Het gedrag van AGV’s voorspellen om de hoeveelheid opstoppingen te reduceren

Op de beperkte oppervlakte kruist het AGV-verkeer zeer regelmatig, met – vaak – ongewenste stops als gevolg. Met verstrekkende gevolgen voor de doorstroming, planning en het brandstofverbruik.

Nooit uitgeleerd

Om meer te leren over verbeterprocessen, volgde Gert-Jan van der Wielen de opleiding Lean Six Sigma Green Belt. “Je leert bedrijfsprocessen te optimaliseren door problemen in processen op te sporen, te analyseren en ze te reduceren volgens een bepaalde methode. Een methode die de opdrachtgever ook gebruikt; binnen het projectteam is iedereen minimaal Green Belt opgeleid. Omdat ik veel met ze samenwerk, was het logisch dat ook ik de opleiding zou volgen.” Dat vond zijn manager ook. ICT faciliteerde Gert-Jan vervolgens bij het behalen van zijn Green Belt.

Voorspelbaar gedrag

Toen hij op zoek ging naar een praktijkopdracht om de cursus af te ronden, kwam Gert-Jan na overleg met de klant tot het voorstel om de doorstroming van AGV’s op de terminal aan te pakken. “Regelmatig stonden meerdere AGV’s langdurig op elkaar te wachten, soms in deadlock. Ingrijpen door de waterzijdige aansturing was dan vaak noodzakelijk om zo’n AGV-opstopping op te lossen. Nog vaker moesten de AGV’s onderweg vaak meermaals afremmen tot (bijna) stilstand vanwege kruisend AGV-verkeer, wat de tijdigheid natuurlijk niet ten goede komt. Ik werk nu zo’n 20 jaar voor deze opdrachtgever. Voor mij is het een persoonlijke drive om ‘het wachten op AGV’ bij de kadekraan te minimaliseren en daarmee de terminalperformance te verbeteren.

Oorzaken in kaart brengen

“Bij aanvang van het project hebben we de klant uitgevraagd over wat het probleem is en wat hij verbeterd wilde zien.” De klachten waren onder andere ongewenste AGV-stops, tevergeefs wachten op AGV’s en het uitvoeren van handmatige acties om de stilstaande AGV’s weer op weg te krijgen. Het doel was duidelijk. Een betere doorstroming van de AGV’s met als gevolg lager brandstofverbruik, hogere terminalperformance en minder tijdsbeslag op medewerkers, zoals bijvoorbeeld de waterzijdige aansturing, de servicedesk en de technische onderhoudsdienst. Wat als klein project was bedoeld, bleek groter dan gedacht. “Bij de analyse kwamen veel meer problemen naar voren dan vooraf was ingeschat. Samen met het projectteam hebben we vanuit allerlei invalshoeken input vergaard en de oorzaken van het probleem in kaart gebracht.”

Vele kleintjes maken één grote

De vitale oorzaken bleken veelal softwaregerelateerd te zijn. “We hebben ze in kaart gebracht en geprioriteerd. Vervolgens hebben we softwarewijzigingen aangebracht in de plannings- en besturingssoftware en deze uitvoerig getest. In JIRA, het softwarepakket dat we gebruiken voor het beheer van alle issues rondom de plannings- en besturingssoftware van het equipment op de terminal, hebben we de verbeteringen geborgd.

Zo hebben we onder andere de nauwkeurigheid van de AGVpositievoorspelling verbeterd, de AGV-claiming en AGVclaimvoorspelling gelijkgetrokken en de testomgeving verbeterd.

In verscheidene Scrum Sprints zijn uiteindelijk in totaal 28 kleine verbeteringen geïmplementeerd.

Nog meer reduceren

Na de nulmeting stelde Gert-Jan zich ten doel om het gemiddeld aantal obstakels met 50% te reduceren. Met een reductie van 76% is dit doel ruimschoots gehaald. “De verwachting is dat met het aanpakken van de overgebleven oorzaken nog een stap in AGVobstakelreductie kan worden gemaakt, waarbij ook het later aankomen van AGV’s verder kan worden gereduceerd en dus het systeem nog voorspelbaarder wordt. Dat ik dit voor mijn opdrachtgever heb bereikt, is toch geweldig. En daarnaast is het gewoon leuk om te doen.”