<p>Sapa Heat Transfer AB (SHT AB) är en av tre delar inom koncernen Sapa Group, som ägs av det norska företaget Orkla ASA. SHT AB har produktion både i Sverige (Finspång) och i Kina (Shanghai). Företaget är en världsledande leverantör och utvecklare av aluminiumband som används i olika typer av värmeväxlare, främst inom bilindustrin.</p><p>I flera steg av produktionen, som innefattar omsmältning, varm- och kallvalsning samt skärning, uppkommer ett skrotfall av aluminium. Detta skrot tas omhand och återanvänds som råvara i företagets omsmältverk. SHT AB har idag inget automatiserat IT-stöd för att prognostisera skrotavfallet, dessa beräkningar görs istället med hjälp av Excel. Då skrotfallet beräknas används ett schablonvärde för processens utbyte, som motsvarar genomsnittet för samtliga legeringskombinationer i produktion. Eftersom ett medelvärde används blir prognosen missvisande för vissa legeringar. Detta då utbytet varierar mycket, vilket gör att det både finns de legeringskombinationer som har betydligt högre utbyte än genomsnittet och de som har betydligt lägre. SHT AB har idag inte heller någon koppling mellan faktisk orderstock och kortsiktig prognostisering av skrotfall.</p><p>Syftet med detta examensarbete är att ta fram förslag på hur Sapa Heat Transfer AB kan och bör utveckla sin prognostisering av skrotfall. Därigenom ska Sapa Heat Transfer AB få bättre precision i både långsiktig och kortsiktig skrotfallsprognos, och på så vis förbättra råvaruplaneringen.</p><p>För att förbättra den långsiktiga skrotfallsprognosen måste nedbrytningen av prognosen för legeringskombinationer analyseras. En förbättring av nedbrytningen förväntas innebära en förbättrad långsiktig prognos. Förbättrad innebär i detta fall att skrotfallsprognosen bättre ska följa den långsiktiga prognosen för försäljning av legeringskombinationer. Precisionen hos skrotfallsprognosen blir givetvis beroende av precisionen hos denna prognos. En förändring av nedbrytningen medför dock att kapacitetsplaneringen för omsmältverkets ugnar påverkas.</p><p>Åtgärdsförslaget som tas fram för den långsiktiga prognostiseringen är tänkt att förbättra denna genom att schablonvärdet som används ersätts med varje legeringskombinations specifika prognostiserade utbyte. Data som behövs för att genomföra en sådan prognos finns tillgänglig i SHT AB:s databaser, och med hjälp av prognostiseringsmetoden exponentiell utjämning kan utbytet prognostiseras. Genom att använda denna metod med ett lågt värde på utjämningskonstanten α, fås en prognos där extremvärden inte ger kraftiga utslag på prognosen.</p><p>Den kortsiktiga skrotfallsprognosen, som idag bygger på en nedbrytning av den långsiktiga prognosen, kan förbättras genom att istället kopplas till den faktiska orderstocken. Om denna koppling görs baseras skrotfallsprognosen mer på känd information istället för på en annan prognos. En koppling till orderstocken kan dock bara användas för kortsiktig skrotfallsprognostisering då orderstocken inte sträcker sig flera månader framåt.</p><p>Åtgärdsförslaget som tas fram för den kortsiktiga skrotfallsprognosen utgår från att en schablonmässig prognos först tas fram för de skrotgrupper som ska prognostiseras. I denna används en individuell prognostiserad skrotfallsfaktor som tas fram med exponentiell utjämning för respektive skrotgrupp. Skrotfallsfaktorn är baserad på historisk data för planerat material in till processen och invägt skrot till smältverket. Med hjälp av skrotfallsfaktorn, data för hur mycket material som är planerade in i processen kommande veckor och med hänsyn till att skrot faller under hela ledtiden, kan ett förväntat skrotfall för kommande vecka/veckor beräknas.</p><p>För att få en bättre precision än hos den schablonmässiga prognosen, kan sedan prognosen för de skrotgrupper som är mest intressanta utvecklas och anpassas. De kan ges individuella värden på utjämningskonstanten α för prognostiseringen av skrotfallsfaktor och även sättet som hänsyn till ledtid tas kan anpassas. I förslaget har förenklingen gjorts att skrot väntas falla symmetriskt över ledtiden vilket inte stämmer helt med verkligheten. Därför bör prognosen också utvecklas så att hänsyn tas till att det exempelvis faller förhållandevis mycket skrot i slutet av ledtiden.</p> / <p>Sapa Heat Transfer AB (SHT AB) is one of three components in the corporate group Sapa Group, owned by the Norwegian company Orkla ASA. Sapa Heat Transfer AB has production in Sweden (Finspång) and China (Shanghai). The company is a world leading supplier and developer of aluminum strips used in various types of heat exchangers, primarily in the automotive industry.</p><p>In several stages of the production, which includes remelting, hot and cold milling and cutting, a part of the processed material becomes scrap metal. This scrap metal is collected and reused as raw material in the remelting factory. SHT AB currently has no automated IT support to forecasting this scrap metal; these calculations are, in the current situation, made with the help of Excel. In the calculation of scrap metal the company uses a standard value, corresponding to the average yield for all alloy combinations in the production. As a mean value is being used for all alloy combinations, the forecast becomes misleading for some alloys. The yield varies widely depending on the alloy, which means there are alloy combinations that are above the average yield and some that are below. In the current situation SHT AB has no link between actual orders and the short-term forecast of scrap metal.</p><p>The purpose of this thesis is to develop proposals on how Sapa Heat Transfer AB can and should develop its forecasting of scrap metal. This will help them getting a better accuracy in their forecasting and thereby improving the raw material planning.</p><p>In order to improve the long-term forecast of scrap metal the decomposition of the forecast for the alloy combination had to be analyzed. An improvement of the decomposition will mean an improvement of the precision for the long-term prognosis of scrap metal. A change in the decomposition will also influence the capacity planning in the remelting factory.</p><p>The action proposal for the long-term forecasting will result in a better accuracy of the forecast by replacing the mean value for the yield by a specific forecasted yield of each alloy combination. The data needed to carry through such a forecast is available in SHT AB´s databases, and by using the forecasting method exponential smoothing the yield can be forecasted. By using this method a forecast will be obtained that, with a low value of α, will not take such great impact from extreme values that sometimes occur.</p><p>The current short-term scrap metal forecast, based on a decomposition of the alloy combination forecast, can be improved by a link to the actual backlog. If this link is established the scrap metal forecast will be based on known information instead of forecasted data. A link to the backlog can only be used for a short-term forecast due to the length of the awaiting orders.</p><p>The action proposal to improve the short-term forecast assumes that a standardized forecast is developed for the scrap groups to be projected. The forecast should use an individually forecasted scrap factor produced with exponential smoothing for each scrap group. The scrap factor is based on historical data for the material planned to go into the process and the weighed scrap delivered to the remelting factory. With this scrap factor, data on how much material that is planned into the process the coming weeks and with consideration of scrap falling throughout the lead time the expected amount of scrap for the coming week / weeks can be calculated.</p><p>To get a better precision compared to the standardized forecasts, the forecasts of the most interesting scrap groups should be developed and adapted. They can be given individual values of the smoothing constant α for the prediction of the scrap factor and the way the lead time is being considered can be adjusted. In the proposal the simplification that scrap is expected to fall symmetrically distributed over the lead time has been done. In reality this is not the case. Therefore, the forecast should also be developed to take into account that, for example, more scrap is falling in the end of the lead time.</p>
Identifer | oai:union.ndltd.org:UPSALLA/oai:DiVA.org:liu-53896 |
Date | January 2010 |
Creators | Wittesjö, Viktor, Thörne, Joakim |
Publisher | Linköping University, Production Economics, Linköping University, Production Economics |
Source Sets | DiVA Archive at Upsalla University |
Language | Swedish |
Detected Language | Swedish |
Type | Student thesis, text |
Page generated in 0.0023 seconds