I denna rapport har avgångspunktligheten på SJ:s tågdepå i Hagalund undersökts, med som syfte att hitta bakomliggande mönster och orsaker till förseningar. Det teoretiska ramverk som använts är en kombination av Lean och Six Sigma, där managementverktyget Lean har sin grund i optimering av resursutnyttjande och minskande av slöseri. De Lean-begrepp som främst tagits fasta på är Visualisering och Standardisering, då SJ har haft stora problem inom just dessa områden. Det praktiska arbetet i rapporten har i sin tur följt Six Sigma-metoden DMAIC (Define, Measure, Analyze, Improve, Control), där stor tyngdpunkt har lagts vid Mätning och Analysering. Den kvantitativa data som använts kommer direkt från SJ:s egna förseningsrapporter, där tåg som avgår fem minuter eller mer efter planerad avgångstid anses försenade. Denna försening avläses maskinellt, och den planerade avgångstiden kallas Rättidighet (RT). Alla RT > 5 avgångar noteras automatiskt, och för dessa förseningar rapporteras även förseningsorsak. Förseningsorsakerna sätts manuellt av personal på Depå Hagalund utifrån en begränsad lista med valbara förseningstyper (JDE-koder). Arbetet i denna rapport gjordes under en sexmånadersperiod hösten/vintern 2012/2013. Arbetet tittade främst på data från perioden för Tidtabell 2012 (T12), vilken sträckte sig från den 11e december 2011 till den 8e december 2012. Extra punktmarkering lades på november 2012, under vilken ett experiment i punktlighetsrapportering utfördes. Stor vikt lades vid visualisering och standardisering av processer, där tidtabellen är en naturligt styrande process vilken resursfördelat ger arbetsprocesser. En dataminering av förseningsstatistiken för T12 visade under arbetets gång på stora brister i den manuella förseningsrapporteringen, där inkonsekvent användning av JDE-koderna gjorde det omöjligt att med säkerhet få fram bakomliggande förseningsorsaksmönster. För att komma runt bristerna i grunddatan gjordes därför ett ovan nämnt experiment i november 2012 där all förseningsorsaksrapportering under månaden övervakades så att JDE-kodsättningen blev korrekt gjord. Resultatet visade på ett stort mörkertal i inrapporterade förseningar av typen ”Handhavandefel”, förseningar som tidigare dolts i slaktratskoden ”Övrigt”. En visualisering av den maskinellt inrapporterade avgångspunktligheten, RT-datan, kunde i sin tur visa på brister vid skiftesbyten, samt fastställa 13:00-18:00 som en generellt tungt förseningsdrabbad tid på dygnet. Dygnsvisualiseringen av förseningar jämfördes även med en dygnsvisualisering av tågens tid på bangården, den så kallade vändtiden, där tåg som spenderar mindre än tre timmar på Depå Hagalund kunde påvisas påverka den allmänna punktligheten i högre grad än andra avgångar. Med hjälp av regressionsanalys kunde även dokumenteras att sent ankomande tåg med kort vändtid i högre utsträckning även avgår försenade, meden sent ankommande tåg med längre vändtid ej statistiskt påverkades vad gäller avgångspunktlighet. / This report is a study of departure punctuality at the SJ train depot in Hagalund. The purpose of the report has been to find underlying patterns and reasons behind late departures. The theoretical framework that has been used is a combination of Lean and Six Sigma, where the management tool Lean has its basis in optimal resource utilization and minimizing of waste. The Lean concepts that have primarily been used are Visualization and Standardization, this since those are areas in which SJ have been lacking. The practical work behind the report has been done using the Six Sigma method DMAIC (Define, Measure, Analyze, Improve, Control), where a large focus has been put on Measuring and Analyzing. The quantitative data that’s been used has come directly from SJ’s own late departure reports, where trains departing 5 minutes or more past the scheduled time are considered to be late. This lateness is automatically registered, where the scheduled departure time is called Right Time (RT) and RT > 5 hence indicated a late departure. The reason behind the lateness is also noted for all departures, but this data is entered manually and the reason is chosen from a limited, predefined list of lateness codes (JDE codes). A data mining of the late departure statistics for the Timetable period 2012 (December 11th 2011 to December 8th 2012) revealed large flaws with the manual lateness reporting, where inconsistent usage of the JDE codes made it impossible to discern any underlying patterns in lateness factors. To circumvent the data flaws an experiment was mad during November 2012, where all late departure reporting during the month was monitored to ensure proper JDE code usage. The result revealed a large previously unknown source of delay, “Human error”, which had hitherto been hidden in the catch-all code “Miscellaneous”. A visualization of the automatically collected departure data, the RT data, in turn revealed clear issues during personal shift changes, and also concluded 1pm-6pm CET to be a late departure heavy time of the day. The visualization of departure data was also compared to the visualization of trains’ time spent at the depot, the so called turn time, where trains spending less than three hours at Depot Hagalund could be shown to affect the general departure punctuality to a higher degree than other trains. Through use of regression analysis it could also be shown that trains arriving late with a short turn time, to a higher degree also departed late, whilst trains with a longer turn time were seemingly statistically unaffected by delays in arrival.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-186522 |
| Date | January 2016 |
| Creators | Anderberg, My |
| Publisher | KTH, Industriell Management |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds