liu.seSearch for publications in DiVA
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Stopptids- och avvikelseuppföljning vid långa takttider: Från avvikelse till införd förbättring
Linköping University, Department of Management and Engineering, Logistics & Quality Management. Linköping University, Faculty of Science & Engineering.
2015 (Swedish)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Tracking downtime and nonconformities in production lines with long takt time : From nonconformity to implemented improvement (English)
Abstract [en]

High quality within a Lean production system begins with standardised work, which creates stable processes able to generate predictable output. If nonconformity from the standard procedures occurs, routines are needed to analyse, correct and prevent the nonconformity from occurring again. In that way, the nonconformity can be a trigger for continuous improvements toward more stable processes. In takted production lines, where the operator follows a standard sequence with tasks set to be completed within the takt time, a nonconformity leads to downtime in the operator’s sequence, and no value is added. With short takt time, the nonconformity leads immediately to line stop and the nonconformity will be detected. With long takt time it is often possible to catch up in the sequence before the nonconformity stops the whole line. Thus, as a consequence the problem will be hidden.

The aim of this study is to investigate how downtime and nonconformities can be tracked and measured in a Lean production system with long takt time, as well as investigate how this data can contribute to improvements. The study has been carried out as a case study of an assembly line at Atlas Copco Rock Drills division of Underground Rock Excavation in Örebro. Within this case study semi-structured interviews were performed to investigate needs from data collection and improvement processes. Beside the case study at Atlas Copco, external case studies have been performed to gather information about other companies’ processes. Participating companies for external case studies has been RUAG Space, AstraZeneca, Väderstad-Verken and Saab Aerostructures.

The result of the study generated three different processes, one for collecting data about nonconformities and related downtime and two parallel processes to use the data for improvements. The data collection process shows how the downtime can be tracked to support investigated needs. The downtime data is also complemented with information about key factors that affect the accuracy of the downtime measurements. The different type of downtimes that are gathered from the process is the deviations total recovery time, recovery time affecting production and downtime for the entire production line. Together with the time measurement the nonconformities is categorised and described with attributes and text to make a thoroughly analysis possible. Analysis tools proposed for the gathered data is pareto analysis, trends, calculation of cost of poor quality and identification of areas with overcapacity. Also, the result shows how some classic TPM-indicators can be used in the analysis.

The gathered data can then be used in two developed improvement processes, one for reactive improvements and one for proactive improvements. The reactive process aims to in a systematic manner find corrective and preventive actions for detected nonconformities with high impact on the production. The nonconformities are handled one by one like the procedure for many deviation systems for product quality assurance. The proactive improvement process focuses on patterns in historical data about major nonconformity areas. Together with high level KPI:s and SMART goals to support high level goals, the nonconformity areas helps to identify which activities to carry out in order to fulfil the goals. 

Abstract [sv]

Inom Lean utgår stor del av kvalitetsarbetet från att standardisera arbetssätt för att sträva mot stabila processer som genererar förutsägbara resultat. Om en avvikelse från den fördefinierade standarden upptäcks måste det finnas metoder för att analysera och åtgärda avvikelsen för att förhindra att den sker igen. På så vis kan avvikelser bidra till att verksamheten kontinuerligt förbättras. I taktade produktionssystem, där operatörer utgår från en standardsekvens som ska utföras inom takttiden, leder avvikelser till stopptid i det värdeskapande arbetet. Är takttiden kort ger stopptiden snabbt konsekvensen att takten inte kan hållas vilket ger stopp för hela produktionslinan. Således visar takten direkt om avvikelse förekommit. För långa takttider finns dock ofta möjlighet att arbeta ikapp stopptid inom takten. Därmed döljs avvikelser och den kontinuerliga förbättringen uteblir.

Denna studie syftar därför till att undersöka hur stopptid och avvikelser kan följas upp vid produktion med långa takttider inklusive hur insamlad data kan användas vid förbättringsarbete. Studien har bedrivits som fallstudie vid Atlas Copco Rock Drills ABs division Underground Rock Excavation i Örebro där även interna semi-strukturerade intervjuer genomförts för att samla in data om behov kring stopptidsuppföljning och förbättringsarbete. Detta har kompletterats med externa fallstudier där processjämförelser genomförts vid RUAG Space, AstraZeneca, Väderstad-Verken samt Saab Aerostructures.

Resultatet från studien ledde till tre framtagna processer, en för insamling av avvikelsedata samt två parallella förbättringsprocesser. Datainsamlingsprocessen visar hur stopptid och avvikelseinformation kan samlas in för att erhålla efterfrågad data och vad som påverkar mätningens noggrannhet. Stopptid som mäts i processen är total åtgärdstid, åtgärdstid som påverkat produktion samt stopptid för linan. Genom att mäta dessa tider tillsammans med att kategorisera data och sammanlänka med attribut möjliggörs exempelvis paretoanalyser av avvikelseområden, analys av trender, beräkning av kvalitetsbristkostnad samt lokalisering av överkapacitet. Dessutom redovisas hur klassiska TPM-nyckeltal kan integreras i analysen.

Insamlad avvikelsedata kan sedermera användas i två förbättringsprocesser, en reaktiv förbättringsprocess och en proaktiv förbättringsprocess. Den reaktiva förbättringsprocessen syftar till att genom ett systematiskt arbetssätt skapa förebyggande åtgärder åt enskilt allvarliga stopp. Den proaktiva förbättringsprocessen visar hur data för övergripande avvikelseområden kan bidra till det långsiktiga strategiarbetet genom integrering av företagets övergripande KPI:er och SMART målsättning.

De framtagna modellerna är generella nog att användas i de flesta verksamheter med taktade flöden men speciellt framtagen från behov för produktion med långa takttider. 

Place, publisher, year, edition, pages
2015. , 147 p.
Keyword [en]
Lean, Downtime, Nonconformity, Improvements, Takt time, Key Performance Indicators
Keyword [sv]
Lean, Stopptid, Avvikelse, Förbättringsarbete, Takttid, Key Performance Indicators
National Category
Reliability and Maintenance
Identifiers
URN: urn:nbn:se:liu:diva-119098ISRN: LIU-IEI-TEK-A—15/02256—SEOAI: oai:DiVA.org:liu-119098DiVA: diva2:818829
External cooperation
Atlas Copco Rock Drills AB
Subject / course
Quality Technology
Supervisors
Examiners
Available from: 2015-06-10 Created: 2015-06-09 Last updated: 2015-06-10Bibliographically approved

Open Access in DiVA

fulltext(15464 kB)205 downloads
File information
File name FULLTEXT01.pdfFile size 15464 kBChecksum SHA-512
796236d97dc44a5a63452383bdf018d389ea39c3973d200f4cf8891140e98c9fd3802cb11a31529815b3a048bf4b75658c843e4ec615bbfb012bded18a1faf27
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Eriksson, Erik
By organisation
Logistics & Quality ManagementFaculty of Science & Engineering
Reliability and Maintenance

Search outside of DiVA

GoogleGoogle Scholar
Total: 205 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 358 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf