Kaunis Iron är ett gruvföretag som utvinner järnmalm i Kaunisvaara och producerade cirka 2,3 miljoner ton finkornigt järnmalmskoncentrat under 2022, vilket även går under benämningen slig. Företaget har planer på att öppna två nya dagbrott inom en snar framtid för att öka årsproduktionen till 3 miljoner ton. Som en global aktör betjänar Kaunis Iron kunder över hela världen, vilket kräver effektiva och väl fungerande transporter för att säkerställa hög leveranssäkerhet och nöjda intressenter. Syftet med denna studie var att analysera leveranskedjan utifrån dess kvalitet, kostnadseffektivitet och produktivitet för att identifiera eventuella flaskhalsar som påverkar leveranssäkerheten. Studien använde problemlösningsmetodiken DMAIC och genomfördes som ett Six Sigma-projekt med hjälp av simulering och försöksplanering. Faktorerna antal chaufförer per skiftlag, antal lastbilar, tillgänglighet lastbilar, tillgänglighet chaufförer, fastfrysningar och lagerkapacitet i Pitkäjärvi undersöktes genom en optimal design i två separata scenarier. Det första scenariot baserades på Kaunis Irons nuvarande årsproduktion på 2,3 miljoner ton, medan det andra scenariot utgick från en framtida årsproduktion på 3 miljoner ton. Totalt genomfördes 100 delförsök i det första scenariot och 120 delförsök i det andra. Resultaten från dessa två scenarierna användes sedan för att optimera transporten av slig för respektive scenarion, med fokus på att öka leveranssäkerheten och därmed minska den totala kostnaden. Studiens slutsats var att samtliga undersökta faktorer hade en viss påverkan på förseningstiderna och de totala kostnaderna för hela värdeflödet, för respektive scenario. Resultaten antyder att det nuvarande transporten av slig inte är optimal. Efter analys och optimering för respektive scenario är våra rekommendationer att använda 37 chaufförer/skift och 33 lastbilar för scenario 1 samt 46 chaufförer/skift och 39 lastbilar för scenario 2. Om tillgänglighet på lastbilar och chaufförer ökas samt att det sker en effektivisering av cykeltiden på grund av minskning av fastfrysningar, blir de optimala inställningarna 34 chaufförer/skift och 31 lastbilar för scenario 2,3 miljoner ton samt 42 chaufförer/skift och 39 lastbilar för scenario 3 miljoner ton. För scenariot 3 miljoner ton rekommenderas en utbyggnad av lager i Pitkäjärvi till alternativet 70 000 ton. En ytterligare slutsats från studien är att det inte alltid är ekonomiskt fördelaktigt att helt eliminera förseningstiderna. I scenariot med 2,3 miljoner ton visade det sig att den optimala lösningen innefattar en viss förseningskostnad (1 993 tkr), vilket ändå resulterade i ett kostnadseffektivare system. Baserat på kostnadsöversikterna i control-avsnittet går det att dra slutsatsen att det är mer ekonomiskt fördelaktigt för Kaunis Iron att använda sin egen personal och lastbilar för att uppnås en hög leveranssäkerhet. / Kaunis Iron is a mining company that extracts iron ore in Kaunisvaara and produced approximately 2,3 million tons of fine-grained iron ore concentrate, also known as slig, in 2022. The company plans to open two new open-pit mines in the near future to increase annual production to 3 million tons. As a global player, Kaunis Iron serves customers worldwide, which requires efficient and well-functioning transportation to ensure high delivery reliability and satisfied stakeholders. The purpose of this study was to analyze the supply chain in terms of its quality, cost-effectiveness, and productivity to identify any bottlenecks that affect delivery reliability. The study used the DMAIC problem-solving methodology and was conducted as a Six Sigma project using simulation and experimental design. The factors of the number of drivers per shift team, the number of trucks, truck availability, driver availability, freezing issues, and storage capacity in Pitkäjärvi were examined through an optimal design in two separate scenarios. The first scenario was based on Kaunis Iron's current annual production of 2,3 million tons, while the second scenario assumed a future annual production of 3 million tons. A total of 100 sub-experiments were conducted in the first scenario and 120 sub-experiments in the second. The results from these two scenarios were then used to optimize the transportation of slig for each scenario, with a focus on increasing delivery reliability and thus reducing the overall cost. The study concluded that all the factors examined had some impact on the delay times and total costs for the entire value stream, for each scenario. The results suggest that the current transportation of slurry is not optimal. After analysis and optimization for each scenario, our recommendations are to use 37 drivers/shift and 33 trucks for scenario 1, and 46 drivers/shift and 39 trucks for scenario 2. If truck and driver availability is increased and cycle time is improved due to reduced freezing issues, the optimal settings would be 34 drivers/shift and 31 trucks for the 2,3 million-ton scenario, and 42 drivers/shift and 39 trucks for the 3 million-ton scenario. For the 3 million-ton scenario, expanding the storage capacity in Pitkäjärvi to the 70 000 ton option is recommended. Another conclusion from the study is that it is not always economically advantageous to completely eliminate delay times. In the 2,3 million-ton scenario, it was found that the optimal solution includes a certain delay cost (1 993 tkr), which still resulted in a more cost-effective system. Based on the cost overviews in the control section, it can be concluded that it is more economically advantageous for Kaunis Iron to use its own personnel and trucks to achieve high delivery reliability.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:ltu-99163 |
| Date | January 2023 |
| Creators | Mattisson, Christoffer, Sjöblad, Oscar |
| Publisher | Luleå tekniska universitet, Institutionen för ekonomi, teknik, konst och samhälle |
| 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 0.0031 seconds