødvendig.

Effektivisering av økseproduksjonen gjennom automatisering Behov for å bli beste produsent på noe få områder: Økser og brekkjern var kjerneprodukter. Potensiale for store volum Prosjekt for å utrede automatiseringspotensialet ble startet: Prosesstudie og mulighetsstudie Utvikling av konseptløsninger Første fase uttesting av teknologi i laboratorium Kostnads-/lønnsomhetsanalyse

Analyse av nå-situasjonen Man må vite hva som reellt skjer for å finne forbedringsmulighetene... Innledende analyse for å: Kartlegge alle produkter og produktvarianter Kartlegge alle vesentlige prosessdata (rekkefølge, avhengigheter, takttider, etc.) Kartlegge tekniske krav og utfordringer Innledende prosesskartlegging og metodestudie hindrer automatisering av ikke-optimale prosesser.

Effektivisering og forbedring gjennom prosessanalyse Forbedring av prosessen gjennom metodestudiet: Eliminering Kombinering Forandring av rekkefølge Forenkling Fokus på å eliminere ikke-verdiskapende tid

Prosess- kartlegging

Observasjoner fra innledende analyse Produkter 11 ulike øksehoder med til dels store variasjoner 7 andre produkter som går gjennom tilnærmet samme prosess (sveisehammer, murhammer, meisler, barkespade og vedkile) Prosessen er inndelt i mange trinn: Mye transport og håndtering Lang ventetid i hvert prosesstrinn Stor spredning utover i fabrikken (130 meter transportvei) Store variasjoner i kvalitet på produktene: Ustabil smiprosess Mangel på kvalitetsdefinisjoner Varierende operasjonstid pga. variasjon i kvalitet Enkelte operasjoner er nødvendig pga. kvalitetsfeil

Endring av prosessen Standardisering av emner Forbedret smiprosess Sammenslåing av herding og lakkering på samme transportheng Bråkjøling i kontrollert vanndusj Voks erstattet med al. kile Dypplakkering i våtlakk og standardisering til én farge Null ferdigvarelager

Ny forbedret prosess Forbedret smiprosess Automatisert bearbeiding Høyere produksjonstakt Jevn kvalitet Mindre behov for bearbeiding Automatisert bearbeiding Robotisert sliping Automatisert herding og lakkering Null ferdigvarelager Gjennomløpstid fra 2,5 mnd til 6 timer Kanban-styrt smie Økt kapasitet Årsvolum fra 50.000 til 200.000 økser Bemanning fra 5 til 3 operatører

Konseptløsning for robotisert bearbeiding Skisse til løsning ble visualisert vha. simulering Løsning 1: To identiske robotceller Løsning 2: To roboter med ulike oppgaver Kan benyttes til å verifisere løsninger, samt off-line programmering

Vurdering av kapasitet og oppetid Krav: Produksjonsvolum 200.000 Takttid ~30 sek. ved ett skift Betjent av én operatør Beregning av takttid: Robotens oppgave deles inn i elementer Basert på målte slipetider Teoretisk kapasitet på 70.000 økser pr robot Vurdering av oppetid Teknisk pålitelighet Naturlig nedetid

Utfordringer for robotisert bearbeiding Variasjoner i smidd emne Robust og nøyaktig griping av emne Slipetid er et usikkerhetsmoment, og dermed også anleggets kapasitet. Programmering av slipeprogrammer er tidkrevende Kompetanseutvikling internt på automatisering Verifisering ved hjelp av laboratorieforsøk:

Hva kan man spare på å automatisere? 250.000 Nok pr. mann pr. år -> 750.000 Nok for 3 år BØ sparer 2 årsverk, samtidig som kapasiteten firedobles. En firedobling av kapasiteten med manuell bearbeiding ville krevd 21 årsverk. 18 årsverk mer enn ved automatisert bearbeiding Besparelse på 4,5 MNok/år Ikke praktisk mulig BØ har til nå investert 1,9 MNok i anlegget, og leverer 80.000 økser pr. år. Bemanning på 3 (2 årsverk spart -> 500.000 Nok/år) Redusert kapitalbinding i lager

Hva koster det å automatisere? 1/3 prosjektering og inst, 1/3 robot, 1/3 omkringliggende utstyr

Typisk automatiseringsprosjekt

Oppsummering Gjennom VARP-prosjektet fikk BØ utredet mulighetene for automatisert økseproduksjon Prosjektet la et viktig rammeverk for prosjektering og installasjon av et automatisert produksjonsanlegg. Analyse og endring av prosessen som tilrettela for automatisering Utredning av tekniske utfordringer og usikkerheter Utvikling av løsningskonsept Investerings- og kostnadsanalyse BØ installerte i 2000 et anlegg for automatisert økseproduksjon, og har hatt en problemfri implementering og drift av anlegget. Smi-prosessen er i dag flaskehalsen, og er neste automatiseringsprosjekt.

Norge ligger på jumbo-plass i forventet vekst pr. sysselsatt I en OECD rapport fra mai i år konkluderes det med at Norge ser ut til å få en lavere vekst i produksjon pr. sysselsatt i årene fremover. Norge er også et av de få landene der utviklingen går feil vei. ”Det ser ut til at Norge i mindre grad enn andre land er i stand til å utnytte ny teknologi. Norge får derfor mindre vekst enn andre land sett i forhold til den arbeidskraften og kapitalen som anvendes”, sier seksjonsjef Wim Suyker ved OECD-sekreteriatet i Paris.

Figuren er hentet fra TBL’s Industrifakta 2000 (http://www. tbl

Modellering og Simulering Riktig bruk av modellering og simulering gir viktig innsikt i og kunnskap om komplekse systemrelasjoner, og akselerer fremskaffingen av beslutningsunderlag og beslutningsprosessen. Områder for simulering: - Fabrikkplanlegging og layout - Materialflyt og produksjonsstyring - Automatisering - 3D visualisering av nye produksjonsanlegg - Opplæring / markedsføring Tidlig fase simulering verifiserer løsninger og avslører logiske svikter og feil, slik at innsats settes inn der den trengs mest.