IJs maken uit melk en data

Ben&Jerry’s in Hellendoorn, onderdeel van Unilever, heeft al enige jaren de ambitie om een smart factory te worden. Het bedrijf loopt hier binnen Unilever mee voorop; het is inmiddels een van de meest geautomatiseerde ijsfabrieken van de multinational. ‘Ons doel was om voor de hele fabriek alle productieprocessen en -stappen inzichtelijk te krijgen in één betrouwbaar en gebruiksvriendelijk digitaal systeem. Als je de fabriek binnenstapt moet je in één oogopslag kunnen zien met welke OEE (Overall Equipment Effectiveness) de lijn draait, dus hoe effectief het proces verloopt, met hoeveel productie en verlies, hoe de vorige ploeg heeft gedraaid, wat de machine-instellingen zijn, welke storingen of stops er hebben plaatsgevonden, enzovoort. Is dit inzichtelijk, dan kun je op de langere termijn de grote pijnpunten blootleggen en de fabriek stap voor stap verder optimaliseren’, geeft Bart Winter aan.
Winter was Team Lead Productie bij Ben&Jerry’s en projectleider van deze implementatie. ‘Het project sluit goed aan bij de driedelige missie van Ben&Jerry’s: Een productmissie, het beste ijs maken, een economische missie, een financieel duurzaam bedrijf zijn en de sociale missie, een positieve impact op de wereld om ons heen.’

Digitalisering productielijnen

Om inzicht te krijgen in de effectiviteit van haar bedrijfsprocessen, is de ijsfabrikant een aantal jaren geleden gestart met de digitalisering van de productielijnen door middel van MES (Manufacturing Execution System). ‘De implementatie van extra sensoren, koppelingen met machinebesturingen en meters en de opslag van gegevens in een centrale database en serveromgeving leidden tot twee stromen informatie. De eerste betrof een stroom data naar productie, zoals: productie-informatie vanuit orders en data voor de lotcodeprinter die de houdbaarheidsdatum onder de potjes automatisch instelt. Bij de tweede informatiestroom haalt het systeem data op van de productievloer, zoals: geproduceerde aantallen, gemiddelde gewichten van de check-weegpunten, de kwaliteitsafkeur, machine-activiteit en orderstatus. Dit MES-project is afgerond in 2015.’

OEE-systeem

Een volgende optimalisatiestap werd gezocht in een nieuw, geoptimaliseerd OEE-systeem. Daarvoor nam Ben & Jerry’s Hellebrekers Technieken in de arm. ‘OEE wordt over het algemeen gezien als een KPI die relatief eenvoudig in kaart is te brengen. Het wordt gezien als een hulpmiddel bij het verbeteren van de productiviteit van machines en productielijnen. Maar vaak geven OEE-resultaten een beperkt beeld van de factoren die een rol hebben gespeeld in fluctuaties in de productiviteit. Veel verspillingen die effect hebben gehad op de OEE zijn niet traceerbaar in de uiteindelijke OEE-score’, zegt Ferro Koornberg, projectmanager bij Hellebrekers Techniek.
Koornberg was  betrokken bij de opzet en uitvoering van het project in Hellendoorn. ‘Het systeem dat we bij Ben&Jerry’s hebben geïmplementeerd gaat verder dan een standaard OEE -applicatie waar snelheden worden gemeten en aantallen geteld. Het gaat hier niet alleen over efficiency, maar ook over een Line Performance Indicator (LPI), waarbij een link wordt gelegd met onder andere storingsmeldingen. Op het moment dat een stilstand wordt gedetecteerd door het systeem krijgt de operator een verliesregel in beeld die hij moet valideren of verantwoorden. Omdat we alle storingen uit de machines registreren, kan het systeem een indicatie geven van wat er aan de hand is. De oorzaak wordt sneller blootgelegd omdat de meetgegevens snel en accuraat zijn weergegeven.’

Blauwdruk

Een Rotterdamse productielocatie van Unilever had eerder al een OEE-systeem geïmplementeerd. Er kon daarom meteen met een blauwdruk van deze applicatie worden begonnen in Hellendoorn. Koornberg: ‘Hoe de interface of het gebruikersscherm eruit moest komen te zien en hoe we de berekeningen moesten doen, was al bekend. Bij Ben&Jerry’s zijn er vier productielijnen van Ben&Jerry’s ijsjes en één magnumlijn. We zijn begonnen met lijn twee, die we tot proeflijn hebben omgedoopt. Hier hebben we een OEE-systeem gekoppeld aan de productiemachines. De data die werden verzameld, moesten worden gevalideerd, wat betekent dat er een exacte overeenstemming moest zijn tussen de gegevens uit het systeem (snelheid, aantal geproduceerde stuks, hoeveelheid uitstoot,…) en de werkelijkheid. Is er een verschil, dan geeft dit aan het einde van de rit bij berekeningen of voorspellingen grotere afwijkingen. Dat moet je zien te vermijden.’
Dit was nog niet zo eenvoudig, zegt Winter. ‘Omdat de implementatie zo snel ging, kregen we in eerste instantie geen correcte OEE en verliesregistratie boven tafel. Daarom hebben we het hele productieproces nog eens bekeken en het einddoel geherdefinieerd. Welke gegevens willen we hebben en waarom willen we ze hebben? Hoe verloopt een order van begin tot eindproduct? Waar kun je op welke machines verlies hebben en kunnen storingen optreden? Hoe verloopt een ploegen- en machineoverdracht? Het volledige proces hebben we gedetailleerd in kaart gebracht.’
Koornberg vult aan: ‘Hierna zijn we gaan kijken of de data die binnen de processen worden verzameld, zoals snelheden, hoeveelheden, verliezen en uitstoot exact worden weergegeven in het systeem. Dit proces van valideren kost tijd, aangezien na iedere kleine afstelling om tot een accuraat systeem te komen, opnieuw moeten worden gemeten in een nieuwe order. Het grote gevaar van automatiseren is dat je te snel data wilt opslaan. Maar als de basis niet honderd procent klopt en je weet ook niet waar het vandaan komt, dan heb je echt een groot probleem. Dus naast het valideren is het documenteren minstens zo belangrijk als je een blackbox op een later tijdstip wilt voorkomen.’
‘Het is een tailor made solution’, gaat Winter verder. ‘Elke machine heeft zijn eigen besturing en de gegenereerde data moet goed worden weggeschreven in het centrale systeem. We hebben bijvoorbeeld diverse vulmachines uit verschillende bouwjaren die daardoor een iets andere besturing hebben en anders zijn opgebouwd. Omdat ze net iets andere producten draaien, moet je daar bij het verzamelen en valideren van data ook rekening mee houden. Het is geen eenvoudig Excel- of standaard dataprogramma dat je even opent en draait.’
Het grootste gedeelte van de implementatie van het OEE-systeem is achter de rug. Koornberg: ‘Alle data zitten nu in één omgeving. OEE-berekeningen waarvoor gegevens vanuit diverse mappen op diverse afdelingen werden opgehaald, zijn nu gebaseerd op gegevens uit één systeem waardoor er één getal uitkomt dat geen ruimte meer biedt voor interpretatie. Volgens Winter is er ‘een stevige basis gelegd die beter inzicht geeft in de oorzaak en kosten van specifieke fluctuaties in de productiviteit.’

Klaarstomen

Het nieuwe systeem werd met de operators gedeeld. Winter: ‘Het succes van een systeem hangt af van het commitment van de mensen die hier werken. Trainingen en opleidingen werden ingericht. Het klaarstomen van mensen voor het omarmen van een nieuwe technische implementatie is niet eenvoudig. Veranderingen, zeker in productie-omgevingen vergen doorgaans tijd. Bij kinderziektes of de vreemde weergave van een getal is bijvoorbeeld extra toelichting nodig. Ook groeit het besef dat hun handelen meer wordt geregistreerd waardoor het lijkt dat ze meer worden gecontroleerd.’ Toch ziet iedereen er ook het nut van in. ‘Het begrip moet je eerst creëren door middel van trainingen,’ legt Winter uit. ‘Zodra het begrip er is, zien ze de vele mogelijkheden en het gemak dat het met zich meebrengt.  Zo is het bijvoorbeeld niet meer nodig om bij grote storingen handmatig start- en stoptijden in Excel-lijsten of andere systemen in te voeren. Dit gebeurt automatisch. De baan van de operator is gemakkelijker geworden. We kennen de grootste verstoringen op basis van het systeem en kunnen deze vervolgens, samen met de operator wegnemen.’