Hoe een katoenfabrikant 10% waste reduceerde

Foto Herman van Dellen MSc
Auteur: Herman van Dellen MSc
Data Science Consultant
Inhoudsopgave

Ook al zijn er al veel standaard tools, er blijven altijd specifieke oplossingen nodig. Nieuwe uitdagingen vragen om meer maatwerk. Deze katoenfabrikant had de grote wens om efficiënter te werken. Kritische vragen wakkerden die wens aan. Het productieteam vroeg zich af waarom doen we het eigenlijk zoals we het doen? Waarom gooien we zoveel goed materiaal weg? Kan dat niet anders? In de “oude” economie, zeg maar de maakindustrie, zijn kosten een belangrijk stuurmiddel. Alleen bedrijven met een goede kostenstructuur overleven een crisis. Maar hoe zorg je er nu voor dat je bij deze winnaars hoort?

Alarmbellen die rinkelen

De meeste problemen worden pas echt interessant als het geld opraakt. Of wanneer marges slinken of de omzet blijft dalen. Dan gaan de alarmbellen af. In veel gevallen ben je dan te laat om het tij nog te keren. De oplossingen die dan, onder druk, worden verzonnen zijn niet meer uitvoerbaar. Had je maar eerder ingegrepen. Had je maar eerder naar de data geluisterd.

Een eeuwenoud proces

Ik werkte enige tijd geleden voor een katoenfabrikant. Daar kreeg ik de mogelijkheid om het productieproces van dichtbij mee te maken. Een fabriek waarin ze katoen bedrukken volgens een eeuwenoud proces. Het proces van het kleuren van katoen was eenvoudig. Er is doek en deze moet geverfd worden. Er valt natuurlijk wat katoen uit maar uiteindelijk rolt er een eindproduct van de band. Tot zover niets spannends. Maar het is wel een proces met een interessant extraatje: data.

Beperkingen

Het bedrijf levert van oudsher producten in veelvouden van 2 meter. De controle op kwaliteit was in het begin vrij basaal. De kwaliteit van het product is goed of fout. In de jaren erna werden de klanten kritischer. Ze voerden een extra check uit en markeerden elke fout op het doek. Deze extra controle gaf echter steeds meer uitval; door de beperking van de machine heel veel. De machine kon namelijk alleen in veelvouden van 2 product doorsnijden. Zelfs een kleine drukfout geeft 2 meter afval.

De film met data terugdraaien

Waarom ging de fabrikant niet op zoek naar een machine zonder deze beperking? Machines die op elke willekeurige plek kunnen snijden. Met minder afval als resultaat. De aanschafkosten van een nieuwe machine zijn hoog. Even testen is dus geen optie. We zijn op zoek gegaan naar een andere methode. Een verbetermethode gebaseerd de machinedata, en die hadden ze. Dus waarom niet de film met die data terugdraaien? Laten we een machine simuleren. Een simulator bouwen die net doet of ie deze orders nog een keer verwerkt.

Een hogere output met een andere verwerking

De simulator bouwden we in QlikView en Excel. Met VBA (Visual Basic for Applications) wordt de data verwerkt. Kan hiermee worden aangetoond dat een andere verwerking een hogere output kan realiseren? Dan zou de aanschaf van deze relatief dure machine verantwoord zijn. (business case)

Interessante bijvangst

Met de simulator is een probleem in beeld gebracht. Veel uitval heeft te maken met product specifieke kenmerken. De kwaliteitsmanager keek tot die tijd alleen naar het productieproces. En het machinepark. Maar niet naar het product zelf. Deze interessante bijvangst was niet ontdekt zonder de simulator.

Aanpak

De kwaliteitsdata wordt vanuit het kwaliteitssysteem in QlikView ingelezen in een model. Hierin is van ieder stuk van 10 cm de kwaliteit van het doek vastgelegd. De data moet daarvoor wel worden bewerkt. Er komen soms meerdere fouten op een stuk voor. Delen met meer dan 1 fout krijgen de status afkeur. De output wordt opgeslagen als CSV-file. In Excel wordt de CSV verwerkt door de robotopmaak machine simulatie. Verwerkt alsof het een order in productie is.

Alle data wordt nu in de simulator verwerkt zoals op de machine. Per twee meter ingelezen. Als deze geen fouten bevat wordt een volgend deel van 2 meter gelezen. Als deze ook goed is volgt een derde meting van 2 meter. Als deze 3 delen foutloos zijn is er een product van 6 meter dat voldoet aan de juiste kwaliteit. Als 2 opeenvolgende slagen lukken is de opbrengst 4 meter. En lukt het maar 1 keer dan is er slechts 2 meter van juiste kwaliteit.

Durf te veranderen

Daarna is de beperkende factor van 2 meter weggelaten. In de simulator is alles wat kwalitatief goed is bruikbaar. De resultaten worden vergeleken met de output. De output zoals in werkelijkheid geleverd. Deze andere manier levert meer dan 5% extra product op van goede kwaliteit.

De data van deze simulatie is weer ingelezen in QlikView. Met deze BI tool is analyseren op andere kenmerken eenvoudig. Analyseren op productkenmerken als kleurrecept. Ook tussen de producten en productfamilies zijn snel analyses te maken. Dit leverde zeer interessante inzichten op. Inzichten die eerder niet zijn gevonden. Door toeval gevonden bijvangst. Zeer waardevol. Het begrip van de processen neemt sterk toe.

De Robotopmaak laat zien dat anders naar data kijken zinvol is. De simulatie leidt tot vermindering van uitval.

Vishandel

Maar ook bij de klant valt nog winst te halen. De klant maakt van het aangekochte product kleding. De lengte wordt niet altijd volledig benut. Als hij maar 5,4 meter nodig heeft? Knipt 60 cm van de aangekochte 6 meter? Zou deze klant willen betalen voor een stuk van 6 meter? En waarom verknippen we in de productie een goed product van 5,4 meter? Waarom maken we daar een deel van 4 meter eerste keus van? En een deel van 2 meter scrap? Door de beperking van de machine eerste keus product in de container. Onnodig! Zonde! Bovenstaande situatie prikkelde om te zoeken naar alternatieven. Zoeken naar mogelijkheden om deze producten juist wel op de markt te krijgen.

Win-win situatie

In een volgende simulatie dus ook de vaste afleverlengte losgelaten. Afstappen van alleen 2, 4 en 6 meter als toegestane lengtes. In deze simulatie is gekeken naar alle mogelijke lengtes. De klant zou zelf moeten kunnen gaan shoppen. Zelf kunnen zoeken naar voor hem of haar interessante lengtes. Lengtes die beter overeenkomen met wat de klant nodig heeft. En daardoor alleen betalen voor wat ie nodig heeft.

Logistieke puzzel

Een andere manier van werken geeft andere uitdagingen. Het logistieke proces anders inrichten. Er komen verschillende productlengtes op voorraad. Deze verandering, diversiteit in afleverlengtes, wordt niet zomaar gezien als kans. Deze uitdaging is een brug te ver. Gezien de jarenlange traditie te revolutionair. Maar wat als men zou durven het productieproces centraal te stellen?

Complexiteit

Door de data in een simulator te verwerken werden ook fouten ontdekt. Niet alle producten halen in de simulator een hogere output. Een aantal producten bracht zelfs minder op. Omdat dit technisch niet mogelijk is werd een deep dive uitgevoerd. Er zaten administratieve fouten in het systeem. En een aantal producten is onterecht als goed product geleverd.

Er zijn orders ontdekt met fouten die heel regelmatig over de hele order voorkwamen. De fouten kwamen in hoge frequentie voor. Bij dit type orders zal een robotopmaak geen verbetering geven. De lengte eerste keus materiaal is bij deze orders hoe dan ook klein. Maar het gaf nuttige informatie. Er zijn blijkbaar productfamilies die vergelijkbare uitdagingen hebben. Productfamilies die interessant zijn als een kwaliteitsdoorbraak wordt gevonden. Focus dus op marktgroepen. Niet alleen kijken naar producten met verlies. De producten zijn namelijk technisch gezien erg verschillend. Toch lag daar tot dat moment de aandacht voor de kwaliteitsafdeling. En is dat de reden dat echte doorbraken uitblijven?

Conclusie

De opbrengst van goede kwaliteit is te verhogen door een andere manier van werken. Met historische kwaliteitsdata bouw je eenvoudig een simulator. De simulator geeft een aantal interessante inzichten. Een aantal inzichten was niet voorspeld. Inzichten die aangaven dat er meer speelde dan tot dan werd gedacht. Inzichten die de aanschaf van een robotopmaak machine verantwoord maken. Meer dan 5% extra output bleek mogelijk. Meer dan 5% zonder wat te doen aan de kwaliteit. Dat niemand anders daarop kwam… daar kun je toch geen goede reden voor bedenken?

Wat als men ook nog eens zou afstappen van de historisch gegroeide lengtes? Wat als men alles zou mogen leveren? Iedere mogelijk lengte? Probleemloos een verbetering van 10%.

Leerpunten

Ga anders te werk. Blijf niet werken op de huidige manier. Het argument “Zo doen we dat al jaren” is niet valide. Bekijk het eens van een andere kant. Een kant zonder opgelegde regelgrenzen. Ga op zoek naar een andere manier van werken. Hieruit ontstaan ideeën die extra informatie zullen geven. Informatie waar je niet eens naar op zoek was.

De simulator geeft aan dat het verstandig is om een robotopmaak machine te kopen. Een machine die per 10 cm kan snijden. Met de extra opbrengst aan eerste keus is deze snel terugverdiend. De bestaande machine blijft bruikbaar. De huidige opmaak kan blijven bestaan. Voor een aantal producten voldoet ie namelijk prima. Hierdoor is er meer dan voldoende capaciteit. Het is niet mogelijk om alles over een nieuwe machine te verwerken. De capaciteit van 1 robotmachine is onvoldoende voor het hele pakket. Maar nu blijkt de aanschaf van 2 nieuwe machines niet nodig is. De huidige machine kan nog prima van dienst zijn. De manier van werken wordt niet volledig vervangen. Er komt gewoon 1 nieuwe bij. Een andere manier van verwerken. Een extra manier van verwerken.

Perfecte balans dus door de bestaande machine en de specifieke werkwijze te behouden en er maar 1 robot aan toe te voegen. Scheelt een paar centen …

Juiste tools

Dat het een complexe puzzel is mag helder zijn. Dat complexiteit op te lossen is ook. Ook moeilijke puzzels zijn met de juiste mensen en middelen gewoon op te lossen. Met een juiste aanpak kun je ver komen. Ga niet op zoek naar een “god-tool”. Vul je toolbox met meerdere gereedschappen. En kies afhankelijk van de situatie het juiste gereedschap.

Contact

Bij Passionned Group zijn diverse consultants en adviseurs dagelijks bezig met het zoeken naar informatie. Zoeken naar het eenvoudig maken of houden van processen. Ook durven ze anders naar data te kijken. Wil je ook eens een frisse blik op jouw data, neem dan contact met ons op. Wij kijken graag samen met jou anders naar de data in je bedrijf.

Bekijk het PDCA-handboek 'Datacratisch werken'

Productafbeelding van het PDCA-handboek 'Datacratisch werken'

Dit vind je misschien ook interessant

Uitgelichte afbeelding Strategie moet een voortdurende stroom zijn van doordachte beslissingen
Strategie moet een voortdurende stroom zijn van doordachte beslissingen
Uitgelichte afbeelding De 15 grootste hindernissen in Business Intelligence
De 15 grootste hindernissen in Business Intelligence
Uitgelichte afbeelding Achtste druk van 'De intelligente, datagedreven organisatie' nu beschikbaar
Achtste druk van 'De intelligente, datagedreven organisatie' nu beschikbaar

Deze organisaties gingen je voor

Word nu ook klant

Wil je ook klant bij ons worden? Wij helpen je maar wat graag verder met datagedreven werken of andere zaken waar je slimmer van wordt.

Foto Daan van Beek - Managing DirectorDAAN VAN BEEK MScManaging Director

Neem contact met mij op

Fact sheet

___
klanten
___
trainingen & workshops
___
mensen opgeleid
4,4
sterren klanttevredenheid
___
consultants & docenten
3
kantoren
19
jaar ervaring