Datankeräysmenetelmä ERP-järjestelmästä tuotannonkehitysprojektissa
Saastamoinen, Juha (2021-06-17)
Saastamoinen, Juha
J. Saastamoinen
17.06.2021
© 2021 Juha Saastamoinen. Tämä Kohde on tekijänoikeuden ja/tai lähioikeuksien suojaama. Voit käyttää Kohdetta käyttöösi sovellettavan tekijänoikeutta ja lähioikeuksia koskevan lainsäädännön sallimilla tavoilla. Muunlaista käyttöä varten tarvitset oikeudenhaltijoiden luvan.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:oulu-202106188577
https://urn.fi/URN:NBN:fi:oulu-202106188577
Tiivistelmä
Dataintegraatio ja keskitetty tietovarastointi mahdollistavat yrityksille laaja-alaisen datan keräämisen. Datanhallinta on kuitenkin haasteellista, minkä vuoksi helposti käytettäviä osastokohtaisia paikallisia tietovarastoja eli datamartteja ei ole aina rakennettu. Tällöin käytössä ei ole riittävän kattavia raportteja, joiden avulla toimintaa voisi ohjata tarkasti.
Tässä diplomityössä käsitellään Lean Six Sigma -kehitysprojektia varten kehitetyn datankeräysmenetelmän toimivuutta teknologiateollisuuden alihankintayrityksessä. Datankeruu tapahtui Office 365 -ympäristössä yrityksen toiminnanohjausjärjestelmästä (ERP), ja lähtökohtana oli Six Sigman DMAIC-prosessi, jossa data-analyysityökaluja käyttäen pienennetään prosessissa ilmenevää vaihtelua ja samanaikaisesti parannetaan kohteen keskiarvoa. Tässä projektissa tavoitteena oli sekä lyhentää prosessin läpimenoaikaa että parantaa läpimenomäärää. Työssä pohditaan myös, onko kehitetty datankeräysmenetelmä käytettävissä tätä laajemmin ja onko siinä puutteita tai pohjaa jatkokehitykselle.
Menetelmän vaatimuksena oli se, että datankeruu toimii yrityksen olemassa olevassa ohjelmistoympäristössä ja että data on helposti käytettävissä data-analyyseissä. Päätutkimuskysymyksenä oli se, miten ERP-järjestelmästä voidaan kerätä dataa tuotannon mittaamiseen, analysointiin ja kehitykseen.
Oletuksena datan keruulle oli, että ERP-järjestelmästä ladattava data on luotettavaa eikä dataintegraatiossa tarvitse rakentaa vaativaa virheenkorjausproseduuria. Järjestelmässä olevan datan laatuun vaikuttaa ensisijaisesti käyttäjien kirjausten tarkkuus, ja dataa on vain niistä toiminnoista, jotka järjestelmässä on otettu käyttöön ja siihen on implementoitu. Lisäksi se, miten tuoterakenteet on järjestelmään rakennettu, vaikuttaa siihen, miten helposti tuotantoon liittyviä seikkoja saadaan datasta esiin.
Kehitetty datankeräysmenetelmä sopii kehitysprojektien käyttöön, kunhan tiedostetaan datan käyttöön liittyvät edellä mainitut rajoitteet. Keräysmenetelmää käytettäessä on kulloinkin tärkeimpään käytettävään dataan liittyvien keskeisten toimintojen oltava toiminnanohjausjärjestelmässä kunnossa, mutta jatkuvaan mittaukseen ei tästä menetelmästä puutteiden vuoksi ole.
Kehitysprojektin varmennuskokeen tuloksista voitiin havaita, että ottamalla käyttöön parannusvaiheessa määritellyt toimenpiteet, tavoitteena ollut läpimenon määrän päivittäisten arvojen keskiarvo ylittyy ja läpimenoajan keskiarvo alittuu. Vaihtelu pienenee siten, että parannuksen jälkeen voidaan yltää yli 80 prosentissa tuotantopäivistä asetettuihin läpimenon ja läpimenoajan vaatimuksiin, mikä olisi huomattavasti lähtötasoa parempi tilanne. Data integration and centralized data storage enable companies to collect large-scale data. However, data management is challenging, which is why easy-to-use data marts are not always built. In this case, comprehensive reports to enable accurate control of activities are not available.
This thesis focuses on the functionality of a data collection method developed for a Lean Six Sigma project to improve the profitability of a production line in a technology industry subcontracting company. The starting point was the Six Sigma DMAIC process, which uses data analysis tools to reduce process variability while improving the target average. The aim of this project was both to shorten the lead time of the process and to improve the throughput.
The requirement of the project was that the data collection should work in the company’s existing software environment and that the data should be easily available for data analysis. The main research question was how to collect data from the ERP system for production measurement, analysis, and development.
The developed data collection method is suitable for use in development projects, if one is aware of limitations related to the use of the ERP data. When using the collection method, the key functions related to the most important data used must be in order in the ERP system, but due to the shortcomings of this method it is not suitable for continuous measurement.
From the results of the validation test of the development project, it was found that by implementing the measures defined in the improvement phase, the target is exceeded. The variability is reduced significantly compared to the initial level.
Tässä diplomityössä käsitellään Lean Six Sigma -kehitysprojektia varten kehitetyn datankeräysmenetelmän toimivuutta teknologiateollisuuden alihankintayrityksessä. Datankeruu tapahtui Office 365 -ympäristössä yrityksen toiminnanohjausjärjestelmästä (ERP), ja lähtökohtana oli Six Sigman DMAIC-prosessi, jossa data-analyysityökaluja käyttäen pienennetään prosessissa ilmenevää vaihtelua ja samanaikaisesti parannetaan kohteen keskiarvoa. Tässä projektissa tavoitteena oli sekä lyhentää prosessin läpimenoaikaa että parantaa läpimenomäärää. Työssä pohditaan myös, onko kehitetty datankeräysmenetelmä käytettävissä tätä laajemmin ja onko siinä puutteita tai pohjaa jatkokehitykselle.
Menetelmän vaatimuksena oli se, että datankeruu toimii yrityksen olemassa olevassa ohjelmistoympäristössä ja että data on helposti käytettävissä data-analyyseissä. Päätutkimuskysymyksenä oli se, miten ERP-järjestelmästä voidaan kerätä dataa tuotannon mittaamiseen, analysointiin ja kehitykseen.
Oletuksena datan keruulle oli, että ERP-järjestelmästä ladattava data on luotettavaa eikä dataintegraatiossa tarvitse rakentaa vaativaa virheenkorjausproseduuria. Järjestelmässä olevan datan laatuun vaikuttaa ensisijaisesti käyttäjien kirjausten tarkkuus, ja dataa on vain niistä toiminnoista, jotka järjestelmässä on otettu käyttöön ja siihen on implementoitu. Lisäksi se, miten tuoterakenteet on järjestelmään rakennettu, vaikuttaa siihen, miten helposti tuotantoon liittyviä seikkoja saadaan datasta esiin.
Kehitetty datankeräysmenetelmä sopii kehitysprojektien käyttöön, kunhan tiedostetaan datan käyttöön liittyvät edellä mainitut rajoitteet. Keräysmenetelmää käytettäessä on kulloinkin tärkeimpään käytettävään dataan liittyvien keskeisten toimintojen oltava toiminnanohjausjärjestelmässä kunnossa, mutta jatkuvaan mittaukseen ei tästä menetelmästä puutteiden vuoksi ole.
Kehitysprojektin varmennuskokeen tuloksista voitiin havaita, että ottamalla käyttöön parannusvaiheessa määritellyt toimenpiteet, tavoitteena ollut läpimenon määrän päivittäisten arvojen keskiarvo ylittyy ja läpimenoajan keskiarvo alittuu. Vaihtelu pienenee siten, että parannuksen jälkeen voidaan yltää yli 80 prosentissa tuotantopäivistä asetettuihin läpimenon ja läpimenoajan vaatimuksiin, mikä olisi huomattavasti lähtötasoa parempi tilanne.
This thesis focuses on the functionality of a data collection method developed for a Lean Six Sigma project to improve the profitability of a production line in a technology industry subcontracting company. The starting point was the Six Sigma DMAIC process, which uses data analysis tools to reduce process variability while improving the target average. The aim of this project was both to shorten the lead time of the process and to improve the throughput.
The requirement of the project was that the data collection should work in the company’s existing software environment and that the data should be easily available for data analysis. The main research question was how to collect data from the ERP system for production measurement, analysis, and development.
The developed data collection method is suitable for use in development projects, if one is aware of limitations related to the use of the ERP data. When using the collection method, the key functions related to the most important data used must be in order in the ERP system, but due to the shortcomings of this method it is not suitable for continuous measurement.
From the results of the validation test of the development project, it was found that by implementing the measures defined in the improvement phase, the target is exceeded. The variability is reduced significantly compared to the initial level.
Kokoelmat
- Avoin saatavuus [31995]