Gränges AB i Finspång är ett företag som producerar aluminiumband som kan användas iproduktion av värmeväxlare. Bandens processväg genom produktionen beror på slutproduktensegenskaper, vilket gör att produktionen i dagsläget kräver flera transporter fram och tillbaka överområdet. För att förbättra och effektivisera tillverkningen har en investering på 400 MSEKutförts, som förväntas leda till utökad kapacitet samt förbättrat flöde. Investeringen är först ochfrämst en ersättning av befintlig produktion som förhoppningsvis ska leda till fler produceradeband. I och med investeringen blir transportsträckorna kortare, produktionen mer samlad ochrisken för skadat material minskar.Studien syftar till att utföra en flaskhalsidentifiering över den nya produktionen. Syftet är ocksåatt ta fram olika förslag på förändringar i produktionen för att uppnå ett effektivt flöde, undvikaflaskhalsar och maximera antal producerade band. Studien ser endast över delen av produktionensom innefattar kallvalsningen, värmebehandlingen och sträckningen. Jämförelser mellan den nyaproduktionsdelen och den gamla utförs inte i denna studie.I studien kunde en flaskhals identifieras, vilket var kallvalsverk 2731. Detta på grund av storköbildning och hög utnyttjandegrad på resurser för transport och tillverkning. Med hjälp avteorin kring flaskhalsanalys kunde olika förslag tas fram på vilka förändringar som kundegenomföras för att reducera flaskhalsen. Olika experiment genomfördes för att se omförändringarna reducerade flaskhalsen, om eventuellt nya flaskhalsar uppstod och hur olikamätetal som utnyttjandegraden i maskiner påverkades av förändringen. De förändringar somgenomfördes var tillägg av buffertar innan kallvalsverken, att skicka band till det kallvalsverkmed kortast kö, att minska produktionstakten i kallvalsverk 2751, att planera banden in isystemet samt minska värmebehandlingstiden.Varje förändring förutom minskning av värmebehandlingstiden visade förbättringar ochförsämringar av mätetalen när jämförelser utfördes mellan förändringarna och grundmodellen.Kombinationer av förändringarna visade också att det var statistisk signifikant skillnad jämförtmed grundmodellen. De förändringar i systemet som hade störst positiv påverkan på resultatetvar tillägg av buffertar och förändring av logiken att skicka band till det valsverk med kortast kö.När en kombination av dessa förändringar utfördes ökade antalet producerade band med 2500under simuleringsperioden. Även kombinationen av tillägg av buffertar, förändring av logikenför band med reduktion fyra samt minskad produktionstakt i 2751 hade en stor positiv påverkan.I detta fall ökade antalet producerade band med ungefär 2000 i jämförelse med grundmodellenmen medelväntetiderna i köerna sänktes betydligt mer än vid den andra lyckade kombinationen.En övergripande slutsats är att mängden förändringar har ingen betydelse utan det är kvalitén påförändringarna som avgör om mätetalen förbättras. En rekommendation till Gränges är därför attgöra en avvägning kring vilka mätetal som är viktigast och på så sätt ta det beslut kring vilkaförändringar som ska utföras för att gynna de mätetalen bäst. / Gränges AB is a company in Finspång that produce rolled aluminum products for heatexchangers. The product's process path through the chain depends on the properties of the finalproduct, which means that production currently requires multiple transports back and forthacross the production-area. To improve the production, an investment of SEK 400 million hasbeen made, which is expected to increase the capacity and improve flow. The investment is areplacement of existing production which hopefully will lead to increased number of productsproduced. As a result of the investment, the transport distances at the area will be shorter and therisk of damaged material will be reduced.The study aims to perform a bottleneck identification in the new production at Gränges. The aimis also to develop various proposals for changes in production to achieve an efficient flow, avoidbottlenecks and maximize the number of produced products. The study only looks at the part ofthe production that includes the cold rolling, annealing and distention. Comparisons between thenew production part and the old productions part is not performed in this study.A bottleneck was found, which was the cold-rolling machine called 2731. The bottleneck wasidentified by a large queue and a high utilization rate on its internal transport. Using the theory ofbottleneck analysis, various changes could be made to reduce the bottleneck. Severalexperiments were made to see if the changes reduced the bottleneck and if any new bottlenecksoccurred. The experiments were also made to see how different result values, as the utilizationrate for the machines, were affected. The changes that were implemented were buffers before thecold rolling machines, change of logic for products with reduction four, reduce the productionrate in cold rolling machine called 2751, to plan the input in the system and to reduce theannealing time for some of the annealing programs.Each change except reduction of the annealing time showed either a positive or negative changefor the result values when comparisons were made between experiments and the basic model.The changes in the system that had the most positive impact on the result were the addition ofbuffers and the change of logic when transporting products to the cold-rolling machine with theshortest queue. When a combination of these changes was performed, the number of productsproduced increased by 2500 during the simulation period. The combination of adding buffers,change the logic for products with reduction four and reduced production rate in 2751 also had agreat positive impact. In this case, the number of products produced increased by 2000 comparedto the basic model, but the average waiting times in the queues were reduced significantly morethan in the other successful combination. An overall conclusion is that the amount of changesdoes not matter, it is the quality of the changes that determines whether the result values areimproved or not. Therefore, a recommendation to Gränges is to make a trade-off about whichresult values that are most important and making the decision that favors them most.

Arla Foods står konstant inför nya volymförändringar i produktionen och kräver därför kontinuerligt arbete med att studera om mejeriet har kapacitet att ta sig an nya volymökningar. Mejeriet i Linköping har tagit över produktionen av Gräddfil från ett annat mejeri. Det innebär en volymökning i den dagliga produktionen men framför allt runt midsommar då en tydlig säsongstrend infinner sig. Arla Foods mejeri i Linköping vill därför att studien ska undersöka hur volymökningar av produkter vid bland annat midsommar påverkar produktionen. Studien syftar därför till att undersöka hur volymökningar påverkar produktionen genom att identifiera flaskhalsar, ta fram produktionsledtider och mäta utnyttjandegrad på resurser i form av pastör, förpackningsmaskiner och tankarna i produktion. För att besvara syftet konstruerades följande frågeställningar: Hur förändras produktionsledtider vid olika volymökningar? Hur förändras utnyttjandegraden av resurserna vid volymökningar? Var uppstår och hur förändras eventuella flaskhalsar före och efter volymökningar? Den huvudsakliga metoden som studien använde var diskret händelsestyd simulering. För att bygga simuleringsmodellen behövdes data samlas in och bearbetas. Största delen av den data som samlades in hämtades via Arla Foods interna system eller semistrukturerade intervjuer. Den data som samlades in bearbetades och anpassades för att matcha simuleringsmodellen och spegla verkligheten. För att svara på studiens frågeställningar skapades fyra olika scenarion. Ett grundscenario baserat på medelvolymer per vecka som skulle motsvara nuläget för studien. Nästa scenario inkluderade den totala volymökningen som skedde efter prognos för vecka 24 och resulterade i 162 % volymökning. Då hela volymökningen inte hann genomgå systemet valdes nästa scenario till att studera den maximala volymökningen studiens utformade system kunde hantera, baserat på det skapta produktionsschemat. Detta resulterade i en volymökning på 31 %. Sista scenariot studien studerade hanterade en volymökning på 18 %. Experimenten resulterade i väntetider till resurser, ledtider genom systemet, utnyttjandegrad för resurserna och hur resursernas tillgängliga tid var fördelad mellan tillstånden: ”i produktion”, ”rengöring”, ”störningar”, ”raster” och ”outnyttjad tid”. Studien landade i att produktionsledtiderna både blev kortare och längre vid olika volymökningar, vilket berodde på väntetider och produktionsschemats konstruktion. Utnyttjandegraden för maskin 1, 2, pastör P5 och tankarna ökade med volymökningarna medan för maskin 3 och 4 fanns det ingen statistisk signifikant skillnad i utnyttjandegraden mellan volymökningarna. Flaskhalsarna i produktionen identifierades som olika beroende på vilken parameter som studerades. Om parametern väntetid studerades var maskin 4 flaskhals vid grundscenariot och för resterande volymökningar bedömdes tankarna som flaskhals. Studerades i stället parametern utnyttjandegrad ansågs maskin 1 vara flaskhals i grundscenariot. I scenariot med en volymökning på 18 % gick det inte att bedöma vilken resurs som var flaskhals, men maskin 2 och pastör P5 hade högst utnyttjandegrad. Det fanns däremot ingen statistisk signifikant skillnad dem emellan och därav kunde inte en specifik flaskhals identifieras. Vid 31 % volymökning ansågs maskin 2 vara flaskhalsen och vid 162 % volymökning identifierades pastör P5 som flaskhals. Ytterligare en slutsats som drogs med hjälp av experimenten är den att flaskhalsarna är dynamiska och alltid förändras. / <p>Examensarbetet är utfört vid Institutionen för teknik och naturvetenskap (ITN) vid Tekniska fakulteten, Linköpings universitet</p>

Detta är en studie som har gjorts i samarbete med fallföretaget TitanX och är ettexamensarbete som är tänkt att ge läsaren en ökad förståelse över hurflaskhalsar kan identifieras med hjälp av simuleringsprogram. Utöver dettaskapas det även förståelse över de förbättringar och åtgärder som kan utföras föratt försöka eliminera funna flaskhalsar och därmed öka produktionsflödet.Tecken på att det fanns flaskhalsar som minskar produktionflödets hastighetupptäcktes vid första besöket hos företaget. Simuleringarna utgjorde grunden förett antal förbättringsförslag som togs fram, det visade sig att den störstaflaskhalsen var en falsmaskin i produktionsflödet. Dennes effektivitet kan efterinförande av forskarnas förslag öka outputen så mycket att antalet tillverkadeprodukter som analyseras i studien skulle kunna ökas med ungefär 50%.