TW INCORR Kappa

(1)

TW INCORR Kappa

A. Appendix Resultaten modellen

A.1. Beginvoorraad

SK Hvn

PB 95 W S 110 W S 130 W S 115 K L b 125 K L w t 140 K L b 140 K L w t 140 K L w m 160 T L b Q 186 K L b 120 T L b III 135 T L b Q 140 T L b III 140 T L w m 160 T L b III 220 T L b III 1250 1 1 1 1 1

1300 2 1 2 1 1 1 1 1 1 1 2 1 1 1

1350 1 2 1 1 1 1 1 1 1

1400 2 1 1 1 1 1 2 1 1

1450 2 1 2 1 1 1 1 1 1 1 1

1500 2 1 1 1 1 1 2 1 1

1550 2 1 1 1 1 1 1 1 1 1 1

1600 2 1 1 1 1 2 1

1650 2 1 2 1 1 1 1 1 1 1 1 1

1700 2 1 2 1 1 1 1 1 1 1 1 2 1 1 1

1750 2 1 2 1 1 1 1 1 1 2 1 1 1

1800 2 1 2 1 1 2 1 1 1 1 1 2 1 1 1

1850 2 1 2 1 1 1 1 1 1 1 1 1 2 1 1 1

1900 2 1 2 1 1 1 1 1 1 1 1 1 2 1 1 1

1950 2 1 2 1 1 1 1 1 1 1 1 1 2 1 1 1

2000 2 1 2 1 1 1 1 1 1 1 1 1 2 1 1 1

2050 2 1 2 1 1 1 1 1 1 1 1 1 2 1 1 1

2100 2 1 2 1 1 1 1 1 1 1 1 1 2 1 1 1

2150 2 1 2 1 1 2 1 1 1 1 1 1 2 1 1 1

2200 2 1 2 1 1 1 1 1 1 1 1 1 2 1 1 1

2250 2 1 2 1 1 2 1 1 1 1 1 1 2 1 1 1

2300 2 1 2 1 1 1 1 1 1 1 1 1 2 1 1 1

2350 2 1 2 1 1 1 1 1 1 1 1 1 2 1 1 1

2400 2 1 2 1 1 1 1 1 1 1 1 1 2 1 1 1

2450 2 1 2 1 2 2 1 1 1 1 1 1 2 1 1 1

Totaal 46 24 45 23 20 24 17 19 14 21 24 17 44 19 25 24 406 DK

Hvn

PB 95 W S 110 W S 130 W S 115 K L b 1 2 5 KL wt 140 K L b 1 4 0 KL wt 1 4 0 KL wm 160 T L b Q 186 K L b 1 2 0 TL b III 135 T L b Q 1 4 0 TL b III 140 T L w m 1 6 0 TL b III 2 2 0 TL b III 2200 1 1 1 1 1 1

2450 2 1 2 1 2 2 1 1 1 1 1 1 2 1 1 1

Totaal 3 1 3 1 3 2 2 1 2 1 2 1 2 1 1 1 27

(2)

TW INCORR Kappa

SK NwP

PB 95 W S 105 W S 110 W S 130 W S 140 W S 170 W S 115 K L b 125 K L w t 130 K lw tf c 140 K L b 140 K L w m 140 K L w t 186 K L b 275 K L b 300 K L b 400 K L b 120 T L b III 125 T L w t 135 T L b Q 140 T L b III 140 T L w m 160 T L b III 160 T L b Q 195 S W L w 220 T L b III

1250 2 1 1 1 1 1 1 1 1

1300 3 1 2 1 1 1 1 1 1 1 1 2 1 1 1 1

1350 3 3 1 2 1 1 2 1 1 1 1 2 1 1 1

1400 2 3 1 2 1 1 2 1 1 1 1 1 1

1450 3 1 2 1 1 1 1 1 2 1 1 1

1500 3 1 2 1 1 1 1 1 1 1 1 1

1550 3 1 2 1 1 1 1 1 1 1 1 1 1

1600 2 1 1 1 1 1 1 2 1 1

1650 3 1 1 1 1 1 1 1 2 1 1 1 1

1700 3 1 2 2 1 2 2 1 1 1 1 1 2 1 1 1 1

1750 3 1 2 1 1 1 2 1 1 1 1 1 1 1 1 2 1 1 1 2

1800 3 1 2 1 2 2 1 1 1 1 1 2 1 1 1

1850 3 1 2 1 1 2 1 1 1 1 1 1 1 2 1 1 1 1 2

1900 3 1 2 1 1 1 2 1 1 1 1 1 1 1 1 2 1 1 1 1 2

1950 3 3 2 1 1 1 2 1 1 1 1 1 1 1 1 2 1 1 1

2000 3 3 2 1 1 2 2 1 1 1 1 1 1 1 1 2 1 1 1

2020 2 1 1 1

2030 3 1 1 1 1 1

2050 3 3 2 1 1 1 2 1 1 1 1 2 1 1 1 1 2 1 1 2 2

2100 3 2 2 1 2 2 1 1 1 1 1 2 1 1 1 1

2150 3 2 2 1 1 2 2 1 1 1 1 1 2 1 1 2 1

2199 3 1 2 1 1 1 1 1 1

2200 3 3 2 1 1 2 1 2 1 1 1 2 1 1 2 1 1 1 2 2

2250 3 1 2 1 1 2 1 2 1 1 1 1 1 2 1 1 1 2 2

2300 3 1 2 1 2 1 1 1 1 1 2 1 2 1 1 1

2350 3 1 2 1 1 2 2 1 1 1 1 1 1 2 1 2 1 1 1 1

2400 3 1 2 1 2 1 2 1 1 1 1 1 2 1 1 1 1

2449 3 1 2 1 1 1 1 1 1 1 1

2450 3 1 2 1 1 2 1 2 1 1 1 1 2 1 2 1 1 1 2

Totaal 78 6 42 51 9 9 27 42 6 35 23 19 26 7 7 7 27 8 17 45 20 28 11 12 34 596

(3)

TW INCORR Kappa

DK NwP

PB 95 W S 105 W S 110 W S 130 W S 140 W S 170 W S 115 K L b 125 K L w t 130 K lw tf c 140 K L b 140 K L w m 140 K L w t 186 K L b 275 K L b 300 K L b 400 K L b 120 T L b III 125 T L w t 135 T L b Q 140 T L b III 140 T L w m 160 T L b III 160 T L b Q 195 S W L w 220 T L b III

1400 3 2

1700 1 2 2

1900 2 1 1 1

2020 2 1 1 1

2030 3 1 1 1 1 1

2199 3 1 2 1 1 1 1 1 1

2200 3 3 2 1 1 2 2 1 1 1 2 1 1 2 1 1 1 2 2

2449 3 1 2 1 1 1 1 1 1 1 1

2450 3 1 2 1 1 2 1 2 1 1 1 1 2 1 2 1 1 1 2

Totaal 12 3 12 10 3 2 4 6 1 9 4 2 5 3 1 1 4 2 2 5 2 5 2 4 7 111

(4)

TW INCORR Kappa

A.2. Snijverlies (in Euro)

NwP Hvn

GRADE DK SK DK SK

2006 4.256 712 -83,3% 167 37 -77,7%

2008 3.357 647 -80,7% 11.878 5.077 -57,3%

2014 0 132 131 -0,8%

2015 6.766 5.481 -19,0% 2.564 3.069 19,7%

2016 1.754 726 -58,6%

2018 5 5 -2,3%

2019 24 21 -11,7%

3002 5.071 2.121 -58,2% 10.814 10.392 -3,9%

3017 13.192 6.643 -49,6% 8.833 24.335 175,5%

3018 26.561 16.178 -39,1% 12.416 27.022 117,6%

3019 6.559 1.088 -83,4% 5.065 2.956 -41,6%

3020 9.908 2.301 -76,8% 10.114 6.392 -36,8%

3021 3.352 985 -70,6%

3022 4.955 1.434 -71,1% 9.903 9.061 -8,5%

3030 7.128 1.662 -76,7% 3.330 1.733 -48,0%

3031 10.548 4.415 -58,1% 46.237 19.687 -57,4%

3032 7.676 3.509 -54,3% 3.953 3.314 -16,2%

3033 1.358 1.038 -23,6%

3034 8.842 1.651 -81,3%

3036 2.930 686 -76,6%

4004 2.288 1.138 -50,3%

4005 6.690 2.768 -58,6%

4006 3.416 567 -83,4%

4010 9.604 2.601 -72,9%

5005 36.907 10.365 -71,9%

5012 18.125 6.405 -64,7%

5013 4.257 1.170 -72,5%

5014 1.616 709 -56,1%

5016 5.164 1.307 -74,7%

5017 146 10 -92,8%

5019 826 70 -91,5%

5023 210 144 -31,2%

6002 10.596 5.001 -52,8% 11.630 9.578 -17,6%

6004 7.131 2.741 -61,6% 11.581 4.657 -59,8%

6018 21.152 8.135 -61,5% 18.842 10.096 -46,4%

6019 29.339 8.260 -71,8% 8.826 8.047 -8,8%

6020 12.622 3.570 -71,7% 9.350 8.939 -4,4%

6021 12.239 4.079 -66,7% 19.208 5.156 -73,2%

6032 7.612 573 -92,5%

6039 5.139 2.883 -43,9% 11 -

100,0%

6040 23.311 11.738 -49,6%

6043 2.566 142 -94,4%

6044 1.825 960 -47,4%

6045 720 464 -35,5%

6046 804 659 -18,0%

6047 5 5 -0,2%

6048 10.826 2.150 -80,1%

6051 8.029 7.484 -6,8% 493 549 11,3%

6052 1.873 1.762 -5,9%

6054 4.714 1.329 -71,8%

6056 11.773 3.777 -67,9%

Totaal: 362.405 136.155 -62,4% 228.706 168.342 -26,4%

(5)

TW INCORR Kappa

A.3. Omstelverliezen (in Euro)

NwP Hvn

GRADE DK SK DK SK

2006 417 670 60,7% 30 50 66,5%

2008 434 921 112,4% 1.995 4.500 125,5%

2014 61 60 -0,8%

2015 1.562 4.191 168,4% 925 2.008 117,2%

2016 445 1.153 159,2%

2018 7 7 -1,1%

2019 11 17 54,8%

3002 918 2.089 127,6% 3.766 10.708 184,3%

3017 2.315 5.983 158,5% 6.692 28.160 320,8%

3018 8.111 17.879 120,4% 9.322 27.430 194,3%

3019 1.158 2.008 73,3% 2.092 5.581 166,8%

3020 1.131 2.671 136,2% 2.309 7.077 206,5%

3021 637 1.233 93,5%

3022 1.143 1.923 68,2% 3.941 8.210 108,3%

3030 1.070 1.790 67,3% 1.088 1.971 81,1%

3031 1.733 2.190 26,4% 8.611 11.442 32,9%

3032 1.684 4.206 149,7% 1.602 4.419 175,8%

3033 299 590 97,2%

3034 1.893 2.731 44,3%

3036 249 438 75,8%

4004 828 2.728 229,3%

4005 1.956 4.391 124,4%

4006 514 812 58,0%

4010 1.235 3.135 153,9%

5005 3.864 6.918 79,0%

5012 2.816 7.230 156,8%

5013 880 960 9,2%

5014 496 553 11,5%

5016 631 806 27,8%

5017 25 23 -8,6%

5019 119 111 -6,6%

5023 613 632 3,1%

6002 2.216 4.979 124,7% 3.227 10.615 229,0%

6004 1.307 2.684 105,4% 1.973 3.672 86,1%

6018 2.373 4.911 107,0% 3.668 11.182 204,9%

6019 3.696 8.553 131,4% 3.372 9.665 186,7%

6020 1.866 3.796 103,5% 2.942 7.591 158,1%

6021 2.286 4.191 83,3% 2.463 4.548 84,7%

6032 1.351 1.489 10,2%

6039 1.179 2.769 134,8% 26 46 72,9%

6040 4.137 8.147 96,9%

6043 319 414 30,1%

6044 376 379 0,7%

6045 476 473 -0,7%

6046 1.684 1.981 17,6%

6047 31 44 41,4%

6048 1.980 2.126 7,4%

6051 2.279 2.863 25,6% 151 180 19,5%

6052 1.075 1.245 15,8%

6054 374 405 8,2%

6056 1.521 1.710 12,4%

Totaal: 64.855 122.447 88,8% 65.120 170.817 162,3%

(6)

TW INCORR Kappa

A.4. Capaciteit (benodigde productietijd in uren)

NwP Hvn

GRADE DK SK DK SK

2006 19,6 23,7 21,0% 1,2 1,6 27,9%

2008 26,6 27,6 3,9% 146,0 190,5 30,5%

2014 3,3 3,3 -1,2%

2015 167,5 166,0 -0,9% 81,3 88,7 9,1%

2016 36,6 41,1 12,4%

2018 0,2 0,2 6,7%

2019 1,2 0,9 -26,7%

3002 69,9 74,7 6,9% 275,1 320,9 16,6%

3017 217,5 248,4 14,2% 609,3 706,3 15,9%

3018 492,7 499,7 1,4% 475,4 563,1 18,5%

3019 39,8 51,0 28,0% 60,7 77,9 28,4%

3020 74,9 80,1 6,9% 128,2 147,7 15,2%

3021 21,1 23,9 13,1%

3022 55,9 50,9 -9,0% 157,2 178,1 13,3%

3030 64,8 72,5 12,0% 41,4 50,1 21,0%

3031 91,3 108,5 18,8% 366,4 362,6 -1,0%

3032 88,4 100,1 13,2% 64,7 74,5 15,1%

3033 19,2 24,9 29,6%

3034 58,9 58,4 -0,9%

3036 19,8 16,7 -15,8%

4004 46,5 58,5 25,8%

4005 81,1 94,5 16,5%

4006 19,5 17,2 -11,7%

4010 62,7 51,1 -18,4%

5005 262,8 275,1 4,7%

5012 178,6 176,2 -1,4%

5013 29,3 27,0 -7,8%

5014 21,4 20,7 -3,5%

5016 28,4 24,7 -13,0%

5017 0,3 0,3 0,0%

5019 1,7 0,6 -66,1%

5023 47,6 37,5 -21,3%

6002 149,7 151,1 0,9% 177,4 222,4 25,4%

6004 74,5 72,1 -3,2% 96,0 96,9 0,9%

6018 145,8 150,5 3,2% 205,9 219,8 6,8%

6019 146,3 167,5 14,4% 119,4 141,8 18,7%

6020 95,8 99,8 4,2% 120,1 128,4 6,9%

6021 92,1 100,7 9,3% 86,5 96,1 11,1%

6032 28,6 27,8 -2,9%

6039 68,2 69,3 1,6% 0,3 0,8 142,4%

6040 175,1 184,4 5,3%

6043 6,6 6,6 -0,5%

6044 13,3 10,8 -19,1%

6045 15,6 14,6 -6,4%

6046 53,3 53,5 0,5%

6047 1,1 1,4 28,2%

6048 60,4 56,3 -6,9%

6051 76,8 71,7 -6,5% 4,9 5,6 15,1%

6052 32,2 29,3 -8,9%

6054 43,3 46,4 7,3%

6056 51,7 59,6 15,4%

Totaal: 3.445,8 3.578,1 3,8% 3.450,7 3.924,6 13,7%

(7)

TW INCORR Kappa

A.5. Handling (werklast operators in uren)

NwP Hvn

GRADE DK SK DK SK 2006 3,7 8,0 114,8% 0,3 0,6 119,2%

2008 5,2 14,6 180,0% 19,9 67,4 238,8%

2014 0,5 0,5 0,0%

2015 17,0 68,8 304,4% 10,0 32,2 222,0%

2016 5,7 18,5 225,4%

2018 0,1 0,1 0,0%

2019 0,1 0,2 76,9%

3002 9,5 31,7 233,7% 33,0 154,0 366,1%

3017 21,9 94,0 328,6% 58,7 424,9 624,1%

3018 55,1 189,1 243,0% 59,7 307,4 414,7%

3019 7,6 19,6 158,7% 13,5 50,1 271,4%

3020 10,3 35,2 240,0% 20,5 89,2 335,8%

3021 5,3 12,5 134,3%

3022 7,6 17,2 126,4% 23,5 73,8 214,1%

3030 8,8 21,6 144,2% 9,3 23,0 147,0%

3031 12,3 21,9 77,9% 55,4 90,5 63,4%

3032 12,4 46,5 274,6% 12,2 47,0 286,0%

3033 2,7 8,0 202,3%

3034 7,8 14,3 82,9%

3036 3,0 6,6 120,5%

4004 9,0 39,1 336,2%

4005 15,3 49,1 220,4%

4006 4,3 8,3 96,0%

4010 10,2 35,6 247,9%

5005 40,0 107,5 168,9%

5012 29,3 110,6 278,0%

5013 8,2 9,5 16,3%

5014 6,3 7,6 21,3%

5016 5,5 8,2 48,3%

5017 0,2 0,2 0,0%

5019 1,0 1,0 0,0%

5023 7,0 7,3 4,9%

6002 23,1 79,2 242,6% 34,5 171,9 398,1%

6004 14,2 39,5 178,3% 21,3 51,7 143,4%

6018 24,8 76,6 208,7% 39,1 171,4 338,8%

6019 25,1 95,5 280,3% 25,8 109,4 323,7%

6020 16,9 51,0 201,2% 26,9 94,5 250,9%

6021 17,5 47,4 170,4% 19,5 49,5 153,9%

6032 6,6 7,9 20,3%

6039 12,7 40,4 217,5% 0,4 0,7 97,1%

6040 31,1 92,1 195,8%

6043 3,1 5,0 61,0%

6044 3,3 3,5 5,1%

6045 3,0 3,0 0,0%

6046 10,1 13,1 29,9%

6047 0,3 0,4 57,1%

6048 11,4 13,2 16,1%

6051 14,6 21,3 46,4% 1,0 1,3 24,5%

6052 8,0 10,0 26,0%

6054 5,0 6,0 20,0%

6056 10,9 16,3 50,0%

Totaal: 532,4 1.493,2 180,5% 526,5 2.151,3 308,6%

(8)

TW INCORR Kappa

A.6. Gebruikte Instellingen:

De resultaten zijn geproduceerd met de volgende instellingen:

BB = 2450 mm :baanbreedte Trim = 40 mm :trim

SG = 50 mm :De stapgrootte bij papierbreedtes RLmin = 1500 m :De minimale runlengte

Lrw = 20 m :Verloren lengte van rol bij rolwissel

Top = 1 min : Tijd die een operator nodig heeft om een rol op te spannen Taf = 1 min : Tijd die een operator nodig heeft om een rol af te spannen

De volgende normsnelheden in m/min werden gebruikt voor samenstellingen bij het bepalen van de capaciteit:

Grade NwP Hvn Grade NwP Hvn Grade NwP Hvn 2006 159,4 159,5 4004 196,2 6002 163,7 187,1 2008 163,5 182,8 4005 199,0 6004 162,2 182,7 2014 203,0 4006 176,9 6018 172,4 188,1 2015 167,9 166,9 4010 207,5 6019 164,9 161,1 2016 150,4 5005 174,3 6020 164,7 184,5 2018 156,0 5012 175,3 6021 166,4 171,8 2019 127,7 5013 137,7 6032 136,2 3002 177,0 239,1 5014 163,5 6039 156,5 124,7 3017 181,8 230,0 5016 166,7 6040 167,6 3018 180,1 219,5 5017 90,5 6043 140,6 3019 160,1 198,6 5019 492,8 6044 135,3 3020 179,6 226,7 5023 162,1 6045 148,2 3021 180,1 6046 151,2 3022 163,1 217,6 6047 132,5 3030 159,7 197,8 6048 143,8 3031 186,9 229,8 6051 172,3 155,5 3032 183,8 226,9 6052 136,0 3033 240,4 6054 136,0 3034 94,3 6056 143,9

3036 164,1

(9)

TW INCORR Kappa

B. Appendix Single knife modellen in SQL en Basic

In deze appendix worden de in hoofdstuk 4 uitgelegde verbanden tussen de prestatie-indicatoren en hun veroorzakers eenduidig vastgelegd in tabellen en functies, zodat een werkende versie wordt verkregen waarmee allerlei grootheden kunnen worden berekend.

B.1. Gegevensstructuur

De gegevens die worden gebruikt voor de analyse komen uit OMP, het planningsprogramma. Hierin zit een tabel HIST_CORR, een logboek voor de golfkartonmachine. De tabel heeft veel velden, waarvan het voor dit

onderzoek relevante gedeelte hieronder staat gedefinieerd. Elke regel in de tabel bevat gegevens over een plan.

Tabel Hist_Corr:

MACHINENAME :0711 (Hvn) of 0511 (NwP) CINR :volgnummer van het plan STARTTIME :timestamp begin plan ENDTIME :timestamp einde plan GRADE :samenstelling

FLUTE :golftype

DECKLE :papierbreedte CILENGTH :Lengte plan

JOBUPPER :ordernummer bovenstroom MULTUPPER :aantal naast elkaar bovenstroom CUTOFFUPPER :Plaatlengte bovenstroom

WIDTHUPPER :Plaatbreedte bovenstroom JOBLOWER :ordernummer onderstroom MULTLOWER :aantal naast elkaar onderstroom CUTOFFLOWER :Plaatlengte onderstroom

WIDTHLOWER :Plaatbreedte onderstroom

De gegevens in deze tabel zijn van Kappa TWINCORR, een dual knife golfkartonfabriek. Om de modellen voor single knife te kunnen gebruiken moeten deze gegevens eerst een paar bewerkingen ondergaan. De gegevens uit de tabel HIST_CORR zijn verwerkt naar het volgende formaat:

Tabel SKOrders:

Mach :Welke locatie OrdNr :Volgnummer order B :Breedte platen L :Lengte platen BG :Bestelgrootte Sam :Samenstelling

Tabel Samenstellingen:

Sam :Nummer van de samenstelling Bu :De buitenliner

Gbu :De buitenste golflaag

T :De tussenlaag (of buitenliner bij drie lagen) Gbi :De binnenste golflaag (alleen bij vijf lagen) Bi :De binnenste liner (alleen bij vijf lagen) PrijsPerM2 :Prijs per M2 (berekend uit prijzen losse lagen) Hvn_Vnorm :Normsnelheid (in dit geval die van Hoogeveen) Tmin :Minimale bewerkingstijd van deze samenstelling T0 :Tijd kwijt voor splicen

Een variant op deze tabel is de tabel Sam_Norm, hierin staan de papierlagen van een samenstelling in losse

regels, (het is eigenlijk een ‘view’op de tabel samenstellingen) deze werkt makkelijker in een aantal gevallen.

(10)

TW INCORR Kappa

Tabel Sam_Norm:

Sam :Naam van de samenstelling Pap :Papiersoort

Aant :Aantal maal dat deze papiersoort in deze samenstelling zit.

Tabel PapierSoorten:

Pap :papiersoort PrijsPerTon

PrijsPerM2 LengteRol

Tabel Vnorm:

Machinename Grade

Vnorm

De uitwerking van de modellen in SQL en Basic werden door het bedrijf als

gevoelig gezien en zijn uit deze versie van het verslag weggelaten.

(11)

TW INCORR Kappa

C. Appendix Oorzaken snijverlies bij Dual Knife

In het verslag in op meerdere plaatsen aangegeven dat het bepalen van de prestatie-indicatoren niet is gelukt voor dual knife. In deze appendix zal worden uitgelegd waarom dat niet is gelukt.

figuur E.1: black box model Als we het probleem van het plannen van de orders zien als een black box zijn er twee manieren om de prestatie- indicatoren te bepalen. De eerste methode is van binnenuit. Door de planning zoals die in het echt gebeurt te analyseren en in het model na te bootsen kan de black box worden ingevuld. Wanneer de ordergegevens worden

‘gevoerd’ aan dit model kunnen de prestatie-indicatoren worden bepaald.

De tweede methode is van buitenaf. De black box wordt dicht gelaten en er wordt gezocht naar statistische verbanden tussen de input en de output. Van deze twee methoden wordt verder uitgelegd waarom het niet gelukt is deze uit te werken.

C.1. Van binnenuit: invullen black box

Het planningsproces bestaat uit twee stappen, die wel afhankelijk zijn van elkaar. De eerste stap is om de verzameling orders te verdelen in runs, de tweede is om die runs zo in te plannen dat de juiste hoeveelheden orders worden geproduceerd met een zo laag mogelijk snijverlies. De twee stappen zijn van elkaar afhankelijk omdat wanneer er met een bepaalde verdeling geen goeie planning mogelijk blijkt, een andere wordt gekozen.

Ook worden orders soms verdeeld over meerdere runs, een grote order wordt gedeeltelijk weggedraaid tegen een andere order.

Het verdelen van de orders over run was werd door de planner bepaald, daar is echter wel een duidelijke richtlijn voor, die is gegeven in de tabel in paragraaf 3.3.1. De grote samenstellingen worden elke dag gedraaid, de wat kleiner twee keer per week etc. Met deze regels kunnen de orders van een samenstelling eenvoudig worden gegroepeerd in runs. In de inleiding werd echter al aangegeven dat deze indeling afhankelijk is van hoe goed deze is in te plannen en dat er orders kunnen worden uitgewisseld tussen of verdeeld over runs als de levertijd dat toelaat. Een eventueel algoritme dat deze verdeling maakt zou dus dit soort afwegingen moeten kunnen maken.

Als een verdeling is gemaakt moet die nog worden ingedeeld in plannen met x orders op de onderstroom en y op de bovenstroom. Er is gezocht op internet naar een algoritme om dit soort planningen te maken, maar daar zijn alleen commerciële applicaties gevonden, geen uitleg over hoe dit soort problemen kan worden opgelost. Het zelf ontwerpen van een planningsheuristiek is zeer moeilijk en valt buiten de scope van dit verslag.

Om planningen te kunnen bepalen moet er een mechanisme zijn om orders te verdelen over runs en om de orders in die runs in te plannen. De verdeling van de orders is ingewikkeld en hangt af van hoe de planningen uitvallen, het inplannen van de orders is niet gelukt. Daarmee is de eerste methode, het invullen van de black box, dus niet gelukt.

De tweede methode was om verbanden te zoeken tussen de input en de uitput in het verleden, die wordt nu uitgewerkt.

C.2. Van buitenaf: statistische verbanden.

orders

Stuurmaatregelen

Prestatie indicatoren

Eigenschappen productiesysteem

(12)

TW INCORR Kappa

• Bestelgrootte

• Samenstelling

• Plaatbreedte

• Plaatlengte

Wanneer orders worden gegroepeerd in runs van dezelfde samenstelling hebben deze de volgende kenmerken:

• Aantal orders

• Gemiddelde breedte platen

• …

Analyse van de planning om te bekijken of dit probleem kan worden opgelost levert het volgende plaatje van dual knife planningen.

Grafiek E.1: verband tussen afmetingen platen bij combinaties dual knife Hierin staan de orders van de planning van 2001 uitgezet. Elk punt is een plan, op de X-as staat de breedte van de order op de bovenstroom, op de Y-as de breedte van de order op de onderstroom. De kleur van een stip geeft aan hoeveel er van de bovenstroom en onderstroom naast elkaar liggen.

Het is goed te zien dat de combinaties zo worden gekozen dat ze tegen bepaalde lijnen aanliggen. Hieronder staan die lijnen nog een keer:

figuur E.2: ideale lijnen dual knife planning Op de x-as staat de breedte van de order op de bovenstroom, op de y-as de breedte van de order op de

onderstroom. Elke lijn in dit plaatje is een ideale lijn, een combinatie van x onder en y boven waarbij geen

100 %

33 % 50 %

20 %

100 %

50 % 33 % 20 %

(13)

TW INCORR Kappa

baanbreedte dan is er 0% snijverlies. Daarom liggen de punten in het plaatje zo dicht mogelijk tegen de lijnen maar er altijd linksonder. Als ze dicht tegen de lijn aanliggen is er weinig snijverlies, als ze erop liggen is er geen snijverlies, erboven past niet want dan is deze combinatie van orders breder dan de baan.

Er is goed te zien dat naarmate de orders groter worden er minder lijnen zijn en ze verder uit elkaar liggen. Dit betekent dat er minder combinaties zijn die geen snijverlies opleveren en dat een combinatie die wordt gekozen een grote kans heeft om verder van een lijn af te liggen en dus een hoger snijverlies te hebben. Dit doet vermoeden dat grotere platen een hoog snijverlies kennen.

In de volgende grafiek is dus het gemiddelde snijverlies van de samenstellingen uitgezet tegen de gemiddelde breedte van de platen erin. Er zijn samenstellingen met een gemiddeld verlies van meer dan 100mm, dit is niet de gehele grafiek maar een uitvergroting van het gebied waar de meeste punten in zitten.

Snijverlies vs. Gem. Plaatbreedte

0 20 40 60 80 100

0 200 400 600 800 1000

gem. Plaatbreedte (mm)

g e m . S n ij v e rl ie s (m m )

_NwP

Hvn

grafiek E.2: Snijverlies vs. gem. plaatbreedte Er lijkt geen verband te zijn tussen de twee grootheden. De correlatie tussen de twee grootheden is voor Nieuwe Pekela -0,08 en voor Hoogeveen -0,35. In Nieuwe Pekela is er dus geen verband en in Hoogeveen een zeer zwak verband, dat zelfs tegengesteld is aan wat op basis van het plaatje met de lijnen kon worden verwacht.

Een andere mogelijkheid zou kunnen zijn dat het snijverlies wordt beïnvloed door het aantal orders dat in een run zit, dan zijn er immers meer combinaties mogelijk dus is de kans groter dat daar gunstige tussen zitten.

Grafiek E.3: verband aantal orders per run en gem. snijverlies In deze grafiek zijn deze twee grootheden tegen elkaar uitgezet voor de samenstellingen die meer dan 500 orders per jaar hebben. Er lijkt zo op het eerste gezicht een duidelijk verband tussen het aantal orders dat in een run zit en het gemiddeld snijverlies, als er echter wordt ingezoomd blijkt er iets anders aan de hand te zijn, zoals blijkt

Snijverlies vs. # orders in een run

0%

1%

2%

3%

0 10 20 30 40 50 60

# Orders in Run

Gem. Snijverlies (%) ^NwP_Hvn

(14)

TW INCORR Kappa

Nieuwe Pekela

0%

1%

2%

3%

4%

5%

6%

7%

0 5 10 15 20 25 30

# orders in run

G e m. S n ijv e rli e s ( % )

2015 3017 3018 3020 3032 5005 5012 6002 6018 6019 6040

grafiek E.4: gem. Snijverlies vs aantal orders per run Nieuwe Pekela Hoogeveen

0%

1%

2%

3%

4%

0 5 10 15 20 25 30

# orders in Run

Gem. Snijverlies (%)

2008 2015 3002

3017 3018 3019

3020 3022 3031

3032 4004 4005

4010 6002 6018

6019 6020

grafiek E.5: gem. Snijverlies vs aantal orders per run Hoogeveen Er zijn wel structurele verschillen tussen de samenstellingen, deze hangen echter amper samen met het aantal orders dat in een run zit.

Een andere mogelijkheid is nog dat het snijverlies afhangt van het totale aantal orders per jaar. Het snijverlies

wordt bepaald door de eigenschappen van een run, en van samenstellingen met veel orders per jaar worden meer

runs gedraaid waardoor het aantal orders per run niet groter wordt. Omdat er echter meerdere runs per week

worden gedraaid zijn de mogelijkheden om orders uit te wisselen tussen runs groter en zou het snijverlies toch

lager kunne uitvallen. In de volgende grafiek is het snijverlies van de samenstellingen uitgezet tegen het aantal

orders ervoor in 2002.

(15)

TW INCORR Kappa

Snijverlies vs. # orders

0%

1%

2%

3%

4%

5%

6%

7%

8%

9%

10%

0 1000 2000 3000 4000

# orders 2002

Ge m . S V

NwP Hvn

grafiek E.6: gem. Snijverlies in samenstelling vs aantal orders per jaar Het snijverlies wordt inderdaad lager naarmate er meer orders per jaar zijn. Er kan echter alleen iets voorspeld worden over samenstellingen met meer dan 1000 orders, daaronder heeft deze grafiek geen voorspellende waarde voor het snijverlies, er kan alleen iets worden gezegd over de bandbreedte waarin dat zal liggen.

C.3. Conclusie

Om het snijverlies bij Dual Knife te bepalen waren twee mogelijkheden: De blackbox invullen om zo de uitkomst te berekenen op basis van input of de black box dicht laten en verbanden zoeken tussen input en output.

De eerste methode bleek niet mogelijk omdat het plannen te ingewikkeld is, het gebeurt bij Kappa zelf ook voor

een belangrijk deel met de hand. Het zoeken naar verbanden leverde wel wat op, maar onvoldoende om een

uitspraak te kunnen doen over hoe het snijverlies van een groep orders zou uitvallen. Daarom is het niet gelukt

het snijverlies te voorspellen voor Dual Knife.