En viktig aspekt för att få ett företag att bli så framgångsrikt som möjligt är att ha en träffsäker kapacitetsprognostisering av produktionen. En kapacitetsprognostisering hjälper ett företag att förutse och planera sin produktion för att kunna uppfylla den framtida efterfrågan. Därför är det av stor betydelse att prognostiseringen av kapaciteten är träffsäker. Detta är huvudområdet i denna examensrapport. Rapportens författare kom under vårterminen 2016 i kontakt med produktionsenheten PET-Turbuhaler på AstraZeneca i Södertälje. De efterfrågade en träffsäker modell för deras kapacitetsprognostisering på lång sikt, 12-24 månader. Examensarbetets syfte har därför sammanställts i en huvudfrågeställning som lyder; Vilket arbetssätt är det bästa för att PET-Turbuhaler ska uppnå en träffsäker produktionskapacitetsprognostisering på 12-24 månader? För att besvara frågeställningen genomfördes en förstudie, en litteraturstudie samt en intern och en extern benchmarking som alla analyserades och sammanställdes. Förstudien gav en övergripande bild av hur arbetet med den Microsoft Excel-modell som PET-Turbuhaler använder idag fungerar. Dessutom framkom vilka problem som de anställda ser att det finns med den nuvarande modellen. Författarna har även gjort egna analyser av PET-Turbuhalers kapacitetsmodell. Litteraturstudien som gjordes visar bland annat varför det är en skillnad mellan teoretisk och verklig kapacitet. För att beräkna den verkliga produktionskapaciteten behöver anläggningens schemalagda kapacitetsförluster (t.ex. lunch, möten), kapacitetsbortfall (t.ex. maskinhaveri, ställtid) och ej planerad verksamhet (t.ex. defekter) subtraheras från anläggningens teoretiska kapacitetstillgång, d.v.s. när anläggningen är igång dygnet runt, året om. Analysen visade att den modell som PET-Turbuhaler använder idag omfattar i stort sett samma parametrar som den modell litteraturen hänvisar till. Examensarbetarna insåg därför att PET-Turbuhalers problem med en bristande kapacitetsprognos på lång sikt inte nödvändigtvis ligger i den modell som används idag utan snarare i hur modellen används. Det har kommit upp till ytan att parametrar inom den nuvarande modellen inte uppdateras kontinuerligt med aktuell indata. Detta gör att gammal produktionsdata som är inaktuell ligger till grund för den kapacitetsprognos som görs på lång sikt. Frågeställningen kunde besvaras utifrån det underlag som tagits fram i analysen. Det mest intressanta resultatet blev att PET-Turbuhalers kapacitetsprognos på kort sikt inte är lika träffsäker som man tidigare trott. Följden av detta är att ett bra fungerande standardiserat arbete för den korta prognosen behöver utformas för att i framtiden få en träffsäkrare prognos på lång sikt. Efter diskussioner av resultatet kunde examensarbetarna slutligen komma fram till rekommendationer för hur PET-Turbuhaler bör fortsätta arbeta. Några av rekommendationerna är att utvärdera insamlad data kontinuerligt, ha regelbundna möten mellan produktionstekniker och gruppchefer samt att montera en sensor, som kan registrera output-takten, längst ner i flödet på produktionslinorna. / A company needs an accurate capacity plan to become successful. The capacity plan is an important tool for planning and anticipating production which is essential to be able to meet future demands. It is therefore of great importance to get an accurate forecasting of the production capacity, which is the main topic of this report. During the spring semester 2016, the authors of this report were contacted by the production unit PET-Turbuhaler at AstraZeneca in Södertälje. PET-Turbuhaler requested an accurate model for the long term, 12-24 months, forecasting of their production capacity. From this problem, a research question has been formulated into; Which is the best way for PET-Turbuhaler to work to reach an accurate long term, 12-24 months, production capacity prognosis? A pre-study, a literature study and an internal and an external benchmarking were conducted in order to answer the research question. The result from these were afterwards compiled and analyzed. The pre-study at PET-Turbuhaler gave an overview of the work with the current Microsoft Excel-model and its associated problems. The pre-study did also consist of the authors’ own analysis of PET-Turbuhalers capacity model. The literature study was made to investigate how theory advocates the work with capacity forecasting. It showed a difference between theoretical and real capacity. The real capacity is calculated by subtracting the plant’s scheduled and nonscheduled capacity losses (such as time losses for lunch, meetings, set-ups, machine breakdowns and defects from production) from the theoretical capacity. The theoretical capacity of the plant is the capacity when the plant runs 24 hours a day every day of the year. The analysis showed that the current model PET-Turbuhaler use today consist of more or less the same parameters as the literature suggests. The authors could therefore realize that the current model is not necessarily the main problem at this stage. The biggest problem is rather how the current model is being used by the employees. Parameters within the current model are not continuously updated with right data as PET-Turbuhaler thought. The consequence of this is that the long term forecasting is based on out-of-date data even though new and more accurate data is available. The research question can be answered based on the analysis. The most interesting result was the insight that the short term forecasting is not as accurate as PET-Turbuhaler believed. This gives, in order to achieve a good long term forecasting, that PET-Turbuhaler must first improve their short term forecasting by establishing a standardized way of working with the model. Only then can the long term forecasting be accurate. Through discussions regarding the result the authors were able to suggest improvements on how PET-Turbuhaler could work to reach an accurate long term forecast of their production capacity prognosis. The recommendations include continuous evaluation of collected data, regular meetings between production support and production line managers and the benefit of using a sensor, in the end of the production line, to registrate the output rate.

Questions have been raised regarding how good Capcal works for roundabouts with a weaving length smaller than 25 meters and if Capcal would work for weaving lengths lower than the 16 meters that is the lower limit in the current model. In this thesis, two possible improvements has been developed and tested on five roundabouts with a weaving length less than 25 meters. Work has been done to build alternative gap acceptance models ranging from removal of the 16-meter limit through re-estimation of the current model to a completely new model. In this thesis a new sub model has been introduced that take into account the uncertainty of if circulating vehicles will exit or continue to circulate. These sub models have been combined in 29 different ways including the current Capcal model configuration and have been tested with five different roundabouts. The conflict delay, which is caused by interaction with other vehicles, has been used to compare the model results with delay observations from video captures of the roundabouts.   Out of all model configurations, the original Capcal 3.3 model had the lowest difference in average between the model result and the observations. If the 16-meter weaving length restriction in the original model is removed, almost the same results are obtained as with the restriction. While none of the model configurations improved the model fit, no configuration could be statistically be rejected. In the results of individual roundabouts, there were differences between the model and observations of up to 50%. This shows that while this thesis could not find any improvements of Capcal, there is a potential for future work to develop improvements of the roundabout model. / I nuläget tillåter Capcal att växlingssträckor ner till 16 meter modelleras, men i dataunderlaget som användes vid skapandet av nuvarande modell finns endast med en cirkulationsplats under 25 meter. Det har lyfts frågetecken kring huruvida Capcal ger bra resultat för cirkulationsplatser med en växlingssträcka på mindre än 25 meter samt huruvida modellens nedre gräns på 16 meter skulle kunna tas bort. I detta examensarbete har två olika möjligheter att förbättra modellen testats på fem olika cirkulationsplatser med växlingssträcka kortare än 25 meter. I arbetet har det ingått att ta fram alternativa gap-acceptance-modeller vilka sträcker sig från att enbart ta bort 16-metersgränsen via en nyestimering av Capcals modell till en helt ny modell. Därtill har en ny submodell skapats som tar hänsyn till den osäkerhet som uppstår kring huruvida cirkulerande fordon kommer att köra ur cirkulationen vid en utfart eller fortsätta cirkulera. De utvecklade submodellerna samt nuvarande Capcal modell har kombinerats i 29 olika kombinationer. Dessa 29 kombinationer har för varje av de fem studerade cirkulationsplatserna testats mot observationer från respektive cirkulationsplats. Konfliktfördröjningen, vilket är fördröjning på grund av interaktion med andra fordon, har använts för att jämföra Capcal-resultaten och observationerna.   Av alla modellkonfigurationer så gav nuvarande Capcal 3.3-modell lägst medelskillnad mellan modellresultat och observationer. Om 16-meter-restriktionen i nuvarande Capcal-modell tas bort, så fås i stort sett samma resultat. Ingen av de studerade modell-förändringarna gav en bättre passning mellan modell och verklighet i medel, men ingen förändring kunde förkastas ur statistisk synvinkel. Det var dock stora variationer i resultaten för enskilda cirkulationsplatser med upp till 50% skillnad mellan modellens resultat och observerade värden. Detta visar på att även om detta examensarbete inte lyckades hitta några förbättringar av Capcal, så finns det potential för framtida arbete att ta fram förbättringar av cirkulationsplatsmodellen i Capcal.