Univerza v Ljubljani Fakulteta za elektrotehniko Sebastjan Zorzut Vodenje proizvodnje v procesni industriji z upoštevanjem ključnih kazalnikov učinkovitosti Doktorska disertacija Mentor: izred. prof. dr. Gašper Mušič V Ljubljani, jnij 2009 Zahvala Najlepše se zahvaljujem svojemu mentorju izred. prof. dr. Gašperju Mušiču za pomoč in strokovne nasvete pri nastajanju pričujočega dela, za potrpežljivo branje besedila in vzor pri natančnem formuliranju in predstavljanju rezultatov raziskave. Iskrena zahvala gre tudi dr. Vladimirju Jovanu, ki me je spremljal na moji raziskovalni poti od začetka do konca, od blizu ali daleč, me opogumljal v trenutkih dvoma in se z mano veselil novih spoznanj in odkritij. Posebna zahvala gre tudi dr. Dejanu Gradišarju, saj sva skupaj pretapljala ideje v otipljive rezultate in jim dala obliko, ki je predstavljena v tem delu, vmes pa vedno dobila čas za prijateljsko besedo. Zahvalil bi se tudi prof dr. Stanku Strmčniku in ostalim sodelavcem Odseka za sisteme in vodenje, ki so me z veseljem sprejeli medse in mi omogočili raziskovalno pot in popotovanje preko številnih izzivov in doživetij do pričujočega dela. Velika zahvala gre tudi sestri Marjetki za slovnični pregled besedila. In na koncu bi se rad zahvalil še svoji družini, Anamariji in Angeli ter staršem in prijateljem in drugim, ki ste me s pogovorom, spodbudo, dobro voljo ali kako drugače spremljali na tej poti. Povzetek Doktorska disertacija obravnava problematiko vodenja in optimizacije proizvodnje v podjetjih s poudarkom na procesni industriji. Vodenje v podjetjih obsega več hierarhičnih nivojev, od osnovnega in nadzornega vodenja tehnoloških procesov preko vodenja in optimizacije proizvodnje do vodenja podjetja na poslovnem nivoju. Naloga vodenja proizvodnje je preslikava kratkoročnih in srednjeročnih planov s poslovnega nivoja vodenja v obliko, ki je razumljiva nadzornemu nivoju vodenja (dnevni razporedi dela, parametri, ki določajo režim delovanja tehnoloških procesov, itd.). Pod pojmom režimi delovanja lahko razumemo različne delovne točke tehnoloških procesov. Za ocenjevanje uspešnosti vodenja je potrebno definirati merljive cilje vodenja in postopke za njihovo implementacijo. Ocena stopnje doseganja ciljev je lahko kvalitativna ali kvantitativna, odvisno od objekta ocenjevanja. V splošnem so ocene stvarnih procesov kvantitativne, saj so povezane z merljivimi fizikalnimi dejstvi, medtem ko so ocene subjektivnih lastnosti vezane na občutke in je njihovo ocenjevanje tako bolj kvalitativno (npr. zadovoljstvo zaposlenih, strank, itd.). Na poslovnem nivoju vodenja zasledimo velik delež kvalitativnih ocen, kar je povezano z naravo procesov, ki se na tem nivoju izvajajo (ocenjevanje uspešnosti storitev, razvoj notranjih procesov, itd.), predstavniki kvalitativnih meril pa so finančni izkazi uspešnosti poslovanja. V literaturi zasledimo številne sistemske pristope k tej problematiki, imenovane "sistemi merjenja učinkovitosti" (angl. Performance Measurement Systems PMS). Eden od takšnih sistemov je sistem ključnih kazalnikov učinkovitosti KPI (angl. Key Performance Indicators), katerega metodologijo smo v doktorski disertaciji prenesli na proizvodni nivo vodenja in jo preimenovali v proizvodni kazalniki učinkovitosti (angl. Production Performance Indicators pPI). S to metodologijo smo lahko definirali merljive cilje vodenja proizvodnje na različnih področjih (produktivnost, kakovost produktov, stroški proizvodnje). Avtomatsko vodenje osnovnih procesov je relativno enostavna funkcija. Nadzorni sistem vodenja je sestavljena funkcija, ki obsega postopkovno vodenje posameznih procesov, vsebuje pa tudi funkcije diagnostike in komunikacije z operaterjem, zbiranje, predstavitev in posredovanje podatkov, varovanje in alarmiranje, kar predstavlja višjo stopnjo kompleksnosti v primerjavi z osnovnim vodenjem. Razsežnost problema, ki ga predstavlja vodenje proizvodnje (angl. plant-wide control), je v primerjavi z osnovnim in nadzornim vodenjem posameznih naprav mnogo večja. Izbira reguliranih spremenljivk za sistem vodenja za proizvodnjo ni tako jasna in enostavna, kot to velja za posamezne enote. Tudi lokalne regulacijske odločitve, ki se izvedejo na nivoju posamezne enote, imajo lahko daljnosežne posledice za celotno proizvodnjo. Za potrebe testiranja in implementacije sistema proizvodnih kazalnikov učinkovitosti pPI in sistema zaprtozančnega vodenja celotne proizvodnje smo potrebovali model proizvodnje. Kot prvi korak v tej smeri smo pregledali različne pristope k sintezi modelov tako proizvodnih procesov kot tudi celotnih podjetij. Nadalje smo predstavili primer izdelave proceduralnega modela za izbrani šaržni proces polimerizacije, ki smo ga realizirali v programskem okolju Matlab, Simulink in Stateflow, vhodne in izhodne proizvodne podatke pa smo shranjevali v podatkovno bazo MS Access. V okviru proceduralnega modela smo zgradili sistem za izračunavanje in prikazovanje proizvodnih kazalnikov učinkovitosti pPI. Optimizacija predstavlja pomembno funkcijo vodenja proizvodnje in temelji na minimizaciji/maksimizaciji dane kriterijske funkcije. Optimizacijske metode lahko temeljijo na matematičnem modelu proizvodnje in ustreznih algoritmih, kot je optimizacija proizvodnje v realnem času (angl. Real-Time Optimization RTO). V literaturi zasledimo tudi tako imenovano samooptimizirajoče vodenje sistemov (angl. self-optimizing control), ki temelji na ustrezni izbiri reguliranih spremenljivk. Z regulacijo teh spremenljivk na predpisano referenčno vrednost se sistem nahaja v optimalnem režimu delovanja ali v njegovi bližnji okolici. Tako se kompleksen optimizacijski problem prevede na enostavnejši regulacijski problem. V doktorski disertaciji smo združili koncepta pPI-jev in samooptimizirajočega vodenja in dobili sistem za vodenje in optimizacijo proizvodnega procesa na modelu proizvodnje. Izbiro ustreznih referenčnih vrednosti za pPI-je v povratni zanki smo izvajali ročno s pomočjo stroškovnega modela proizvodnje, medtem ko se je regulacija pPI-jev na izbrane referenčne vrednosti izvajala avtomatsko, pri čemer smo preizkusili dva regulatorja: regulator na osnovi vpoglednih tabel (angl. look-up table) in prediktivnega regulatorja na osnovi modela (angl. Model Predictive Control MPC). Simulacijski rezultati vodenja so pokazali učinkovitejše delovanje regulatorja MPC. Z eksperimentalnim delom na področju avtomatskega vodenja proizvodnje z uporabo pPI-jev, ki smo ga implementirali na proceduralnem modelu proizvodnje, smo spoznali, da na kakovost regulacije močno vplivajo parametri kazalnikov, kot so pogostost izračunavanja in količina podatkov, ki se uporabljajo za izračunavanje kazalnikov. Z uporabo modificiranih kazalnikov, ki dodatno upoštevajo trenutne trende v proizvodnih procesih, ki jih s kazalniki ocenjujemo, smo dosegli boljše rezultate. Abstract The thesis deals with the problem of controlling and optimizing the production in process industries. The control structure in production companies can be divided in more hierarchical layers, ranging from the control of the basic units on a production process level through supervisory control of technological processes, plant-wide control and optimization to the management control on a business level. Production control deals with the translation of short-term and medium-term plans of the management control level into a daily schedule of production tasks, set of desired production process parameters, etc. In order to assess the production effectiveness and efficiency, it is essential to define appropriate measures for the main production goals as well as the implementation procedures for such measures. The measures can be qualitative or quantitative and are dependent on the evaluated objects. As the physical processes are based on the physical laws, it is natural to perform quantitative measures in assessing them. Qualitative measures are usually used for assessing subjective characteristics, which are more often found in relation to people. In literature review we have found many systematic approaches in the field of performance measurements on the company level, called Performance Measurement Systems PMS. A typical example of such systems is a Key Performance Indicators (KPIs) system. To achieve a balanced development of production processes in different segments (production costs, quality and effectiveness aspects), it is useful to transfer the KPI methodology from the company level to the production process level and to name it production Performance Indicators (pPIs). Automatic control of basic processes is a relatively simple function. Supervisory control is a composed function, incorporating procedural control, diagnostic and communication functions, acquisition, transfer and representation of production data as well as protecting function with alarming, representing an increased degree of complexity in accordance to elementary control. The complexity of the plant-wide control is even higher as it is not so obvious and easy to identify proper controlled variables for plant-wide control in comparison with simple control loops. Furthermore, local control decisions can have broader implications on other production processes of the entire production plant. In order to test and implement the pPI system and a plant-wide control system, a proper production process model was required. There are many approaches in the field of modeling the production companies that include production processes as well. Our first step was to carry out the survey of such approaches. Next, a model of a polymerization batch production process in the Matlab and Simulink modeling environment was developed. The procedural control was realized in a Stateflow toolbox and the production data was stored in a Microsot Access database. The procedural model of a polymerization plant was further upgraded with a pPI system and a plant-wide control system. A plant optimization is an important production control function and is based on the minimization or maximization of a special criteria function. In practice the optimization procedures are based on the mathematical model of the production plant and the algorithm that minimizes or maximizes the criteria function. The most common algorithm of this kind is a Real-Time Optimization algorithm. Apart from the mathematical approach to the problem of production optimization there is also a so-called self-optimizing control procedure that is based on a proper selection of controlled variables. If such variables are controlled to the prescribed reference values, the system is performing in optimal or near optimal region. With such an approach a complex optimization problem is transformed to a simpler control problem. In the thesis we have used the pPI system for identifying and evaluating the regulatory variables used in a self-optimizing control scheme. With this approach a system for plant-wide control and optimization was developed and tested on a procedural model of a polymerization plant. The reference values for the pPIs in the control loop were choused manually with the support of the production cost model, while the pPIs were automatically controlled to the prescribed set-points by a controller. We have tested two different controllers; a controller based on look-up tables and a Model Predictive Controller (MPC), which has achieved better results. Experimental work, done in the domain of a plant-wide control, which is based on the pPIs in the control loop, has led to certain conclusions. The quality of plant-wide control is highly dependent on the p-PIs' parameters such as the frequency of pPIS evaluation, the quantity of historical data in the pPIs, etc. The use of modified pPIs, placing additional stress on current trends in production process, has returned better results. Originalni prispevki doktorske disertacije Zasnova, validacija in izvedba modela tehnološkega procesa za proizvodnjo polimernih emulzij kot testne platforme za preizkušanje novih pristopov k vodenju proizvodnje, ki temelji na realnem šaržnem proizvodnem procesu. Preizkušanje novih pristopov k vodenju kompleksnih tehnoloških procesov je povezano s problemom razpoložjivosti takšnih procesov za eksperimentiranje, varnostjo in štroški poseganja v sam proces med samim obratovanjem. Iz takšnih razlogov se nove sisteme za vodenje vse pogosteje preizkuša na modelih procesov. V okviru disertacije smo razvili in validirali model tehnološkega procesa za proizvodnjo polimernih emulzij, v okviru katerega smo lahko preizkušali koncept samooptimizirajočega vodenja proizvodnje z uporabo proizvodnih kazalnikov učinkovitosti pPI. Zasnova koncepta zaprtozančnega vodenja proizvodnje na temelju samooptimizirajočega vodenja, kjer nastopajo v vlogi reguliranih spremenljivk izbrani proizvodni kazalniki učinkovitosti pPI, vodja proizvodnje pa nastavlja primerne referenčne vrednosti na podlagi zahtev poslovnega nivoja in ob pomoči sistema za podporo odločanju. Princip samooptimizirajočega vodenja omogoča sistematičen pristop k problematiki učinkovitega vodenja kompleksnih sistemov vse od definicije cilja vodenja, preko identifikacije manipulativnih in reguliranih spremenljivk sistema do analize vpliva motenj na vodenje sistema. Regulirane spremenljivke morajo zadovoljevati predpisane kriterije, ki so povezani z vodljivostjo in robustnostjo sistema. Regulirane spremenljivke predstavljajo podmnožico ali kombinacijo izbranih meritev v sistemu. Z regulacijo teh spremenljivk na izbrano referenčno vrednost dosežemo, da sistem deluje v optimalnem področju delovanja ali v njegovi bližnji okolici. V disertaciji smo uporabili kazalnike pPI kot regulirane spremenljivke sistema. Z analizo relacij med proizvodnimi stroški, produktivnostjo in kakovostjo surovin, smo priodobili stroškovni model proizvodnje, ki smo ga uporabljali za nastavljanje referečnih vrednosti za kazalnike v povratni zanki. Izvedba zaprtozančnega vodenja proizvodnje na modelu tehnološkega procesa za proizvodnjo polimernih emulzij ob uporabi dveh vrst regulatorjev: regulatorja na osnovi vpoglednih tabel in prediktivnega regulatorja na osnovi matematičnega modela procesa. Predstavljen koncept zaprtozančnega vodenja proizvodnje smo preizkusili na modelu tehnološkega procesa za proizvodnjo polimernih emulzij. Stroškovno optimizacijo izvaja vodja proizvodnje z nastavljanjem referenčnih vrednosti za kazalnika, ki ju regulira proizvodni regulator. Regulator na osnovi vpoglednih tabel je služil za testiranje predstavljenega koncepta vodenja. Z uporabo prediktivnega regulatorja na osnovi poenostavljenega matematičnega modela proizvodnje smo preizkušali različne režime delovanja proizvodnje in analizirali vpliv časovnih parametrov algoritma za izračunavanje kazalnikov na kakovost regulacije. KAZALO 1. UVOD ....................................................................................................................... 1 2. ORGANIZACIJSKE STRUKTURE V PODJETJIH ......................................... 5 2.1 Temeljni mejniki v zgodovini razvoja proizvodnih podjetij ............................ 5 2.2 Organizacija in tipi proizvodnih podjetij .......................................................... 9 2.2.1 Organizacijske strukture v podjetjih ............................................................. 9 2.2.2 Vrste proizvodnih procesov ........................................................................ 11 2.3 Organizacijska struktura vodenja v proizvodnem podjetju ............................ 13 3. VLOGA INFORMACIJSKIH TEHNOLOGIJ V PODJETJIH ...................... 15 3.1 Informacijski tokovi v podjetju ....................................................................... 16 3.2 Zakaj so informacijsko-komunikacijski sistemi pomembni ........................... 17 3.3 Sistemi za vodenje in nadzor proizvodnih procesov ...................................... 18 3.4 Sistemi za podporo odločanju DSS ................................................................ 20 3.4.1 Ekspertni sistemi ......................................................................................... 21 3.5 Uporaba opisanih pristopov in hierarhija odločitvenih nivojev v podjetju .... 21 4. METODOLOGIJA KLJUČNIH KAZALNIKOV UČINKOVITOSTI KPI..23 4.1 Uravnoteženi sistem kazalnikov BSC ............................................................. 24 4.2 Predstavitev kazalnikov in njihovih atributov ................................................ 26 4.2.1 Dimenzije (atributi) kazalnikov .................................................................. 26 4.2.2 Predstavitev vrednosti kazalnikov .............................................................. 27 4.2.3 Hierarhija kazalnikov .................................................................................. 27 4.3 Kazalniki procesnega in proizvodnega nivoja vodenja .................................. 28 4.3.1 Kazalniki procesnega nivoja vodenja ......................................................... 30 4.3.2 Kazalniki proizvodnega nivoja vodenja pPI ............................................... 30 4.4 Povezanost kazalnikov na različnih hierarhičnih nivojih ............................... 33 4.5 Uvajanje kazalnikov proizvodnega nivoja pPI ............................................... 33 4.5.1 Primer 8-koračnega iterativnega zaprtozančnega modela za izračunavanje kazalnikov ............................................................................................................... 34 4.6 Časovni parametri pri izračunavanju kazalnikov ............................................ 36 4.7 Samo izračunavanje kazalnikov ni dovolj ...................................................... 37 ii Kazalo 5. ZAPRTOZANČNA PARADIGMA VODENJA PROIZVODNJE .................. 39 5.1 Samooptimizirajoče vodenje procesov ............................................................ 40 5.1.1 Izbira manipulativnih in reguliranih spremenljivk ...................................... 42 5.2 Zaprtozančna regulacijska shema z uporabo pPI ............................................ 44 6. KONCEPTI MODELIRANJA PROIZVODNIH PROCESOV ....................... 47 6.1 CIMOSA ......................................................................................................... 48 6.2 GRAI in GRAI/GIM ....................................................................................... 48 6.3 PERA ............................................................................................................... 49 6.4 GERAM – krovni koncept modeliranja .......................................................... 49 6.5 ARIS ................................................................................................................ 50 6.6 Ostale metodologije ......................................................................................... 51 6.6.1 Sistemi MES ................................................................................................ 51 6.6.2 Standard ISA-95 .......................................................................................... 51 6.7 Modeliranje proizvodnih procesov v podjetju ................................................ 51 7. MODEL PROIZVODNJE .................................................................................... 53 7.1 Opis tehnološkega procesa za proizvodnjo polimernih emulzij ...................... 54 7.1.1 Opis tehnološkega postopka za izdelavo homopolimernih emulzij ............ 55 7.1.2 Opis tehnološkega postopka za izdelavo kopolimernih emulzij ................. 56 7.2 Namen, funkcije in poenostavitve modela proizvodnega procesa .................. 56 7.3 Izbira simulacijskega orodja ............................................................................ 58 7.4 Struktura modela proizvodnega obrata Polimerizacija v Mitolu .................... 59 7.5 Osnovni modeli proizvodnih enot ................................................................... 60 7.6 Postopkovno vodenje proizvodnega procesa .................................................. 62 7.6.1 Vrste opravil ................................................................................................ 63 7.6.2 Razvrstitev in proženje opravil ................................................................... 65 7.6.3 Postopek izvajanja šarže .............................................................................. 67 7.6.4 Postopek egalizacije .................................................................................... 69 7.7 Podatkovni model proizvodnje ........................................................................ 70 7.8 Grafični uporabniški vmesnik GUI ................................................................. 70 7.9 Modeliranje preostalih delov procesa ............................................................. 71 7.9.1 Alokacija in spremljanje zasedenosti virov ................................................. 71 7.9.2 Zastoji v proizvodnji ................................................................................... 71 7.9.3 Modeliranje kakovosti izdelka .................................................................... 72 7.9.4 Stroški proizvodnje ..................................................................................... 74 7.10 Verifikacija in validacija modela .................................................................... 75 7.10.1 Validacija velikosti in trajanja šarž ter prehodnih časov med šaržami ...80 7.10.2 Validacija modela za opisovanje kakovosti izdelkov ............................. 85 8. KAZALNIKI ZA PROIZVODNI PROCES POLIMERIZACIJE .................. 87 8.1 Produktivnost .................................................................................................. 87 iii 8.2 Kakovost izdelkov .......................................................................................... 88 8.3 Proizvodni stroški ........................................................................................... 88 8.4 Implementacija kazalnikov ............................................................................. 89 8.5 Občutljivost pPI-jev na spremembe manipulativnih spremenljivk ................. 93 8.5.1 Monotona proizvodnja ................................................................................ 93 8.5.2 Raznovrstna proizvodnja ............................................................................ 98 8.6 Identifikacija proizvodnega procesa po metodi najmanjših kvadratov ........ 100 8.7 Ustreznost pPI-jev za samooptimizirajoče vodenje proizvodnje .................. 109 9. IMPLEMENTACIJA ZAPRTOZANČNEGA VODENJA PROIZVODNJE NA MODELU PROIZVODNJE ................................................................................ 111 9.1 Regulacijska shema zaprtozančnega vodenja proizvodnje ........................... 112 9.2 Vodenje z regulatorjem na osnovi vpoglednih tabel .................................... 113 9.3 Vodenje z regulatorjem MPC ....................................................................... 114 9.3.1 Primer vodenja z uporabo kazalnikov s krajšim časovnim oknom .......... 119 10. ZAKLJUČEK .................................................................................................. 123 11. REFERENCE .................................................................................................. 125 1. Uvod V proizvodnih podjetjih je vodenje procesov razdeljeno na več hierarhičnih nivojev, kjer naloge vodenja in usklajevanja osnovnih tehnoloških operacij opravlja procesni nivo vodenja, naloge planiranja in optimizacije proizvodnje opravlja proizvodni nivo vodenja, medtem ko strateško odločanje poteka na poslovnem nivoju vodenja. Za avtomatizacijo funkcij vodenja na procesnem nivoju v veliki večini obstajajo vsa potrebna orodja (aparaturna in programska oprema) kot tudi teoretična znanja, na osnovi katerih je možno razviti sisteme vodenja. Tudi na poslovnem nivoju so bili v zadnjih desetletjih razviti številni sistemi za celovito podporo izvajanju poslovnih funkcij ter sistemi za podporo odločanju, med katerimi so še posebej zanimivi sistemi za merjenje učinkovitosti (angl. Performance Measurement Systems PMS). Osnovna prednost slednjih je sistematičen pristop k identifikaciji merljivih ciljev poslovanja, ki izhajajo iz strategije poslovanja, in njihovi implementaciji. Merila pokrivajo tako finančna kot ostala področja poslovanja, ki kratkoročno in dolgoročno vplivajo na uspešnost podjetja. Proizvodni nivo vodenja pa predstavlja tisti segment vodenja v podjetju, ki spaja tehnološke in poslovne funkcije podjetja, katere so si po naravi različne. Pomembna vloga proizvodnega nivoja vodenja je v obdelavi in posredovanju podatkov med poslovnimi in tehnološkimi procesi. Sodobni informacijsko-komunikacijski sistemi omogočajo zbiranje raznovrstnih podatkov, ki opisujejo stanje opreme in drugo dogajanje v proizvodnji. Za hitro in kakovostno odločanje je potrebna ustrezna izbira in predstavitev podmnožice teh podatkov zainteresiranim uporabnikom na različnih nivojih odločanja. Izbira podatkov, ki se posredujejo posameznemu uporabniku, je odvisna od cilja opazovanja za vsakega uporabnika posebej. Tako se povezovanje proizvodnega nivoja s poslovnim nivojem kaže v sprejemanju kratkoročnih planov in strategije razvoja iz poslovnega nivoja ter posredovanju podatkov o poteku in realizaciji preteklih naročil, podatkov o možnosti realizacije novih naročil v predvidenih rokih, podatkov o porabi delovnih sredstev (surovin, delovnih ur, energije), itd. na poslovni nivo. 2 1. Uvod V doktorski disertaciji se ukvarjamo s problematiko uspešnega vodenje proizvodnje, pri čemer je kot prvo potrebno definirati kriterije uspešnosti in učinkovitosti. Sistematičen pristop k obvladovanju slednjih na nivoju celotnega podjetja zasledimo v tako imenovanem konceptu ključnih kazalnikov učinkovitosti (angl. Key Performance Indictors KPI). Definicija kriterijev uspešnosti in učinkovitosti proizvodnih procesov je mogoča z definicijo KPI-jev za proizvodni nivo vodenja, ki jih bomo v tem delu imenovali proizvodni kazalniki učinkovitosti (angl. production Performance Indicators pPI). Ko so takšni kazalniki enkrat definirani, je potrebno definirati želene cilje v obliki referenčnih vrednosti za te kazalnike kot tudi regulacija kazalnikov na te referenčne vrednosti, kar predstavlja klasičen regulacijski problem, katerega reševanje je obdelano v okviru teorije vodenja sistemov (Strmčnik, 1998). Naslednji korak k večji uspešnosti proizvodnje je mogoč z optimizacijo proizvodnih procesov, pri čemer je poleg optimizacije tehnoloških postopkov potrebna tudi stroškovna optimizacija. Optimizacija proizvodnje predstavlja nadaljnje stopnjevanje kompleksnosti v okviru problematike uspešnega vodenja proizvodnje, saj za svoje delovanje v osnovi potrebuje dober model proizvodnje, do katerega pa je v praksi zelo težko priti. V literaturi nadalje zasledimo princip samooptimizirajočega vodenja (angl. self-optimizing control), ki klasični optimizacijski problem ob določenih pogojih prevede na navaden regulacijski problem. Osnova tega koncepta je, da z vzdrževanjem izbranih reguliranih proizvodnih spremenljivk (lahko so to pPI-ji) na predpisanih referenčnih vrednostih, zagotavljamo obratovanje sistema v njegovem optimalnem področju oziroma njegovi bližnji okolici. Opisani princip sovpada z metodologijo KPI-jev na poslovnem nivoju vodenja, kjer vzdržujemo ključne kazalnike na želenih referenčnih vrednostih. Z združitvijo vseh opisanih principov je možno formalizirati vodenje in optimizacijo proizvodnih procesov, v določenih primerih pa je z implementacijo ustreznih regulatorjev te procese možno tudi avtomatizirati. Pri izgradnji takšnih sistemov igrajo ključno vlogo modeli proizvodnih procesov, ki predstavljajo enega od gradnikov pri gradnji modela podjetja. Poleg uvodnega poglavja obsega disertacija še osem poglavij. V drugem poglavju na kratko predstavimo zgodovinski razvoj poslovnih sistemov. Najprej na kratko predstavimo osnovne pojme, kot so vizija, strategija in cilji podjetja, saj to predstavlja osnovo, na kateri temeljijo sodobni sistemi vodenja podjetij. V nadaljevanju prikažemo zgodovinski razvoj industrijskih procesov od obrtništva preko masovne proizvodnje do ponovne potrebe po fleksibilni in inovativni proizvodnji raznovrstnih izdelkov po meri kupcev. Sledi kratek pregled organizacijskih struktur v podjetij. Sodobni načini vodenja podjetij zahtevajo drugačne organizacijske strukture z manj izrazito hierarhijo vodenja in večjo sklopljenostjo med posameznimi poslovnimi funkcijami podjetja. V tem 3 poglavju povzamemo trinivojsko hierarhično strukturo vodenja v proizvodnih podjetjih in opišemo funkcije procesnega, proizvodnega in poslovnega nivoja vodenja. V tretjem poglavju obravnavamo vlogo informacijskih tehnologij v podjetjih. Najprej definiramo informacijske tokove v podjetju, ki predstavljajo osnovo pri izgradnji informacijsko-komunikacijskih sistemov, s pomočjo katerih potekajo izmenjave podatkov med posameznimi funkcijami v podjetju. Sledi opis različnih sistemov za vodenje in nadzor proizvodnih procesov vključno z opisom problematike vodenja celotne proizvodnje in uporabo predstavljenih konceptov na proizvodnem nivoju vodenja. V četrtem poglavju predstavimo metodologijo kazalnikov KPI. Definiciji kazalnikov sledi pregled tipičnih kazalnikov na procesnem, proizvodnem in poslovnem nivoju vodenja. Posebej je izpostavljena problematika posredovanja podatkov v obliki kazalnikov vsem zainteresiranim uporabnikom v podjetju in ukrepanja na podlagi prejetih informacij. Poglavje zaključujemo z opisom postopka implementacije kazalnikov. V petem poglavju predstavimo koncept zaprtozančnega vodenja celotne proizvodnje s poudarkom na samooptimizirajočem vodenju procesov, vključno s kriteriji za izbiro reguliranih spremenljivk. Opisan princip uporabimo v splošni zaprtozančni regulacijski shemi za vodenje proizvodnje, v kateri smo za regulirane spremenljivke uporabili pPI-je. Preizkušanje opisanega koncepta na realnem sistemu ni bilo možno, zato smo se odločili za izdelavo proceduralnega modela tehnološkega procesa in v šestem poglavju tako predstavljamo osnovne koncepte modeliranja proizvodnih procesov. V sedmem poglavju opišemo izgradnjo proceduralnega modela za tehnološki proces polimerizacije. Posebej predstavimo namen, funkcije in poenostavitve modela, izbiro simulacijskega orodja, strukturo modela in natančne opise posameznih sklopov modela. Poglavje zaključimo z izsledki, ki smo jih dobili v procesu validacije modela. V osmem poglavju uvedemo pPI-je za proizvodni proces polimerizacije. Pokažemo obnašanje kazalnikov pri spreminjanju velikosti časovnega okna, ki določa količino zgodovinskih podatkov, ki se upoštevajo pri izračunavanju kazalnikov. Poglavje zaključimo s študijo občutljivosti pPI-jev na spremembe manipulativnih spremenljivk procesa polimerizacije. S tem postopkom smo določili relacije med kazalniki Proizvodni stroški, Produktivnost in Kakovosti izdelkov, ki smo jih v nadaljevanju uporabili za poenostavitev zaprtozančne regulacijske sheme. S postopkom identifikacije smo nadalje formalno opisali odvisnost proizvodnih pPI-jev od vhodnih spremenljivk v obliki dinamičnih modelov 1. reda, ki smo jih nato uporabili za konstrukcijo prediktivnega regulatorja na osnovi matematičnega modela za proces polimerizacije. 4 1. Uvod V devetem poglavju predstavimo implementacijo zaprtozančnega vodenja proizvodnje na modelu proizvodnje. Implementirali smo dva regulatorja, in sicer regulator na osnovi vpoglednih tabel (angl. look-up table), ki je služil zgolj za preučitev izvedljivosti predstavljene ideje zaprtozančnega vodenja proizvodnje, ter prediktivni regulator na osnovi modela proizvodnje (angl. Model Predictive Control MPC). Predstavimo rezultate, ki smo jih dobili z vodenjem z regulatorjem MPC za različne vrste proizvodnje. Poleg tega smo regulator MPC konstruirali za dva tipa kazalnikov, ki so se med seboj razlikovali v trajanju časovnega okna. Doktorsko disertacijo sklenemo z zaključkom, v katerem so podani bistveni originalni prispevki znanosti, do katerih smo prišli v opisanih raziskavah. 2. Organizacijske strukture v podjetjih Podjetje je v svoji osnovi kompleksen sistem, ki sestoji iz tehnološke, ekonomske in socialne komponente. Dobro poznavanje, razvoj in vodenje kompleksnih sistemov je mogoče le ob pomoči ustrezne infrastrukture, ki obsega organizacijsko strukturo, urejen informacijsko-komunikacijsko sistem ter sistem vodenja (regulacijski vidik), ki jasno definira cilje in postopke za njihovo ocenjevanje in implementacijo. Tehnološki vidik podjetja obsega naprave in z njimi povezane sisteme, s katerimi preoblikuje surovine, energijo in informacije v končne produkte. Organizacijska struktura je tesno povezana z ekonomiko poslovanja, ki temelji na ekonomskem vrednotenju opravil, aktivnosti in funkcij. Regulacijski vidik usmerja tok opravil, aktivnosti in funkcij k doseganju zastavljenih ciljev. Vsi trije vidiki so dodatno povezani s socialno komponento, saj so v vseh opisanih vidikih poslovanja vključeni ljudje, katerih zadovoljstvo omogoča nadaljnji razvoj in obstoj podjetja. Proizvodni proces predstavlja eno ključnih funkcij v proizvodnih podjetjih. Za uspešno vodenje proizvodnje je tako dobro poznati vlogo proizvodnje v organizacijski strukturi podjetja, iz katere so razvidne relacije do drugih poslovnih funkcij podjetja. Za uspešno komunikacijo znotraj in med posameznimi poslovnimi funkcijami v podjetju je nadalje potrebna ustrezna informacijsko-komunikacijska struktura, katere pomen in vlogo podrobneje obravnavamo v poglavju 3. V naslednjih poglavjih vključimo še regulacijski vidik v obliki metodologije definiranja in ocenjevanja ciljev vodenja proizvodnega procesa, modeliranja samega procesa in končno uporabe sistemov za vodenje in optimizacijo proizvodnega procesa. 2.1 Temeljni mejniki v zgodovini razvoja proizvodnih podjetij Za lažje razumevanje zahtev današnjega poslovnega sveta in omejitev obstoječih podjetij, posledično pa tudi zahtev in omejitev proizvodnih procesov, je dobro poznati in razumeti temeljne mejnike v zgodovini tehnološkega razvoja. Nekaj od teh mejnikov je zbranih v tabeli 2-1. 6 2. Organizacijske strukture v podjetjih Tabela 2-1: Nekaj glavnih mejnikov tehnološkega razvoja Čas Vrsta dogodka Avtor 1776 Rojstvo ideje o delitvi dela na manjša opravila – Smithov princip Adam Smith 1784 Prva proizvodna linija Oliver Evans Začetek 20. st. Izum tekočega traku v avtomobilski industriji Henry Ford Začetek 20. st. Implementacija Smithovega principa v managementu Alfred Sloan 1969 Koncept strateških kompromisov Skinner 1984 Ovrže strateške kompromise Wheelwright 1990 Uravnoteženi sistem kazalnikov Kaplan in Norton Do sredine 18. stoletja je imela proizvodnja obroben pomen v družbi, saj je bila proizvodnja blaga le potreba in ne integralni del tedanje družbe. Proizvodnja je temeljila na obrtništvu, kjer je obrtnik izdeloval izdelek od začetne do končne faze, pri tem pa je bil izdelek praviloma narejen po meri naročnika – kupca. Leta 1776 je Adam Smith, filozof, ekonomist in radikalen mislec tistega časa, v knjigi Bogastvo narodov pojasnil princip delitve in specializacije dela na osnovna opravila, kar omogoča radikalno povečanje storilnosti dela. Takšna delitev dela je bila osnova industrijske revolucije, ki se je v tem času začela in v temeljih spremenila dotedanjo družbo. Leta 1784 je Oliver Evans naredil prvo proizvodno linijo, to je avtomatiziran pretok žita skozi mlin; osnovna lastnost linije je zaporedje specializiranih strojev in urejen pretok materiala med njimi. S časovnim usklajevanjem pretoka materiala med stroji na liniji je vplival na produktivnost celotne proizvodnje in ne samo na produktivnost posameznega stroja. Prvi proizvodni procesi so se osredotočali na izdelke in ne na proizvodni proces in v tem smislu so bili zelo podobni trendu, v katerem so se znašli današnji proizvodni sistemi. V tej fazi še nista bili prisotni avtomatizacija in optimizacija proizvodnje, zato je bil proizvodni proces še zmeraj fleksibilen, veliko pozornost je posvečal kakovosti izdelkov in prilagajal se je potrebam kupcev. Naslednji korak v razvoju proizvodnih procesov predstavlja proces standardizacije, ki je povečal materialni tok skozi proizvodni proces in s tem se je izboljšal ekonomski učinek proizvodnje. Ta nov način proizvodnje se je imenoval masovna proizvodnja, ki se je za razliko od obrtništva posvečala standardizaciji proizvodnih postopkov in sestavnih delov in ne standardizaciji izdelkov, kar ji je omogočilo prevlado nad obrtniško proizvodnjo (Frontini in Kennedy, 2003). Masovna proizvodnja se je do sredine 19. stoletja uspela uveljaviti v večini sveta. Začetek 20. stoletja sta Henry Ford (iznajditelj tekočega traku) in Alfred Sloan (uvedel Smithov princip dela v managementu) skozi razvoj avtomobilske industrije izboljšala in 7 razširila sistem masovne proizvodnje. Dosegla sta veliko produktivnost in s tem nizko ceno izdelkov, tako da so le-ti postali dostopni širši množici uporabnikov. V času druge svetovne vojne in po njej je bila ponudba blaga manjša od povpraševanja, zato so se potrošniki zadovoljili z vsem, kar so proizvajalci ponujali ne glede na kakovost in prodajne storitve (Holt, 1999). V tem času je bila glavna skrb podjetij zmogljivost, kar je bilo posledica nenehnega povečevanja povpraševanja. Osredotočenost na zniževanje stroškov kot osnovni kriterij uspešnosti poslovanja podjetij se je pričel spreminjati s Skinnerjevim člankom Manufacturing – missing link in corporate strategy (Skinner, 1969). Skinner predlaga proizvodno strategijo, ki temelji na trditvi, da razen stroškov obstaja še mnogo drugih načinov tekmovanja in da bi se moralo vsako proizvodno podjetje osredotočiti na to, da bi čim bolje izvajalo tiste naloge, ki si jih je zastavilo kot poslanstvo oziroma cilj. Ugotavlja, da se različni dejavniki uspešnosti podjetja med seboj izključujejo in vpelje tako imenovani koncept strateških kompromisov: visoki nivo izvedbe enega dejavnika lahko dosežemo samo za ceno slabše izvedenega enega ali več drugih dejavnikov. V tem času so strokovnjaki razmišljali zgolj o dveh konkurenčnih kriterijih – to so stroški in kakovost. V osemdesetih so dodali še fleksibilnost in zanesljivost dobav. Wheelwright je definiral stroškovno učinkovitost, kakovost, fleksibilnost in zanesljivost dobav kot štiri temeljne konkurenčne kriterije. Schonberger je preučil Skinnerjev model kompromisov in ugotovil, da v nekaterih podjetjih izboljšujejo vse faktorje uspešnosti hkrati in s tem je zavračal dotedanjo teorijo kompromisov. Raziskave japonskega gospodarskega čudeža v osemdesetih letih prejšnjega stoletja so pokazale, da obstaja proizvodni način, ki izloča nesoglasja med posameznimi konkurenčnimi kriteriji in s tem je bilo ovrženo dotedanje prepričanje zahodnega sveta, da ni mogoče proizvajati poceni in hkrati kakovostnih izdelkov. Japonski proizvodni koncepti, ki so temeljili na programih izboljšanja kakovosti (Total Quality Management TQM, SIX SIGMA, itd.), so izboljšali proizvodno uspešnost v okviru vseh konkurenčnih kriterijev, saj odpravljajo konflikte med njimi. Medsebojna odvisnost teh kriterijev se kaže v naslednji obliki: s trajnim izboljšanjem kakovosti se izboljša zanesljivost, z nadaljnjim izboljšanjem kakovosti in zanesljivosti se izboljša fleksibilnost in nazadnje še stroškovna učinkovitost proizvodnje. Hammer in Champy (1995) sta opozorila, da način razmišljanja, ki temelji na Smithovi ideji delitve in specializacije dela ter posledično njegova razdrobljenost, ki je še danes močno prisotna na vseh področjih poslovanja, v bodoče ne bo več dovolj za doseganje konkurenčne prednosti in uspešnosti podjetij. Najpomembnejša ideja njunega dela je, da je potrebno procese, ki smo jih dvesto let delili, ponovno združiti in prenoviti, zaradi česar bodo bistveno drugačni od tradicionalnih. Temeljno vprašanje, ki si ga morajo postavljati organizacije in zaposleni v njih, je, zakaj pravzaprav počnejo to, kar počnejo. Pri preučevanju poslovanja ameriških podjetij so prišli do spoznanja, da številne naloge, ki jih opravljajo zaposleni, niso prav nič povezane z zadovoljevanjem potreb strank, (to 8 2. Organizacijske strukture v podjetjih je proizvajanje visoko kakovostnega izdelka, dobavo tega izdelka kupcu po pošteni ceni in zagotavljanju prodajnih storitev na visoki ravni). Veliko nalog so v podjetjih opravljali zgolj zato, da bi zadovoljili notranje potrebe lastne organizacije. Raziskava, ki jo je izvedel Champy (Hammer in Champy, 1995), je potrdila, da je 70% projektov preurejanja poslovnih procesov neuspešnih, ker se programi preurejanja uporabljajo kot nadomestilo za strateško razmišljanje. Da podjetje ve, kam je namenjeno in lahko preverja, kako daleč je na svoji poti prišlo, mora definirati osnovne poslovne gradnike, ki so: - vizija, - vrednot, - poslanstvo, - strateški cilji in - strategija podjetja ter ustrezna merila, s katerimi ocenjuje stopnjo doseganja zastavljenih ciljev (Stemberger, 2004). Poslanstvo utemeljuje razloge za obstoj podjetja in govori o načinu doseganja ciljev. Je neodvisno tako od strateških ciljev kot od vizije in je tudi veliko trajnejše, saj se ne spreminja veliko s časom. Iz jasno definiranega poslanstva izhaja strategija podjetja, ki je sinonim za način, načela in zakonitosti, kako podjetje posluje. Na podlagi poslanstva se definira kvantitativne cilje poslovanja, kar je osnova za ocenjevanje stopnje doseganja pričakovanih rezultatov in posledično uspešnosti poslovanja. V podjetju imajo velik pomen tudi vrednote, saj govorijo o tem, kaj podjetje ceni oziroma vrednoti pri svojem delu, kot je način dela, način sporazumevanja, medsebojna razmerja in odnos do okolja. Vizija podjetja pa je videnje pozicije in vloge podjetja v prihodnosti, s čim se bo ukvarjalo, itd. Čeprav so opisani gradniki napisani za poslovni nivo vodenja, je njihova vloga pri vodenju proizvodnje kot eni od osnovnih funkcij podjetja še kako pomembna. Zaposlenim v proizvodnih procesih osnovni pojmi, kot so poslanstvo, strategija in vrednote velikokrat niso dovolj jasno predstavljeni in posledično je tudi njihovo udejanjanje manj učinkovito. V procesih reorganizacije strukture modernega podjetja igrajo opisani osnovni poslovni gradniki osrednjo vlogo. Z razvojem tehnologije se je spremenila tudi vloga zaposlenih, saj je v avtomatiziranih proizvodnih procesih vloga posameznika drugačna, kot je bila v dobi industrijske revolucije. Frontini in Kennedy (2003) v svojem delu lepo predstavita, da imajo ljudje unikatne sposobnosti za: - komunikacijo z drugimi ljudmi in za razumevanje njihovih potreb, - konstrukcijo izdelkov in izgradnjo proizvodih sistemov, - konstrukcijo strojev s pripadajočo regulacijsko in operativno logiko, - analiziranje in odpravljanje vzrokov za razhajanje med dejanskim in planiranim obnašanjem procesov, medtem ko so stroji najboljši za: - ponavljanje enakih opravil z veliko natančnostjo in konsistentnostjo, 9 - optimizacijo učinka v okviru definiranega območja parametrov, - zbiranje in obdelava podatkov o poteku proizvodnje izdelka, - zbiranje podatkov in obveščanje v primeru odstopanja od načrtovanega obnašanja itd. Medtem ko se evolucija avtomatizacije nadaljuje, je naloga ljudi, da iščejo nove načine reševanja problemov in razvijajo ustrezne metode za njihovo implementacijo, avtomatiziranemu procesu pa pustijo, da opravi svojo nalogo. Ta prehod seveda ni enostaven, saj zahteva nove veščine in razumevanje procesov, strojev, poslovnih sistemov, vključno s hitrim sprejemanjem odločitev v sami proizvodnji. 2.2 Organizacija in tipi proizvodnih podjetij Z ustrezno organizacijsko strukturo podjetja in uporabo sodobne informacijsko-komunikacijske tehnologije je mogoče ažurno spremljati želeno (planirano) in dejansko (trenutno) stanje procesov in opreme v podjetju. To omogoča zaposlenim sprejemanje odločitev na podlagi dejanskega stanja v opazovanih procesih in če k temu dodamo še dobro poznavanje teh procesov in uporabo sistemov za podporo odločanju, se lahko približamo idealu uspešnega poslovanja – sprejemanju hitrih in dobrih odločitev. Proizvodni sistemi se med seboj razlikujejo tako po naravi dela kot po strukturi, tako da se za njihovo vodenje uporablja različne pristope. Za lažje razumevanje problematike si najprej poglejmo nekaj organizacijskih struktur v podjetjih, potem pa še vrste proizvodnih procesov kot tisto funkcijo podjetja, ki nas v okviru tega dela najbolj zanima. 2.2.1 Organizacijske strukture v podjetjih Z razvojem podjetij so se razvijale tudi organizacijske strukture, tako da so lahko zadovoljevale trenutne potrebe podjetij. Za masovno proizvodnjo je bila značilna linijska organizacijska struktura, ki opredeljuje potek avtoritete in ukazovanja linijsko od višjih organizacijskih ravni proti nižjim. Iz organizacijske sheme je jasno razvidno, kdo je komu nadrejen/podrejen in kdo je za kaj pristojen. Na tak način se doseže enotno ukazovanje, ki je načelo klasične organizacije. Poleg teh poznamo tudi funkcijsko organizacijsko strukturo, kjer so oddelki in službe podjetja porazdeljeni v skupine glede na osnovne poslovne funkcije podjetja (računovodstvo, nabava/prodaja, proizvodnja, razvoj, itd.). Temeljna slabost linijskih, štabno-linijskih kot tudi funkcijskih organizacijskih struktur, ki v osnovi izvirajo iz vojaških organizacijskih struktur, je nezadostno in nekakovostno komuniciranje kot tudi sodelovanje med posameznimi poslovnimi funkcijami; isto velja tudi za komunikacijo znotraj posamezne poslovne funkcije v primerih izrazite hierarhične organizacije (Mihelčič, 2000). Informacije se v takšni strukturi pretakajo samo navpično preko nadrejenih, obveščanje in sodelovanje zaposlenih na nižjih nivojih pa je ustrezno omejeno. Novi načini poslovanja kot tudi 10 2. Organizacijske strukture v podjetjih Slika 2-1: Štabno-linijska organizacijska struktura nove komunikacijske tehnologije (internet/intranet, elektronska pošta, telefon) zahtevajo in omogočajo drugačen način dela in boljši pretok informacij ter posledično obveščenost in sodelovanje zaposlenih tako v isti kot v različnih poslovnih funkcijah, kar je pripeljalo do novih organizacijskih struktur, kot so: - procesna, - matrična, - projektna, - ad hoc, - prodajna organizacijska struktura (za sisteme prodaje ključnim kupcem) itd. Slika 2-2: Procesna organizacijska struktura 11 Kot primer si poglejmo procesno organizacijsko strukturo, kot jo prikazuje slika 2-2. Procesna organizacijska struktura presega omejitve klasičnih organizacijskih struktur; osnovni element te strukture je proces, ki poteka preko različnih poslovnih funkcij v podjetju. Lastniki procesov so naročniki oziroma prožilci procesov, ki razumejo in vedo, kaj je potrebno do kdaj (in v kakšni količini) narediti. Upravitelji posameznih poslovnih funkcij pa so »izvajalci« oziroma prožilci dejavnosti znotraj »svojih« poslovnih funkcij; oni razumejo in vedo, kdo, na kakšen način, s kakšno kakovostjo in do kdaj bo izvedel posamezno nalogo, ki je sestavni del vhodnega procesa. Organizacijska struktura ima velik vpliv na potek dela v podjetju na vseh nivojih, vključno s proizvodnim procesom. Različne organizacijske strukture uporabljajo različne sisteme za informacijsko podporo vodenju procesov, kar bomo podrobneje obravnavali v nadaljevanju. Ustrezna organizacijska struktura podjetja je v veliki meri odvisna tudi od vrste proizvodnje. 2.2.2 Vrste proizvodnih procesov Proizvodni procesi se med seboj razlikujejo tako po načinu dela kot po kompleksnosti in zahtevnosti proizvodnih postopkov. Da bi lažje razumeli razlike med različnimi vrstami proizvodenj, jih razvrščamo v naslednje skupine: 1. podjetja s kosovno proizvodnjo 2. podjetja s procesno proizvodnjo: - zvezna (kontinuirana) proizvodnja - semišaržna proizvodnja - šaržna proizvodnja Diskretna in procesna industrija sta termina, ki se pogosto uporabljata za opis narave proizvodnih operacij. V diskretni ali kosovni industriji (npr. avtomobilska industrija, bela tehnika, polprevodniki, lesna industrija, itd.) je proizvodnja organizirana kot zaporedje diskretnih dogodkov oziroma operacij s samo nekaj ali z nobeno povratno zanko. S stališča sistemske teorije lahko sisteme za vodenje diskretne proizvodnje opišemo kot slabo sklopljene porazdeljene sisteme (angl. open distributed loosely coupled system), v katerih je način vodenja v prvi vrsti zaporedni; proizvodnja je sestavljena iz številnih diskretnih faz, v katerih se končni izdelek najpogosteje sestavlja na montažni liniji iz množice polizdelkov in vhodnih materialov. Značilna je mehanska obdelava obdelovancev z rezanjem, vrtanjem, upogibanjem, s sestavljanjem, itd. Pri obdelavi se sam material ne spreminja. Za uspešno proizvodnjo je potrebno zagotoviti neprekinjen tok materiala, potrebno energijo, ustrezno število delavcev za posluževanje strojev in brezhibno delovanje strojev in drugih naprav. Končni cilj je efektivna uporaba proizvodnih virov z namenom doseči želeno dobičkonosnost. Za procesno industrijo je značilna izdelava izdelka v zveznih procesih, kot je npr. kemična industrija, rafinerije, pridelava celuloze in papirja, farmacevtska industrija, pridelava cementa, mletje žita, itd. V tej proizvodnji imamo zvezno obdelavo materiala 12 2. Organizacijske strukture v podjetjih Tabela 2-2: Primerjava procesne in kosovne industrije Procesna industrija Kosovna industrija Način proizvodnje Na zalogo Po naročilu Dolgoročno planiranje Povečanje, izboljšanje kapacitete Načrtovanje izdelka Kratkoročno planiranje Zasedenost kapacitet Zasedenost osebja Planiranje lansiranja proizvodnje izdelka Razpoložljivost kapacitet Razpoložljivost materiala Izplen proizvodnje, stopnja izmeta Pogosto negotov Določljiv Stroški zastojev, okvar Včasih zelo visoki Pogosto nizki Alternativni izdelki Po recepturah Po kosovnicah Sledljivost proizvodnje Pogosto potrebna, včasih zahtevana Včasih nepotrebna Tip podatkov/signalov Analogni, digitalni Digitalni Število podatkov Pogosto zmerno Veliko Arhitektura sistema Porazdeljen čvrsto sklopljen sistem Porazdeljen ohlapno sklopljen sistem Centraliziranost (hierarhičnost) sistema Visoka Včasih nizka Časovni okviri msek-sek-min-ura-dan-teden sek-min Tip vodenja Zaprtozančno Sekvenčno Zahtevnost vodenja Visoka Včasih nizka Udeleženost operaterjev pri vodenju Včasih visoka Pogosto nizka v obliki fizikalno-kemijske pretvorbe snovi, tako da vhodna surovina stalno vstopa v proces, se tam obdeluje, reagira, dodajajo se različni dodatki in na koncu procesa izstopa končni produkt, med samo proizvodnjo pa nastajajo tudi stranski produkti in odpadki. V procesni industriji so proizvodne linije specializirane, tako da ne obstajajo alternativne metode izdelave izdelka; vsaka odpoved opreme ali izpad dobave energije se odraža v visokih stroških. Vse to zahteva stabilne pogoje za proizvodnjo, izkušeno osebje in centraliziran sistem upravljanja na proizvodnem in procesnem nivoju vodenja. Proizvodnja je usmerjena veliko bolj dolgoročno, kot je to značilno za kosovno industrijo. Zagonske in zaustavitvene procedure (čiščenje, sterilizacija, itd.) na začetku ali koncu proizvodnje specifičnega produkta so časovno in materialno potratne, zato je zaporedje izdelave sorodnih izdelkov zelo pomembno (Taylor in drugi, 1981; Hauptman, 2004). 13 Šaržna industrija je kombinacija kosovne in procesne industrije, v kateri se zaporedne šarže izdelka (kosovni princip) izdelujejo po principih procesne industrije. Zaradi kombinacije dveh različnih tehnologij je tudi najbolj zahtevna. Vsi zgoraj našteti dejavniki so vzrok, da je procesna industrija kompleksna in negotova (Jovan in drugi, 1998; Jovan, 1999). Kompleksnost proizvodnega procesa v glavnem izhaja iz potrebnega povezovanja različnih podprocesov, pri čemer vsak od teh podprocesov vpliva na kakovost končnega izdelka. Vsak podproces zahteva vzdrževanje določenega števila procesnih parametrov (tlak, temperatura, pretok, viskoznost, itd.), kar vodi v veliko število senzorjev, aktuatorjev, krmilnikov, krmilnikov s programirljivo logiko (PLK) in drugih sistemov za vodenje procesov na procesnem nivoju, ki morajo delovati varno, usklajeno in zanesljivo. Nezanesljivost v procesni industriji je v glavnem izražena v kakovosti končnega produkta. Zaželeno je doseganje visoke in enakomerne kakovosti v vsakem proizvodnem obratu procesne industrije, vendar spremenljiva kakovost vhodnih surovin, neučinkoviti sistemi za vodenje procesov, odstopanja procesnih parametrov od najbolj ugodnih vrednosti, okvare na tehnološki opremi, izpadi pri oskrbi z energijo in kombinacije takšnih in podobnih faktorjev povečujejo nezanesljivost kakovosti končnih izdelkov. Tabela 2-2 podaja razlike med procesno in kosovno industrijo glede na upravljanje proizvodnje in proizvodni informacijski sistem (Jovan, 2002). V pričujočem delu se bomo ukvarjali z vodenjem procesne industrije, razvito metodologijo pa bomo uporabili na primeru šaržne industrije. 2.3 Organizacijska struktura vodenja v proizvodnem podjetju Kot smo že omenili, so podjetja v preteklosti izdelovala velike količine nekaj izdelkov povečini na zalogo, danes pa so potrebe trga izražene v obliki povpraševanja po velikem številu različnih izdelkov po meri kupca. To od podjetja zahteva večjo fleksibilnost pri izdelavi izdelkov, kar se odraža v krajših razvojnih in izdelovalnih ciklih izdelka, visoki kakovosti in veliki odzivnosti podjetja na spremembe na trgu ter posledično veliki sklopljenosti poslovnih in proizvodnih procesov, to pa se odraža v organizacijski strukturi podjetja, ki jo prikazuje slika 2-3. Obsežne in kompleksne proizvodne procese je možno voditi na pregleden in učinkovit način z ustrezno hierarhijo vodenja, ki vključuje poleg procesnega in poslovnega nivoja vodenja še proizvodni nivo vodenja (Taylor, 1981; Hales, 1989; Jovan, 1999; Jovan, 2001). Nivo naprav v proizvodnih procesih obsega različne stroje, aktuatorje in merilne naprave (slika 2-3 spodaj). Vodenje naprav in proizvodnih procesov (za katere je odgovoren procesni nivo vodenja) ter zajemanje proizvodnih podatkov je izvedeno z ustreznimi regulatorji, PLK-ji, sistemi SCADA ali drugimi ožičenimi logikami. Za 14 2. Organizacijske strukture v podjetjih vodenje celotne proizvodnje je odgovoren proizvodni nivo vodenja, ki sprejema srednjeročne in kratkoročne plane, ki prihajajo iz poslovnega nivoja vodenja, in jih preslikuje v dnevne, nekajdnevne ali tedenske razporede dela in jih nadalje posreduje sistemom vodenja na procesnem nivoju v realizacijo. Za preslikavo planov v dnevne razporede dela se uporablja tako imenovano razvrščanje delovnih operacij po posameznih strojih, obratih. Za uspešno razvrščanje dela je potrebno v realnem času spremljati stanje proizvodnega procesa, upoštevati realizacijo že lansiranih delovnih nalogov, nujna naročila, itd. Tako je naslednja pomembna naloga proizvodnega nivoja vodenja zbiranje, analiza, obdelava in shranjevanje podatkov o poteku proizvodnje ter posredovanje le-teh uporabnikom na proizvodnem in poslovnem nivoju vodenja. Na tem nivoju je lahko implementirana tudi funkcija optimizacije proizvodnje. Poleg funkcije razvrščanja, posredovanja podatkov in optimizacije pa proizvodni nivo pokriva še funkcije, kot so alokacija in status virov (naprav, ljudi, materiala), vodenje dokumentacije, zajemanje in zbiranje podatkov, upravljanje delavcev, zagotavljanje kakovosti, upravljanje procesov, vzdrževanje, zagotavljanje sledljivosti surovin in proizvodov in analiza učinkovitosti. Opisane funkcije so funkcije sistemov MES (angl. Manufacturing Execution Systems). Poslovni nivo pa je zadolžen za vodenje poslovnih funkcij, kot so trženje, prodaja, planiranje, računovodstvo, itd. Službe na tem nivoju sprejemajo podatke iz okolja (potrebe in zadovoljstvo potrošnikov na trgu, stanje konkurence, trendi razvoja panoge, ponudba surovin, storitev, opreme in materialov, itd.) in iz proizvodnega nivoja vodenja, jih ovrednotijo in glede na te podatke in strategijo poslovanja podjetja postavijo dolgoročne, srednjeročne in kratkoročne cilje. direktorjeva pisarna NIVO STRATEŠKEGA ODLOÈANJA direktorski informacijski sistem nabava, prodaja, planski oddelek, ... i »Fl EÜ3> S<3r 3 Slika 2-3: Hierarhična zgradba sistemov vodenja v proizvodnem podjetju procesne industrije 3. Vloga informacijskih tehnologij v podjetjih Informacijsko-komunikacijski sistemi se ukvarjajo s podatki in informacijami, pri čemer je razločevanje, kaj je podatek in kaj informacija, velikokrat nejasno. Zato v uvodu v to poglavje najprej bolj podrobno definirajmo ta dva pojma. Obdobje zadnjih nekaj desetletij imenujemo tudi informacijska doba, katere osnovna značilnost je zbiranje podatkov, njihova obdelava in posredovanje končnim uporabnikom. V informatiki obstaja jasno razločevanje med podatkom in informacijo. Podatek je predstavitev informacije na formaliziran način, ki je primeren za komunikacijo, interpretacijo ali obdelavo (s strani človeka ali stroja). Definicija pravi, da mora biti predstavitev izvedena na formaliziran način, kar pomeni, da mora obstajati nek predpis – konvencija, po katerem simbole ali vrednosti analognih veličin zapisujemo oziroma beremo. Informacija je znanje, ki se nanaša na objekte, kot so dejstva (dogodki, stvari, procesi ali ideje), vključno s koncepti, ki imajo v okviru nekega konteksta določen pomen. Informacija je definirana tudi v obliki bolj znane informacijske enačbe, ki pravi, da je informacija novo spoznanje, ki ga človek doda svojemu poznavanju sveta (Mohorič, 1999). Zaključki, ki jih lahko povlečemo iz opisanih definicij, so naslednji: - podatki niso informacija, - podatki ne vsebujejo informacije, - podatki posredujejo informacijo prejemniku, katerega znanje je konsistentno z izbrano predstavitvijo podatkov in modelom sveta, na katerega se nanašajo, - če je količina podatkov tako velika, da se jih v času, ki je na voljo za ukrepanje na njihovi osnovi, ne da interpretirati, se lahko zgodi, da s podatki ni posredovana nobena informacija. Zanimiva je primerjava med človekom in računalnikom, ki oba sprejemata podatke iz okolja, v tem, kaj z njima naredita. Človek podatkom s pomočjo svojega že obstoječega znanja pripiše pomen, s tem svoje znanje dopolni in na njegovi osnovi ustrezno ukrepa. Nasprotno pa računalnik podatkom ne pripisuje pomena, pač pa jih s pomočjo v njem že shranjenih podatkov in programov le preoblikuje iz ene oblike v drugo. Tako lahko na kratko povzamemo, da so podatki vse, kar lahko zapišemo na tak ali drugačen pomnilniški medij, informacija in znanje pa sodita v sfero človekovega notranjega miselnega sveta (Mohorič, 1999). 16 3. Vloga informacijskih tehnologij v podjetjih 3.1 Informacijski tokovi v podjetju V prejšnjem poglavju smo opisovali organizacijske strukture s pripadajočimi nivoji vodenja v podjetjih. Ugotovili smo, da je za uspešno delovanje podjetja potrebno zagotoviti zbiranje in pretok podatkov tako znotraj kot med posameznimi hierarhičnimi nivoji, za kar skrbijo informacijsko-komunikacijski sistemi. S stališča proizvodnje je zbiranje podatkov aktivnost brez dodane vrednosti, saj proizvodnja obstaja zato, da proizvaja produkte in ne podatke. Da je takšna aktivnost smiselna, morajo biti podatki uporabljeni za to, da ustvarjajo vrednost preko izboljšav v procesu, boljšega vodenja proizvodnje in sprejemanja bolj kakovostnih odločitev. Potemtakem mora zbiranje podatkov zagotoviti vrednost podatkov, podatki se morajo deliti med uporabnike in koristno uporabljati (Cecelja, 2002). Uspešna implementacija najboljših upravljavskih načinov, kot so "najboljše upravljavske prakse" (angl. Management Best Practices), "ravno ob pravem času" (angl. Just In Time JIT), "celovito obvladovanje kakovosti" (angl. Total Quality Management TQM), "sočasni inženiring" (angl. Concurrent Engineering), imenovanih tudi "visoko učinkovita proizvodnja" (angl. High-Performance Manufacturing HPM), je v veliki meri odvisna od ustreznega informacijskega in komunikacijskega upravljanja v podjetju, ki omogoča izmenjavo podatkov, njihovo obdelavo in uporabo (Forza in Salvador, 2001). Poleg informiranosti je za hitro sprejemanje dobrih odločitev, kar razlikuje uspešna podjetja od povprečnih, potrebno tudi ustrezno znanje o objektu odločanja (npr. vodja proizvodnje dobro pozna kapacitete, omejitve in druge lastnosti proizvodnega procesa) in odločitve se morajo izvršiti čim bliže točki izvršitve, kjer se nahaja ustrezna sposobnost (Frontini in Kennedy, 2003). Izmenjava podatkov in posledično prenos informacij v podjetju poteka preko tako imenovanih informacijskih tokov, katerih del lahko avtomatiziramo, kar vodi v tako imenovane stabilne okvire komunikacije. Te komunikacijske okvire lahko združimo v komunikacijsko mrežo in izmenjavo informacij v njej imenujemo informacijski tokovi (Cecelja, 2002). Procesne komunikacijske mreže kot celota tvorijo poslovni komunikacijski sistem, ki na eni strani povezuje posamezne dele podjetja v celoto in po drugi strani vpne podjetje v okolje, s katerim je tesno povezano. Poznamo različne informacijske tokove, kot jih na primeru povezovanja dobavitelja s proizvajalnim podjetjem preko dobavne mreže shematično prikazuje slika 3-1: - vertikalni informacijski tokovi: so komunikacije med posameznimi vodstvenimi verigami (angl. command chain) na različnih hierarhičnih nivojih podjetja, - horizontalni informacijski tokovi: so komunikacije, ki ne prečkajo posamezne vodstvene verige znotraj podjetja (v glavnem prečkajo hierarhične linije), - zunanji informacijski tokovi: so komunikacije, ki povezujejo podjetje z drugimi akterji v okolju (v glavnem dobavitelji in strankami). 17 Slika 3-1: Shematski prikaz informacijskih tokov na primeru povezovanja dobavitelja s proizvodnim podjetjem preko dobavne mreže Za hitro, zanesljivo in učinkovito poslovanje je potrebno zagotoviti čim bolj avtomatizirano zbiranje podatkov, ki je definirano kot neodvisna entiteta, ki zajema, shranjuje, procesira in posreduje podatke gostujočemu računalniku. Avtomatizirani sistemi za zajem podatkov vsebujejo: - portale za vnašanje podatkov (avtomatsko, ročno), - spominske kapacitete za shranjevanje podatkov, - neodvisno sposobnost procesiranja podatkov, - komunikacijo z gostujočimi računalniki. 3.2 Zakaj so informacijsko-komunikacijski sistemi pomembni Za povečano učinkovitost podjetja je med drugim zelo pomembna ustrezna porazdelitev odgovornosti in pristojnosti na različnih nivojih v podjetju in horizontalna komunikacija med različnimi akterji v proizvodnem procesu. To pomeni, da vsak od zaposlenih ve, kaj so njegove naloge in pristojnosti in da za reševanje problemov, ki so v njegovi pristojnosti, poskrbi sam; to pomeni, da se sam dogovarja z dobaviteljem o neustreznosti materiala ali roku dobave z ljudmi, ki so na enakem hierarhičnem nivoju in ne preko nadrejenega, kot je to značilno za klasično linijsko organizacijsko strukturo. Za realizacijo zadanih nalog odgovarja sam in za to ni direktno odgovorna nadrejena oseba. S takšnim pristopom se v sistem vpelje tako imenovano lastništvo nad operacijami, kar povečuje učinkovitost kot tudi motivacijo pristojnih pri realizaciji zadanih nalog. 18 3. Vloga informacijskih tehnologij v podjetjih Z opisanim pristopom se nadrejeni razbremenijo bremena reševanja množice nižjenivojskih opravil in se lahko posvetijo dejanskim izzivom vodenja na pristojnem nivoju. Takšna sistemska ureditev potrebuje ustrezno organizacijsko strukturo, informacijsko-komunikacijsko infrastrukturo za nemoten pretok podatkov, urejene vzorce izvajanja delovnih nalog, reševanja problemov in komuniciranja med zaposlenimi ter nenazadnje ustrezen sistem za vrednotenje doseženih rezultatov in nagrajevanje. Osnovna naloga informacijsko-komunikacijskih sistemov je tako postavitev infrastrukture, ki omogoča ali v napredni fazi avtomatizira informacijske tokove v podjetju. Informacijski sistemi v podjetju omogočajo prenos številnih podatkov tako v horizontalnih kot v vertikalnih linijah. Pri prenosu podatkov v vertikalnih linijah je potrebna ustrezna redukcija podatkov v skladu s prej predstavljeno metodologijo: vodje proizvodnje ne zanima vsak posamezen dogodek v proizvodnji, pač pa ga zanima realizacija plana, povprečna kakovost izdelkov, izkoriščenost proizvodnih virov in delovna učinkovitost, pa morda predlogi za izboljšave. Poleg statističnih podatkov, katerih časovna konstanta je praviloma večja, pa obstajajo tudi podatki, ki se navezujejo na trenutne dogodke z velikim vplivom na potek proizvodnje, kot so pomembni izpadi ključnih naprav, odpoved naročene surovine, itd. Obstajajo tudi druga področja, kjer je potrebno zbiranje in analiziranje proizvodnih podatkov, kot je npr. zagotavljanje kakovosti proizvodnih procesov in izdelkov, uvajanje izboljšav in inovacij v proizvodnjo in razvoj novih izdelkov. Uporaba standardizirane programske opreme brez ustrezne prilagoditve razmeram v posameznem podjetju, upoštevanja dejanskih potreb zaposlenih in integracije z obstoječo opremo in delovnimi procesi je obsojena na težave ali celo neuspeh. Zavedati se moramo dejstva, da uporaba informacijskih tehnologij temelji na standardizaciji postopkov, zmanjševanju števila izrednih dogodkov in posledično vodi v organizacijske spremembe. 3.3 Sistemi za vodenje in nadzor proizvodnih procesov Današnji trgi ponujajo sisteme za informacijsko podporo celotnemu naboru funkcij poslovnega nivoja na eni strani (MRP, MRPII, ERP, itd.) kot tudi sisteme za celovito podporo vodenju in nadzoru proizvodnih postrojenj (SCADA, PLK, itd.). Opisana nivoja sta si po naravi zelo različna, povezuje pa ju proizvodni nivo vodenja, za katerega pa ne obstaja sistem, ki bi v celoti pokril vse potrebne funkcije tega nivoja. V preteklosti sta bila razvita dva sistema, CIM (angl. Computer Integrated Manufacturing) in pozneje MES (angl. Manufacturing Execution Systems), katerih glavna naloga je bila zapolnitev komunikacijske vrzeli med sistemi ERP in SCADA in 19 informacijska podpora funkcijam proizvodnega nivoja (Jovan, 2001). Metodologija CIM je bila v splošnem definirana kot formalna povezava vseh proizvodnih operacij vse od postavitve koncepta produkta in začetnih analiz trga preko projektiranja in proizvodnje izdelka do tehnik za digitalno obdelavo podatkov, torej kot gladko in popolno zlitje vseh funkcij proizvodnje (Hales, 1989). S takšno informacijsko povezavo naj bi CIM zagotavljal ustrezno razpoložljivost in kakovost podatkov za vsako operacijo v času, ko so potrebni. Praksa je nato pokazala, da samo povezovanje različnih informacijskih sistemov in podsistemov med seboj brez ustreznega mehanizma, ki definira katere podatke, kdaj, v kakšni obliki in na kakšen način izmenjevati, ne prinaša želenih rezultatov. Odgovor na ta problem je bil razvoj sistemov MES. Splošna definicija MES se glasi: "MES je sočasni integriran računalniški sistem, ki je akumulacija metod in orodij, ki se uporabljajo za izvrševanje produkcije" (McClellan, 1997). CIM in MES sta zelo podobna koncepta, vendar med njima obstajajo razlike. CIM je padel v nemilost predvsem zaradi razočaranja nad težavami, ki so se pojavljale pri uporabi koncepta v praksi. Sledil je nadaljnji razvoj, pri čemer je MES zavzel širši ali v določenih pogledih celo drugačen pomen in pri tem zagotavlja infrastrukturo, ki je CIM nikoli ni imel. Namesto na namenskih programskih orodjih MES temelji na standardnih, ponovno uporabljivih aplikativnih programskih orodjih. Rezultat vključuje nižje cene in krajši čas implementacije in večjo povprečno uspešnost projektov. Druga večja razlika MES proti CIM je bilo splošno soglasje o odobritvi treh nivojev vodenja v podjetju. S časom so se funkcije posameznih nivojev, kot jih definira MES, izkristalizirale in s tem tudi postale bolje definirane in sprejete, tako da je funkcionalnost v posameznem nivoju postala bolj standardizirana. Vse to vodi v boljše poznavanje in razumevanje povezav med nivoji. Sistemi MES niso mišljeni kot sistemi, ki se jih zgradi in takšni ostanejo v celotnem času uporabe, pač pa je zanje značilna evolucijska pot. Sistem se implementira z nekaj začetnimi funkcijami, ki se jih v nadaljevanju dopolnjuje z raznimi izboljšavami in dodatki. Tako lahko gledamo na sistem MES kot na gonilo stalnega napredka v podjetju. Standardne funkcije sistemov MES, kot jih definira MESA International 1, so: - Stanje in razporejanje virov (angl. Resource Allocation and Status) - Fino planiranje operacij (angl. Operations/Detail Scheduling) - Razpošiljanje produktov (angl. Dispatching Product Units) - Upravljanje dokumentov (angl. Document Control) - Zbiranje in zajem podatkov (angl. Data Collection/Acquisition) - Upravljanje osebja (angl. Labor Management) - Upravljanje kakovosti (angl. Quality Management) MESA - Manufacturing Enterprise Solutions Association 20 3. Vloga informacijskih tehnologij v podjetjih - Upravljanje procesa in procesnih podatkov (angl. Process and process data Management) - Upravljanje vzdrževanja (angl. Maintenance Management) - Sledenje produktom in rodoslovje (angl. Product Tracking and Genealogy) - Analiza učinkovitosti (angl. Performance Analysis) 3.4 Sistemi za podporo odločanju DSS V začetku sedemdesetih let je Scott Morton definiral osnovni sistem za podporo odločanju (angl. Decision Support System DSS) kot "interaktiven sistem na osnovi računalnika, ki pomaga odločitvenim delavcem uporabiti podatke in modele za reševanje nestrukturiranih problemov". Druga definicija DSS po Keenu in Nortonu pa se glasi: "Sistemi DSS združujejo intelektualne vire posameznikov z računalniškimi zmožnostmi z namenom izboljšati kakovost sprejetih odločitev". Procesi sprejemanja odločitev so lahko zelo strukturirani kot tudi popolnoma nestrukturirani. Strukturirani procesi so rutinski in tipično ponavljajoči se problemi, za katere obstajajo standardne metode reševanja, ki temeljijo na modeliranju problema. Nestrukturirani procesi so nerazločni, kompleksni problemi, za katere ne obstajajo jasne in izdelane metode za iskanje rešitev. Ker za strukturirane probleme obstajajo procedure za dosego najboljših ali vsaj dovolj dobrih rešitev, za to obstajajo tudi ustrezna programska orodja, ki temeljijo na takšnih procedurah. Primeri takšnih problemov so analiza optimalnih zalog materialov v skladiščih, razvrstitev delovnih operacij v proizvodnji, itd. V nestrukturiranih procesih je osnova za odločanje razpolaganje, možnost obdelave, analiziranje in predstavitve podatkov, ki nato ob pomoči obstoječega znanja o objektu odločanja in izkušnjah omogoča reševanje takšnih problemov. Primeri takšnih procesov so planiranje novih del/ponudb/izdelkov, najemanje ekspertov za reševanje problemov, procesi iskanja izboljšav v proizvodnih procesih, iskanje in odpravljanje težav v prototipni proizvodnji, itd. Delno strukturirani problemi so umeščeni med strukturirane in nestrukturirane probleme. Reševanje takšnih problemov tako temelji na uporabi sistemov za upravljanje znanja (angl. Knowledge Management Systems KMS) kot tudi človeški presoji. Kot za CIM in MES tudi za DSS ni univerzalno sprejete definicije. Lahko ga obravnavamo kot termin, ki pokriva različne računalniške sisteme v podjetju, s katerimi si vodstveni delavci pomagajo pri sprejemanju odločitev. Tako imamo lahko v podjetju posebej direktorski informacijski sistem, ločena orodja DSS za marketing, računovodstvo, različne ekspertne sisteme za diagnostiko napak na izdelkih, itd. Pomembna značilnost sistemov DSS je uporaba grafičnih uporabniških vmesnikov, ki omogočajo končnim uporabnikom enostavno in učinkovito rabo sistemov, to je hitro pridobivanje informacij iz množice pregledovanih podatkov. 21 3.4.1 Ekspertni sistemi Ekspertni sistemi (angl. Expert Systems ES) so programski paketi za sprejemanje odločitev ali za reševanje problemov, ki lahko dosegajo kakovost izvajanja aktivnosti, kot jih dosega ekspert za specializirano in ponavadi ožje problemsko področje. Bistvo teh sistemov, v katerih je implementirana tehnologija umetne inteligence, je v tem, da poskušajo prenesti strokovno znanje z eksperta na računalnik, tako da v nadaljevanju uporabniki posredujejo svoja vprašanja računalniku in ne ekspertu. Potencialni uporabniki takšnih sistemov so ljudje, ki se morajo velikokrat odločati na podlagi nepopolnih, netočnih podatkov in na podlagi izkušenj, ki so si jih pridobili v preteklosti. Za reševanje takšnih problemov ne moremo uporabiti sistemov, ki temeljijo na modelih, pač pa se poslužujemo sistemov, ki delujejo na podlagi učenja na predhodnih dogodkih. 3.5 Uporaba opisanih pristopov in hierarhija odločitvenih nivojev v podjetju Za kakovostno in učinkovito odločanje na proizvodnem nivoju vodenja potrebujejo vodje proizvodnje sisteme, s katerimi zbirajo, analizirajo in na ustrezen način predstavijo podatke o stanju proizvodnih procesov. Glede na to, da so problemi, ki se v proizvodnji pojavljajo, lahko strukturirani, delno strukturirani kot nestrukturirani, so tudi sistemi za podporo odločanju na tem nivoju kombinacija več različnih podsistemov. Za reševanje strukturiranih problemov torej lahko obstajajo ustrezna programska orodja, ki delujejo na osnovi procedur, za nestrukturirane probleme pa je potrebna ustrezna predstavitev in obdelava podatkov (tehnologija OLAP, Data Mining, ekspertni sistemi). V takšnih primerih je potrebno najprej meriti parametre tistih procesov, ki jih želimo izboljšati, v nadaljevanju analizirati dobljene podatke in končno uporabiti znanje tehnologov in operaterjev ter pretekle izkušnje pri reševanju takšne vrste nestrukturiranih problemov. 4. Metodologija ključnih kazalnikov učinkovitosti KPI Procesi zbiranja in preoblikovanja podatkov so posebej intenzivni v proizvodnih podjetjih, kjer se s sistemi za nadzor in vodenje procesov in drugimi informacijsko-komunikacijskimi sistemi zajema velike količine podatkov. Ti podatki so nadalje na voljo končnim uporabnikom, ki jih preučujejo, interpretirajo in z njihovo pomočjo dopolnjujejo svoje znanje o procesih. Če je količina podatkov prevelika, so uporabniki z njimi preobremenjeni in iz njih ne pridobijo potrebne informacije, kar predstavlja resen problem sodobnih informacijskih sistemov. Odgovor na opisano problematiko je razvoj sistemov za podporo odločanju, ki sistemsko zbirajo in predstavljajo podatke v obliki, ki uporabniku omogoča hitro dojemanje posredovanih informacij, ki so potrebne v procesih sprejemanja odločitev. V sferah družbenega in poslovnega življenja se vedno bolj pojavljata têrmina učinkovitost in uspešnost ter različna merila, s katerimi ju je možno vrednotiti. Merila se pojavljajo pod različnimi imeni. Primer takšnih meril so "armaturna merila" (angl. Dashboard Measures DM), ki dajejo uporabniku hiter pregled nad učinkovitostjo podjetja ali organizacije (DeBusk in drugi 2003). To je stara, vendar nazorna in praktična predstavitev ključnih spremenljivk, ki opisujejo učinkovitost podjetja/organizacije s pomočjo kazalnikov, ki se zgleduje po analogni merilnikih, ki jih zasledimo na npr. armaturni plošči avtomobila (merilnik hitrosti, zaloge goriva, prevoženih kilometrov, temperature in obratov motorja) ali letala (višina leta, hitrost, zaloga goriva). Avtorji navajajo dva sistema armaturnih meril, in sicer francoski sistem Tableau do Bord (TdB), ki sega nazaj na začetek 20. stoletja, in v zadnjem času uveljavljen uravnoteženi sistem kazalnikov (angl. Balanced Scorecard BSC), ki sta ga vpeljala Kaplan in Norton (1992). To so sistemi, ki se po večini uporabljajo za ocenjevanje stopnje doseganja zastavljenih finančnih kot tudi nefinančnih ciljev na najvišjem (poslovnem) nivoju vodenja podjetij oziroma organizacij (DeBusk in drugi, 2003). Neely in drugi (1995) v svojem pregledu literature uporabljajo terminologijo merila učinkovitosti (angl. Performance Measurements PM) in sistem merjenja učinkovitosti (angl. Performance Measurements System PMS) kot združeno množico PM. Osnovna PM, ki jih avtorji navajajo, so povezana s kakovostjo, časom, hitrostjo in z zanesljivostjo dobav, s stroški in fleksibilnostjo. V nadaljevanju naredijo pregled 24 4. Metodologija ključnih kazalnikov učinkovitosti KPI sistemov PMS, kjer poleg prej navedenega uravnoteženega sistema kazalnikov opisujejo tudi sisteme "matrika meril učinkovitosti" (angl. Performance Measurement Matrix), "vprašalnik meril učinkovitosti" (angl. Performance Measurement Questionnaire PMQ) in "ob pravem času" (angl. Just in Time JIT). Tudi Folan in Browne (2005) obravnavata merjenje učinkovitosti na različnih nivojih. Na najnižjem nivoju imamo meritve posameznih aspektov učinkovitosti v obliki priporočil (PM recommendations), ki se nadalje združujejo v okvire (angl. PM frameworks). Po Folanu poznamo dva okvira priporočil, in sicer strukturnega in proceduralnega. Strukturni okvir definira tipologijo posameznih priporočil (razvrstitev po posameznih področjih), medtem ko proceduralni okvir definira postopke za definicijo priporočil iz strategije, njihovo implementacijo in uporabo skozi celoten življenjski cikel. Nobeden od opisanih PM okvirjev ni dokončen, saj proceduralnim PM okvirjem normalno primanjkuje strukturni element in obratno, strukturnim okvirjem primanjkuje proceduralni element. Rešitev predstavlja združitev opisanih okvirjev v sistem, kjer strukturni PM okvir skrbi za administracijo in izbiro elementov PM sistema, medtem ko proceduralni okvir natančno določa, kako se PM proces izvaja. Primera takšnih sistemov sta: - uravnoteženi sistem kazalnikov BSC (Kaplan in Norton, 1992) in - sistem preurejanja poslovnih procesov (angl. Business Process Reengineering BPR). Koncept merjenja učinkovitosti lahko zasledimo v številnih oblikah, kot je bilo to do sedaj prikazano. Ne glede na to ostaja osnovna ideja enaka in je bila izčrpno predstavljena s strani Folan-a in Brown-a (2005). V nadaljevanju tega dela bomo za sisteme merjenja učinkovitosti procesov na nivoju celotnega podjetja uporabljali splošen termin ključni kazalniki učinkovitosti (angl. Key Performance Indicators KPIs), medtem ko bomo za kazalnike proizvodnega nivoja vodenja uporabljali termin proizvodni kazalniki učinkovitosti (angl. production Performance Indicators pPIs). Eden izmed najbolj uveljavljenih in v praksi največkrat uporabljenih sistemov KPI na poslovnem nivoju vodenja je uravnoteženi sistem kazalnikov BSC, ki je podrobneje predstavljen v nadaljevanju. 4.1 Uravnoteženi sistem kazalnikov BSC V svetovnih kot tudi slovenskih podjetjih se je dobro uveljavil sistem BSC, ki je bil razvit kot celosten sistem za vodenje podjetij. Celostni sistem pomeni, da upošteva vse vidike, ki vplivajo na uspešnost in učinkovitost podjetja, uravnoteženi pa, da noben vidik ni prekomerno upoštevan, pač pa je obravnavan glede na težo, ki jo ima pri zagotavljanju uspešnosti vodenja podjetja. BSC vsebuje meritve finančnih vidikov, ki pokažejo rezultate že izpeljanih akcij, in dopolnjuje finančne meritve z operativnimi 25 Slika 4-1: Štirje vidiki uravnoteženega sistema kazalnikov BSC, kot sta jih definirala Kaplan in Norton (1992) meritvami zadovoljstva kupcev, internih procesov, organizacijskih inovacij in izboljšav, ki so gonilo bodočih finančnih učinkov (Kaplan in Norton, 1992). Sistem BSC ocenjuje uspešnost podjetja na štirih področjih delovanja, kot to prikazuje slika 4-1: - finančni vidiki: katere cilje mora podjetje doseči, da bo uspešno pri ocenjevanju pričakovanj lastnikov, - notranji poslovni procesi: v katerih poslovnih procesih se mora izkazati, da bo zadovoljil lastnike in stranke, - poslovanje s strankami: kako naj nastopa do svojih strank, da bo uresničilo svojo vizijo in - učenje in rast: kako naj okrepi svojo sposobnost za spremembe in izboljšave, da bo uresničilo svojo vizijo. Osnova uravnoteženega sistema kazalnikov pa je jasno definirana vizija in strategija podjetja, iz katere nato izhajajo vse ostale aktivnosti, da se lahko ta vizija in strategija izpolnita. Poleg tega Kaplan in Norton (2000) podajata dodatni proceduralni okvir, s pomočjo katerega so kazalniki lahko implementirani kot sistem, ki poteka v štirih fazah: - Prevajanje strategije: povezano s prečiščevanjem in doseganjem konsenza glede strateške vizije podjetja na vseh operativnih nivojih v podjetju, od top managementa do lokalnega nivoja. - Komuniciranje in povezovanje: to je proces, v katerem managerji predstavljajo strategijo na različnih nivojih v podjetju in jo povezujejo s cilji oddelkov in posameznikov. - Planiranje poslovanja: to je proces, v katerem podjetja združijo poslovne in finančne plane. - Povratne vezi in učenje: ta vidik daje podjetjem možnost strateškega učenja na vseh štirih področjih delovanja. 26 4. Metodologija ključnih kazalnikov učinkovitosti KPI Četudi je sistem BSC v praksi zelo uveljavljen, pa ni popoln, saj v osnovi ne spremlja stanja konkurence in ne omogoča sistematične primerjave z njo. 4.2 Predstavitev kazalnikov in njihovih atributov Po Fortuin-u (1988) kazalniki učinkovitosti "predstavljajo upravi orodje za primerjavo dejanskih rezultatov z vnaprej postavljenimi cilji in hkrati možnost merjenja stopnje odmika od zastavljenih ciljev". Kazalnik učinkovitosti lahko definiramo tudi kot "spremenljivko, ki kvantitativno izraža učinkovitost ali uspešnost ali oboje dela ali celotnega procesa ali sistema proti dani normi ali cilju" (Lohman in drugi, 2004). Kazalniki podajajo ključne informacije o fizičnih, socialnih ali ekonomskih sistemih in omogočajo analize trendov, iskanje povezav med vzroki in posledicami in kot taki predstavljajo korak naprej v primerjavi s surovimi podatki. Da kazalnik kot tak lahko razlikujemo od navadne spremenljivke, mora imeti definirane dimenzije (Veleva in Ellenbecker, 2001). 4.2.1 Dimenzije (atributi) kazalnikov Lohman (2004) definira naslednje dimenzije kazalnikov: - Ime kazalnika - Cilj: Opisana pomen in cilj uporabe kazalnika, tako da uporabnik ve, kaj določen kazalnik predstavlja. - Merska enota: to je metrika, ki se uporablja za izračun kazalnika. - Obseg: definira območje, v katerem se vrednosti kazalnika lahko nahajajo. - Nivo: tukaj definiramo, kateremu nivoju v hierarhiji prioritete izvajanj kazalnik pripada. - Okvir (granulacija): določa, kako daleč podjetje želi iti z merjenjem kazalnika (npr. proizvodna linija, obrat, posamezen stroj, ...). - Tip meritve – absolutna ali preračunana: kazalnik lahko podaja celotno količino (npr. celotna porabljena energija v enem tednu v kWh) ali preračunana količina (energija, porabljena na enoto produkta/storitve na teden). - Perioda: perioda sledenja in izračunavanja kazalnika (npr. teden, dan, izmena). - Viri podatkov: kateri podatki so za izračunavanje kazalnika potrebni, kje se zajemajo/merijo in kdo je za to odgovoren. - Lastnik: vsak kazalnik ima tudi svojega skrbnika, ki je odgovoren za njegovo izračunavanje kot tudi vrednotenje in sprejemanje odločitev na podlagi pridobljenih informacij. 27 4.2.2 Predstavitev vrednosti kazalnikov Poznamo različne načine predstavitve vrednosti kazalnikov (merske enote): - predstavitev z absolutno vrednostjo, - predstavitev z oceno od 0 do 10, linearna skala, - predstavitev z normalizirano vrednostjo (običajno je vrednost kazalnika 1 ali 100 %, ko zavzame pričakovano vrednost). Prednost prve metode je ta, da ima kazalnik enoto, ki je uporabniku poznana in je direktno povezana z merjeno količino. Npr. produktivnost, podana s številom kosov izdelka na uro proizvodnje, je za uporabnika zelo nazorna. Linearna skala temelji na klasičnem ocenjevanju od 0 do 10 ali od 0 do 5. Pričakovana vrednost kazalnika je npr. ocenjena z 8 in predstavlja 90 % vrednosti kazalnika, ocena 10 ustreza 100 % vrednosti kazalnika. Pri takšni normalizaciji kazalnika je potrebno omejevanje vrednosti kazalnika, saj za vrednosti kazalnika nad 100 % nimamo na razpolago ocene, višje od 10. Učinkovitost kazalnika 50% 90% 100% | I I 0 8 10 Ocena Slika 4-2: Predstavitev vrednosti kazalnika s pomočjo ocen Tretji način normalizacije je bolj abstrakten in ni povezan ne s fizikalno osnovo ne s klasičnim sistemom ocenjevanja, kot ga poznamo v šolah. Predstavlja procentualno izboljšanje kazalnika glede na pričakovano vrednost kazalnika. 4.2.3 Hierarhija kazalnikov Kazalniki se nahajajo na različnih nivojih vodenja v podjetjih: - procesni nivo: nivo posameznih naprav, regulacijskih zank, procesnih celic, itd., - proizvodni nivo: spremljanje celotne proizvodne linije, obrata, - poslovni nivo: poslovanje celotnega podjetja. Kazalniki so na nižjih hierarhičnih nivojih vodenja enostavni in specifični, na višjih nivojih pa bolj splošni in kompleksni, temu primerno pa so tudi zahtevnejši procesi za njihovo definicijo in procedure za njihovo izračunavanje. 28 4. Metodologija ključnih kazalnikov učinkovitosti KPI 4.3 Kazalniki procesnega in proizvodnega nivoja vodenja V splošnem so bili sistemi KPI razviti za podporo vodenju podjetij na najvišjem, poslovnem nivoju. V zadnjem desetletju se vedno bolj uveljavljajo kazalniki na procesnem in proizvodnem nivoju vodenja pPI. Predvsem v procesnih industrijah, kot so naftna, kemična, celulozna in papirna, je kar 75 % fizične opreme vključeno v sisteme avtomatskega ali drugačnega vodenja. Veliko število regulacijskih zank onemogoča hitro odkrivanje težav, ki nastajajo zaradi slabih nastavitev regulatorjev, okvar opreme ali ozkih grl v proizvodnih procesih. Raziskave so pokazale, da je mogoče z optimalnim delovanjem sistemov vodenja zagotoviti 3-5 % izboljšanje učinkovitosti proizvodnih procesov z majhnimi vlaganji ali brez dodatnih kapitalskih vlaganj (Brown, 2006). Optimalno delovanje sistemov vodenja lahko dosežemo z avtomatskim zbiranjem procesnih podatkov in preslikavo teh podatkov v pPI-je ter z nadaljnjim posredovanjem pPI-jev zainteresiranim uporabnikom. pPI-ji pokažejo resnično uporabno vrednost takrat, ko uporabnikom omogočajo hitro razbiranje vsebovanih informacij iz posredovanih podatkov o poteku proizvodnih procesov; npr. z njihovo pomočjo zaznajo nastale težave v proizvodnji ali odstopanja od zastavljenih ciljev in s pravočasnim ukrepanjem popravijo nastalo situacijo. Pri tem je še posebej pomembno, da so uporabnikom podatki podani v realnem ali skoraj realnem času na pregleden in učinkovit način, da je mogoče interaktivno raziskovanje po bazi Slika 4-3: Neintegriran model upravljanja procesne opreme, kjer končnim uporabnikom informacije posreduje nadzorni inženir. Takšen pristop ne spodbuja boljše organizacije in poteka dela v proizvodnji (Brown, 2006) 29 proizvodnih podatkov v globino (angl. drill-down) in iskanje vzroka za nastalo situacijo in da so v takšni situaciji uporabniku posredovani predlogi, kaj je potrebno narediti za izboljšanje situacije (uporaba sistemov DSS). Poleg nadzornega inženirja, ki je velikokrat zadolžen za upravljanje proizvodnih podatkov, se zanje zanimajo še operaterji, proizvodni upravitelji, vzdrževalna služba, planska služba, itd. Slika 4-3 prikazuje primer neustrezne distribucije procesnih podatkov, saj rezultate sistema za upravljanje proizvodnih podatkov (angl. Control Asset Performance Management CAPM) pregleduje nadzorni inženir in jih po lastni presoji nadalje posreduje drugim uporabnikom v podjetju in pri tem igra vlogo posrednika, ki podatke preoblikuje in filtrira po lastni presoji ter tako vnaša zakasnitve v podatkovne tokove. Izboljšano organizacijsko strukturo prikazuje slika 4-4. Proizvodni podatki se v vmesnem nivoju konsolidirajo za vsakega končnega uporabnika posebej in se mu posredujejo neposredno. Opisani pristop je procesno orientiran za razliko od prejšnjega, ki je podatkovno orientiran. To pomeni, da podatki predstavljajo samo sredstvo za doseganje cilja, to je boljše izvajanje procesov, kot so bili definirani v procesni organizacijski strukturi (poglavje 2.2.1). Poglejmo si primer vpliva kakovosti regulacijske zanke za regulacijo temperature v reaktorju v proizvodnji polimernih emulzij. V primeru, da ta regulacijska zanka zaradi delne zamašitve črpalke za doziranje iniciatorja v reaktor deluje slabo, prične kakovost izdelkov padati. V primeru, da podatke obravnava samo nadzorni inženir, bo ta poskusil problem rešiti v okviru svojih zmožnosti. Velikokrat pa se zgodi to, da se nadzorni inženir ne zaveda vseh vplivov in ekonomskih posledic, ki jih takšna napaka ima na poslovanje podjetja. Slabši izdelki med drugim vplivajo na zadovoljstvo kupcev, večjo porabo filtrov in večje stroške čiščenja odplak, ceno izdelkov, itd. S svojo nevednostjo Slika 4-4: Informacijski sistemi (PID-KPI, A & E (Accident and Emergency) baze podatkov, BSC, Computerized Maintenance Management System - CMMS) preoblikujejo podatke procesnega nivoja v takšne oblike, kot jih potrebujejo končni uporabniki na različnih nivojih vodenja v podjetju, ki so jim ti podatki neposredno posredovani (Brown, 2006) 30 4. Metodologija ključnih kazalnikov učinkovitosti KPI ali premajhnim vplivom (nakup nove črpalke) težave ne odpravi pravočasno, kar v proces vnaša dodatno škodo. V primeru, da so podatki o slabem delovanju opisane črpalke podani istočasno vzdrževalni službi, prodajni službi in odgovornim na poslovnem nivoju vodenja, se zaradi strateškega pomena napake sprožijo ustrezni postopki in viri za sanacijo napake v čim krajšem času in s tem prepreči dodatna škoda. 4.3.1 Kazalniki procesnega nivoja vodenja Kratkoročni kazalniki, ki opisujejo učinkovitost posameznih regulacijskih zank ali drugih sistemov vodenja na procesnem nivoju (angl. process, control-system KPIs), so podrobneje obravnavani v literaturi (Ruel, 2004; Kinney, 2004; Haji-Valizadeth, 2005; Gerry in Buckbee, 2005, 2006; Gordon, 2006). Primeri kratkoročnih kazalnikov procesnega nivoja so: - kazalnik variance (angl. Variance index) - kazalnik oscilacij (angl. Oscilation index) - ventili v končnem položaju (angl. Valve Stickiness index) - kazalnik izkoriščenosti (angl. Utilization index) - kazalnik zasičenja (angl. Saturation index) - Hariss indeks (angl. Hariss index) - expert tune kazalnik (angl. Expert Tune index) - izhod na meji (angl. Output at limit) - standardna deviacija izhoda (angl. Output Standard Deviation) - povprečna absolutna napaka (angl. Average Absolute Error) - prečkanje referenčne vrednosti (angl. Set-point Crossings) - integral absolutne napake (angl. Integral Absolute Error) - robustnost (angl. Robustness) - učinkovitost (angl. Effectiveness) - spremenljivost (angl. Variability) - zanesljivost (angl. Realiability) - čas v izrednem načinu delovanja itd. Bistvena prednost predstavljenih kazalnikov je avtomatska detekcija neželenega stanja posamezne regulacijske zanke ali naprave. Ker je število naprav in regulacijskih zank v tipičnih procesnih industrijah (petrokemija, rafinerije, itd.) veliko in sega v tisoče, je s takšnim pristopom omogočena lažja identifikacija in lociranje napake tako v fazi zagona kot v poznejših fazah življenjskega cikla procesa. Pri tem je ključnega pomena izgradnja učinkovitega sistema predstavitve kazalnikov pristojnim zaposlenim, ki lahko vplivajo na proces in odpravijo napake. 4.3.2 Kazalniki proizvodnega nivoja vodenja pPI Pri spremljanju celotne proizvodnje se ne spuščamo na nivo posameznih naprav, pač pa obravnavamo proizvodnjo kot celoto in preučujemo posamezne vidike uspešnosti 31 proizvodnje. Z uporabo regulacijskih tehnik lahko vplivamo na povečan tok izdelkov, povečan donos izdelkov boljše kakovosti, zmanjšanje porabe energije, zmanjšano onesnaževanje, zmanjšano proizvodnjo neustreznih (angl. off-specification) izdelkov, izboljšamo varnost, povečamo življenjsko dobo opreme, izboljšamo operativnost in zmanjšamo potrebo po delovni sili (Edgar, 2004), kar so ključna področja, ki jih obravnavajo sistemi za ocenjevanje učinkovitosti proizvodnje. Gerry (2006) definira tako imenovane srednje do dolgoročne kazalnike, ki opisujejo dobiček, kakovost, celotne stroške, pretok materiala, dejanske obratovalne čase in proizvodne stroške. Prednost takšnih kazalnikov v primerjavi s kazalniki na poslovnem nivoju vodenja je predvsem v tem, da jih je enostavneje meriti, meri se jih v krajših časovnih intervalih in lahko se jih uporablja na različnih nivojih v podjetju (enota, oddelek). Pred časom smo v okviru dela (Zorzut, 2004; Rakar in ostali, 2004) definirali splošni nabor kazalnikov za proizvodni nivo vodenja in osnovne skupine pPI-jev so naslednje: 1. Varnost in okolje: - število nezgod na delovnem mestu - število alarmov, ki opozarjajo na nevarnost - poraba sveže vode - proizvodnja odpadkov pred reciklažo - število prekoračitev mejnih koncentracij škodljivih snovi pri spuščanju odpadkov v okolje 2. Učinkovitost proizvodnje: - učinkovitost zaposlenih/infrastrukture - poraba surovin in energije - pretočni čas izdelkov - učinkovitost storitev notranjih in zunanjih služb - zastoji v proizvodnji 3. Kakovost proizvodnje: - procent končnih izdelkov/surovin/materialov, ki ne ustrezajo kriterijem kakovosti - izmet - kakovost storitev notranjih in zunanjih služb 4. Slednje planu dela: - realizacija plana, - delež proizvodnje, ki zamuja - delež proizvodnje, ki je zaradi zamud sprožil penale - delež proizvodnje, ki je bil predčasno realiziran 5. Vidiki v povezavi z zaposlenimi: - zadovoljstvo zaposlenih z delom - izgubljeni delovni dnevi zaradi poškodb in bolezni - povprečni čas službovanja zaposlenih - število predlogov za izboljšave 32 4. Metodologija ključnih kazalnikov učinkovitosti KPI V podjetjih kot tudi družbenih sistemih se vse bolj uveljavljajo sistemi za zagotavljanje kakovosti, kot je popolno upravljanje kakovosti TQM (angl. Total Quality Management). TQM je sistem upravljanja kakovosti na nivoju celotnega podjetja, ki obsega različne faze od planiranja, organizacije, usmerjanja in vodenja do zagotavljanja kakovosti. Popolno (angl. Total) izhaja iz dejstva, da je kakovost sestavljena iz kakovosti vložka lastnikov in kakovosti izdelkov (www.wikipedia.org). V okviru sistema TQM je za proizvodnjo še posebej zanimiv kazalnik Zanesljivost, ki poleg relacij proizvajalec-kupec vsebuje tudi kazalnik skupna učinkovitost naprav (angl. Overall Equipment Effectiveness OEE) (Ahmad in Dhafr, 2002). OEE = RZK (4.1) V enačbi (4.1) imajo posamezne komponente naslednji pomen: R - razpoložljivost (učinkovitost z vidika razpoložljivosti) Z - zmogljivost (učinkovitost z vidika zmogljivosti) K - kakovost (učinkovitost z vidika kakovosti) Razpoložljivost R je definirana z enačbo (4.2) R = t PR (4.2) t O ~tTZ tPR - čas proizvajanja (čas, ko naprava izdeluje produkte) tO - obratovalni čas (čas, ko tovarna ni zaprta) tTZ - čas taktičnih zastojev v procesu, napravi Zmogljivost Z je definirana kot razmerje med opazovano in teoretično predpisano hitrostjo naprave oziroma kot razmerje med normiranim in dejanskim časom, ki je bil porabljen za izvršitev operacije in je podana z enačbo (4.3) Z = tN (4.3) tN - normiran čas za izvršitev določene operacije tD - dejanski (izmerjeni) čas Lahko pa jo definiramo tudi kot razmerje med dejansko količino proizvedenega produkta in teoretično predpisano količino produkta, ki naj bi se na napravi ali procesu izvedel v danem časovnem obdobju. Pri tem upoštevamo vse produkte, dobre in slabe, ki so se na napravi ali procesu proizvedli. Faktor kakovosti K prikazuje izgube, ki so posledica neustreznosti določenega dela produktov po končanem delu na neki napravi ali v procesu in je podan z enačbo (4.4). 33 K= Q (4.4) P VSI PQ – delež dobrih izdelkov PVSI – celotna količina izdelkov, ki vstopijo v operacijo ali proces Opisani sistem merjenja skupne učinkovitosti naprav OEE je dobro uveljavljen v podjetjih na svetovnem nivoju in zaradi svoje standardizirane oblike obstajajo referenčne vrednosti za te kazalnike za posamezne gospodarske panoge, kar posameznemu podjetju omogoča primerjavo s konkurenčnimi podjetji (angl. Benchmarking). 4.4 Povezanost kazalnikov na različnih hierarhičnih nivojih Kazalniki poslovnega nivoja naslavljajo dolgoročne cilje podjetja in predstavljajo dosežene rezultate v daljšem časovnem obdobju (nekaj mesecev, leto), tako da je vpliv nanje dolgoročen (npr. zadovoljstvo strank). Kazalniki procesnega nivoja so kratkoročni kazalniki, s katerimi operiramo na urni/dnevni ravni; z njihovo pomočjo hitreje odkrivamo napake, ki nastopijo v proizvodnem procesu in jih odpravljamo, kar posledično vodi k bolj enakomernemu in optimalnemu delovanju posameznih naprav, obrata, celotne proizvodnje in posledično tudi celotnega podjetja. To pomeni, da z ustreznim vodenjem procesnih in proizvodnih kazalnikov lahko posredno zagotavljamo boljše rezultate v poslovanju podjetja, kar se odraža v ugodnejših potekih KPI-jev poslovnega nivoja (Gerry in Buckbee, 2006; Brown, 2006). Upravljanje kazalnikov na procesnem in proizvodnem nivoju ima to prednost, da v realnem ali skoraj realnem času odgovarja na dogodke v proizvodnji in odpravlja vzroke za nastale težave na kraju nastopanja, ne da bi pri tem čakali na mesečna poročila managementa in potrebne ukaze za ukrepanje. 4.5 Uvajanje kazalnikov proizvodnega nivoja pPI Poleg strukturnega vidika, ki so ga obravnavala prejšnja podpoglavja, mora sistem kazalnikov vsebovati tudi proceduralni vidik, ki podaja postopek za definicijo, implementacijo, uporabo in vzdrževanje kazalnikov. Da proizvodnja v podjetju lahko deluje, mora zadoščati vsem varnostnim predpisom, smotrno mora uporabljati dane vire energije, materiala in delovnih sredstev, upoštevati mora osnovne potrebe in zahteve delavcev, itd. Ker si te zahteve med seboj niso enakovredne, lahko definiramo ustrezno ogrodje v obliki trinivojske strukture (slika 4-5), ki omogoča organizacijo kazalnikov v tri skupine glede na prioriteto udejanjanja (Veleva in Ellenbecker, 2001). Na prvem nivoju imamo kazalnike, ki so povezani z 34 4. Metodologija ključnih kazalnikov učinkovitosti KPI Nivo 1: Varnost in okolje: skladnost s predpisi, standardi Nivo 2: Kakovost, sledenje planu dela, učinkovitost proizvodnje Nivo 3: Vidiki v povezavi z zaposlenimi Slika 4-5: Ogrodje v obliki trinivojske strukture za definiranje sistema pPI-jev, ki razvršča kazalnike glede na prioriteto udejanjanja zakonskimi predpisi glede varnosti in varovanja okolja in jih je potrebno najprej izvajati. Na drugem nivoju sledijo kazalniki v povezavi s kakovostjo, sledenjem planu dela in učinkovitostjo. Na tretjem in zadnjem nivoju imamo kazalnike, ki opisujejo različne vidike v povezavi z zaposlenimi. Noben od teh vidikov ni izrazito pomembnejši, razlike nastopajo le v tem, kateri vidiki morajo biti za uspešno in učinkovito delovanje proizvodnje prej obravnavani. Vsi kazalniki tudi niso enako vplivni, med njimi obstajajo tudi razlike v zahtevnosti pri implementaciji, zato je smiselno, da podjetje prične z definiranjem ključnih ali za implementacijo enostavnih kazalnikov in se nato premika proti bolj kompleksnim ali manj vplivnim kazalnikom. To pomeni, da je uporaba kazalnikov kontinuiran, evolutiven proces postavljanja ciljev in merjenja učinkovitosti pri doseganju teh ciljev, pri čemer se definicija in nabor kazalnikov v vsaki iteraciji na novo ovrednoti in ustrezno dopolni. 4.5.1 Primer 8-koračnega iterativnega zaprtozančnega modela za izračunavanje kazalnikov Metodologijo izračunavanja pPI-jev (proceduralni vidik) lahko strnemo v 8-koračni iterativen model, ki ga prikazuje slika 4-6. Temelji na modelu, ki ga je razvil Bennett (Bennett, 1999). V prvem koraku definiramo namere in cilje vodenja proizvodnega procesa, ki so v skladu s poslanstvom podjetja. Ti cilji morajo naslavljati vse glavne segmente vodenja proizvodnega procesa (kakovost, varnost, itd.), pri tem pa morajo spodbujati zaposlene k sprejemanju odločitev. Drugi korak vsebuje identifikacijo potencialnih kazalnikov, ki odsevajo cilje uspešne in učinkovite proizvodnje. Priporočljivo je, da podjetje uporabi čim več splošnih kazalnikov, torej kazalnikov, ki jih lahko uporabimo v veliki večini proizvodnih podjetij. To je vsekakor težka naloga, še posebej za manjša podjetja z omejenimi finančnimi viri in lastnim znanjem. V takih primerih lahko podjetja za začetek 35 implementirajo samo nekaj najbolj potrebnih kazalnikov in s časom povečujejo njihovo število. Tretji korak vsebuje izbiro kazalnikov za implementacijo. Poleg splošnih kazalnikov na tem mestu premislimo tudi o možnosti implementacije dodatnih/dopolnilnih kazalnikov, ki so specifični za proizvodnjo danega podjetja. V tem procesu mora sodelovati čim več zaposlenih. Pri tem projektu moramo dobiti podporo tako uprave podjetja, vodij posameznih obratov kot ključnih zaposlenih v proizvodnem obratu. S podporo uprave podjetja dobimo ustrezna sredstva in podporo, kar je potrebno za izvedbo projekta, vodje proizvodnih obratov in linij nam omogočajo definiranje ključnih funkcij proizvodnje, ki jih je potrebno meriti, zaposleni na nižjih funkcijah pa nam omogočajo zajemanje kakovostnih in točnih podatkov, ki so potrebni za izračunavanje kazalnikov. V četrtem koraku, postavljanje ciljev, določamo specifične cilje, kot so zmanjšanje izmeta na prvi liniji za 20 % v naslednjem letu ali doseči ničelno odsotnost z dela zaradi posledic nesreč na delu. Ta korak je pomemben, saj omogoča preverjanje doseganja ciljev v danem časovnem obdobju, poveča zanimanje vodij obratov in povečuje odgovornost sodelujočih v projektu. Samo doseganje ciljev še ne pomeni, da je kakovost proizvodnje zadovoljiva in da je cilj dosežen, ampak pomeni potrebo po postavljanju novih ciljev, dejstev, želja, normativov kot del procesa kontinuiranega napredka na vseh pogledih učinkovite proizvodnje. Peti korak predstavlja implementacijo kazalnikov. To je ključni korak, ki vsebuje zbiranje podatkov, izračune, vrednotenje in interpretacijo rezultatov. To je časovno najbolj potraten korak, ki zahteva sodelovanje velikega števila zaposlenih v podjetju. Da zgradimo uspešen sistem kazalnikov, moramo upoštevati naslednja izhodišča: - kateri tip informacijskega sistema bo uporabljen za upravljanje podatkov, - kakšno programsko opremo bomo uporabljali za poročanje, - kdo od zaposlenih bo zbiral katere podatke, - kako se bodo zaposleni v proizvodnji usposabljali za zbiranje podatkov, - kako bo izvedeno preverjanje točnosti podatkov. Dobro je videti vlogo kazalnikov kot integralni del orodij za podporo odločanju in ne kot kratkoročen in izoliran informacijski sistem. Šesti korak vsebuje rezultate nadziranja (angl. monitoring) in komuniciranja (angl. communication). Da lahko govorimo o kontinuiranem napredovanju, morajo konstruktorji in uporabniki sistema kazalnikov periodično ovrednotiti rezultate uporabe kazalnikov. Tako je smiselno vzpostaviti sistem za redno vrednotenje, interpretacijo in predstavitev rezultatov zaposlenim in drugim zainteresiranim skupinam (vodje proizvodnje, uprava podjetja, itd). Podjetje si s stalnim razvojem in z napredkom v 36 4. Metodologija ključnih kazalnikov učinkovitosti KPI 8. Ponoven pregled kazalnikov in rezultatov Z 1. Definicija namer in ciljev vodenja proizvodnje 2. Identifikacija potencialnih kazalnikov 7. Delovanje na podlagi informacij X X 3. Izbira kazalnikov za implementacijo 6. Vrednotenje vrednosti kazalnikov med uporabniki 5. Implementacija kazalnikov Z 4. Definiranje kvantitativnih vrednosti ciljev Slika 4-6: Zaprtozančni model za definiranje, merjenje in razvoj pPI-jev smeri doseganja zastavljenih ciljev lahko močno izboljša svojo konkurenčnost in po drugi strani ugled na trgu. Sedmi korak: Delovanje na podlagi informacij, ki jih dobimo z uporabo pPI-jev, je ključni korak v procesu uporabe kazalnikov. V tem koraku vodje proizvodenj izvajajo dodatne meritve in sprejemajo ukrepe za zagotovitev potrebnega ali želenega stanja v proizvodnih procesih in na ta način demonstrirajo, da implementacija in uporaba kazalnikov predstavlja proces kontinuiranega razvoja proizvodnega procesa. Zadnji, osmi korak, vsebuje ponoven pregled kazalnikov in rezultatov. Ta korak predstavlja temelj za postavitev novih ciljev in kazalnikov. Proces ukinitve kazalnika je ravno tako pomemben kot proces izbire novega. Samo z redno revizijo ciljev in kazalnikov lahko dosežemo kontinuiran napredek v kakovosti proizvodnega procesa. 4.6 Časovni parametri pri izračunavanju kazalnikov Algoritem za izračunavanje pPI-jev je povezan z dvema časovnima parametroma: - periodo izračunavanja kazalnika, - časovnim oknom. Perioda izračunavanja kazalnikov je odvisna od dinamike procesa in od tega, kako pogosto uporabnik pregleduje kazalnike. Na proizvodnem nivoju se kazalnike vrednoti na dnevni ravni (večkrat na dan, dnevno, na nekaj dni). Na poslovnem nivoju se nekatere kazalnike vrednoti mesečno, na tri mesece, pol leta ali na letni ravni. 37 PERIODA IZRAČUNAVANJA KAZALNIKOV <--------------► IZRAČUN KAZALNIKOV T T T Slika 4-7: Prikaz osnovnih časovnih parametrov algoritma za izračunavanje kazalnikov Časovno okno definira čas, v katerem preučujemo dogajanje v procesu in posledično določa podatke, ki so potrebni za izračun kazalnikov. Pri kazalnikih na nivoju vodenja proizvodnje, ki se vrednotijo na dnevni ravni in v primeru, ko so časovne konstante procesov velike, je časovno okno daljše od periode vzorčenja. Tako se učinkovitost proizvodnje izračunava iz proizvodnih podatkov od nekaj dni do celotnega tedna proizvodnje. Z večanjem časovnega okna je učinek povprečevanja večji, kar je dobro za izločanje šuma v kazalniku, hkrati pa se zmanjša občutljivost kazalnika na trenutne dogodke v proizvodnji. Izbira ustreznega časovnega okna za posamezen kazalnik je tako še posebej pomembna. Bolj podrobna analiza vpliva časovnega okna na potek kazalnikov bo obravnavana v poglavju 8.4. 4.7 Samo izračunavanje kazalnikov ni dovolj Poleg iskanja potrebnih informacij v podatkih in njihova preslikava v kazalnike je potrebna tudi ustrezna grafična predstavitev časovnega poteka kazalnikov. Znani pregovor, da dobra slika pove več kakor tisoč besed, v tem primeru še kako drži. Zamislimo si, da imamo tisoč regulacijskih zank in da izračunavamo nekaj tisoč kazalnikov, ki podajajo kakovost teh regulacijskih zank. Brez ustreznega mehanizma za predstavitev in vrednotenje kazalnikov, ki omogoča hitro alokacijo problema v kateri od zank, smo samo preslikali problem zasičenosti uporabnika s surovimi podatki v problem zasičenosti uporabnika s podatki v obliki pPI-jev (Brown, 2006). Zato je naslednji korak razvoj sistema, ki spremlja potek kazalnikov in obvešča uporabnika v primeru, ko določen kazalnik odstopa od pričakovane vrednosti in po možnosti tudi predlaga potrebne ukrepe, ki lahko odpravijo nastalo težavo. Z implementacijo vseh opisanih elementov informacijsko-komunikacijskega sistema lahko zagotovimo dejansko uporabnost proizvodnih podatkov in dosežemo želene učinke – boljšo izkoriščenost proizvodnih virov, boljšo kakovost izdelkov, boljše poznavanje razmer v proizvodnji in posledično boljše upravljanje naročil in povečanje zadovoljstva strank, večji dobiček, itd (Brown, 2006). 5. Zaprtozančna paradigma vodenja proizvodnje Sinteza kontrolnega sistema za vodenje proizvodnje (angl. plantwide control system) predstavlja aktualen kot tudi konstrukcijsko zahteven problem, s katerim se soočajo tako proizvodna podjetja kot teorija vodenja sistemov. Takšen sistem karakterizira nekaj posebnosti, ki jih ne zasledimo pri obravnavi sistemov za vodenje za posamezne enote (Stephanopoulos in Ng, 2000): - regulirane spremenljivke za sistem vodenja na nivoju celotne proizvodnje niso tako jasno ali enostavno določljive, kot to velja za posamezne enote, - lokalne regulacijske odločitve, ki se izvedejo na nivoju ene enote, imajo lahko daljnosežne posledice na celotno proizvodnjo, - razsežnost problema, ki ga predstavlja sistem za vodenje celotne proizvodnje, je znatno večji od razsežnosti problema, ki ga predstavlja sistem za vodenje posamezne enote. Kontrolni sistemi v proizvodnih obratih so velikokrat strukturirani hierarhično v več nivojev, pri čemer se procesi na posameznih hierarhičnih nivojih izvajajo na različnih časovnih skalah (Skogestad, 2000). Razvrščanje opravil se izvaja na tedenskem nivoju, optimizacija obrata na nivoju dneva, nadzorno vodenje procesov na nivoju ure/minute in stabilizacijsko ali regulacijsko vodenje posameznih procesnih veličin na nivoju minute/sekunde. Posamezni nivoji so med seboj povezani preko reguliranih spremenljivk, katerih reference se izračunavajo na višjem nivoju, naloga nižjega nivoja vodenja pa je implementacija nastavljene referenčne vrednosti. Pri tem predpostavljamo, da se gledano z nivoja, ki postavlja referenčne vrednosti za regulirane spremenljivke, implementacija le-te zgodi trenutno ali v zelo kratkem času. Izbira ustreznih reguliranih spremenljivk, ki povezujejo nivoje vodenja med seboj, predstavlja prvi korak v procesu sinteze kontrolnega sistema na nivoju proizvodnje. Temu sledijo še naslednji koraki: - izbira manipulativnih spremenljivk, - izbira ustreznih meritev za potrebe vodenja in stabilizacije proizvodnih procesov, - izbira strukture regulatorja, - izbira tipa regulatorja. 40 5. Zaprtozančna paradigma vodenja proizvodnje V doktorski disertacije predstavljamo primer uporabe kazalnikov pPI v vlogi reguliranih spremenljivk procesa. Kazalniki pPI so tako funkcije, ki preslikajo meritve procesnih veličin v regulirane spremenljivke procesa. Za optimizacijo proizvodnje je v osnovi potrebno definirati kriterijsko funkcijo J, ki jo poskušamo minimizirati oziroma maksimizirati. To je pristop klasičnih optimizacijskih metod, ki pa za svoje delovanje potrebujejo natančen matematičen model procesa, meritve vseh motenj in reševanje dinamičnega optimizacijskega problema v realnem času. Za proizvodne procese je značilna velika kompleksnost, nepredvidljivost (vpliv trga, itd.), spremenljivost (okvare, staranje opreme, itd.) kot tudi obilica merljivih in nemerljivih motenj z znatnim vplivom na potek procesa, tako da je izdelava natančnega matematičnega modela zelo težavna, velikokrat pa ni ekonomsko upravičena. Iz tega sledi, da je tudi sočasna optimizacija proizvodnje zahtevno opravilo. Tako se vprašamo, ali morda obstaja alternativni pristop, s katerim bi lahko reševali opisano problematiko. Rešitev lahko dobimo v tako imenovanem samooptimizirajočem vodenju procesov. 5.1 Samooptimizirajoče vodenje procesov Samooptimizirajoče vodenje (Skogestad, 2000; 2004) temelji na predpostavki, da z vzdrževanjem ustrezne regulirane spremenljivke c sistema na neki referenčni vrednosti cS, sistem deluje v svojem optimalnem področju ali v njegovi bližnji okolici. Sprejemanje odločitev in njihova implementacija v realnih sistemih je lahko izvedena s pomočjo hierarhične strukture, kot jo prikazuje slika 5-1, tako da se reference cS za regulirane spremenljivke c pošilja z nivoja vodenja (optimizator) na nižji nivo (regulator). To ustreza enostavni zaprtozančni strategiji, kjer se manipulativne spremenljivke u spreminjajo, tako da ohranjajo izbrane regulirane spremenljivke c predpisano referenčno vrednost cS (Skogestad, 2004). Slika 5-1: Implementacija samooptimizirajočega zaprtozančnega vodenja procesa z ločenima nivojema za optimizacijo in vodenje 41 Regulirane spremenljivke c so izbrana podmnožica ali kombinacija razpoložljivih meritev y. Glavna ideja opisanega samooptimizirajočega sistema vodenja je doseganje skoraj optimalnega delovanja procesa samo z vzdrževanjem reguliranih spremenljivk na zahtevanih referenčnih vrednostih brez potrebe po kontinuiranem reševanju optimizirajočega problema, ki smo ga definirali v uvodu v poglavje 5. Problem samooptimizirajočega vodenja kompleksnega procesa lahko predstavimo s primerom teka na dolge proge (Skogestad, 2004). Funkcija, ki jo je pri takšnem teku potrebno minimizirati, je celotni čas teka, J=T. Neodvisna spremenljivka u je vhodna energija oziroma moč, s katero tekač teče, prisotne pa so tudi omejitve, kot je razpoložljiva moč in vzdržljivost tekača. Pri teku na kratke proge tekač v splošnem celotno progo preteče z maksimalno močjo in ne potrebuje dodatnih meril, s pomočjo katerih bi lažje upravljal svoj tek. Z opisanim pristopom pa pri teku na dolge proge ne more računati, saj mora upoštevati omejitve, to je vzdržljivost. Ali obstaja ustrezna regulirana spremenljivka, s pomočjo katere bi tekač lahko optimalno vodil svoj tek? Prvi način je tek z enako hitrostjo, kot tečejo drugi tekači (c=y1=konstantna razdalja do najhitrejšega tekača). Opisani pristop ima pomanjkljivosti, saj obstaja možnost, da tekač ne uspe dohajati vodilnega tekača in s tem preseže omejitve sistema. Opisani pristop tudi ne deluje, če je tekač sam. Druga možnost je, da tekač teče s konstantno hitrostjo (c=y2=hitrost), vendar opisani pristop ni učinkovit v primeru razgibanega terena (d=naklon terena), kjer je optimalno prilagajati hitrost teka. Tekač lahko tako kot v prvem primeru ne zmore vzdrževati predpisane hitrosti in s tem preseže omejitev sistema na enak način kot v prejšnjem primeru. Boljša rešitev je tek s konstantnim srčnim utripom (c=y3=srčni utrip) ali s konstantno koncentracijo mlečne kisline v mišicah (c=y4=koncentracija mlečne kisline). Z opisanim pristopom tekač prilagaja hitrost teka trenutnim psihofizičnim sposobnostim in motnjam iz okolja (npr. tek v hrib) in s tem upošteva motnje, ki jih v prejšnjih primerih ni bilo možno. Hitrost teka in s tem svojo pozicijo v skupini pa občasno popravlja s spreminjanjem reference za srčni utrip/koncentracijo mlečne kisline. Za lažje razumevanje opisanega principa si poglejmo osnovno matematično formulacijo samooptimizirajočega vodenja. Naj bo kriterijska funkcija za optimalno proizvodnjo čim večja ustvarjena ekonomska vrednost proizvodnje, ki jo ponazorimo s skalarno funkcijo J (enačba 5.1): J = ∑vrednost izdelkov - ∑stroški surovin - ∑ proizvodni stroški (5.1) Potemtakem se pri vodenju proizvodnje nahajamo v optimalnem področju delovanja takrat, ko se dejansko ustvarjena ekonomska vrednost proizvodnje malo razlikuje od optimalne ustvarjene ekonomske vrednosti Jopt. Funkcija J je odvisna od vhodnih 42 5. Zaprtozančna paradigma vodenja proizvodnje spremenljivk sistema, dinamike procesa in motenj. Pri iskanju optimalnega področja delovanja upoštevamo omejitve sistema gx, kot jih definira enačba (5.2). g1(x,u0,d)=0 (5.2) g2(x,u0,d)≤0 g – omejitve sistema x – notranja stanja sistema u0 – prostostne stopnje, ki se porabijo za zadovoljevanje omejitev d – zunanje motnje, ki vplivajo na sistem Za zadovoljevanje teh omejitev se uporabi določeno število prostostnih stopenj u0 sistema (vhodnih, manipulativnih spremenljivk), preostale prostostne stopnje pa se v nadaljevanju uporabljajo za doseganje optimalne vrednosti kriterijske funkcije. Slednjo dobimo tako, da poiščemo maksimalni dobiček pri danih motnjah, torej poiščemo takšne vrednosti manipulativnih spremenljivk u = uopt(d), s katerimi vodimo proces, da je kriterijska funkcija J maksimalna. Jopt(d) = maxu J(u,d) = J(uopt(d),d) (5.3) J – kriterijska funkcija u – preostale prostostne stopnje za vodenje procesa d – zunanje motnje, ki vplivajo na sistem 5.1.1 Izbira manipulativnih in reguliranih spremenljivk Za uspešno implementacijo samooptimizirajočega sistema vodenja je ključna izbira ustreznih reguliranih spremenljivk c, ki morajo zadostiti naslednjim pogojem (Skogestad, 2004): - optimalna vrednost za regulirane spremenljivke c naj bo neobčutljiva na motnje, tako da je napaka glede na izbiro delovne točke čim manjša, - c naj bo enostavno merljiva in dobro vodljiva (tako je napaka implementacije majhna), - c naj bo čim bolj občutljiva na spremembe manipulativnih spremenljivk u (ekvivalentno: kriterijska funkcija J mora imeti glede na regulirano spremenljivko c čim manj izrazit ekstrem, biti mora čim bolj ploska, tako da je njena občutljivost na spremenljivko c in posledično napako implementacije spremenljivke c čim manjša), - za primere z več reguliranimi spremenljivkami izbrane spremenljivke ne smejo biti med seboj močno korelirane. Prvo pravilo minimizira vpliv motenj na kriterijsko funkcijo. Drugo pravilo zmanjša magnitudo napake implementacije. Zadnji dve pravili zmanjšata učinek napake 43 implementacije. Vsa pravila skupaj tako lahko poenostavimo v eno samo: "Regulirane spremenljivke c morajo imeti regulacijsko območje (območje, ki ga c lahko zavzame s spreminjanjem vhodnih spremenljivk u) veliko v primerjavi z vsoto optimalne variacije (pričakovana variacija copt glede na motnje) in regulacijske napake (napaka implementacije n)". Podrobnejša analiza ustreznosti izbranih pPI-jev kot reguliranih spremenljivk za izbrani proces polimerizacije je obravnavana v poglavju 8.7. Tudi Stephanopoulos in Ng (2000) ugotavljata, da je ena od osnovnih nalog sistemov za vodenje proizvodnih procesov definicija ustrezne strukture sistema vodenja vključno z definicijo tistih procesnih spremenljivk, ki jih je potrebno meriti in tistih, s katerimi vplivamo na proizvodnjo, tako da se doseže želeno obnašanje sistema. Velikokrat se ekonomsko učinkovitost proizvodnje ocenjuje z naborom manjših ciljev, ki jih mora proizvodnja dosegati, te pa lahko razvrstimo v dva razreda: 1. Eksplicitni cilji proizvodnje (v g V cY): to so cilji, ki jih lahko direktno povežemo z merljivimi spremenljivkami y (npr. kakovost izdelkov, …) 2. Implicitni cilji proizvodnje (z g Z): to so cilji, ki jih lahko izrazimo implicitno kot funkcije merljivih y in vhodnih (manipulativnih) spremenljivk u. zj = fj(yi,ui), zjgZ, yi€Y Tipični primeri implicitnih ciljev so optimizacija operativnega dobička proizvodnega obrata, vzdrževanje optimalnih količin materialov v proizvodnem procesu, regulacija kakovosti izdelkov, zagotavljanje varnosti v obratu, itd. Vprašanje, ki se pojavlja, je, kako lahko takšne implicitne cilje, ki jih ni mogoče enostavno meriti, reguliramo. To lahko naredimo z ustrezno preslikavo implicitnih ciljev v množico reguliranih spremenljivk, v nadaljevanju pa z ustrezno regulacijo in vzdrževanjem teh spremenljivk na predpisanih vrednostih na enak način, kot je to predstavil Skogestad. Avtorja definirata globalni cilj sistema za vodenje celotne proizvodnje z vektorsko funkcijo (enačba 5.4): 0= min F = [Fk] Vke Fk ^F|uF|| (5.4) u,ysp,zsp kjer so F|, igF| F|,i =|vi , sp-vi| vieV eksplicitni cilji F||, jgF|| F||,j=\zj, sp-zj\ zjgZ implicitni cilji Velikokrat je globalni cilj proizvodnega procesa maksimizirati operativni dobiček in v takšnem primeru je cilj optimizacijskega procesa minimizirati razliko med maksimalnim možnim dobičkom zdobicek,sp in dejanskim dobičkom zdobicek (enačba 5.5): * = minz max zdobicek (u, y, d) - zdobicek (u, y, d) u (5.5) z dobicek kjer u in y predstavljata manipulativne in merjene spremenljivke, d pa motnje v sistemu. 44 5. Zaprtozančna paradigma vodenja proizvodnje Opisano vektorsko optimizacijo je mogoče prevesti na skalarno optimizacijo preko uvedbe utežnih faktorjev wi in wj, tako da enostavno seštejemo utežene prispevke posameznih ciljev (enačba 5.6) *'= minF = Ewivi , sp-vi| + Ewjzj , sp-zj| (5.6) kjer so vi,sp in zj,sp optimalne vrednosti implicitnih in eksplicitnih ciljev vodenja proizvodnje. Izbrane uteži se določijo glede na vpliv posameznega cilja na skalarno kriterijsko funkcijo. Povezava implicitnih ciljev z množico merljivih spremenljivk ni tako enostavna kot to velja za eksplicitne cilje. Pri iskanju teh povezav je potrebno narediti naslednje korake: 1. Klasifikacija motenj. Motnje klasificiramo v dve skupini: tiste z izrazitim vplivom na implicitni cilj in tiste z manjšim vplivom. 2. Izbira zaprtozančno reguliranih spremenljivk. Izračunamo občutljivost izhodov na normalizirano variacijo motenj z izrazitim vplivom na kriterijsko funkcijo. Tisti merjeni izhodi z največjo občutljivostjo so izbrani za regulirane spremenljivke c. Poleg tega je s hierarhično predstavitvijo vodenja proizvodnega procesa, kjer se na različnih hierarhičnih nivojih vodenja izvaja regulacija različnih ciljev glede na njihov vpliv v kriterijski funkciji možna nadaljnja poenostavitev regulacijske sheme vodenja proizvodnega procesa. 5.2 Zaprtozančna regulacijska shema z uporabo pPI V poglavju 4 smo predstavili metodologijo za ocenjevanje uspešnosti in učinkovitosti proizvodnih procesov s pomočjo nabora pPI-jev. Z regulacijo teh pPI-jev na določene referenčne vrednosti lahko izvajamo optimizacijo proizvodnje, kot je to bilo prikazano v dosedanjem izvajanju, pri tem pa morajo pPI-ji zadovoljevati pogoje za izbrane regulacijske spremenljivke. Slika 5-2 prikazuje generalizirano hierarhično zaprtozančno regulacijsko shemo za vodenje celotne proizvodnje na osnovi proizvodnih PI-jev. V zgornji regulacijski zanki vodja proizvodnje optimizira proizvodnjo, tako da izbira referenčne vrednosti za pPI-je v spodnji regulacijski zanki. Svoje odločitve sprejema ročno, pri tem pa se odloča na podlagi zahtev z višjega poslovnega nivoja vodenja (kaj, koliko, kdaj proizvesti), strategije vodenja proizvodnje, vrednost nekaterih pPI-jev in po možnosti s pomočjo DSS sistema za vodenje proizvodnje. Ko so referenčne vrednosti za pPI-je v spodnji zanki določene, je naloga spodnje regulacijske zanke na osnovi proizvodnega regulatorja, da vzdržuje vrednosti teh pPI-jev na predpisanih referenčnih vrednostih. Opisana regulacijska shema omogoča redukcijo kompleksnosti regulacijskega 45 Slika 5-2: Hierarhična zaprtozančna regulacijska shema za vodenje proizvodnje problema, saj se zgornja regulacijska zanka izvaja ročno s strani vodje proizvodnje na tedenski/dnevni ravni, medtem ko se spodnja regulacijska zanka izvaja avtomatsko s pomočjo proizvodnega regulatorja na urni ravni. Tako je časovna konstanta spodnje zanke znatno manjša v primerjavi s časovno konstanto zgornje, kar pomeni, da so izhodi na nivoju zgornje zanke vidni na nivoju spodnje regulacijske zanke kot konstantni. Proizvodni regulator je lahko prediktivni regulator na osnovi modela procesa, regulator na osnovi nevronske mreže, vpoglednih tabel, itd. V poglavju 9 je podrobneje predstavljena sinteza sistema zaprtozančnega vodenja šaržnega procesa, ki je bil implementiran na proceduralnem modelu šaržnega procesa polimerizacije. Za lažje razumevanje različnih pristopov k modeliranju proizvodnih procesov so v poglavju 6 predstavljeni različni koncepti modeliranja podjetij, ki vsebujejo tudi proizvodne procese. V poglavju 7 pa je podrobneje opisan proceduralni model izbranega šaržnega procesa. 6. Koncepti modeliranja proizvodnih procesov V dosedanjem delu smo predstavili različne poglede na podjetje in vlogo posameznih enot v podjetju, dotaknili smo se razlik med proizvodnimi in poslovnimi procesi in spoznali specifične lastnosti proizvodnega nivoja vodenja. V poglavju 5 smo predstavili idejo zaprtozančnega vodenja in optimizacije celotne proizvodnje, kar zahteva ustrezno poznavanje strukture informacijskih, odločitvenih in fizičnih tokov v samem podjetju. S postavitvijo kvantitativnih in kvalitativnih ciljev v podjetju, z njihovim merjenjem in vodenjem poslovnih in proizvodnih procesov v smeri doseganja zastavljenih ciljev je omogočen stalen napredek in poznavanje stanja v podjetju. Da pa lahko opisane cilje dosežemo, je velikokrat potrebno razviti model podjetja, ki predstavlja osnovo pri gradnji in analizi predstavljenih sistemov. Za lažje razumevanje konceptov modeliranja podjetij si poglejmo nekaj splošnih definicij. Model podjetja je računska predstavitev strukture, aktivnosti, procesov, informacij, virov, ljudi, obnašanja, ciljev in omejitev v podjetju. Arhitektura je (grafični) opis strukture nečesa. Je ogrodje, na podlagi katerega je zgrajen izdelek ali organizacija podjetja. Referenčni model (angl. Reference model) je splošni model, ki ga lahko uporabimo kot osnovo pri izgradnji specifičnih modelov. Referenčna arhitektura (angl. Reference Architecture) je strukturirana množica modelov, ki predstavljajo gradnike sistema. Podjetje je tehnološka, ekonomska in socialna entiteta. Z upravljanjem množice virov (tehnični, tehnološki, človeški in finančni) se dosega želene aktivnosti. Pojav računalniške znanosti in sistemskega inženiringa je omogočil sistemski pogled na podjetje, to je obravnavo podjetja kot sistema, ki deluje in se razvija v danem okolju z nekim namenom. Pri tem so različne skupine ljudi (računalničarji, ekonomisti, tehniki), vključene v upravljanje podjetja, razvijale svoj pogled na podjetje, kar se je odrazilo v različnih referenčnih modelih/arhitekturah podjetij (Berrah in drugi, 2000). Računalniški strokovnjaki so podrobneje obravnavali podatke kot vmesnik med fizičnimi/materialnimi aspekti podjetja na eni strani in sprejemanjem odločitev na drugi strani. Pri tem so bili prepričani, da z boljšo organizacijo velike količine podatkov lahko zagotovijo boljšo organizacijo podjetja. Pri tem so razvili številne modele, kot so: - modeli na osnovi entitet in povezav med njimi (podatkovni vidik) 48 6. Koncepti modeliranja proizvodnih procesov - modeli SADT: podrobneje obravnava funkcije v podjetju (aktivnosti, operacije) - objektno-orientirani modeli: predstavitev različnih aspektov informacijske kompleksnosti (podatki, funkcije, čas) z objekti in hierarhijo objektov - modeli na osnovi agentov: obravnavajo decentralizirane adaptivne in kompleksne sisteme. Naslednji poskus modeliranja podjetij je bil razvit iz ekonomskega in upravljavskega (management) pogleda na podjetje. Če se računalniška teorija koncentrira na obdelavo in predstavitev podatkov, potem se ekonomska stroka posveča oceni stroškov posameznih operacij, aktivnosti in funkcij. Tako so ekonomisti obravnavali učinkovitost podjetja zgolj skozi optiko stroškov in drugih ekonomskih aktivnosti (npr. ABC costing, ABC management). Tehnični pogled na podjetje vključno s pojavom koncepta CIM sta predstavljala osnovo za nove pristope k modeliranju funkcijskih, strukturnih in vedenjskih vidikov podjetja. Modele, ki so bili razviti na tej osnovi, združuje dejstvo, da na različne načine povezujejo regulacijske, organizacijske in informacijske vidike v podjetju. Tipične referenčne arhitekture na tej osnovi so: - CIMOSA - GRAI, GRAI/GIM - PERA - GERAM - ARIS V nadaljevanju so posamezne arhitekture podrobneje predstavljene. 6.1 CIMOSA Referenčna arhitektura CIMOSA (angl. Computer Integrated Manufacturing Open System Architecture) je odprt sistem, ki podpira opis podjetja od poslovnega do procesnega nivoja. CIMOSA določa modelirno ogrodje, modelirni jezik za modeliranje podjetja in infrastrukturo za integracijo podjetja. Pokriva funkcijske, informacijske, organizacijske aspekte podjetja kot tudi področje virov na različnih nivojih podjetja na podlagi natančnega procesnega modela. Ogrodje modeliranja CIMOSA je določeno s trodimenzionalno strukturo, ki jo določajo dimenzije generičnosti, modeliranja in pogleda (Gradišar in Mušič, 2006). 6.2 GRAI in GRAI/GIM Metoda GRAI se osredotoča na področje sprejemanja odločitev v podjetju (Chen in drugi, 1997). V poznejši fazi razvoja je bila razširjena tudi na ostale aspekte (funkcijske, informacijske, organizacijske), ki jih srečamo pod imenom metoda GRAI/GIM. 49 Življenjski cikel po metodologiji GRAI/GIM zajema pet faz: - analizo - splošno načrtovanje - podrobno tehnično načrtovanje - izvedbo - uporabo Prvi del življenjskega cikla rešitve predstavljata fazi analize in načrtovanja, ki sta na višjem nivoju abstrakcije in je namenjen opisu sistema skozi zahteve uporabnika. V teh dveh fazah načrtovalec obdela problem s štirih pogledov: s funkcionalnega, fizičnega, odločitvenega in informacijskega. Drugi del v življenjskem ciklu predstavlja podrobne tehnične specifikacije in izvedbo le-teh, ki potekajo na nižji stopnji abstrakcije. Pri modeliranju posameznega pogleda izdelamo model v ustrezni metodologiji, pri čemer izbiramo med naslednjimi: - za funkcionalni opis se uporablja metodologija IDEF0, - za informacijski model metoda GRAI, - za odločitveni model lahko izbiramo med GRAI/GRID, GRAI/NET ali ECO/GRAI. 6.3 PERA Osnova metodologije PERA (angl. Purdue Enterprise Reference Architecture) je PURDUE referenčni model, njegovo metodologijo pa sestavljata dva dela: glavni načrt in arhitektura PERA. PERA opisuje podjetje z vidika proizvodnje, informacij in vidika človeških virov in določa postopke od izvedbe študije do razgradnje. Metodologija PERA pristopa k reševanju problematike CIM z vidika človeških virov, proizvodnega vidika, vidika sistema vodenja ter informacijskega sistema. Bistvo postopka PERA je izdelava glavnega načrta, ki pokriva dve fazi življenjskega cikla: - izdelava izvedljivostne študije, - določitev vlog, zahtev, funkcij in procesov. Uporaba metodologije PERA je smiselna ob zelo velikih postavitvah in ob velikem številu vpletenih projektantskih ekip. 6.4 GERAM – krovni koncept modeliranja GERAM (angl. Generalized Enterprise Reference Architecture and Methodology) je splošna referenčna arhitektura za integracijo podjetja, ki vključuje prejšnje tri referenčne arhitekture: CIMOSA, GRAI/GIM in PERA. GERAM matrični model je bil 50 6. Koncepti modeliranja proizvodnih procesov izdelan s kombiniranjem značilnih karakteristik vsakega od zgoraj navedenih arhitektur v en diagram. V teh metodologijah so znanja s področij industrijskega načrtovanja, organizacijskih znanosti, vodenja sistemov, komunikacij ter informacijske tehnologije. Te smernice se uporablja tako za reševanje širših kot delnih problemov načrtovanja informacijskih sistemov. Krovni koncept GERAM nam omogoča, da glede na specifičnost danega problema izberemo ustrezno metodologijo, saj ni vsaka idealna za reševanje vsakega problema (Bernus, 1999). 6.5 ARIS Arhitektura ARIS (angl. Architecture of Integrated Information Systems) se osredotoča na izdelavo informacijskega sistema podjetja. Vsebuje arhitekturo, v okviru katere so funkcijski, organizacijski, podatkovni ter kontrolni vidiki deležni enakovredne obravnave skozi celoten proces izdelave (slika 6-1). Metodologijo ARIS uporabljajo tudi prej opisane arhitekture, kot je npr. PERA. ARIS se osredotoča na fazo analize in definicije potreb v času postavitve poslovnega informacijskega sistema in ne na samo izvajanje poslovnih procesov (ARIS, 2009). Slika 6-1: Arhitektura ARIS 51 6.6 Ostale metodologije 6.6.1 Sistemi MES Sistemi MES pokrivajo funkcije proizvodnega nivoja, predvsem pomagajo v procesih sprejemanja odločitev v proizvodnji in povezujejo proizvodno in poslovno okolje, ki sta po naravi zalo različni (glej poglavje 3.3). 6.6.2 Standard ISA-95 Standard ANSI/ISA-S95 (ISA, 2000) obravnava standardizacijo povezav sistemov vodenja in sistemov MES. Določen je z modeli in terminologijo, ki se uporablja za označevanje informacij, ki jih je potrebno izmenjevati. Informacije so strukturirane z modeli UML in služijo za osnovo pri razvoju standardnih vmesnikov med sistemi MES in sistemi ERP. Razvijalci sistemov MES uporabljajo ta standard kot vodilo pri definiranju uporabniških zahtev in kot osnovo za razvoj sistemov MES in njihovih podatkovnih zbirk (Gradišar in Mušič, 2006). 6.7 Modeliranje proizvodnih procesov v podjetju Modeliranje proizvodnih procesov predstavlja le en segment v celotni arhitekturi modeliranja podjetja. Že v začetnih poglavjih smo obravnavali organizacijske, informacijske in upravljalske funkcije v podjetju, ki so nadalje v procesih modeliranja in optimizacije podjetij združene v celoto. Pri modeliranju proizvodnih procesov se soočamo s funkcijskimi, z organizacijskimi in s podatkovnimi strukturami, katere mora model obsegati, da lahko v polnosti opiše proizvodne procese. 7. Model proizvodnje pPI-ji so bili na Odseku za sisteme in vodenje prvič obravnavani v magistrskem delu Zasnova sistema uravnoteženih kazalnikov za podporo vodenju proizvodnje (Zorzut, 2004). V delu smo najprej naredili pregled literature in definirali splošni nabor kazalnikov za proizvodni nivo vodenja, temu pa je sledila obravnava informacijskih potreb za podjetje Goriške opekarne, d. d. Definirali smo pet skupin kazalnikov, ki so temeljili na izraženih potrebah vodje proizvodnje, vendar do dejanske implementacije sistema pPI-jev ni prišlo, saj podjetje ni razpolagalo s proizvodnim informacijskim sistemom (PIS), ki bi zagotavljal potrebne proizvodne podatke za izračun kazalnikov. Pri nadaljnjem razvoju sistema pPI smo iskali druge strateške partnerje in se tako odločili za podjetje Mitol, d. o. o., ki proizvaja lepila in polimerne ter akrilatne emulzije. Šaržni proces za proizvodnjo emulzij v obratu polimerizacije je predstavnik šaržno orientirane proizvodnje, v kateri je produktivnost v veliki meri odvisna od kakovosti surovin in kakovosti sistema za vodenje proizvodnje. Instalirani DCS (ang. Distributed Control System) in SCADA (angl. Supervisory Control And Data Acquisition) sistemi obravnavajo varnostne, regulacijske in nadzorne funkcije kolikor toliko uspešno, vendar pogosto neenakomerna kakovost surovin, spremljajoče kemijske reakcije, izpad proizvodnje zaradi okvar, podaljšanje operacij zaradi neoptimalnih delovnih pogojev ali zaradi proizvodnje neserijskega izdelka, preklopni časi pri prehodu proizvodnje z enega izdelka na drugega in razhajanje med dejansko in planirano proizvodnjo povzročajo nihanje v kakovosti in trajanju posamezne šarže, kar je vzrok za neoptimalno delovanje celotnega proizvodnega procesa. Poleg tega je v podjetju vzpostavljena povezava s poslovnim informacijskim sistemom Navision Manufacturing, ki omogoča prenos nekaterih proizvodnih podatkov (realizirane količine izdelkov, začetek, konec, trajanje šarž, itd.) v bazo podatkov v poslovnem sistemu in hkrati prenos delovnih nalogov s poslovnega sistema v nadzorni sistem, kjer se v nadaljevanju realizirajo. Metodologija vodenja proizvodnje na osnovi pPI-jev obravnava vse vidike vodenja proizvodnje, tako tehnološke kot tudi ekonomske, in potrebuje podatke z vseh področij proizvodnje za njihovo izračunavanje. Obstoječa informacijska podprtost proizvodnje tega ne zagotavlja, podjetje pa v tej fazi ne namerava posodabljati PIS, tako da bi bilo 54 7. Model proizvodnje omogočeno zbiranje vseh potrebnih proizvodnih podatkov. Zato smo se odločili za izgradnjo proceduralnega modela tehnološkega procesa, ki bo za potrebe izračunavanja kazalnikov opisoval tehnološki proces in bo hkrati tudi omogočal nadaljnje testiranje možnosti zaprtozančnega vodenja proizvodnje z uporabo pPI-jev. Prednost uporabe modela je tudi izvajanje eksperimentov, s katerimi lahko preizkušamo različne načine vodenja proizvodnje, ki jih v normalni proizvodni situaciji ne bi bilo možno preizkusiti. Z modelom je mogoče definirati tudi optimalno področje delovanja glede na stroške proizvodnje in začetne referenčne vrednosti za pPI-je. Preden pa predstavimo model proizvodnje, si podrobneje poglejmo tehnološki proces. 7.1 Opis tehnološkega procesa za proizvodnjo polimernih emulzij Proizvodnja emulzij v obratu polimerizacija poteka na štirih reaktorjih, med katerimi se na prvih treh reaktorjih proizvajajo homopolimerne in kopolimerne emulzije, na zadnjem reaktorju pa se proizvajajo akrilatne emulzije. Slednje vsebujejo akrilatne smole, ki se močno vpijajo v reaktor, tako da le-ta ob normalnem pranju ni primeren za proizvodnjo ostalih emulzij. Zaradi poenostavitve ta reaktor ni vključen v model tehnološkega procesa. Slika 7-1: Poenostavljena tehnološka shema procesa za proizvodnjo polimernih emulzij 55 Modeliran tehnološki proces tako sestoji iz naslednje osnovne opreme: - trije glavnih reaktorji R-A, R-B in R-C: v njih poteka proces polimerizacije - dva pomožna reaktorja R1 in R2 za pripravo zaščitnih koloidov - dozirne posode D-A, D-B in D-C za pripravo ustrezne količine in v določenih primerih tudi mešanice monomerov - štirje egalizatorji EG1, EG2, EG3 in EG4 za egalizacijo in umerjanje produktov - shranjevalne posode za surovine (CZ1 do CZ11) in končne izdelke (C1 do C5) - sistem za vakumiranje, ki si ga delijo vsi reaktorji - sistem za ogrevanje in hlajenje reaktorjev in kondenzatorjev. Poenostavljeno tehnološko shemo procesa prikazuje slika 7-1. 7.1.1 Opis tehnološkega postopka za izdelavo homopolimernih emulzij Homopolimerne emulzije (MEKOLIT H, HB, H45 in H55) dobimo s polimerizacijo monomera vinil acetata (VAC). Za vse vrste homopolimernih emulzij velja enak tehnološki postopek, izdelava se razlikuje samo v količinah surovin in v tipu zaščitnega koloida (polivinil alkohola – PVOH). Proizvodni postopek: Priprava surovin: Priprava surovin se lahko prične takrat, ko je zagotovljeno, da se bodo surovine v nadaljevanju proizvodnega procesa tudi porabile (načrpan monomer v dozirni posodi predstavlja potencialno nevarnost, saj je visoko vnetljiva snov). Monomer VAC se prečrpa iz vkopane skladiščne cisterne v dozirno posodo D-A, D-B ali D-C, odvisno od reaktorja, na katerem se bo reakcija izvajala. Zaščitni koloid se pripravi v enem od pomožnih reaktorjev R1 ali R2. Najprej se v pomožni reaktor načrpa voda, kateri se ročno doda alkohol v trdnem agregatnem stanju in protipenilec. Vse skupaj se nato segreje na 85 °C, to temperaturo pa se vzdržuje še od 0.5 do 1 uro, nakar sledi ohlajanje zaščitnega koloida. Šaržiranje začetne polnitve v reaktor in začetek reakcije: Ko so surovine pripravljene, se v glavni reaktor (R-A, R-B ali R-C) načrpa začetno polnitev vode in raztopino alkohola. Nato se doda začetno količino monomera in iniciatorja KPS, temu sledi zapiranje reaktorja in ogrevanje s toplo vodo, vse dokler temperatura v reaktorju ne doseže 60 °C, kar traja približno eno uro. Tedaj se pretok tople vode v plašč reaktorja ustavi, vendar se zaradi preostale tople vode v plašču reaktorja temperatura v reaktorju povzpne vse do 72 °C. Tukaj se endotermna faza reakcije zaključi in prične se eksotermna faza, ko se toplota med reakcijo sprošča. Vzdrževanje in zaključek reakcije: Eksotermna faza reakcije se vzdržuje s konstantnim dotokom monomera v reaktor, pri čemer je zelo pomembno, da je temperatura v reaktorju konstantno v območju med 70 in 85 °C. Med to fazo iz reaktorja izhaja uparjeni monomer, ki se v kondenzatorju nad reaktorjem prisilno hladi in se utekočinjen vrača v reaktor. Ko operater opazi, da temperatura v reaktorju upada, doda iniciator in 56 7. Model proizvodnje tako spodbudi reakcijo, v primeru, da temperatura v reaktorju preseže zgornjo mejo, pa v ključi hlajenje reaktorja. Potem ko je celotna količina monomera bila dodana v reaktor (ta postopek traja okrog 5 ur), se v reaktor doda še nekaj iniciatorja, kar spodbudi reakcijo in temperatura naraste na 90 °C v približno eni uri. Konec reakcije zaznamo z upadom temperature v reaktorju, vendar v emulziji ostane od 0.5 do 1 % nezreagiranega monomera. Ta preostali monomer se odstranjuje, tako da se s pomočjo vakumske črpalke iz reaktorja izsesava mešanica zraka in monomera, nakar se monomer v kondenzatorju utekočini in uporabi v naslednji šarži, ki se izdeluje v tem reaktorju. Opisani postopek vakumiranja, ki traja od 2 do 3 ure, hkrati ohlaja emulzijo. Končna koncentracija monomera v emulziji mora biti pod 0.2 %. Za končno ohlajanje emulzije se uporabi hladna voda in na koncu se emulzijo konzervira z dodajanjem biocida. Ko se reaktor odpre, se vzame vzorec in preveri viskoznost in delež trdne snovi v emulziji. Na podlagi izmerjenih prametrov emulzije se oceni kakovost izdelka in izračuna potrebno količino vode, ki jo je potrebno dodati emulziji. Izdelek se nato prečrpa v egalizator, kjer se navadno premešajo tri šarže enakega izdelka in se izvede končno umerjanje izdelka. Glavni pokazatelj kakovosti izdelka je porazdelitev velikosti delcev v emulziji, ki pa se dejansko izvaja v povprečju enkrat mesečno ali v primeru slabe šarže. Meritve se izvajajo izven podjetja in dejansko le takrat, ko je z izdelki nekaj narobe ali v primeru izpopolnjevanja tehnološkega postopka. 7.1.2 Opis tehnološkega postopka za izdelavo kopolimernih emulzij Kopolimerne emulzije se za razliko od homopolimernih emulzij pridobivajo s procesom polimerizacije dveh vrst monomerov, in sicer monomerov vinil acetatov (VAC) in dibutil maleatov (DBM). Tehnološki postopek je zelo podoben postopku za izdelavo homopolimernih emulzij, glavna razlika pa nastopa v procesu polimerizacije, kjer temperatura konstantno narašča od 68 °C do 75 °C. 7.2 Namen, funkcije in poenostavitve modela proizvodnega procesa Model proizvodnega procesa smo gradili z namenom, da bi čim bolj verodostojno opisali tisto dogajanje v proizvodnem procesu, ki bistveno vpliva na kakovost izdelkov, stroškovno učinkovitost in produktivnost proizvodnje in opustili tiste dele procesa, ki samo povečujejo kompleksnost modela in nimajo večjega vpliva na opisane vidike proizvodnje. Pri modeliranju proizvodnega procesa polimerizacija smo upoštevali naslednje zahteve: - Model predstavlja proizvodni proces in njegove aktivnosti, kot jih lahko vidimo s proizvodnega nivoja vodenja. 57 - Model vključuje postopkovno vodenje procesov, tako da je možna analiza zasedenosti virov, masnega pretoka surovin in izdelkov skozi proizvodni proces, temperaturnih prehodov med samo reakcijo, itd. - Model ovrednoti vpliv kakovosti surovin, zastojev, kakovosti procesa, itd. na kakovost končnega izdelka, stroške proizvodnje ter čas izdelave posamezne šarže. - Model omogoča preučevanje zasedenosti proizvodnih kapacitet in vpliv razvrstitve šarž in drugih opravil v proizvodnji na produktivnost, stroške proizvodnje, itd. - Z modelom je možno preučevati različne režime delovanja (pospešena, normalna ali upočasnjena proizvodnja, kar se sklada s sezonskim delom) in njihov vpliv na proizvodne stroške, kakovost izdelkov in produktivnost. - Grafični uporabniški vmesnik GUI modela je zasnovan, tako da med samim simulacijskim tekom omogoča vplivanje na potek proizvodnega procesa (dodajanje opravil, spreminjanje parametrov in razvrstitev opravil, itd.) kot pregledovanje proizvodnih podatkov in njihovih derivatov, npr. pPI-jev. - Proizvodni podatki se med simulacijo shranjujejo v globalne spremenljivke Matlab-a, ki imajo enako strukturo kot jo ima podatkovna baza za končno shranjevanje proizvodnih podatkov; ti podatki pa so hkrati dosegljivi uporabniku modela med samim simulacijskim tekom. - Model je poenostavljen do te mere, da so v izvajanje vključeni samo definirani scenariji obnašanja, saj bi z modeliranjem izrednih dogodkov obseg modela močno narasel. - Model je namenjen preučevanju doprinosa, ki bi ga prinesla implementacija sistema za podporo vodenju proizvodnje kot tudi spremembe kapacitet posameznih naprav. Poleg tega smo v procesu modeliranja sprejeli tudi poenostavitve, med katerimi so bile najbolj pomembne naslednje: - Model ne vsebuje matematičnega modela kemične reakcije v reaktorju, saj je proces polimerizacije kompleksen in v strokovni literaturi obstajajo samo parcialne rešitve te problematike. Struktura modela omogoča zamenjavo poenostavljenega modela reaktorja z ustreznim matematičnim modelom reaktorja v prihodnosti, če bi takšen matematični model kdaj razvili. - Modeliranje kakovosti izdelkov je bilo izvedeno zgolj na podlagi ekspertnega znanja tehnologov in vodje proizvodnje, saj v podjetju ne razpolagajo z zadostnimi podatki o kakovosti posameznih šarž. - Stroškovni model proizvodnje temelji na letnih ocenah stroškov za posamezni izdelek. Stroški proizvodnje so definirani na podlagi fiksnih in variabilnih stroškov proizvodnje. - Zastoji v proizvodnji so definirani na podlagi izkušenj tehnologov in drugih zaposlenih, saj ne obstaja sistematično beleženje zastojev in njihovega trajanja. 58 7. Model proizvodnje 7.3 Izbira simulacijskega orodja Pri izbiri orodja za modeliranje in simulacijo proizvodnih procesov v procesni industriji je potrebno zagotoviti naslednje kriterije: - Možna izdelava matematičnega modela zveznega procesa, ki ga opišemo s sistemom diferencialnih enačb. - Možno modeliranje obnašanja reaktivnih sistemov, ki jih opisujemo s teorijo končnih avtomatov (postopkovno vodenje procesov). - Simulacijsko razvojno okolje mora omogočati povezljivost s podatkovnimi bazami in z drugimi sistemi, tako da je možna izmenjava in obdelava podatkov o proizvodnem procesu med samim simulacijskim tekom. To pomeni, da je možen dinamičen vnos podatkov o tem, kaj se bo v proizvodnem procesu izvajalo in kako, med samim simulacijskim tekom. - Simulacijsko okolje nudi možnost izdelave ustreznega grafičnega uporabniškega vmesnika GUI, s katerim je možno spremljati in voditi proizvodni proces med samim simulacijskim tekom, analizirati in pregledovati proizvodne podatke, izračunavati in prikazovati pPI-je, itd. Pri pregledovanju ponudbe simulacijskih orodij smo dobili seznam simulacijskih orodij (Rizoli, 2006), vendar je možno le nekatera med njimi testno preizkusiti. Veliko je splošnih simulacijskih paketov kot tudi paketov za simulacijo sistemov na podlagi teorije diskretnih dogodkov, ki so v zadnjem času doživela precejšen razmah, vendar so uporabna predvsem za simulacijo proizvodnih procesov v kosovni industriji. Obstajajo tudi orodja za simulacijo zveznih procesov, npr. gPROMS in ModelEnterprise, ki smo jih na Odseku za sisteme in vodenje na IJS tudi preizkusili, vendar je njihova osnovna slabost ta, da uporabnik modelira proces zgolj v okviru predvidene strukture. Poleg tega so simulacijski podatki dosegljivi šele po končanem simulacijskem teku, kar pa je zelo velika omejitev. Tudi integracija dodatnega vmesnika za analizo in prikaz proizvodnih podatkov in kazalnikov ni mogoča, možen je le izvoz simulacijskih podatkov iz modela. Simulacija celotne proizvodnje z več reaktorji bi bila zelo kompleksna in časovno potratna, tako da smo ocenili, da za naš primer ni uporabna. Za namen te doktorske disertacije, v okviru razpoložljivih finančnih sredstev in znanja o razpoložljivih komercialnih orodjih za modeliranje proizvodnih procesov nam ta orodja po večini niso bila dosegljiva ali pa so funkcije modela proizvodnje presegale nabor funkcij, ki jih komercialna orodja podpirajo. Zato smo model proizvodnega procesa razvili v akademsko dobro poznanem in sprejetem splošno namenskem simulacijskem okolju Matlab/Simulink/Stateflow. Simulirane podatke smo shranjevali v MS Access podatkovni bazi, tako da so na voljo tudi za poznejše analize in poizvedovanja. 59 7.4 Struktura modela proizvodnega obrata Polimerizacija v Mitolu Pri izgradnji proceduralnega modela za proizvodni proces polimerizacije v Mitolu smo uporabljali enake koncepte, kot jih uporabljajo inženirji pri razvoju sistemov za vodenje in nadzor procesov. Proizvodnja sestoji iz opreme, ki se upravlja s pomočjo kontrolnih signalov in aktuatorjev, stanje opreme in produkta, ki se v tehnološkem procesu izdeluje, se spremlja preko merjenih fizikalnih veličin. Oprema se povezuje v osnovne proizvodne enote, kot so reaktorji, egalizatorji in skladiščne cisterne. Nadalje se te enote povezuje v proizvodno celoto z ustreznim sistemom za vodenje in nadzor procesov. Slika 7-2 podaja osnovno strukturo modela, s katerim smo modelirali vodenje proizvodnje v obratu Polimerizacija v Mitolu. Najosnovnejši gradniki modela proizvodnje so v Simulinku zgrajeni osnovni modeli proizvodnih enot, kot so skladiščne cisterne, reaktorji, dozirne posode in egalizatorji (na sliki 7-2 blok Modeli opreme -Simulink). Postopkovno vodenje procesov je izvedeno s Stateflow diagrami (blok Postopkovno vodenje - Stateflow), ki za svoje delovanje uporabljajo različne skripte in INICIALIZACIJA MATLAB OKOLJE POSTOPKOVNO VODENJE VODENJE PROIZVODNEGA PROCESA Proženje opravil, izračun kazalnikov,... VODENJE REAKCIJE R-A VODENJE REAKCIJE R-B VODENJE REAKCIJE R-C PRANJE REAKTORJEV IN EGALIZATORJEV EGALIZACIJA IZDELKOV MODELI OPREME - SIMULINK Reaktor R-A Shranjevalna posoda CZ1 Egalizator EG1 GRAFIČNI UPORABNIŠKI VMESNIK Vodenje procesa Prikaz stanja opreme Spremljanje in nabava surovin Statistične analize podatkov Spremljanje in prodaja izdelkov rt► rt► Slika 7-2: Struktura modela proizvodnje v obratu Polimerizacija v Mitolu 60 7. Model proizvodnje funkcije, ki smo jih napisali v Matlab-u (blok Funkcije in skripte). Izmenjava podatkov med Matlab-om, Simulink-om in Stateflow diagrami poteka med drugim s pomočjo globalnih spremenljivk. Grafični uporabniški vmesnik črpa podatke iz globalnih spremenljivk in vpliva na model s spreminjanjem parametrov v nekaterih kontrolnih blokih v Simulink-u in s kontrolnimi signali, ki so definirani z globalnimi spremenljivkami. Na začetku simulacijskega teka je potrebno izvesti inicializacijo (blok Inicializacija), ki poskrbi za definicijo vseh potrebnih globalnih spremenljivk, za prepis osnovnih podatkov iz baze podatkov MS Access v globalne spremenljivke z enako strukturo, kot jo imajo tabele v bazi podatkov in za postavitev začetnih vrednosti parametrov nekaterih blokov v Simulinku. Poleg tega smo definirali tudi testni sistem za zaprtozančno vodenje proizvodnje, ki je realiziran v Matlab-u z vpoglednima tabelama in s prediktivnim regulatorjem na osnovi matematičnega modela procesa. Priporočila, ki jih ta sistem daje, se upoštevajo, če je zaprtozančno vodenje aktivirano. Sistem za avtomatsko vodenje proizvodnje se lahko med samim simulacijskim tekom vklaplja in izklaplja. 7.5 Osnovni modeli proizvodnih enot Osnovni modeli proizvodnih enot imajo kontrolne signale za upravljanje naprav (npr. črpanje, izpust, gretje, hlajenje itd.) in signale, ki prikazujejo stanje naprave (masa reagenta v napravi, temperatura v reaktorju, itd.). Primere modelov reaktorjev in kontrolnih signalov za te reaktorje prikazuje slika 7-3. Model reaktorja R-A prikazuje slika 7-4. Modeliran je masni pretok, masa in temperatura reagenta v reaktorju. Model vsebuje tudi regulator temperature, s katerim upravljamo temperaturo reaktorja na želeno vrednost, saj model ne vsebuje matematičnega opisa kemične reakcije, ki bi dejansko posnemal potek temperature v reaktorju. Na temperaturo v reaktorju so nadalje vezani postopki vodenja procesa, zato se mora njihov potek ustrezno ujemati z dejanskim temperaturnim potekom v reaktorju. Pri modeliranju naprav proizvodnje nismo modelirali cevi, črpalk, kolektorjev, itd., kar predstavlja določeno poenostavitev modela, ki pa je za namen modela sprejemljiva. V Matlab-u smo sprogramirali sklop funkcij in skript, ki so potrebne v postopkih vodenja procesov ter za branje, obdelavo in pisanje podatkov v bazo podatkov. Posamezni deli modela so med seboj povezani s kontrolnimi in podatkovnimi signali v obliki globalnih spremenljivk, upravljanje teh spremenljivk pa je izvedeno preko s-funkcij za vpis in branje vrednosti v te/iz teh spremenljivk. Poleg tega smo razvili GUI, preko katerega je možno spremljati potek in voditi proizvodni proces, pregledovati proizvodne podatke in analizirati potek pPI-jev. 61 Slika 7-3: Prikaz modelov reaktorjev R-A, R-B in R-C s kontrolnimi signali in nekaj dodatne opreme Slika 7-4: Model reaktorja R-A: zgornji del modela vsebuje integrator, s katerim modeliramo masni pretok skozi reaktor, spodnji del modela pa je uporabljen za modeliranje temperature reagenta v reaktorju 62 7. Model proizvodnje 7.6 Postopkovno vodenje proizvodnega procesa Vodenje proizvodnje na najvišjem nivoju pomeni razvrstiti opravila (delovni nalogi, itd.) v takšno zaporedje, da bodo zadovoljeni roki za izdelavo predvidenih količin izdelkov, da bo kakovost izdelkov ustrezala predpisanim ali pričakovanim kriterijem kakovosti in da bodo stroški proizvodnje čim nižji ali v skladu s planom. Ena od osnovnih zahtev modela je avtomatsko izvajanje predpisanega nabora opravil med simulacijskim tekom, zato smo definirali skupek pravil, ki določajo, kdaj se lahko določeno opravilo prične izvajati. Algoritem za proženje opravil pregleduje in proži opravila sekvenčno s časovnim korakom, ki je nastavljiv. Po preteku časovnega koraka algoritem pregleda n zaporednih opravil, ki čakajo na izvajanje in zažene tista, ki izpolnjujejo predpisane pogoje. Poleg tega se na tem nivoju vodenja nahaja tudi izračun in vrednotenje pPI-jev in nabava surovin, kar prikazuje slika 7-5. Proizvodnja preide iz stanja Ustavljeno v nadstanje Obratovanje z ukazom Zagon proizvodnje. Nadstanje Obratovanje vsebuje stanje Proženje opravil, ki je zadolženo za sekvenčno proženje opravil, ki se lahko pričnejo izvajati in za nakup tistih surovin, katerih količina pade pod predpisano spodnjo mejo. Drugo stanje Izračun kazalnikov je zadolženo za sekvenčno izračunavanje pPI-jev. Proizvodnja preide iz nadstanja Obratovanje v stanje Ustavljeno z ukazom Zaustavitev proizvodnje in ob pogoju, da se nobeno opravilo ne nahaja v fazi izvajanja. PROŽENJE OPRAVIL IZRAČUN KAZALNIKOV Slika 7-5: Postopkovno vodenje proizvodnje na najvišjem nivoju 63 7.6.1 Vrste opravil Na proizvodnjo izdelkov v podjetju vplivajo: - povpraševanje na trgu po določenem izdelku, - vzdrževanje minimalnih zalog osnovnih izdelkov, - plan proizvodnje, - razpoložljivost virov (proizvodne kapacitete, delovna sila, surovine, energija). Da bi lahko zadovoljili vsem naštetim robnim pogojem, je potrebno dobro poznavanje proizvodnega procesa, ustrezno razvrstiti opravila v proizvodnji (pogosto menjavanje izdelkov na reaktorjih vnaša zakasnitve, povečuje stroške zaradi dodatnih pranj reaktorjev, mešanja izdelkov zaradi ostankov prejšnjih šarž v cevovodih, itd.) in prilagajati hitrost proizvodnje. Zahteve trga se velikokrat spreminjajo iz dneva v dan in zaradi velike časovne konstante procesa (trajanje šarže je okrog 15 ur) je težko vnaprej narediti dober razpored dela. Takšna nihanja je možno zmanjšati le z dobro razvrstitvijo opravil in z zadostnimi zalogami najbolj prodajanih izdelkov. Opravila imajo naslednje parametre: - številka opravila - status opravila - vrsta opravila - instanca opravila - hitrost izvajanja - reaktor - reaktor Rx - egalizator - začetek izvajanja - konec izvajanja - trajanje opravila - strošek opravila - čas prehoda V modelu smo definirali naslednje vrste opravil: - izvajanje šarže (vrsta 1 in 2) - egalizacija izdelka (vrsta 10) - pranje reaktorja (vrsta 20) - pranje egalizatorja (vrsta 21) - zamenjava kakovosti surovin (vrsta 30). 64 7. Model proizvodnje 7.6.1.1 Izvajanje šarže S tem opravilom definiramo izvajanje šarže točno določenega izdelka, ki ga določata vrsta in instanca recepta: Vrsta recepta: določa vrsto izdelka, ki se izdeluje na reaktorju. 1 – homopolimeri 2 – kopolimeri Izdelki enake vrste imajo enak proizvodni postopek, med seboj pa se razlikujejo po vrstah in količinah uporabljenih surovin. Instanca recepta: določa tip izdelka za določeno vrsto izdelka: vrsta 1, instanca 1 – MEKOLIT HB vrsta 1, instanca 2 – MEKOLIT H45 vrsta 2, instanca 1 – MEKOLIT KM Reaktor: določa glavni reaktor (R-A, R-B ali R-C), na katerem se bo izvajala šarža. Reaktor Rx: določa pomožen reaktor R1 ali R2, v katerem se bo pripravila raztopina alkohola. Egalizator: določa egalizator (EG1, EG2, EG3 ali EG4), v katerega se bo pretočila zaključena šarža. Hitrost: določa hitrost, s katero se bo opravilo izvajalo. Ostali parametri se izračunajo med samim izvajanjem ali ob zaključku opravila in se nato vpišejo v podatkovno bazo. 7.6.1.2 Egalizacija To je postopek umerjanja do treh šarž enakega tipa izdelka v posebni posodi z mešalom, imenovani egalizator. Izdelku se po opravljeni analizi doda ustrezna količina vode in drugih dodatkov, tako da se doseže predpisane lastnosti izdelka. Izvajanje umerjanja v egalizatorjih omogoča boljšo izkoriščenost reaktorjev, saj se ti uporabljajo zgolj za izvajanje reakcije, z mešanjem več šarž enakega izdelka pa dobimo večjo količino izdelka z enakimi lastnostmi. Pomen parametrov v opravilu, ki določa egalizacijo izdelka: Egalizator: določa egalizator, v katerem se bo izvajal postopek egalizacije. Instanca recepta: določa shranjevalno posodo, v katero se bo izdelek pretočil po končani egalizaciji. 65 7.6.1.3 Pranje reaktorjev in egalizatorjev V procesu imamo normalno in generalno pranje reaktorjev in egalizatorjev. Normalno pranje poteka predvsem na reaktorjih R-A, R-B in R-C, ko z ročno tlačno črpalko delavci operejo reaktor, tako da se očisti reaktor emulzije, ki se je v reaktorju pripravljala. To pranje se uporablja med dvema šaržama izdelka enake vrste. Ob koncu delovnega tedna in pri menjavi vrste izdelka pa se naredi generalno pranje reaktorja s posebno napravo za visokotlačno čiščenje reaktorjev, s katerim se odstrani vse obloge v reaktorju. To pranje traja okrog pol ure in predstavlja večji strošek, saj je naprava velik porabnik električne energije in zahteva večje priprave kot normalno pranje reaktorja. Vrsta recepta: 20 – pranje reaktorjev 21 – pranje egalizatorjev Instanca recepta: 1 – normalno pranje s tlačno črpalko 2 – generalno pranje z visokotlačno črpalko 7.6.1.4 Zamenjava kakovosti surovin S tem opravilom zamenjamo kakovost surovin. Uporabljamo ga pri izpeljavi eksperimentov, v katerih preučujemo vpliv kakovosti surovin na potek in stroške proizvodnje ter kakovost izdelkov. 7.6.2 Razvrstitev in proženje opravil Vsaki vrsti opravila ustreza postopek (slika 7-6), ki ga opisuje ustrezen diagram Slika 7-6: Postopek za vodenje šarže na reaktorju R-A 66 7. Model proizvodnje Slika 7-7: Razvrstitev opravil v tabeli Sarze v bazi podatkov Access prehajanja stanj (primer prikazuje slika 7-8) in je v modelu realiziran s stateflow diagramom (primer takšnega diagrama prikazuje slika 7-9). Razvrstitev opravil opravi vodja proizvodnje, ko jih vpiše v podatkovno bazo v tabelo Opravila. Primer razvrstitve opravil prikazuje slika 7-7. Razvrstitev in parametre opravil je možno spreminjati tudi med samim simulacijskim tekom preko GUI-ja s pomočjo ukazov za premik in spreminjanje opravil, opravila pa se lahko tudi dodaja in odstranjuje. 7.6.2.1 Status opravila Status opravila lahko zavzame naslednje vrednosti: - 1: čaka na izvajanje, - 2: v izvajanju, - 3: zaključeno, - 4: priprava na izvajanje. Status čaka na izvajanje Opravilo s tem statusom čaka, da ga sistem za proženje opravil zažene. To je privzeto stanje, ki ga opravilo zavzame pri vnosu v tabelo Opravila. Status priprava na izvajanje Status priprava na izvajanje smo dodali zaradi boljšega opisovanja razmer v času, ko je proizvodnja manjša (v zimskem in spomladanskem času). Tedaj so prehodni časi med šaržami večji, saj je časa za izvajanje šarž dovolj in tako se na začetku in na koncu šarže pojavljajo zakasnitve, ki jih s tem stanjem laže opišemo. Iz statusa opravil, ki jih sistem za proženje opravil pregleduje, je možno razbrati, kateri viri so ali bodo zasedeni, prav 67 tako velja tudi za postopke, ki so potrebni za izvajanje opravil. Zato postopek, ki določa šaržo, lahko pridobi status priprava na izvajanje, če: - je reaktor, na katerem se bo šarža izvajala, prost oziroma so izpolnjeni pogoji za pričetek priprave surovin za to šaržo (vemo, da je šarža, ki se pripravlja v reaktorju, dobra, tako da bo reaktor v kratkem razpoložljiv), - je kateri od pomožnih reaktorjev za pripravo raztopine alkohola R1 ali R2 prost, - pred to šaržo ni nobenega generalnega pranja reaktorja, - pred to šaržo ni opravila egalizacija za egalizator, v katerega se bo pretočila šarža, ki ima status čaka na izvajanje ali v izvajanju, - je za izdelavo opravila dovolj časa (predvidena zaustavitev proizvodnje). Sistem za proženje opravil tedaj izračuna prehodni čas, rezervira reaktor za pripravo alkoholne emulzije (R1 ali R2) in spremeni status opravila na 4 – priprava na izvajanje. Podobno velja tudi za opravila Egalizacija in Pranje reaktorjev/egalizatorjev. Status v izvajanju Sistem za proženje opravil spremeni status opravila iz priprava na izvajanje v v izvajanju po preteku prehodnega časa. Tedaj se aktivira postopek za izvajanje opravila v Simulinku. Slika 7-6 prikazuje takšen postopek za izvajanje šarže na reaktorju R-A. Status zaključeno Status zaključeno pove, da je bilo opravilo uspešno zaključeno. Takšno opravilo vsebuje vse podatke o začetku, trajanju, zaključku izvajanja opravila, stroških opravila, itd. 7.6.3 Postopek izvajanja šarže Poenostavljen diagram prehajanja stanj za izvajanje šarže v procesu polimerizacije prikazuje slika 7-8 in je sestavljen iz naslednjih korakov: - priprava surovin, - polnjenje reaktorja, - segrevanje reaktorja, - reakcija (doziranje monomera in iniciatorja), - zaključek reakcije, - postopek vakumiranja, - analiza proizvedene šarže in praznjenje reaktorja. V primeru, da proizvedena šarža ne dosega predpisanih kriterijev kakovosti, je potrebna reciklaža šarže, ki se izvede tako, da se izdelek prečrpa v katero od prostih posod (cisterna, reaktor, egalizator) in se nato vmešava v naslednje šarže. To vnaša v proizvodnjo dodatne zakasnitve, delo in posledično tudi stroške. V primeru, da je izdelek popolnoma neuporaben, se ga v celoti zavrže. Slika 7-9 prikazuje stateflow diagram, s katerim je realiziran postopek izvajanja šarže. 68 7. Model proizvodnje > PRIPRAVA SUROVIN PRIPRAVA ALKOHOLA PRIPRAVA MONOMERA POLNJENJE REAKTORJA SEGREVANJE REAKTORJA NA TEMPERATURO REAKCIJE VAKUMIRANJESARZE Slika 7-8: Diagram prehajanja stanj za postopek izvajanje šarže na enem od glavnih reaktorjev R-A, R-B ali R-C v obratu polimerizacija Slika 7-9: Koda za postopkovno vodenje postopka izvajanje šarže v orodjarni Stateflow 69 7.6.4 Postopek egalizacije Postopek egalizacije se začne tako, da se izdelek v egalizatorju najprej dobro premeša, nato se v primeru prevelike viskoznosti doda voda in izdelek še enkrat premeša. Sledi prečrpavanje izdelka preko filtra v skladiščno cisterno ali avtocisterno. Diagram prehajanja stanj za postopek egalizacije prikazuje slika 7-10, realizacijo tega diagrama v orodjarni Stateflow pa slika 7-11. INICIALIZACIJA I USTAVLJENO EGALIZACIJA i I PRAZNJENJE EGALIZATORJA Slika 7-10: Diagram prehajanja stanj za postopek egalizacije Slika 7-11: Koda za postopkovno vodenje postopka egalizacije v orodjarni Stateflow 70 7. Model proizvodnje 7.7 Podatkovni model proizvodnje I I.I.IIJ],U,IJJJJ:U«ill—iM ■Xf File Edit Vigw Relationships I Slika 7-12: Relacije med tabelami podatkovne baze v MS Access, v kateri se shranjujejo proizvodni podatki Za uspešno upravljanje proizvodnih podatkov smo razvili tudi entitetno-relacijski podatkovni model, ki nam omogoča shranjevanje in poznejše analiziranje proizvodnih podatkov. Slika 7-12 prikazuje realizacijo takšnega modela v podatkovni bazi MS Access. 7.8 Grafični uporabniški vmesnik GUI Grafični uporabniški vmesnik je sestavni del modela proizvodnje. Omogoča nam nadzor nad potekom proizvodnega procesa v času simulacije, spreminjanje razporeda opravil (plana dela), pregledovanje različnih zgodovinskih in trenutnih podatkov o proizvodnji, kazalnikov pPI, itd. Slika 7-12 prikazuje osnovno okno GUI-ja. 71 Slika 7-13: Grafični uporabniški vmesnik GUI za model proizvodnega procesa Polimerizacija 7.9 Modeliranje preostalih delov procesa Ocene nekaterih lastnosti procesa in končnih produktov so izpeljane na podlagi statističnih analiz procesnih podatkov in na podlagi ekspertnega znanja o tehnoloških procesih, ki ga imajo operaterji, tehnologi in vodja proizvodnje. 7.9.1 Alokacija in spremljanje zasedenosti virov Ker se v proizvodnji lahko izvaja več šarž istočasno in si reaktorji delijo določene naprave, je bilo potrebno modelirati tudi alokacijo virov in uvesti potreben sistem, s katerim zagotovimo, da samo en postopek lahko zaseže določen vir. V postopkovnem vodenju procesa pred zaseganjem vira preverimo, ali je vir prost, in šele nato ta vir zasežemo. Model alokacije virov nima čakalnih vrst in ne dodeljuje virov glede na prioriteto. 7.9.2 Zastoji v proizvodnji V modelu proizvodnega procesa smo definirali naslednje zastoje: - ročni vnos alkohola v trdnem stanju v pomožni reaktor pri pripravi alkoholne emulzije, 72 7. Model proizvodnje - ročni dodatki in zapiranje reaktorja pred začetkom postopka polimerizacije, - izpad sistema za ogrevanje glavnega reaktorja, - zasedenost ali izpad sistema za vakumiranje, - zastoj pri izvajanju kontrole kakovosti izdelka po končani šarži, - izpad filtra pri filtriranju šarže. Njihova pogostost je definirana z verjetnostjo, ki je odvisna od pogostosti nastopanja zastoja v dejanski proizvodnji. S povečano hitrostjo proizvodnje se izvaja več opravil hkrati, kar vodi v večjo obremenitev delovne sile in opreme, krajšanje izdelovalnih časov posameznih operacij in s tem povečevanje možnosti za zastoje. Zato so verjetnosti za zastoje povečujejo s povečevanjem hitrosti proizvodnje. 7.9.3 Modeliranje kakovosti izdelka Proizvodni podatki, s katerimi smo razpolagali v procesu modeliranja proizvodnje, niso obsegali meritev kakovosti posamezne šarže, saj je edini pravi pokazatelj kakovosti proizvedene šarže porazdelitev velikosti delcev (verig) polimerov v emulziji. Te meritve se izvajajo vzorčno na zunanji instituciji, tako da je natančna statistična analiza podatkov bila nemogoča. Posredni indikatorji ustreznosti so viskoznost izdelka in preostala suha snov v izdelku, ki pa se merijo v egizatorjih, ko se v njih nahaja mešanica do treh šarž določenega izdelka, tako da neposredna analiza korelacije med kakovostjo proizvodnega procesa in viskoznostjo izdelka ni bila možna. V modelu proizvodnje imajo vpliv na kakovost izdelka naslednji parametri: - kakovosti surovin, - število šarž od zadnjega pranja reaktorja, - hitrosti proizvodnje, - kakovosti regulacije temperature v času reakcije, - število zastojev, ki se pojavijo med proizvodnjo posamezne šarže. Produkt normaliziranih faktorjev, ki podajajo prej navedene parametre, ki vplivajo na končno kakovost izdelka, nam podaja kakovost posamezne šarže QK, kot to podaja enačba (7.1): QK = qKS ⋅qR ⋅qH ⋅qRT ⋅qZ (7.1) Parameter vpliv kakovosti surovin qKS izračunamo kot povprečno vrednost kakovosti posameznih surovin qi, ki so pomnožene z utežnimi faktorji ki, kot to podaja enačba (7.2). n predstavlja število surovin, ki so uporabljene pri izdelavi izdelka. Vsaka surovina ima svoj utežnostni faktor ki, tako da lahko razlikujemo med surovinami z različnimi vplivi na kakovost končnega produkta. 73 n KSlkiqi (7.2) n i=1 Normaliziran faktor, ki definira vpliv čistoče reaktorja qR, ocenimo s pomočjo enačbe (7.3), kjer n predstavlja število šarž, ki so se izdelale v reaktorju od zadnjega pranja reaktorja. V primeru zamenjave izdelka, ki se izdeluje v določenem reaktorju, je potrebno temeljito očistiti reaktor in cevovode, tako da se prepreči vpliv takšne zamenjave na kakovost izdelka. Izbira ustreznega postopka čiščenja je upoštevana na nivoju razvrščanja opravil kot omejitev procesa. qR = (1+ 0.02)-n (7.3) S povečevanjem hitrosti proizvodnje se posamezne faze proizvodnje skrajšujejo, kot je to npr. faza vakumiranja, ki se izvede po končanem procesu polimerizacije. Z vakumiranjem se odstrani preostali del nezreagiranega monomera v končnem produktu. S povečano hitrostjo proizvodnje se faza vakumiranja krajša in s tem se povečuje delež monomera v končnem produktu in posledično se zmanjšuje kakovost izdelka. Poleg tega se s povečano hitrostjo proizvodnje povečuje število opravil, ki se istočasno izvajajo v proizvodnem procesu, posledično pa se zmanjšujejo zmožnosti operaterjev, da ob pravem času ročno dodajajo iniciator v reaktor, kar se odraža v slabši regulaciji temperature, kar spet vpliva na kakovost končnega produkta. Faktor vpliva hitrosti proizvodnje qH na kakovost izdelka podaja enačba (7.4), kjer normaliziran faktor sP označuje hitrost proizvodnje. qH =1- sP (7.4) Kakovost regulacije temperature v reaktorju tudi vpliva na kakovost izdelka, njen vpliv podaja faktor vpliva regulacije temperature qRT. Če je regulacija temperature med reakcijo slaba, imamo večja nihanja temperature in posledično se v izdelku povečuje delež večjih delcev, kar podaljšuje čas filtriranja, količino odpadkov in posledično kakovost in stroške proizvodnje. Faktor vpliva regulacije temperature qRT ocenjujemo z enačbo (7.5), kjer odstopanja temperature od želenega temperaturnega profila merimo s pomočjo integrala kvadrata temperaturne razlike. Vrednost integrala primerjamo s pričakovano vrednostjo C, nadalje pa celoten izraz še normaliziramo s pomočjo konstante C1. Konstanti C in C1 sta definirani s pomočjo statistične obdelave podatkov. C - ∫ T -TREF 2dt () qRT =1+ (7.5) C1 Zastoji v proizvodnji zaposlujejo operaterje in posledično motijo njihovo sposobnost vodenja reakcije ali kako drugače motijo proizvodni proces. Faktor vpliva zastojev qZ je definiran na enak način kot faktor vpliva čistoče reaktorja qR, le da v tem primeru n pomeni število zastojev v procesu izdelave posamezne šarže. 74 7. Model proizvodnje 7.9.4 Stroški proizvodnje Tabela 7-1: Povprečni stroški za kilogram emulzije za posamezen izdelek za leto 2004 v EUR/kg TIP IZDELKA SUROVIN E AMORTIZA CIJA DELO ENERGIJ A SKUPA J MEKOLIT KM 0.560 0.024 0.025 0.003 0.613 MEKOLIT HB 0.489 0.019 0.019 0.003 0.530 MEKOLIT H45 0.431 0.019 0.019 0.003 0.472 Stroške proizvodnje lahko v grobem razdelimo na fiksne stroške (amortizacija, delovna sila) in variabilne stroške (stroški surovin, energije, potrošni material, itd.). Na proizvodni strošek kilograma emulzije tako vpliva poleg uporabljenih surovin tudi izkoriščenost virov (oprema, delovna sila, itd.). Tabela 7-2: Proizvedene količine posameznih tipov izdelkov na reaktorjih R-A, R-B in R-C v obratu polimerizacija za leto 2004 IZDELEK KOLIČINA (T) MEKOLIT H 164 MEKOLIT HB 1472 MEKOLIT H45 1125 MEKOLIT H55 231 MEKOLIT KM 2614 OSTALO 124 SKUPAJ 5730 Pri modeliranju stroškov proizvodnje smo razpolagali samo s povprečnimi stroški za kilogram proizvedene emulzije, kot jih prikazuje tabela 7-1 in podatki o celotnih proizvedenih količinah po posameznih tipih izdelkov, kot jih prikazuje tabela 7-2. Tabela 7-3 prikazuje oceno stroškov amortizacije in dela po posameznih vrstah izdelkov za leto 2004. Iz opisanih stroškov smo ocenili celotne fiksne stroške proizvodnje (amortizacija in delo) za kilogram emulzije brez upoštevanja reaktorja R-E, ki proizvaja Mekolit PA. Nadalje smo te stroške preračunali na uro proizvodnje, tako da smo celotne fiksne stroške za eno leto delil z delovnim časom v letu 2004 (tabela 7-4). Tabela 7-3: Ocena stroškov amortizacije in dela po posameznih vrstah izdelkov za leto 2004 VRSTA IZDELKA KOLIČINE (t) AMORTIZACIJA (EUR/kg) DELO (EUR/kg) FIKSNI STROŠKI (EUR/kg) HOMOPOLIMERI 2992 0.024 0.025 0.049 KOPOLIMERI 2614 0.019 0.019 0.038 OSTALO 124 0.025 0.029 0.054 SKUPAJ 5730 0.021 0.023 0.044 75 Tabela 7-4: Ocena fiksnih stroškov proizvodnje za eno uro proizvodnje za leto 2004 CELOTNI FIKSNI STROŠKI ZA LETO 2004 (EUR) ŠTEVILO DELOVNIH DNI (DAN) FIKSNI STROŠEK (EUR/H) 5730000 KG × 0.044 EUR/KG = 252,239.4 EUR 257 40.9 Pri izdelavi posamezne šarže nastopajo tudi variabilni stroški, kot so stroški porabljene energije, surovin, potrošnega materiala (filtri, itd.), čiščenje odplak, itd. Te stroške smo modelirali tako, da smo posameznemu opravilu izračunali dodatne stroške po teh postavkah. Nekatera opravila imajo fiksno postavko (pranje reaktorja, egalizacija), druga pa ne (šarža). Postavke za strošek posameznega opravila so shranjene v podatkovni bazi v tabeli Stroškovnik, tako da se stroški proizvodnje upravljajo enotno z enega mesta. Formula za oceno stroškov proizvodnje za določeno obdobje je podana z enačbo (7.6) S = £Sti+sc-Tp (7.6) kjer S predstavlja strošek proizvodnje za dano časovno obdobje, Sti strošek i-tega opravila, sc postavko fiksnih stroškov in Tp časovno obdobje. Pri izračunavanju stroškov proizvodnje za krajše časovno obdobje, npr. 50 ur, prihaja do problema, ker se nekatere šarže ali druga opravila v večji meri izdelujejo izven tega obdobja, stroški in izplen proizvodnje pa se upoštevajo, kot da bi se takšne šarže (opravila) v celoti izvajale v opazovanem časovnem obdobju. Zato je potrebna korekcija izračuna stroška šarže ali drugega opravila. Enačba (7.7) podaja način izračunavanja korigiranega stroška opravila Stc, tako da vpeljemo korekcijski faktor ki, s katerim pomnožimo strošek opravila St. Korekcijski faktor ki izračunamo kot kvocient izdelovalnega časa opravila v oknu Tw in celotnega izdelovalnega časa opravila Tt. Stc=krSt= Tw-St (7.7) 7.10 Verifikacija in validacija modela Verifikacija modela podaja konsistentnost in natančnost simulacijskega programa glede na ustrezni matematični model procesa. Z verifikacijo preverjamo ustreznost simulacijskega programa. Validacija modela se ukvarja s stopnjo ujemanja med matematičnim opisom in realnim sistemom, ki ga z modelom opisujemo. Validacija modela je odločilen del postopka izdelave simulacijskega modela. Brez validacije je vrednost modela zelo majhna. Osnovni cilj validacije modela naj bo ugotovitev, ali 76 7. Model proizvodnje model dovolj dobro opisuje modelirani sistem oziroma ali so cilji modeliranja doseženi (Hvala in drugi, 2005). Najbolj pogosti postopek validacije modela je preučevanje ujemanja izhodnih signalov modela in realnega procesa. Slika 7-14 prikazuje primerjavo dejanskega temperaturnega profila reakcije v reaktorju R-C za šaržo št. 400155 in temperaturnega profila, ki ga daje model. Ujemanje temperaturnih profilov ni zelo popolno, vendar je za namen uporabe modela zadovoljivo. Predvsem je pomembno trajanje posamezne šarže vključno s fazami v sami šarži in odstopanje temperaturnega profila od reference, saj to odstopanje vpliva na kakovost končnega izdelka. Odstopanja temperaturnega profila šarž v proizvodnji od reference so velika zaradi ročne regulacije temperature v reaktorju. Temperatura v reaktorju je odvisna od koncentracije monomera v reaktorju, količine iniciatorja, hlajenja reaktorja in drugih vplivov. Temperatura v reaktorju se regulira z ročnim dodajanjem iniciatorja v reaktor in občasno s hlajenjem reaktorja. Dejanski temperaturni profil 90 80 70 T [°C] 60 50 40 30 100 90 80 70 f™-~^~--^ / ^—l /_____ ____\____ t V / \ v / \ ] / ____Titi _ __ .____/__ -^^^_ I / / j r / I / T [°C] 60 50 40 30 20 10 12 14 16 Simulirani temperaturni profil 18 20 22 y ^"^^ " *«r>»™Y* v.uVWv^Aja/^* \ _____/ T __________Aj \ r \ r X jiM^wVV "T X 10 12 14 16 Proizvodni čas [h] 18 20 22 6 8 6 8 Slika 7-14: Primerjava dejanskega temperaturnega profila in simuliranega temperaturnega profila reakcije za izdelek Mekolit HB za šaržo št. 400155 77 V proizvodnji se emulzije proizvajajo v šaržah, med posameznimi šaržami pa nastopajo prehodni časi, ko reaktorji niso koristno uporabljeni. Preučevanje in posledično zmanjševanje prehodnih časov lahko poveča zasedenost reaktorjev in posledično produktivnost proizvodnje. V tovarni beležijo proizvodne podatke z dvema sistemoma: sistemom SCADA in proizvodnim informacijskim sistemom PIS, ki je nekakšen sistem MES za izmenjavo podatkov med sistemoma ERP in SCADA. Pri preučevanju arhivskih podatkov za proizvodnjo smo ugotovili, da so časi trajanja šarž in prehodni časi, kot jih beleži sistem SCADA, le delno v skladu z dejanskim potekom proizvodnje. Poleg tega so podatki o trajanju šarž in prehodnih časih v sistemu MES drugačni od podatkov, ki jih vsebuje sistem SCADA, kar posledično onemogoča resnejše analize obstoječih podatkov. Prvi primer neustreznega beleženja podatkov o trajanju šarže prikazuje slika 7-15, kjer imamo primer šarže, katere reakcija se je zaključila v petek, 15. 10. 2004 ponoči, vendar je sistem SCADA zabeležil zaključek šarže šele v ponedeljek zjutraj, ko je operater v sistemu SCADA formalno zaključil šaržo in potem tudi izpraznil reaktor. Ker proizvodnja čez vikend stoji, je takšno podaljšanje trajanja šarže neutemeljeno. Reakcija se je dejansko zaključila v petek zvečer, le da je šarža ostala v reaktorju do ponedeljka zjutraj, ko jo je operater prečrpal v egalizator. Pri statistični obravnavi proizvodnih Temperaturni profili reakcij v reaktorju R-A Trajanje šarž na reaktorju R-A brez popravkov 15.10.2004 00:00:00 20.10.200410:00:00 Slika 7-15: Temperaturni profili reakcij v reaktorju R-A (zgoraj) in neustrezno beleženje trajanja šarž, kot jih beleži sistem SCADA (spodaj) časov za posamezne izdelke pomenijo opisani primeri veliko motnjo, kar se odraža v povečani standardni deviaciji za ocenjene povprečne proizvodne čase. 78 7. Model proizvodnje 100 -90 -80 -70 -, 60 -50 -40 -30 -20 - Temperaturni profil reakcije v 'eaktorju R-A za šaržo 400898 / •^A-Vw- ^ ^^-1 i \. / 1 / \ N vj 2004-09-21 22:34:20.0 1C0 SO 80 70 „ 60 O ^ SO 40 sn 20 10 2004-09-22 22:51:40.0 200^-09-22 22:51:50.0 Temperaturni profil reakcije v reaktorju R-A za šaržo 400902 :ri:::::::i::::r v/ / \ s\-j \ ...........................k......i............................. \ ..............................w.............................. v r 2004-09-2321:1210.0 Casjti; Slika 7-16: Temperaturni profil reakcije za šaržo s številko 400898 (levo) in 400902 (desno) Drugi problem, ki se je pojavil pri analizi arhivskih podatkov v sistemu SCADA, je neustrezno pripisovanje proizvodnih podatkov posameznim šaržam. To pomeni, da sistem SCADA občasno posamezni šarži predpiše podatke, ki pripadajo tudi sosednji šarži, hkrati pa določen del podatkov, ki pripadajo tej šarži, pripiše naslednji šarži. Levi diagram na sliki 7-16 prikazuje temperaturni profil, ki pripada šarži s številko 400898. R C Tra 9004-^3-0? 14-1 ?■ nnn 5nn4-n3-nftnn-iR-ssn Temperaturni profili 'eakcij v reakcoru R-C 2004-03-021417:00.0 2004-03-08 00:16:55.0 Datum in cas Slika 7-17: Zgornji diagram prikazuje trajanje posamezne šarže, kot ga beleži sistem MES. Spodnji diagram prikazuje temperaturne profile reakcij v reaktorju R-C vključno z osnovnimi fazami posameznih šarž ter pretoki surovin v fazah priprave surovin in same reakcije. 79 Iz poteka temperaturnega profila je razvidno, da se začetek šarže dejansko začne v predhodni šarži, kjer se končuje faza vakumiranja šarže, nadalje pa se sama šarža zaključi še pred lastno fazo vakumiranja. Enak vzorec opazimo tudi na desnem diagramu na sliki 7-16, ki prikazuje temperaturni profil, ki pripada šarži s številko 400902. Ta šarža vključuje fazo vakumiranja, analize in umerjanja izdelka ter praznjenja reaktorja predhodne šarže 400898 ter normalen potek šarže 400902. Opisanega problema nismo zasledili v podatkih o trajanju šarž, ki jih beleži sistem MES. Vzrok za opisani problem je v sistemu SCADA. Postopek izdelave posamezne šarže sestoji iz faze priprave surovin in faze izdelave izdelka. Ko operater prične s pripravo surovin za naslednjo šaržo na danem reaktorju, sistem SCADA avtomatsko prične pripisovati proizvodnim podatkom številko te nove šarže, četudi le ti pripadajo trenutno izvajajoči se šarži na reaktorju. Te napake v sistemu MES ne zasledimo, saj so v njem podatki o trajanju posamezne šarže in prehodnih časih med šaržami skladni s temperaturnimi profili posameznih šarž, kar lahko vidimo na sliki 7-17. Spodnji diagram na sliki 7-17 prikazuje temperaturni profil reakcije (modri diagram), pripravo surovin (zeleni diagram, ki ponazarjajo pretok monomera pri polnjenju dozirne posode), začetno polnitev v reaktor (modre in rdeče konice, ki se pokrivajo ) ter rdeči diagram, ki podaja dotok monomera v reaktor v času reakcije. Temperaturni profili reakcij v reaktorju R-A Trajanje šarž na reaktorju R-A brez popravkov 20.09.2004 00:00:00 25.09.200410:00:00 Slika 7-18: Temperaturni profili reakcij brez popravkov z avtomatsko detekcijo faz za posamezne šarže, kot jih beleži sistem SCADA (zgoraj), in trajanje šarž, kot jih beleži sistem MES (spodaj) 80 7. Model proizvodnje Da bi popravili prej opisane napake v podatkih, kakor jih beleži sistem SCADA, smo razvili poseben algoritem, ki iz temperaturnega profila avtomatsko diagnosticira osnovne faze v postopku izdelave šarže. Te faze so razvidne na temperaturnem profilu na spodnjem diagramu slike 7-18 kot modri, rdeči in zeleni kvadratki. Moder kvadratek označuje začetek šarže, definiran pa je kot čas, ko nastopi najnižja temperatura v začetni fazi reakcije, ko je reaktor prazen in se prične polnjenje reaktorja z reagenti. Ta trenutek kar dobro sovpada z začetkom polnjenja monomera v reaktor, ki predstavlja začetno fazo reakcije. Zeleni kvadratek označuje najvišjo temperaturo reakcije, kar načeloma ustreza koncu reakcije v reaktorju. Konec šarže označuje rdeči kvadratek, ki je definiran kot trenutek, ko je temperatura v reaktorju manjša od 65 °C in je odvod temperature v reaktorju nadpovprečen, kar sovpada s praznjenjem reaktorja. Vendar se je opisani algoritem soočal s prej navedenim problemom, da SCADA sistem občasno posamezni šarži predpiše podatke, ki pripadajo tudi predhodni šarži in hkrati izpusti del podatkov, ki pripadajo obravnavani šarži. To lepo prikazuje slika 7-18, kjer je na zgornjem diagramu razvidno, da avtomatska detekcija ne deluje najbolje zaradi prej opisanih napak, medtem ko se trajanje šarž, kot ga definira sistem MES in je prikazano na spodnjem diagramu, lepo prilega temperaturnim profilom šarž. Opisano neskladje v proizvodnih podatkih je bilo precej moteče, tako da smo porabili precej časa za analizo proizvodnih podatkov, iz katerih smo želeli pridobiti čim več informacij o dejanskem trajanju faz in prehodnih časih med šaržami. Da bi ta neskladja popravili, smo ročno vnašali določene popravke v podatke; šarže, ki so se prehitro zaključile, smo podaljšali do časa, ko nastopi praznjenje reaktorja. S takšnimi popravki je avtomatska detekcija faz dobro delovala. 7.10.1 Validacija velikosti in trajanja šarž ter prehodnih časov med šaržami V proizvodnem procesu polimerizacije se izdeluje več izdelkov, vendar predstavlja proizvodnja izdelkov MEKOLIT HB, MEKOLIT H45 in MEKOLIT KM okrog 90% proizvodnje. Tabela 7-5 podaja povprečne količine za proizvedene šarže, povprečne čase trajanja šarž in prehodne čase med posameznimi šaržami za te izdelke na posameznem reaktorju. Statistika je bila izvedena na celoletnih proizvodnih podatkih za leto 2004. Iz tabele 7-5 je razvidno, da so količine šarž precej stabilne in nihajo v povprečju za ± 3.5 %, trajanje šarž niha za izdelke HB okrog 30 %, izdelke H45 okrog 45 % na reaktorju R-A in 20 % na reaktorju R-C ter za izdelke KM okrog 50 % na reaktorju R-B in 35 % na reaktorju R-C. Nihanja v trajanju šarž so zelo velika, kar je posledica podaljšanih šarž, ki trajajo čez cel vikend in eno od njih prikazuje slika 7-15. 81 Tabela 7-5: Statistični podatki o količini in trajanju šarž ter prehodnih časih med šaržami za posamezni reaktor in izdelek, dobljeni iz proizvodnih podatkov za leto 2004, ki smo jih dobili iz sistema MES Reaktor Izdelek Število šarž Količina (kg) Tšarža (h) Tprehod (h) R-A HB 127 6324 ± 206 15.6 ± 5.1 7.7 ± 12.3 H45 96 6472 ± 201 16.6 ± 7.4 9.5 ± 25.5 KM 36 5388 ± 236 15,8 ± 6.4 12.3 ± 28.0 R-B HB 0 0 0 0 H45 0 0 0 0 KM 266 5565 ± 219 16.7 ± 7.7 12.6 ± 30.8 R-C HB 94 6845 ± 193 14.6 ± 4.6 14.6 ± 4.6 H45 65 6814 ± 271 15.1 ± 3.2 12.2 ± 3.2 KM 122 6271 ± 252 15.3 ± 5.5 5.6 ± 16.6 Podatke, ki smo jih dobili z avtomatsko detekcijo faz za posamezne šarže, prikazuje tabela 7-6. V tabeli opazimo, da se za izdelek HB trajanje šarže bistveno ne spremeni, za izdelka H45 in KM na reaktorjema R-A in R-C se trajanje šarže precej zmanjša in sicer v povprečju za dve do tri ure. Trajanje šarž za izdelek KM na reaktorju R-B se bistveno ne spremeni. Velike razlike nastopijo pri prehodnih časih, saj se ti precej zmanjšajo. Primerjava prehodnih časov ni povsem relevantna, saj smo pri avtomatski detekciji faz hkrati analizirali podatke za v povprečju dva tedna in prehodnega časa pri zadnji šarži nismo uspeli pravilno oceniti, tako da je bil ocenjen z 0. Vidimo pa, da so standardne deviacije še vedno zelo velike in se v določenih primerih močno razlikujejo v primerjavi s podatki, ki jih zajema sistem MES. Podrobnejša analiza prehodnih časov iz opisanih podatkov ni možna, saj se ne beleži dodatnih dogodkov, ki vplivajo nanje, zato le-ti predstavljajo nedorečenost proizvodnega procesa in rezerve, v katerih se Tabela 7-6: Statistični podatki o trajanju šarž na posameznih reaktorjih za leto 2004, ki smo jih pridobili z avtomatsko detekcijo faz Reaktor Izdelek Količina (kg) Tšarža (h) Tprehod (h) R-A HB 6300 ± 114 15.0 ± 6.4 3.1 ± 2.5 H45 6441 ± 247 12.6 ± 3.1 3.6 ± 3.3 KM 5401 ± 243 12.1 ± 6.5 8.4 ± 15.4 R-B HB 0 0 0 H45 0 0 0 KM 5528 ± 176 15.3 ± 6.5 4.5 ± 19.9 R-C HB 6787 ± 168 12.6 ± 2.3 3.6 ± 2.3 H45 6790 ± 256 12.8 ± 1.9 5.7 ± 10.2 KM 6174 ± 183 13.8 ± 1.7 5.4 ± 28.5 82 7. Model proizvodnje Slika 7-19: Zasedenost reaktorjev pri simulaciji izvajanja raznovrstnih izdelkov s prekinitvami dela med vikendi skrivajo možnosti za njihovo zmanjševanje in posledično večjo izkoriščenost reaktorjev in s tem produktivnost proizvodnje. Slika 7-19 prikazuje razpored šarž za proizvodnjo treh vrst izdelkov, ki smo ga dobili s simulacijo na modelu proizvodnje. Upoštevali smo 120-urni tedenski delavnik s prekinitvijo dela čez vikend. Na sliki je razvidno, da se v prvem delu simulacije proizvaja na vsakem reaktorju samo en izdelek, drugi del proizvodnje pa je takšen, da se izdelki, ki se proizvajajo na posameznem reaktorju, stalno menjajo. Tudi hitrost proizvodnje se med simulacijo spreminja, tako da se tako prehodni časi kot časi trajanja posameznih šarž spreminjajo. Tabela 7-7 podaja statistične podatke za opisani simulacijski tek. Tabela 7-7: Statistični podatki o trajanju šarž na posameznih reaktorjih, ki smo jih pridobili s simulacijo proizvodnje razgibanega sortimenta izdelkov pri konstantni kakovosti surovin in spreminjajoči se hitrosti proizvodnje in s prekinitvijo dela čez vikend Reaktor Izdelek Število šarž Količina (kg) Tšarža (h) Tprehod (h) R-A HB 28 6342 ± 3 15.5 ± 1.29 5.6 ± 10.8 H45 4 6488 ± 3 13.9 ± 0.3 12.1 ± 5.3 KM 4 5574 ± 2 13.3 ± 0.3 3.7 ± 0.4 R-B HB 4 6338 ± 1 14.2 ± 1 3.6 ± 0.3 H45 28 6492 ± 3 15.1 ± 1.2 4.2 ± 5.6 KM 4 5597 ± 2 13.3 ± 0.8 10.4 ± 4.7 R-C HB 4 6832 ± 2 14.2 ± 0.3 9.6 ± 5.5 H45 4 6823 ± 2 14.3 ± 0.8 3.9 ± 0.6 KM 27 6300 ± 3 14.6 ± 1.3 3.4 ± 6.2 83 Slika 7-20: Zasedenost reaktorjev pri simulaciji izvajanja raznovrstnih izdelkov brez prekinitev dela čez vikende. Slika 7-20 prikazuje razporeditev šarž pri simulaciji proizvodnje, v kateri poteka proizvodnja treh izdelkov, pri čemer se izdelki na posameznih reaktorjih stalno menjavajo. Proizvodnja poteka neprekinjeno, tudi ob vikendih, tako da so prehodni časi zaradi tega manjši. Tabela 7-8 prikazujejo statistične podatke za takšno simulacijo proizvodnje. Tabela 7-9 prikazuje primerjavo med dejanskimi in simuliranimi količinami izdelkov, pri čemer so podatki zbrani iz tabel od 7-5 do 7-8. Primerjava količin nam pokaže, da se dejanske in simulirane količine šarž dobro ujemajo. Opazimo tudi, da imajo simulirane količine zelo majhno standardno deviacijo, kar je posledica natančnega algoritma, ki ne upošteva nihanj, ki nastopajo v realnem procesu. Tabela 7-8: Statistični podatki o trajanju šarž na posameznih reaktorjih, ki smo jih pridobili s simulacijo proizvodnje razgibanega sortimenta izdelkov pri konstantni kakovosti surovin in spreminjajoči se hitrosti proizvodnje brez prekinitev dela čez vikend Reaktor Izdelek Število šarž Količina (kg) Tšarža (h) Tprehod (h) R-A HB 40 6343 ± 5 15.3 ± 1.3 3.3 ± 0.3 H45 40 6486 ± 3 15.4 ± 1.5 6.8 ± 4.0 KM 40 5570 ± 4 14.5 ± 1.3 3.7 ± 0.6 R-B HB 40 6340± 1 15.5 ± 2.2 3.4 ± 0.4 H45 40 6488 ± 5 15.5 ± 2.2 3.7 ± 0.5 KM 40 5595 ± 1 14. ± 1.2 6.6 ± 2.9 R-C HB 40 6834 ± 2 15.4 ± 1.2 5.9 ± 4.4 H45 40 6830 ± 6 15.3 ± 1.2 3.7 ± 0.5 KM 40 6292 ± 12 14.5 ± 1.2 4.0 ± 0.7 84 7. Model proizvodnje Tabela 7-9: Primerjava med dejanskimi in simuliranimi povprečnimi količinami šarž Reaktor Izdelek Količina (kg) MES Količina (kg) Avtomatska detekcija faz Količina(kg) Simulacija s prekinitvami Količina(kg) Simulacija brez prekinitev R-A HB 6324 ± 206 6300 ± 114 6342 ± 3 6343 ± 5 H45 6472 ± 201 6441 ± 247 6488 ± 3 6486 ± 3 KM 5388 ± 236 5401 ± 243 5574 ± 2 5570 ± 4 R-B HB 0 0 6338 ± 1 6340± 1 H45 0 0 6492 ± 3 6488 ± 5 KM 5565 ± 219 5528 ± 176 5597 ± 2 5595 ± 1 R-C HB 6845 ± 193 6787 ± 168 6832 ± 2 6834 ± 2 H45 6814 ± 271 6790 ± 256 6823 ± 2 6830 ± 6 KM 6271 ± 252 6174 ± 183 6300 ± 3 6292 ± 12 Tabela 7-10 prikazuje primerjavo časov trajanja šarž v prej obravnavanih primerih (tabele od 7-5 do 7-8). Kot Najprej opazimo, da se povprečni časi trajanja šarž pri avtomatski detekciji v povprečju zmanjšajo za 2 do 3 ure, v nekaterih primerih pa se zmanjšajo tudi standardne deviacije. Ta zmanjšanja nastopajo zato, ker zaključek šarž ni časovno jasno definiran (končne faze šarže, kot so faza preverjanja ustreznosti izdelka, njegovo umerjanje ter prečrpavanje izdelka v egalizatorje s filtriranjem) in močno vpliva na celoten čas šarže. Srednje vrednosti simuliranih časov trajanja šarž se ne pokrivajo v celoti z dejanskimi srednjimi vrednostmi trajanja šarž, vendar to ni moteče, saj so standardne deviacije dejanskih časov zelo velike. Pri časih, ki jih dobimo s simulacijo s prekinitvami, opazimo, da so nekatere standardne deviacije zelo majhne (manj kot eno uro), kar je posledica majhnega števila simuliranih šarž (glej tabelo 7-7). Tabela 7-10: Primerjava med dejanskimi in simuliranimi časi trajanja šarž Reaktor Izdelek Tšarža MES Tšarža Avtomatska detekcija faz Tšarža Simulacija s prekinitvami Tšarža Simulacija brez prekinitev R-A HB 15.6 ± 5.1 15.0 ± 6.4 15.5 ± 1.29 15.3 ± 1.3 H45 16.6 ± 7.4 12.6 ± 3.1 13.9 ± 0.3 15.4 ± 1.5 KM 15.8 ± 6.4 12.1 ± 6.5 13.3 ± 0.3 14.5 ± 1.3 R-B HB 0 0 14.2 ± 1 15.5 ± 2.2 H45 0 0 15.1 ± 1.2 15.5 ± 2.2 KM 16.7 ± 7.7 15.3 ± 6.5 13.3 ± 0.8 14. ± 1.2 R-C HB 14.6 ± 4.6 12.6 ± 2.3 14.2 ± 0.3 15.4 ± 1.2 H45 15.1 ± 3.2 12.8 ± 1.9 14.3 ± 0.8 15.3 ± 1.2 KM 15.3 ± 5.5 13.8 ± 1.7 14.6 ± 1.3 14.5 ± 1.2 85 Tabela 7-11: Primerjava med dejanskimi in simuliranimi prehodnimi časi med šaržami Reaktor Izdelek TpreHODNI MES Tprehodni Avtomatska detekcija faz Tprehodni Simulacija s prekinitvami Tprehodni Simulacija brez prekinitev R-A HB 7.7 ± 12.3 3.1 ± 2.5 5.6 ± 10.8 3.3 ± 0.3 H45 9.5 ± 25.5 3.6 ± 3.3 12.1 ± 5.3 6.8 ± 4.0 KM 12.3 ± 28.0 8.4 ± 15.4 3.7 ± 0.4 3.7 ± 0.6 R-B HB 0 0 3.6 ± 0.3 3.4 ± 0.4 H45 0 0 4.2 ± 5.6 3.7 ± 0.5 KM 12.6 ± 30.8 4.5 ± 19.9 10.4 ± 4.7 6.6 ± 2.9 R-C HB 14.6 ± 4.6 3.6 ± 2.3 9.6 ± 5.5 5.9 ± 4.4 H45 12.2 ± 3.2 5.7 ± 10.2 3.9 ± 0.6 3.7 ± 0.5 KM 5.6 ± 16.6 5.4 ± 28.5 3.4 ± 6.2 4.0 ± 0.7 Tabela 7-11 prikazuje primerjavo med dejanskimi in simuliranimi prehodnimi časi med šaržami (tabele od 7-5 do 7-8). Iz tabele je razvidno, da imajo vsi prehodni časi zelo veliko standardno deviacijo in da so kot taki zelo slabo definirani. Zato so razhajanja med dejanskimi in simuliranimi prehodnimi časi pričakovana. Pomembno je opažanje, da se prehodni časi v primeru prekinitve dela čez vikend povečajo, kar pričujoče simulacije potrjujejo, saj se ti časi v povprečju podvojijo v primerjavi s prehodnimi časi, ki jih beležimo v primeru kontinuiranega dela. Enako opažanje je lahko opazimo tudi pri resničnih proizvodnih podatkih, saj se pri avtomatski detekciji faz izognemo že prej obravnavanim artefaktom, kar se odrazi v krajših povprečnih časih in predvsem nižjih standardnih deviacijah. 7.10.2 Validacija modela za opisovanje kakovosti izdelkov Glavni pokazatelj kakovosti izdelkov (polimernih in kopolimernih emulzij) je porazdelitev velikosti delcev (polimernih verig) v emulziji. Te meritve se izvajajo v zunanjem laboratoriju, in sicer v primeru slabega izdelka ali vzorčno enkrat na mesec. Podatkov, ki jih dobimo s takšnimi meritvami, je tako premalo, da bi bila možna statistična analiza odvisnosti kakovosti izdelkov od različnih vplivnih faktorjev (kakovost surovin, kakovost regulacije temperature v reaktorju, vpliv čistoče reaktorja, itd.). Po zaključku reakcije v reaktorju se izvede meritev deleža suhe snovi v emulziji in njena viskoznost, ki sta posredna pokazatelja kakovosti izdelka, na podlagi katerih se vrši umerjanje izdelka, vendar teh podatkov uprava podjetja ni bila voljna posredovati in nam niso bili na voljo. Razpolagali smo z vzorčnimi podatki o kakovosti emulzij v egalizatorjih, kjer so povečini premešane tri šarže enakega izdelka, vendar zaradi tega dejstva ni bilo možno sklepati, katera šarža in posledično kateri faktorji v postopku izdelave šarže so vplivali na kakovost emulzije. Opazili pa smo, da so bile pri nekaterih emulzijah z manjšo viskoznostjo vsebovane šarže, pri katerih je temperatura v času 86 7. Model proizvodnje Slika 7-21: Temperaturni profil šarže, pri kateri temperatura v rektorju v času reakcije (od 16. do 22. ure) močno niha reakcije močno nihala. Primer temperaturnega profila takšne šarže prikazuje slika 7-21. Emulzija, ki je vsebovala to šaržo, je imela viskoznost 27500 mPas, dovoljene vrednosti viskoznosti pa so v območju od 26000 do 34000 mPas, normalno pa imajo emulzije viskoznost okrog 32000 mPas. Zaradi opisanih dejstev validacija kakovosti izdelka v normalnem smislu primerjanja simuliranih in dejanskih rezultatov ni bila možna. Validacijo smo zato izpeljali s pomočjo vodje proizvodnje in tehnologov, katerim smo predstavili v poglavju 7.9.3 opisani način modeliranja kakovosti izdelkov in ti so potrdili, da je opisana logika pravilna. Namen modela proizvodnje je simulacija dogajanja v proizvodnji, kot ga vidimo s proizvodnega nivoja vodenja, kjer poskušamo z implementacijo zaprtozančnega vodenja na osnovi regulatorjev in pPI-jev voditi proizvodnjo. Za ta namen model dovolj dobro opiše proizvodnjo in dogajanje v njej. 8. Kazalniki za proizvodni proces polimerizacije Za izbrani proces polimerizacije smo iz množice splošnih kazalnikov za proizvodni nivo vodenja pPI izbrali tri karakteristične kazalnike. 8.1 Produktivnost Definirana je tudi kot dejanska hitrost proizvodnje (angl. production rate) in izplen proizvodnje. Produktivnost je na splošno definirana kot razmerje med dejanskim izhodom in enim ali več vhodi v proces, ki se uporabljajo za dosego danega izhoda. P = T1 ∑n ki ⋅Mi (8.1) i=1 Za opisani proizvodni proces je bila produktivnost P definirana kot količina vseh izdelkov, ki so bili proizvedeni v danem časovnem oknu T (enačba 8.1). Enota kazalnika je kg/h. Za izračun uporabimo vse šarže, ki so se v celoti izvedle v časovnem oknu, ustrezni del proizvedene količine tistih šarž, ki so se delno zaključile v danem časovnem oknu in ustrezni del ocene za proizvedeno količino šarž, ki so v fazi izvajanja. Pri tem uporabljamo korekcijski faktor ki, ki določa delež šarže, ki je bil izdelan v časovnem oknu T, s katerim pomnožimo količino izdelka Mi, ki je bila proizvedena z dano šaržo. n podaja število šarž, ki so se delno ali v celoti proizvajale v časovnem oknu T. Kazalnik ima tem večjo vrednost, čim krajše so šarže in preklopni časi med šaržami ter čim manj je drugih motečih faktorjev, ki vnašajo v proizvodnjo zakasnitve. Modificirana verzija kazalnika za produktivnost je količina proizvedenega izdelka na uro zasedenosti reaktorja. Ta kazalnik nam prikazuje učinkovitost reaktorjev, saj se pri hitrejšem polnjenju reaktorja, hitrejši analizi in umerjanju izdelka ter praznjenju reaktorja manjša zasedenost reaktorja pri enaki količini proizvedenega izdelka. Ta kazalnik ni najbolj primeren za ocenjevanje učinkovitosti celotne proizvodne linije, saj kazalnik ne upošteva prehodnih časov med šaržami in drugih zastojev v proizvodnem procesu, ki bistveno vplivajo na izkoriščenost proizvodne linije. 88 8. Kazalniki za proizvodni proces polimerizacije V primeru proizvodnje heterogenih izdelkov z raznolikimi proizvodnimi stroški in proizvodnimi časi je potrebno podatke o proizvedenih količinah za posamezne vrste izdelkov ustrezno normirati in šele nato obravnavati na zgoraj opisani način. Normiranje lahko izvajamo glede na ceno ali proizvodni čas ali količino, odvisno od kriterija, po katerem bomo izdelke primerjali. V našem primeru proizvodnje smo zaradi majhnih razlik v proizvodnih časih, količinah in cenah med posameznimi izdelki kazalnik produktivnosti izračunavali brez dodatnega normiranja. 8.2 Kakovost izdelkov Naslednji pomemben kazalnik za vodenje proizvodnje je povprečna kakovost proizvedenih izdelkov Q. Izračunamo jo kot povprečje faktorjev kakovosti posameznih šarž Qi , ki so se izdelovale v danem časovnem oknu T, pri čemer n predstavlja število šarž, ki jih obravnavamo (enačba 8.2). Q = 1tQi (8.2) Konstantna in visoka kakovost izdelkov zagotavlja večje zadovoljstvo strank in zmanjšuje količino odpadnih materialov. 8.3 Proizvodni stroški Proizvodni stroški so sestavljeni iz materialnih stroškov, stroškov za porabljeno energijo, drugih operativnih stroškov in fiksnih stroškov proizvodnje (amortizacija, delovna sila, itd.). Povprečni stroški proizvodnje na kilogram proizvedenega izdelka S se izračunajo kot vsota vseh stroškov, s katerimi je proizvodnja obremenjena v opazovanem časovnem oknu, deljeno s proizvedeno količino izdelkov v tem časovnem oknu (enačba 8.3). Ta ocena je uporabna za določitev delovnega področja, kjer so stroški proizvodnje na enoto izdelka najmanjši. JtkrSi+T-Sf S = i^1 (8.3) V danem časovnem oknu imamo tudi opravila, ki so se samo delno izvajala, bodisi da so se začela izvajati pred začetkom okna ali da se še izvajajo, zato je potrebno takšna opravila ustrezno ovrednotiti s pomočjo korekcijskih faktorjev. Pri izračunu kazalnika upoštevamo variabilne stroške tako, da seštejemo s korekcijskim faktorjem ki pomnožene stroške opravil Si (m opravil), fiksne stroške izračunamo kot produkt postavke fiksnih stroškov Sf in časovnega okna T, medtem ko količino proizvedenih 89 izdelkov izračunamo kot vsoto s korekcijskim faktorjem kj pomnoženih proizvedenih količin za posamezno šaržo Mj (n šarž). 8.4 Implementacija kazalnikov Slika 8-1 prikazuje primer kazalnika Kakovost izdelkov, ki je bil izračunan s periodo 12 ur in je za svoje izračunavanje uporabljal tri različna časovna okna: 50, 100 in 150 ur. Na začetku simulacije še nimamo proizvodnih podatkov, zato so ocene za kazalnike približne, količina podatkov pa je za vsa tri časovna okna enaka, zato so kazalniki za vsa tri časovna okna na začetku enaki. V nadaljevanju opazimo, da ima kazalnik s časovnih oknom 50 ur večjo dinamiko kot preostala dva; že v istem dnevu, v katerem je nastopila sprememba (npr. sprememba kakovosti surovin v 105 uri proizvodnje), se to odrazi na spremembi vrednosti kazalnika, medtem ko se na kazalnikoma s časovnima oknoma 100 in 150 ur to odrazi šele po dvakrat oziroma trikrat večjem času. Tudi sprememba je na začetku pri prvem kazalniku večja, vendar se po preteku 100 ur od nastopa motnje vrednosti kazalnikov skoraj izenačijo. Enak vzorec obnašanja opazimo tudi v nadaljevanju po nastopu druge (210. ura) in tretje spremembe (310. ura) v manipulativnih spremenljivkah procesa (Kakovost surovin in Hitrost proizvodnje). Slika 8-1: Vpliv časovnega okna na kazalnik Kakovost izdelkov Večja odstopanja med kazalniki z različnimi časovnimi okni so opazna pri izračunavanju kazalnika Produktivnost (slika 8-2). V tem primeru kazalnik s časovnim oknom 50 ur zavzema občutno manjše vrednosti kot kazalnika s časovnim oknom 100 in 150 ur, kar je posledica karakteristike proizvodnega procesa. Produktivnost je definirana kot kvocient količine proizvedenih izdelkov in proizvodnega časa za dano 90 8. Kazalniki za proizvodni proces polimerizacije Slika 8-2: Kazalnik Produktivnost za tri različna časovna okna brez upoštevanja šarž, ki se niso v celoti izvedle v časovnem oknu časovno okno. Povprečni izdelovalni čas za šaržo znaša 15 ur in v časovnem oknu 50 ur je le nekaj šarž, ki so se v celoti izvedle, znaten delež pa je tistih, ki so se začele izvajati pred začetkom časovnega okna ali so v fazi izvajanja. Tudi te šarže je potrebno upoštevati z ustrezno korekcijo: 1. Šarže, ki so se pričele izvajati pred začetkom časovnega okna: upošteva se jih tako, da se upošteva samo tisti del proizvedene količine in stroškov, ki je proporcionalen izdelovalnemu času šarže, ki pade v časovno okno. 2. Šarže, ki so v izvajanju: pri teh šaržah ne vemo, kakšen bo izdelovalni čas, proizvedena količina in kakovost izdelka, zato vzamemo za izračun povprečno vrednost teh parametrov na danem reaktorju in jih pomnožene s korekcijskim faktorjem upoštevamo pri izračunu kazalnikov. Z opisanim pristopom dobimo kazalnike Produktivnosti, kot jih prikazuje slika 8-3. Opazimo, da se razlike med kazalniki z različnimi časovnimi okni občutno zmanjšajo, manjša so tudi nihanja v samih vrednostih kazalnikov, saj se je z opisanim pristopom ocena produktivnosti izboljšala in so zato rezultati bolj verodostojni. 91 Slika 8-3: Kazalnik Produktivnost za tri različna časovna okna z upoštevanjem šarž, ki se niso v celoti izvedle v časovnem oknu Slika 8-4: Kazalniki Proizvodni stroški brez upoštevanja opravil, ki so se le delno izvajala v časovnem oknu 92 8. Kazalniki za proizvodni proces polimerizacije Slika 8-5: Kazalnik Proizvodni stroški z upoštevanjem opravil, ki so se le delno izvajala v časovnem oknu Sedaj si lahko pogledamo še primer kazalnikov, ki prikazujejo proizvodne stroške na kilogram izdelka za različna časovna okna. Slika 8-4 prikazuje kazalnike v primeru, ko ne upoštevamo opravil, ki so se le delno izvajala v danem časovnem oknu, medtem ko slika 8-5 prikazuje kazalnike v primeru, ko upoštevamo tudi ta opravila. V drugem primeru imamo manjša razhajanja med vrednostmi kazalnikov z različnimi časovnimi okni, opazimo pa tudi, da je vrednost kazalnikov v drugem primeru nekoliko višja kot v prvem, kar je posledica dejstva, da v oceni kazalnikov upoštevamo nekoliko več opravil in z njimi povezanih stroškov. V drugem primeru je opaziti tudi večjo dinamiko kazalnika s časovnim oknom 50 ur, kar je posledica boljše odzivnosti kazalnika na trenutne razmere v proizvodnji in nepopolne korekcije stroškov tistih opravil, ki se niso v celoti izvedla v danem časovnem oknu. Iz opisanih primerov lahko povzamemo, da mora biti časovno okno, ki ga upoštevamo pri izračunavanju kazalnikov, prilagojeno časovni konstanti proizvodnega procesa, katerega ocenjujemo s kazalniki. Kazalniki z večjim časovnim oknom predstavljajo dolgoročno povprečje dogajanja v procesu, manj pa odražajo trenutno dogajanje v procesu in kot taki niso primerni za sprotno vodenje proizvodnje. Pri izračunavanju kazalnikov pa je potrebno upoštevati tudi tista opravila, ki so se le delno izvajala v danem časovnem oknu, še posebej v primerih, ko ni izpolnjen pogoj, da je časovna konstanta opravil veliko manjša od časovnega okna. 93 8.5 Občutljivost pPI-jev na spremembe manipulativnih spremenljivk Nazorno predstavitev odvisnosti pPI-jev na spremembe manipulativnih spremenljivk predstavljajo rezultati, ki smo jih dobili z eksperimentoma, v katerih smo sistematično spreminjali vrednosti manipulativnih spremenljivk in preučevali njihov vpliv na potek pPI-jev. V prvem eksperimentu smo simulirali monotono proizvodnjo treh vrst izdelka, pri čemer se je v vsakem reaktorju izdeloval samo en tip izdelka. V drugem eksperimentu smo simulirali raznovrstno proizvodnjo, v kateri se izdelki, ki se izdelujejo v posameznih reaktorjih, stalno menjavajo. 8.5.1 Monotona proizvodnja Eksperiment je sestavljen iz petih faz, vsako fazo definira Hitrost proizvodnje, ki se spreminja od podpovprečne (vrednost je 0.8) preko vmesnih vrednosti 0.9, 1, 1.1 do nadpovprečne vrednosti 1.2. V vsaki fazi smo spreminjali še Kakovost surovin od podpovprečne vrednosti 0.85 preko vrednosti 0.9 in 1 do nadpovprečne vrednosti 1.1. Za vsak par vrednosti hitrosti in kakovosti surovin smo predpisali enako zaporedje opravil, ki se morajo izvesti. Vzorec iz razporeda opravil, ki je vsebovan v tabeli Opravila v podatkovni bazi in se je izvajal tekom celotnega eksperimenta, prikazuje slika 8-6. Slika 8-6: Osnovni razpored opravil, ki smo ga izvajal pri različnih Hitrostih proizvodnje in Kakovostih surovin 94 8. Kazalniki za proizvodni proces polimerizacije Prvi diagram na sliki 8-7 prikazuje razpored šarž na reaktorjih R-A, R-B in R-C; na reaktorju R-A se je izdeloval izdelek MEKOLIT HB, na reaktorju R-B izdelek MEKOLIT H45 in na reaktorju R-C izdelek MEKOLIT KM. Slika prikazuje vse šarže, ki so se izvedle v eksperimentu, v katerem je bilo simuliranih 87 delovnih dni oziroma nekaj čez 2000 delovnih ur. Drugi diagram prikazuje, kako sta se spreminjali manipulativni spremenljivki Kakovost surovin in Hitrost proizvodnje tekom eksperimenta, tretji diagram prikazuje potek kazalnika Kakovost izdelkov in s tem njegovo odvisnost od Kakovosti surovin in Hitrosti proizvodnje. Vidimo, da je povprečna kakovost izdelkov tem večja, čim boljše so surovine in čim manjša je hitrost proizvodnje. Z zmanjševanjem hitrosti proizvodnje se ključne faze v proizvodnji bolj kakovostno izvedejo; predvsem imamo v mislih regulacijo temperature v reaktorju in fazo vakumiranja. Četrti diagram prikazuje potek kazalnika Produktivnost, iz katerega je razvidno, da se produktivnost s povečevanjem hitrosti proizvodnje nekoliko povečuje (pri povečanju hitrosti proizvodnje za 50 % se produktivnost poveča za nekaj čez 20 %). Iz grafa ni razvidna odvisnost produktivnosti od kakovosti surovin razen v zadnjem delu grafa, kjer produktivnost drastično pade za okrog 40 %. Vzrok za takšen padec tiči v dejstvu, da je proizvodnja tedaj zelo pospešena in da je kakovost surovin zelo slaba, kar se odraža v slabih šaržah, ki jih je potrebno reciklirati, (to pomeni dodatne analize Slika 8-7: Razvrstitev šarž na reaktorjih R-A, R-B in R-C za monotono proizvodnjo in potek manipulativnih spremenljivk Kakovost surovin in Hitrost proizvodnje ter kazalnikov Kakovost izdelkov, Produktivnost in Stroški proizvodnje 95 izdelka, prečrpavanje izdelka v začasne depozitne posode, vmešavanje v druge šarže), kar vnaša v proizvodni proces dodatno delo, stroške in zakasnitve. Zadnji graf prikazuje kazalnik Proizvodni stroški. Iz kazalnika je razvidna odvisnost proizvodnih stroškov od kakovosti surovin, medtem ko kazalnik ne izkazuje zaznavne odvisnosti proizvodnih stroškov od hitrosti proizvodnje. To pomeni, da s pospešeno hitrostjo proizvodnje stroški proizvodnje nekoliko naraščajo, vendar so tudi proizvedene količine izdelkov na časovno enoto nekoliko večje, tako da se stroški proizvodnje na kilogram proizvedenega izdelka manj izrazito spreminjajo. To pa ne pomeni, da je sedaj hitrejša proizvodnja tudi boljša, saj so proizvedeni izdelki manj kakovostni in tako je njihova tržna vrednost nižja, kar pa opisani kazalnik ne prikazuje. Ena od osnovnih prednosti izvajanja eksperimentov na modelu pred eksperimentiranjem na samem proizvodnem procesu je ta, da na modelu lahko preizkušamo tudi tiste scenarije vodenja, ki jih v normalnem proizvodnem procesu zaradi varnostnih in ekonomskih razlogov, kot tudi zaradi nerazpoložljivosti proizvodnega procesa za eksperimentiranje (proizvodnja poteka kontinuirano brez večjih prekinitev), ne moremo preizkusiti. Ena od zanimivih možnosti, ki jih zgoraj opisani eksperiment ponuja, je tridimenzionalna predstavitev odvisnosti pPI-jev Kakovost izdelkov in Produktivnost od manipulativnih spremenljivk Kakovost surovin in Hitrost proizvodnje, kar prikazujejo slike 8-8, 8-9 in 8-10. Zadnji dve sliki prikazujeta dva načina izračuna produktivnosti: - produktivnost na uro proizvodnje - produktivnost na uro zasedenosti reaktorja. Slika 8-8: Vpliv Kakovosti surovin in Hitrosti proizvodnje na Kakovost izdelkov 96 8. Kazalniki za proizvodni proces polimerizacije Slika 8-9: Vpliv Kakovosti surovin in Hitrosti proizvodnje na Produktivnost, ki je izražena kot količina proizvedenih izdelkov na uro proizvodnje Slika 8-10: Vpliv Kakovosti surovin in Hitrosti proizvodnje na Produktivnost, ki je izražena kot količina proizvedenih izdelkov na uro zasedenosti reaktorja 97 Slika 8-11: Relacija med kazalniki Proizvodni stroški, Produktivnost in Kakovost izdelkov Iz grafov na slikah 8-9 in 8-10 je razvidno, da se produktivnost glede na zasedenost reaktorjev bolj linearno spreminja v primerjavi s produktivnostjo glede na proizvodni čas. To je razumljivo, saj se s spreminjanjem hitrosti spreminjajo tudi prehodni časi med šaržami, kar vnaša dodatne nelinearnosti v produktivnost glede na proizvodni čas. Produktivnost na uro proizvodnje upošteva proizvodnjo vseh treh reaktorjev, medtem ko produktivnost na uro zasedenosti reaktorja upošteva povprečno proizvodnjo enega reaktorja. V nadaljevanju bom uporabljal kazalnik Produktivnost na uro proizvodnje. Še bolj zanimiva je relacija med kazalniki Proizvodni stroški na enoto izdelka, Produktivnost in Kakovost izdelkov, ki jo prikazujeta sliki 8-11 in 8-12. Na slikah je razviden lokalen in globalen maksimum, ki podaja stroškovno najbolj učinkovito področje obratovanja proizvodnega procesa za dano razporeditev opravil v proizvodnji. Iz opisanih relacij lahko definiramo začetne vrednosti za pPI-je Produktivnost in Kakovosti izdelkov, tako da dobimo optimalno stroškovno obratovanje za dani tip proizvodnje, ki ga določa razporeditev opravil. 98 8. Kazalniki za proizvodni proces polimerizacije Slika 8-12: Tlorisni pogled na relacije med kazalniki Proizvodni stroški, Produktivnosti in Kakovosti izdelkov 8.5.2 Raznovrstna proizvodnja Sedaj si poglejmo še primer raznovrstne proizvodnje, kjer se izdelki, ki se izdelujejo na posameznem reaktorju, stalno menjavajo. Razvrstitev šarž na reaktorjih za takšen tip proizvodnje prikazuje prvi diagram na sliki 8-13, kjer rdeči pravokotnik pomeni zasedenost reaktorja pri proizvodnji šarže MEKOLITA HB, modri pravokotnik proizvodnjo šarže MEKOLITA H45 in zeleni pravokotnik proizvodnjo šarže MEKOLITA KM. Drugi diagram prikazuje potek manipulativnih spremenljivk, zadnji trije pa potek pPI-jev. Na sliki 8-14 lahko opazujemo relacije med kazalniki Proizvodni stroški, Produktivnost in Kakovost izdelkov za takšno proizvodnjo in jo primerjamo s sliko 8-12, kjer so prikazani proizvodni stroški za monotono proizvodnjo. Iz opisanih diagramov je razvidno, da se glavne karakteristike diagrama ohranjajo, razlike nastopajo predvsem v vrednostih kazalnikov. Omembe vredno je področje (na slikah 8-12 in 8-14 spodaj levo), kjer so vrednosti kazalnikov Produktivnost in Kakovost izdelkov najmanjše in predstavlja proizvodnjo s slabimi šaržami. Temu področju delovanja se je v praksi potrebno izogibati. Na slikah je to področje tudi slabo definirano, saj ga določa samo ena izračunana točka, ostale točke so dobljene z interpolacijo. 99 Slika 8-13: Razvrstitev šarž na reaktorjih R-A, R-B in R-C za raznovrstno proizvodnjo in potek manipulativnih spremenljivk Kakovost surovin in Hitrost proizvodnje ter kazalnikov Kakovost izdelkov, Produktivnost in Proizvodni stroški Slika 8-14: Tlorisni pogled na relacije med kazalniki Proizvodni stroški, Produktivnost in Kakovost izdelkov pri raznovrstni proizvodnji 100 8. Kazalniki za proizvodni proces polimerizacije Funkcija razvrščanja kot tretja manipulativna spremenljivka proizvodnega procesa predstavlja kompleksno funkcijo proizvodnega nivoja vodenja, ki za sprotno uporabo v proizvodnji zahteva uporabo dodatnega orodja za razvrščanje opravil, s katerim pa se v okviru tega dela nismo ukvarjali. Z opisanima eksperimentoma smo pokazali razlike, ki nastopajo v pPI-jih za dve popolnoma različni razvrstitvi opravil v proizvodnji. Osnovni vzorec odvisnosti pPI-jev od manipulativnih spremenljivk se za ta dva tipa proizvodnje bistveno ne spreminja, opazimo predvsem spremembe v absolutnih vrednostih kazalnikov pri enakih vrednostih manipulativnih spremenljivk. 8.6 Identifikacija proizvodnega procesa po metodi najmanjših kvadratov V dosedanjem izvajanju smo predstavili odvisnost pPI-jev od manipulativnih spremenljivk in relacije med pPI-ji na opisen način. Proizvodni proces lahko opišemo tudi matematično kot časovno diskretni dinamični proces s prenosno funkcijo G(z-1). Enačba (8.4) podaja prenosno funkcijo splošnega diskretnega dinamičnega procesa (Matko, 1992). B(z-1) G(z-1) = -1 z-d 1 b z-1 +b z-2 + ...+b z -n n -d A(z-1) 1+a1z-1 + ... +anz- (8.4) Enačba (8.5) podaja časovni potek izhoda procesa y(k) v odvisnosti od preteklih vrednosti izhoda procesa y(k-i), preteklih vrednosti vhodne spremenljivke u(k-i) in motnje v(k). y(k) = -a1 y(k - 1) - a2 y(k - 2) - ...- an y(k - n) + + b1u(k - d -1) + b2u(k - d - 2)+ ...+ bn y(k - d - n)+ v(k) Matrično obliko zapisa modela procesa podaja enačba (8.6), y(k) = [-y(k-l) y(k -n) u(k -d -1) WT(k)Q + v(k) kjer sta vektorja Ψ in Θ definirana z enačbo (8.7). ^r(^) = [-3;(^-i) 0r = [a1 ab y(k -n) u(k -d -1) .. bn ]. u(k-d-n)\ u(k - d - n)] (8.5) \ + v(k) (8.6) (8.7) n 101 Naša želja je oceniti parametre ai in bi (vektor 0) iz vhodnih (u(k)) in izhodnih (y(k)) merjenih veličin procesa. Model procesa, ki ga dobimo s pomočjo meritev vhodnih in izhodnih veličin procesa, podaja enačba (8.8). y ˆ(k) = TT (k) ˆ (8.8) Ocene parametrov procesa ˆ se razlikujejo od dejanskih vrednosti parametrov procesa, zato jih označujemo s strešico. Za oceno vektorja ˆ je v praksi potrebno več meritev, kot je število meritev vhodnih in izhodnih veličin procesa, ki so vsebovane v vektorju ¥. V splošnem lahko pogrešek modela zapišemo kot e(k) v enačbi (8.9) in predstavlja razliko med dejansko vrednostjo izhoda y(k), ki je motena z merilnim šumom in z vrednostjo izhoda y(k), ki jo daje model procesa na podlagi izmerjenih preteklih vrednosti izhodnih in vhodnih veličin procesa. y(k)-y(k) = y(k)-'VT (k) ˆ = e(k) (8.9) Sistem enačb za določitev ocene prametrov ˆ dobimo tako, da napišemo enačbo (8.9) za N opazovanj, pri čemer mora biti število opazovanj N mnogo večje od števila parametrov, ki jih ocenjujemo (N>2n). Sistem enačb se tako glasi (enačba (8.10)) y(k - N +1) - ¥T (k - N +1) ˆ = e(k-N + 1) y(k-N + 2)-xPT (k-N + 2) ˆ = e(k-N + 2) (8.10) y(k-1)-WT (k-1) ˆ = e(k-1) y(k)-yT (k) ˆ = e(k) Če vpeljemo vektorja e in y ter matriko ¥ (enačba (8.11)), y(k-N+ 1)1 [e(k-N + 1)l |V(k-N + 1)l y = : e= • v = • (8-n) [ y(k) j [ e(k) \ ^T(k) lahko sistem enačb zapišemo v vektorsko matrični obliki (enačba (8.12)). y - ¥ˆ = e (8.12) Z minimizacijo kriterijske funkcije V, V = eTe = [y - Wof [y - Wo] (8.13) tako da jo odvajamo na vektor ˆ in z upoštevanjem pogojev, da je odvod enak 0 in drugi odvod pozitiven (minimum funkcije) ter nekaj preoblikovanj, dobimo optimalno oceno vektorja ˆ v smislu najmanjših kvadratov (enačba 8.14) 102 8. Kazalniki za proizvodni proces polimerizacije ˆ = [