Bednar FMT sovelsi tekoälypohjaista optimointia tuotannonsuunnitteluun ja aikataulutukseen. Ratkaisu nopeutti suunnittelua, tehosti tuotantokapasiteetin käyttöä ja paransi työvoiman kohdentamista.

1. Yrityksen kuvaus

Bednar FMT on yksi maailman johtavista ja edistyksellisimmistä maatalouskoneiden valmistajista. Yritys on erikoistunut suurikokoisten koneiden valmistukseen muokkausta, kylvöä, lannoitusta ja sadonkorjuujätteen hallintaa varten. COVID-19-pandemian aikana yritys kasvoi merkittävästi: se rakensi uuden tuotantohallin ja siirtyi tehdaslattian toiminnassa perinteisestä “solumallista” (jossa koko kone kootaan yhdessä paikassa) nykyaikaiseen linjapohjaiseen tuotantojärjestelmään.

2. Mikä ongelma tekoälyn oli tarkoitus ratkaista?

Siirtyminen linjapohjaiseen tuotantomalliin yhdistettynä nopeaan organisaation kasvuun toi mukanaan valtavan määrän operatiivista monimutkaisuutta, jota manuaalinen, taulukkolaskentaan perustuva suunnittelu ei enää pystynyt hallitsemaan. Keskeisiä haasteita olivat:
Alikäytetyt tuotantolinjat: Tehoton aikataulutus tukki fyysistä kapasiteettia ja rajoitti tehtaan tuotantoa keinotekoisesti.
Epätarkka työvoimasuunnittelu: Työntekijöiden virheellinen kohdentaminen linjoille johti toimitusmääräaikojen ylittymiseen.
Toimitusketjun vaihtelevuus: Kokoonpanolinjat kamppailivat sopeutuakseen joustavasti ulkoisiin häiriöihin, kuten materiaalien myöhästymisiin ja toimittajien vaihtelevaan laatuun.
Markkinoiden laskusuhdanteen paineet: Tiimin piti reagoida lähes välittömästi muuttuviin kysyntämalleihin, joita ajoi maailmanlaajuisen maatalousalan laajempi taantuma.

3. Miten ongelma ratkaistiin ja millä työkaluilla?

Haaste ratkaistiin jäsennellyn, kolmivaiheisen digitaalisen transformaation avulla:
Toiminnallinen auditointi: Toimintamallin arviointi tarkasteli uudelleen työtuntinormeja, kapasiteettilaskentamenetelmiä sekä hankinnan ja varastologistiikan riippuvuuksia.
Prosessin uudelleensuunnittelu: Suunnittelijat kartoittivat uuden, digitalisoidun tuotannonsuunnitteluputken, jossa määriteltiin selkeät tietolähteet ja tekniset rajoitteet.
Ohjelmistoalustan käyttöönotto: Käyttöön otettiin räätälöity tuotannonsuunnitteluohjelmisto, joka rakennettiin Adastran OptiSuite-optimointialustan päälle.
Työkalun toimintaperiaate: Ohjelmisto hyödyntää edistyneitä tekoälyoptimointialgoritmeja, jotka pystyvät arvioimaan miljoonia erilaisia suunnitteluvaihtoehtoja sekunneissa. Se käsittelee muuttujia kuten linjakapasiteetit, toimitusmääräajat, työvuorot, tauot, käsittelyjärjestyksen rajoitukset ja teknologiset reunaehdot optimaalisen aikataulun luomiseksi. Mukana on myös hiekkalaatikkoympäristö, jossa voidaan testata “entä jos” -toimitusskenaarioita.

4. Mitä tuloksia saavutettiin?

Merkittävä taloudellinen vaikutus: Tuotantolinjojen täysi optimointi vapautti kapasiteettia jopa 1,75 miljoonan euron (n. 1,9 miljoonan dollarin) lisävuosikysyntään/-liikevaihtoon. Suunnittelun nopeutuminen: Aikataulutusprosessi lyheni useista tunneista muutamaan minuuttiin.

Työvoiman tehokkuus: Aiemmin kolmen suunnittelijan tiimin sijaan aikataulun laatimiseen tarvitaan enää yksi henkilö. Suunnittelijoiden työ siirtyi onnistuneesti rutiininomaisesta aikataulutuksesta arvokkaampaan poikkeamien käsittelyyn.

Lean- ja Just-In-Time (JIT) -kehitys: Aikataulutuksen yhtenäistäminen vähensi tehtaan lattialla puskurina varastoitujen raaka-aineiden määrää, mikä lähensi tehtaan sisäistä logistiikkaa lean-periaatteiden mukaiseksi ja lisäsi näkyvästi työtilojen turvallisuutta.

5. Mitä ongelmia ilmeni?

Vaikka tarkkoja teknisiä virheitä ei eritellä, suurin haaste oli operatiivisen muutoksen rakenteellisen shokin läpivienti. Siirtyminen hyvin itsenäisestä solupohjaisesta kokoonpanosta jäykkiin, synkronoituihin tuotantolinjoihin paljasti perustavanlaatuisesti epätarkkaa historiallista dataa (kuten vanhentuneita työtuntinormeja ja virheellisiä kapasiteettilähtökohtia), jotka piti laskea kokonaan uudelleen ennen kuin tekoälymoottori pystyi tuottamaan luotettavia tuloksia.

6. Aika- ja rahainvestoinnit

Taloudellinen panostus: Tarkka sopimushinta on luottamuksellinen, mutta käyttöönotto optimoi linjaomaisuutta niin, että se kykeni vastaamaan 1,75 miljoonan euron lisäkysyntään vuositasolla. Ajallinen panostus: Alusta tukee reaaliaikaista, välitöntä uudelleensuunnittelua kesken työpäivän, mikä mahdollistaa nopean suunnanmuutoksen toimitushäiriöiden sattuessa.

7. Millaista osaamista tarvittiin ja mitä yhteistyökumppaneita käytettiin?

Vaadittu osaaminen: Data-analytiikka, operatiivisen analytiikan auditointi, tekoälyalgoritmien suunnittelu, toimitusketjun optimointi ja järjestelmäintegraatiot (vanhojen tuotantotietojen yhdistäminen live-alustaan).
Käytetyt kumppanit: Blindspot Solutions (tekoälykonsultointiyritys) yhdessä emo-organisaationsa Adastra Groupin kanssa (hyödyntäen sen omaa OptiSuite-kehystä).

8. Liiketoimintafunktion luokitus

Toiminta ja tuotannonhallinta / Edistynyt tehtaan aikataulutus (APS) / Toimitusketjun logistiikka.

9. Lähde

https://blindspot.ai/case-studies/bednar-fmt-production-planning