Sammanfattning Tillverkande företag i dagens moderna samhälle står inför utmaningar eftersom kraven på ökad effektivitet blir mer framträdande. Men i ett producerandes företags vardag kan ibland problem uppstå som innebär att produktionen måste stannas upp för att åtgärda problemen. Det blev därmed intressant för denna studie att undersöka vilken inverkan som dessa stopp kan ha på ett företag. Syftet med studien blev därmed att öka kunskap om hur produktionsstopp påverkar produktionseffektivitet. För att uppfylla studiens syfte framställdes följande frågeställningar:  1. Vilka stopporsaker har störst inverkan på produktionseffektiviteten? 2. Vilka åtgärder kan vidtas för att förbättra produktionseffektiviteten? För att besvara studiens frågeställningar och därmed uppfylla studiens syfte har en fallstudie genomförts. Fallstudien genomfördes på ett tillverkande företag som ville undersöka stopptiderna i deras produktion. Genom en dokumentstudie, litteratursökning och intervjuer har empiriskt material samlats in. Fallstudien, tillsammans med det teoretiska materialet, har varit grunden till den analys och diskussion som har genomförts för att komma fram till resultat och förbättringsförslag. Resultat Studiens resultat visade att det fanns flera orsakande och bidragande faktorer som skapar stopp i en produktionslinje. Studien fann att en stor del av effektivitetsförlusten i produktionen berodde på ställtid och att stoppets komplexitet gör att företag kan behöva lägga ner mycket energi på att korrigera den. Genom att uppfylla dess syfte siktar studien på att ta fram förbättringsförslag som kan vara användningsbara för företag i liknande situationer. Under studiens skrivprocess uppkom det dock ett flertal oförutsägbara händelser, exempelvis pandemin av Covid-19. Därmed har studien avgränsats till produktionseffektivitet genom OEE beräkning. De resultat och förbättringsförslag avgränsades till maskintillgänglighet, alltså omfattar inte studien andra delar i produktionen som påverkar produktionseffektiviteten. / Abstract Manufacturing companies in today’s modern society are facing challenges since the demand on higher efficiency gets more prominent. But during a manufacturing company´s working day problems might arise that demand a stop in the production to resolve the problem. Therefore, it became of interest to this study to find out which impact these stops might have on production efficiency. The purpose of this study is thereby to increase knowledge about how stops in the production might affect production efficiency. To fulfil the purpose of this study, the following research questions have been designed:  1. Which stop causes have the biggest impact on the production efficiency?  2. Which actions can be made to improve the production efficiency?  To answer the research questions and therefore fulfil the purpose, a case study was conducted. This case study was conducted at a manufacturing company that wanted to investigate the stop times in their production. Through a document study, literature review and interviews, the empirical material was collected. This case study, together with the findings in the theoretical material, has been the basis for the analysis and discussion that were made to reach a result and find improvements.  Findings  Findings show that there are several individual and contributing factors that may cause stops in a production line. The study found that downtime in production may be the biggest and most complex stop cause in a production and that companies might need to put in plenty of effort to improve it. By fulfilling this study´s purpose the study serves to make these corrections easier and provide suggestions that might come in handy for companies in similar situations.  However, due to unforeseen events, such as the pandemic of Covid-19, the study had been limited to production efficiency by OEE calculation. The results and suggestions of approvement is limited to machine availability, therefore the study will not research other parts of the production that might affect production efficiency.

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. / 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.

En stopptidsanalys utförd vid Deromegruppens sågverk i Anneberg med avsikt att samla in data rörande möjliga förbättringsmöjligheter i syfte att öka tillgängligheten från 73 till 78 %. Flera områden identifierades varav fack, krokbana samt enstycksmataren utgör de primära.

På avdelningen DM (dieselmotor) på Scania bearbetas de olika typer av motorblock som Scania använder i sina lastbilar. De använder sig av ett störningsdatasystem med syfte att kunna ha störningsfria produktionslinor utav de inrapporterade störningarna. Trots den stora mängden av data som finns i systemet utnyttjas inte de på ett effektivt sätt i störningsanalysen. Uppgiften i examensarbetet är att kartlägga nuvarande metoder för störningsanalys som används på Scania motorbearbetning. Syftet med detta är att hjälpa DM-avdelningen att kunna använda sig av störningsdata på ett bättre sätt. Projektets resultat pekar mot tre slutsatser. Rapporteringssystemet är krånglig och svår för operatörerna att göra vilket är på grund av de olika rapporteringsnivåerna vid rapportering av en störning. Rapporteringen tar onödig tid med tanken på att operatören har många andra arbetsuppgifter. Visa störnings data kategorier tas bort från analysen för att man inte visste hur de kan utnyttjas. Förbättrings förslag till tidigare nämnda situationer blev att utveckla rapporteringssystemet med en sökfunktion. Operatörerna ska kunna rapportera störningar med arbetes mobiltelefoner därmed ska varje maskin ha sin egen QR-code. Störningsdata under kategorien “Fullt Fram” ska analyseras för långa perioder vilket kan hjälpa med utvecklingen av produktionslinan. / The DM (diesel engine) department at Scania processes the different types of engines blocks that Scania uses in its trucks. They use a fault-free computer system with the aim of being able to have disturbance-free production lines of reported disturbances. Despite the large amount of data contained in the system, it is not well utilized in the disturbance analysis. The task in the thesis is to map current methods for disturbance analysis used at Scania engine processing. The purpose of this is to help the DM department to be able to use the disturbance data in a better way. The results of the project point to three conclusions. The reporting system is complicated and difficult for operators to do, which is due to the different reporting levels when reporting a disturbance. Reporting takes unnecessary time with the idea that the operator has many other tasks. Some disturbance data categories are removed from the analysis because you did not know how to exploit them. The improvement of the situations was to develop the reporting system with a search function. The operators should be able to report disturbances with work mobile phones, so each machine should have its own QR-code. The disturbance data below the category “Full Forward” should be analyzed for long periods, which can help with the development of the production line.