Hur säkerställer du att varje moment i tillverkningen av en volymprodukt verkligen gör nytta? Volvo Cars analyserade data från tillverkningen av 120 000 bilar. Resultatet: Ett helt, komplicerat moment kan komma att strykas – samtidigt som man fann möjliga förbättringar i produktionslinan.
Volvo Cars har investerat flera decenniers arbete och oräkneliga resurser i att bygga ett välkänt globalt varumärke, laddat med värden av kvalitet och säkerhet. På vägen har man hunnit bli mästare på mekaniken i att bygga bilar av rätt kvalitet med leveranssäkerhet. Varje minut spottar fabriken i Torslanda ur sig en ny bil.
Gått från experter på mekanisk konstruktion till mjukvaruutvecklare
– Ur det perspektivet har digitaliseringen av fordon gått fort. På bara 10-15 år har vi gått till att också vara mjukvaruutvecklare i det stora, komplicerade system som en modern bil är, säger Joakim Pernstål, senior manufacturing engineer på Volvo Cars som tillhör ett team som förser varje färdigmonterad bil med rätt mjukvara.
I slutet av produktionslinan i fabriken har det ett antal år funnits en station som kvalitetssäkrar och kalibrerar bilens radar- och kamerasystem. Detta är en komplicerad, dyr och förhållandevis tidskrävande procedur. Joakim Pernståls team har länge varit tveksamma till kundnyttan. Kalibrering må låta nödvändigt, men systemen i moderna bilar kalibrerar sig själva som en del av att de är i bruk. Frågan var: kunde man spara värdefulla resurser genom att förenkla momentet – med bästa möjliga kundupplevelse intakt?
Därför startade manufacturing engineering-teamet tillsammans med utvecklingsteamet och forskare från RISE ett projekt för att analysera datan från produktionslinan på monteringsfabriken i Torslanda.
“Imponerande krav på sig själva vad gäller kundnöjdhet”
Tomas Westund är projektledare inom AI och tillämpad IoT på RISE och den som ledde projektet från RISEs sida:
– Det är imponerande vilka nivåer av kundnöjdhet som Volvo strävar efter. Det handlar alltså inte om säkerheten i själva systemet, utan att systemet exempelvis kanske skulle behöva 10 minuters kalibrering första gången kunden kör bilen, innan den adaptiva farthållningen gick att använda.
Genom att granska och analysera data från 120 000 producerade bilar kunde teamet granska utfallet från de olika kalibreringsstationerna i Volvo Cars fabriker.
– Bland resultaten kunde vi se att stationerna kalibrerade olika. Det betyder att bilen ändå gör sin individuella kalibrering på vägen och att man kan ifrågasätta om extra momentet tillför den förhöjda kundupplevelse den är tänkt för, säger Joakim Pernstål. Detta är en ny insikt. Om det bara vore för kalibreringen skulle man alltså kunna utelämna momentet som sådant och spara tid och resurser.
I befintliga fabriker kan vi spara tid och kostnader
Resultatet kan spara tid och kostnader
– Den potentiella besparingen för en sådan här station ligger på cirka 18 miljoner kronor. De är visserligen redan i drift i befintliga fabriker, men när vi nu bygger nytt – som fabriken som planeras i Slovakien – kan vi kanske spara in både investering och utrymme.
– I befintliga fabriker kan vi spara tid och kostnader. Givet att vi producerar så stora volymer blir det betydande belopp, säger Joakim Pernstål.
Tohid Ardeshiri, forskare på RISE, arbetade med dataanalysen.
– Det blir lätt lite mystifierat när man pratar om dataanalys, AI och machine learning. Men vad vi gjort här är inte komplicerat. Vi råkar vara ett team som har erfarenhet av och förståelse för hur man ska bearbeta stora datamängder och dra rätt slutsatser från dem. Det är inget märkvärdigt egentligen, utan handlar om att vi vet hur man gräver sig igenom all materia för att hitta guldet.
För Joakim Pernstål handlar det nu om att hitta sätt att få fram det verkliga värdet ur slutsatserna. För, även om kalibreringen kanske är onödig, behöver radar- och kamerasystemet fortfarande kontrolleras. I sällsynta fall händer det att delar som monterats inte fungerar, eller hamnat fel. Det måste kunna upptäckas och åtgärdas.
– Men också detta är en bra och viktig insikt vi kan använda för att optimera flödet. För givetvis ska vi istället lägga energi på att förbättra och granska monteringen när den faktiskt görs, så att felen uteblir eller åtgärdas direkt vid monteringen, inte när bilen är färdig. Så nu har vi ett utvecklingsarbete att göra “upstreams” i produktionsprocessen, vilket ingår i vårt dagliga jobb med att förbättra oss.
Större värde: nya externa kontakter inom dataanalys
Och projektet för också med sig ett större värde för Joakim Pernståls team:
– Vi har redan djupa externa kontakter och nätverk inom mekanisk produktion. I och med det här projektet har vi fått värdefulla kontakter också inom mjukvaruutveckling och dataanalys, vilket kommer att vara nödvändigt när bilarna blir alltmer uppkopplade och beroende av mjukvara. Vi har också stora datamängder inom andra moment, som svetsning och skruvförband, där en så här gedigen analys kan ge oss nya insikter för olika typer av förbättringar.
Så vet du om din verksamhet är lämplig för förbättringar med dataanalys
- Samlar du data? Den viktigaste tumregeln – samlar du data, då kan den också analyseras.
- Vilken data samlar du? Processnära data som testdata, mätdata, cykeltider, drifttid och så vidare, men också data från affärssystem och underhållssystem… All typ av data kan analyseras. Ibland finns en oväntad korrelation mellan systemen som en analys kan upptäcka.
- Storleken behöver inte ha betydelse... Man måste inte ha massproduktion för att göra dataanalys. I teorin skulle man kunna analysera data från tillverkningen av en rymdfärja som tillverkas en per år. Det kan fortfarande finnas delar i processen som görs många gånger (svetsfogar med mera) och därmed kan analyseras.
- …men visst kan den underlätta. På ett generellt plan bör man ha minst 5000 datapunkter för att kunna hitta insikter och förbättringar.
