Time In - Time Out

transcript

Time in – time outMake more out of your leadtime data

November 23rd 2012Dr. Michael Ohler, EU Operations Manager at BMGI

Michael.Ohler@bmgi.comhttp://www.bmgi.com+49 151 28 41 51 03

BMGI „Lunchtime Webinar“

Webinar Content

The trouble with (leadtime) data

Examples:Logistics: sortationAirports: aircraft taxi time

Conclusions

... however times and numbers have been changed to allow discussion and analysis without compromising on confidentiality.

The webinar is first and foremost about PROBLEM SOLVING – Improvement and problem solving is about being humble towards those who acknowledge theirproblems.

This is about a real project

Drive enablers – not results

Fast – faster – fastest – faster still …

Y = f(x)Foto by: Prashant Prabhu

Appreciate data

Who sees data?• IT people• „Geeks“

What do the others see? • „Percent on time“• Average lead time

What are they missing? • Insight• Opportunities

Collect the data

Sortdocuments

1.5 .. 3.5 hours

>50 A/C per night>100 trucks per night

OffloadAircraft

OffloadTruck

LoadAircraft

LoadTruck

About half is sorted in over 30mins

That‘s how data were collected before …

MultipleSort Cells

Data collection during the project …That‘s how data should be collected …

Time in

Time out

Starting point:„Our problem is, we don‘t have that sorting machine.“

… But we don‘t want to buy that machine …„So let‘s give the Lean Sigma guys a chance…“

Project opportunity:„ Reduce rate of slow sortation from 50% to <10%.“

From problem to project

Lead time [min]

Process capability

On time: 48%

How do things get into the process?

Shipment arrival time

"Time in"

“Bull Whip Effect”

End of sort time

„Time out“

How do things get out of the process?

Y = f(x): „time out“ versus „time in“

00:00:00

00:30:00

01:00:00

01:30:00

02:00:00

02:30:00

03:00:00

03:30:00

04:00:00

00:00:00 00:30:00 01:00:00 01:30:00 02:00:00 02:30:00 03:00:00

Time in

Time in = time out

tsCumulative throughput diagrams

Shipments in Shipments out WIP Linear () Linear ()

1,5 / sec1,2 / sec

tsDeriving the project goal

2 / secEnjoy your break!

1.5 / sec

Problem solving: always knowhow things are TODAY!

Six views on your time‐in – time‐out dataHistograms: leadtime, time in, time out

Time in vs time out, cumulative throughput, leadtime day by day

There‘s more to it – of course!ATD time + date Tkof time + date Taxi time

31.12.10 3:09 31.12.10 3:32 00:23:0031.12.10 3:15 31.12.10 3:29 00:14:0031.12.10 3:26 31.12.10 3:35 00:09:0031.12.10 3:57 31.12.10 4:05 00:08:0031.12.10 3:10 31.12.10 3:17 00:07:0031.12.10 3:08 31.12.10 3:13 00:05:0030.12.10 10:15 30.12.10 10:30 00:15:0030.12.10 4:04 30.12.10 4:18 00:14:0030.12.10 4:10 30.12.10 4:24 00:14:0030.12.10 4:08 30.12.10 4:22 00:14:0030.12.10 4:03 30.12.10 4:16 00:13:0030.12.10 3:58 30.12.10 4:10 00:12:0030.12.10 4:03 30.12.10 4:14 00:11:0030.12.10 3:37 30.12.10 3:48 00:11:0030.12.10 3:40 30.12.10 3:50 00:10:0030.12.10 4:17 30.12.10 4:27 00:10:0030.12.10 3:28 30.12.10 3:38 00:10:0030.12.10 3:52 30.12.10 4:02 00:10:0030.12.10 4:43 30.12.10 4:53 00:10:0030.12.10 3:36 30.12.10 3:45 00:09:0030.12.10 3:34 30.12.10 3:43 00:09:0030.12.10 3:45 30.12.10 3:54 00:09:0030.12.10 4:20 30.12.10 4:29 00:09:0030.12.10 4:38 30.12.10 4:47 00:09:0030.12.10 3:04 30.12.10 3:12 00:08:00

Taxi time

Time of day

Date, week, month

s of flight data

There‘s more to it – of course!Average of Taxi time (m timeslot

week 0:30

2010_23 12,0 7,0 6,0 6,0 7,0 8,8 10,9 12,2 12,4 11,6 10,6 7,3 4,0 10,0 5,0 5,0 10,52010_24 9,0 7,3 5,5 5,7 8,3 8,5 9,2 10,5 10,0 11,5 9,2 6,5 6,4 7,0 5,5 5,0 5,0 9,12010_25 7,7 7,5 8,0 5,0 7,3 7,0 9,1 10,8 14,1 12,1 14,0 12,9 4,6 4,6 5,4 6,7 8,0 10,62010_26 9,0 6,5 9,7 7,0 7,2 6,5 9,2 9,6 10,5 12,7 15,3 13,9 8,9 5,3 8,0 9,0 10,92010_27 10,5 8,0 7,3 9,0 6,7 6,7 9,2 9,9 10,7 13,5 13,5 10,7 8,3 5,7 9,0 5,0 9,0 5,0 5,0 10,22010_28 7,3 6,7 6,7 8,0 6,7 7,6 9,1 9,6 16,7 15,1 12,1 4,8 6,3 6,0 4,7 10,62010_29 12,3 5,0 8,3 6,5 7,3 5,2 8,1 8,9 9,3 11,4 9,7 9,5 7,0 5,8 8,0 6,5 8,92010_30 6,0 5,0 9,3 6,0 7,3 6,0 7,8 7,3 9,3 11,2 9,2 9,9 7,3 7,2 9,0 7,5 7,0 10,0 8,62010_31 6,0 7,7 6,7 6,0 12,3 6,7 8,3 9,6 9,6 8,7 9,8 10,6 7,8 7,3 9,0 10,5 9,0 4,0 7,0 9,12010_32 8,0 5,0 8,0 9,7 6,6 8,4 10,4 10,0 11,4 12,8 10,4 4,7 8,0 10,0 10,22010_33 8,0 10,0 10,0 6,5 6,5 7,2 8,1 10,5 10,7 12,1 12,5 10,0 5,0 7,5 7,7 10,12010_34 9,5 6,0 8,0 6,7 8,8 10,6 10,4 13,3 16,4 13,0 5,5 9,0 6,5 8,0 9,0 11,32010_35 7,0 9,7 5,3 6,0 5,5 7,8 6,6 9,9 13,3 15,6 17,4 11,0 8,0 4,0 12,0 5,0 11,62010_36 8,0 6,5 7,0 8,5 7,3 7,4 9,5 9,0 11,6 10,9 11,9 11,1 10,6 7,6 4,0 6,5 4,0 10,02010_37 8,5 5,0 6,7 5,5 7,0 6,2 8,2 10,2 10,5 11,4 13,6 14,9 12,8 8,6 7,4 9,5 11,0 8,0 7,0 8,0 14,0 10,0 10,92010_38 9,0 9,0 5,0 7,0 7,6 6,7 7,5 11,2 11,2 15,2 14,1 13,5 17,6 7,6 8,7 5,0 5,0 4,5 12,02010_39 5,0 9,0 6,5 6,3 8,0 7,6 8,7 9,9 10,0 9,5 8,3 7,3 7,4 5,0 19,5 9,0 5,0 14,0 3,0 8,82010_40 9,0 9,0 9,0 8,3 5,8 9,3 9,6 11,7 12,9 11,9 11,6 8,4 8,3 7,0 8,3 6,0 6,0 5,0 11,0 2,0 10,32010_41 5,0 11,0 6,5 7,6 7,3 5,9 7,9 11,8 10,1 10,0 11,7 11,6 9,8 6,5 5,6 11,5 8,0 7,0 9,82010_42 23,7 8,0 8,3 8,2 7,5 8,4 8,1 11,6 12,4 13,9 14,2 14,9 13,3 15,6 7,9 10,0 14,0 12,32010_43 5,8 6,0 7,0 7,8 8,2 6,5 9,4 11,2 9,2 10,6 11,2 13,2 10,6 6,7 7,0 8,7 10,0 4,0 10,12010_44 5,8 10,3 10,0 7,5 7,6 6,4 8,0 11,3 13,8 12,1 15,4 14,8 8,9 7,7 4,0 6,5 11,62010_45 5,5 5,0 6,0 8,0 7,5 7,0 5,0 7,5 7,6 8,2 9,2 9,7 13,1 13,5 12,4 11,3 8,2 6,7 4,7 10,22010_46 11,5 8,7 9,3 6,0 5,3 6,0 11,0 8,8 8,3 7,8 9,7 7,7 9,1 12,0 8,2 11,6 11,6 6,7 7,7 5,0 6,0 7,0 9,52010_47 9,5 7,0 5,0 5,0 6,8 5,3 7,4 8,0 8,4 9,3 10,7 10,1 8,8 8,6 8,7 8,0 7,0 16,0 9,3 9,0 8,82010_48 8,5 7,4 13,8 11,0 7,0 5,0 7,5 10,0 6,3 7,7 10,5 9,9 10,1 12,9 10,8 12,8 12,2 6,7 6,0 5,7 8,0 39,0 10,72010_49 22,0 5,3 8,5 6,5 11,5 12,0 5,5 10,5 8,0 7,0 10,3 10,9 9,9 10,9 14,1 11,1 13,4 14,5 16,5 26,6 14,4 12,9 12,4 7,0 3,0 12,82010_50 7,0 18,0 7,0 10,4 8,5 13,0 15,5 9,5 6,7 11,3 9,0 10,9 10,1 10,2 9,9 14,5 12,2 12,1 12,3 11,7 12,4 11,0 8,3 11,12010_51 11,0 7,5 6,5 7,3 7,0 5,0 16,0 8,3 7,0 8,3 7,0 12,2 11,0 13,0 11,2 15,8 9,7 10,6 11,5 7,9 10,6 7,0 4,0 10,52010_52 7,0 19,0 8,0 16,0 13,0 14,0 13,0 11,7 15,0 15,0 10,0 12,5 12,0 7,0 11,0 13,0 12,52010_53 7,0 6,0 10,0 5,5 6,0 10,5 10,4 8,7 8,7 12,2 6,7 8,0 9,3 11,6 9,0 9,0 9,5 9,12011_01 10,5 32,0 17,72011_02 11,0 8,2 10,0 10,3 5,0 10,0 8,0 7,5 9,6 8,9 10,6 11,7 14,3 15,3 14,4 13,1 9,8 15,0 14,4 6,0 4,5 11,92011_03 10,8 7,0 6,2 7,7 8,5 5,0 10,0 12,0 7,2 8,5 7,7 7,8 11,2 13,4 12,2 10,9 7,8 7,3 5,3 8,0 16,0 5,0 5,0 9,72011_04 9,0 7,4 12,5 12,0 7,8 11,5 9,5 10,0 7,0 10,7 10,2 8,7 9,2 10,9 13,3 14,5 14,4 7,6 6,0 4,7 5,0 9,0 10,82011_05 9,0 7,0 7,5 7,0 8,7 9,5 7,0 6,5 8,5 10,2 8,8 11,6 11,2 14,3 13,2 14,1 11,3 9,6 6,0 5,0 5,0 8,0 11,22011_06 8,7 10,4 9,5 9,5 10,3 9,0 7,0 8,8 7,0 6,3 9,4 10,9 11,2 11,5 11,8 15,5 15,7 12,8 12,6 9,2 7,4 9,0 8,0 8,0 11,42011_07 10,0 6,1 8,5 6,7 8,0 6,0 9,5 8,5 8,9 9,0 10,5 14,3 15,5 19,2 18,1 10,6 6,8 12,0 12,0 6,0 13,12011_08 6,0 8,1 11,0 12,0 8,0 6,5 8,0 9,0 6,2 10,1 10,4 14,2 17,4 17,8 17,6 10,6 7,0 5,5 6,0 3,0 6,5 5,0 13,32011_09 10,0 7,0 9,7 11,0 8,7 9,0 6,5 7,2 11,3 12,0 16,2 14,4 16,5 11,7 11,1 12,3 5,0 7,8 9,0 12,52011_10 9,0 6,0 7,7 10,2 8,0 3,0 11,0 12,0 8,6 7,4 11,3 11,4 14,0 16,7 16,8 13,4 7,0 6,8 5,0 11,92011_11 9,5 8,2 9,3 7,8 9,3 5,0 8,5 6,5 7,7 9,2 12,0 11,6 12,7 14,9 11,6 6,5 7,5 4,7 6,5 8,3 6,5 10,82011_12 11,5 7,2 10,3 9,0 8,3 6,3 11,0 3,0 8,4 9,9 11,1 10,7 12,8 15,5 14,5 14,3 7,0 7,0 7,3 15,0 9,0 14,0 11,52011_13 5,0 5,0 10,0 9,7 11,0 7,0 8,0 7,0 7,4 9,2 9,9 13,0 14,7 15,8 17,0 12,5 7,5 6,0 7,3 6,0 12,22011_14 6,8 7,0 8,0 6,0 6,0 7,3 9,7 13,2 11,1 13,1 11,8 15,2 8,0 9,5 6,5 24,0 10,82011_15 7,4 5,0 4,0 7,0 7,0 8,0 10,0 10,3 12,8 17,2 17,0 8,1 6,0 7,0 11,7 5,0 11,82011_16 10,7 8,5 3,0 7,3 6,3 8,6 11,0 14,5 14,8 17,9 15,6 9,1 5,5 5,0 12,0 8,5 10,0 10,0 12,92011_17 8,3 7,0 5,0 7,0 8,0 6,2 9,4 9,6 12,6 13,6 16,8 16,4 9,0 6,3 6,5 5,0 4,0 11,92011_18 10,3 7,5 9,0 8,0 10,0 10,5 12,6 12,8 16,6 16,9 16,2 14,8 6,7 8,8 9,0 7,0 13,72011_19 8,5 7,5 10,0 6,0 6,0 6,3 9,5 13,3 14,7 18,8 17,6 18,7 8,0 5,0 5,0 6,5 14,12011_20 9,0 8,0 6,0 7,6 6,7 8,8 9,5 13,4 15,7 17,6 20,7 13,3 6,3 5,2 4,0 10,0 7,0 4,0 13,12011_21 9,4 7,0 9,0 6,0 8,0 6,5 9,0 10,6 14,7 15,2 15,6 16,7 14,2 5,5 5,5 5,0 9,0 5,0 12,72011_22 9,2 7,0 8,0 7,0 9,3 10,9 12,3 13,5 17,3 13,2 6,3 7,7 10,0 9,3 4,0 9,0 12,02011_23 8,5 3,0 4,0 9,0 7,5 10,8 12,0 11,5 12,9 13,3 13,6 11,6 4,0 6,0 9,0 11,5Grand Total 9,2 7,2 8,3 7,3 7,9 7,0 8,6 10,2 11,4 12,2 12,8 12,3 10,6 11,6 12,7 13,0 11,4 9,8 10,1 10,2 10,2 11,0 9,7 6,6 7,0 11,1

Average of Taxi time (min)

week 0:00

Gran2010_23 12,0 7,0 6,0 6,0 7,0 8,8 10,9 12,2 12,4 11,6 10,6 7,3 4,0 10,0 5,0 5,0 10,52010_24 9,0 7,3 5,5 5,7 8,3 8,5 9,2 10,5 10,0 11,5 9,2 6,5 6,4 7,0 5,5 5,0 5,0 9,12010_25 7,7 7,5 8,0 5,0 7,3 7,0 9,1 10,8 14,1 12,1 14,0 12,9 4,6 4,6 5,4 6,7 8,0 10,62010_26 9,0 6,5 9,7 7,0 7,2 6,5 9,2 9,6 10,5 12,7 15,3 13,9 8,9 5,3 8,0 9,0 10,92010_27 10,5 8,0 7,3 9,0 6,7 6,7 9,2 9,9 10,7 13,5 13,5 10,7 8,3 5,7 9,0 5,0 9,0 5,0 5,0 10,22010_28 7,3 6,7 6,7 8,0 6,7 7,6 9,1 9,6 16,7 15,1 12,1 4,8 6,3 6,0 4,7 10,62010_29 12,3 5,0 8,3 6,5 7,3 5,2 8,1 8,9 9,3 11,4 9,7 9,5 7,0 5,8 8,0 6,5 8,92010_30 6,0 5,0 9,3 6,0 7,3 6,0 7,8 7,3 9,3 11,2 9,2 9,9 7,3 7,2 9,0 7,5 7,0 10,0 8,62010_31 6,0 7,7 6,7 6,0 12,3 6,7 8,3 9,6 9,6 8,7 9,8 10,6 7,8 7,3 9,0 10,5 9,0 4,0 7,0 9,12010_32 8,0 5,0 8,0 9,7 6,6 8,4 10,4 10,0 11,4 12,8 10,4 4,7 8,0 10,0 10,22010_33 8,0 10,0 10,0 6,5 6,5 7,2 8,1 10,5 10,7 12,1 12,5 10,0 5,0 7,5 7,7 10,12010_34 9,5 6,0 8,0 6,7 8,8 10,6 10,4 13,3 16,4 13,0 5,5 9,0 6,5 8,0 9,0 11,32010_35 7,0 9,7 5,3 6,0 5,5 7,8 6,6 9,9 13,3 15,6 17,4 11,0 8,0 4,0 12,0 5,0 11,62010_36 8,0 6,5 7,0 8,5 7,3 7,4 9,5 9,0 11,6 10,9 11,9 11,1 10,6 7,6 4,0 6,5 4,0 10,02010_37 8,5 5,0 6,7 5,5 7,0 6,2 8,2 10,2 10,5 11,4 13,6 14,9 12,8 8,6 7,4 9,5 11,0 8,0 7,0 8,0 14,0 10,0 10,92010_38 9,0 9,0 5,0 7,0 7,6 6,7 7,5 11,2 11,2 15,2 14,1 13,5 17,6 7,6 8,7 5,0 5,0 4,5 12,02010_39 5,0 9,0 6,5 6,3 8,0 7,6 8,7 9,9 10,0 9,5 8,3 7,3 7,4 5,0 19,5 9,0 5,0 14,0 3,0 8,82010_40 9,0 9,0 9,0 8,3 5,8 9,3 9,6 11,7 12,9 11,9 11,6 8,4 8,3 7,0 8,3 6,0 6,0 5,0 11,0 2,0 10,32010_41 5,0 11,0 6,5 7,6 7,3 5,9 7,9 11,8 10,1 10,0 11,7 11,6 9,8 6,5 5,6 11,5 8,0 7,0 9,82010_42 23,7 8,0 8,3 8,2 7,5 8,4 8,1 11,6 12,4 13,9 14,2 14,9 13,3 15,6 7,9 10,0 14,0 12,32010_43 5,8 6,0 7,0 7,8 8,2 6,5 9,4 11,2 9,2 10,6 11,2 13,2 10,6 6,7 7,0 8,7 10,0 4,0 10,12010_44 5,8 10,3 10,0 7,5 7,6 6,4 8,0 11,3 13,8 12,1 15,4 14,8 8,9 7,7 4,0 6,5 11,62010_45 6,0 8,0 7,7 7,0 5,0 7,3 8,0 7,6 8,4 9,0 9,7 12,8 13,8 12,4 11,4 8,5 6,7 4,7 5,5 5,0 10,22010_46 10,4 6,0 5,3 6,0 11,0 8,8 8,3 7,8 9,7 7,7 9,1 12,3 8,1 11,6 11,1 8,2 7,7 5,0 6,0 7,0 11,5 7,4 9,52010_47 6,5 5,0 6,8 5,3 7,4 8,0 8,8 8,8 10,7 10,1 8,8 8,6 8,7 8,0 7,0 16,0 8,5 10,0 9,5 6,9 8,82010_48 12,6 11,0 7,0 5,0 7,5 10,0 6,3 7,7 10,4 10,0 10,1 12,8 11,0 12,8 12,2 6,7 6,0 5,7 8,0 39,0 8,5 7,3 10,72010_49 8,5 6,5 8,0 13,5 5,5 10,5 8,0 7,0 10,3 10,9 9,9 10,9 14,1 11,1 14,0 13,8 16,5 28,1 14,6 12,9 12,4 7,0 3,0 22,0 5,3 12,82010_50 10,7 7,0 10,8 8,6 13,0 15,5 9,5 6,7 11,3 9,0 10,9 10,1 10,2 9,9 14,5 12,2 12,1 13,3 10,9 12,4 11,0 8,3 7,0 11,12010_51 6,5 7,3 7,0 5,0 16,0 8,3 7,0 8,3 7,0 12,2 11,0 12,9 11,5 15,8 9,8 10,4 11,5 8,0 10,0 7,0 4,0 11,0 7,5 10,52010_52 7,0 19,0 8,0 16,0 13,0 14,0 13,0 11,7 15,0 10,0 12,5 12,0 7,0 11,0 13,0 12,52010_53 6,0 10,0 5,5 6,0 10,5 10,4 8,7 8,7 12,2 6,7 8,0 9,3 11,6 9,0 9,0 9,5 7,0 9,12011_01 32,0 10,5 17,72011_02 10,0 10,3 5,0 10,0 8,0 7,5 9,6 9,2 10,2 11,7 14,8 14,8 14,4 12,9 10,7 15,0 13,5 10,0 4,5 11,0 8,2 11,92011_03 6,2 7,7 8,5 5,0 10,0 12,0 7,2 7,7 8,5 7,8 11,3 13,1 12,2 10,9 7,8 7,3 5,3 8,0 16,0 5,0 5,0 10,8 7,0 9,72011_04 11,2 12,0 7,8 11,5 9,5 10,0 7,0 10,7 10,1 8,8 9,2 10,9 13,3 14,5 15,0 7,4 6,0 4,7 5,0 9,0 9,0 7,8 10,82011_05 7,5 7,0 8,7 9,5 7,0 6,5 8,5 10,2 8,9 11,3 11,2 14,5 13,1 14,1 11,3 9,6 6,0 5,0 5,0 8,0 9,0 7,0 11,22011_06 9,5 9,5 10,3 9,0 7,0 8,8 7,0 6,3 9,4 10,8 11,2 11,6 11,8 15,5 15,7 13,3 12,6 9,2 7,4 9,0 8,0 8,0 8,7 10,4 11,42011_07 8,5 6,7 8,0 6,0 9,5 8,5 8,9 9,0 10,5 14,3 15,6 18,7 18,1 10,6 6,8 12,0 12,0 6,0 10,0 6,1 13,12011_08 11,0 12,0 8,0 6,5 8,0 9,0 6,2 10,8 10,0 14,2 17,3 17,9 17,6 10,6 7,0 5,5 6,0 3,0 6,5 5,0 6,0 8,1 13,32011_09 9,8 11,0 8,7 9,0 6,5 7,2 10,7 12,5 16,2 14,2 16,7 11,7 11,1 11,6 5,0 7,8 9,0 10,0 6,4 12,52011_10 7,7 10,2 8,0 3,0 11,0 12,0 8,6 7,3 11,3 11,4 14,0 16,4 16,8 13,4 7,0 6,8 5,0 9,0 6,0 11,92011_11 9,3 7,8 9,3 5,0 8,5 6,5 7,7 9,2 11,8 11,6 12,6 14,9 11,6 6,5 7,5 4,7 6,5 8,3 6,5 9,5 8,2 10,82011_12 10,3 9,0 8,3 6,3 11,0 3,0 8,4 9,9 11,1 10,7 12,8 15,5 14,5 14,3 7,0 7,0 6,0 12,5 9,0 14,0 11,5 7,2 11,52011_13 10,0 9,7 11,0 7,0 8,0 7,0 7,4 9,2 9,9 13,0 14,9 15,6 17,0 12,5 7,5 6,0 7,3 6,0 5,0 5,0 12,22011_14 6,8 7,0 8,0 6,0 6,0 7,3 9,7 13,2 11,1 13,1 11,8 15,2 8,0 9,5 6,5 24,0 10,82011_15 7,4 5,0 4,0 7,0 7,0 8,0 10,0 10,3 12,8 17,2 17,0 8,1 6,0 7,0 11,7 5,0 11,82011_16 10,7 8,5 3,0 7,3 6,3 8,6 11,0 14,5 14,8 17,9 15,6 9,1 5,5 5,0 12,0 8,5 10,0 10,0 12,92011_17 8,3 7,0 5,0 7,0 8,0 6,2 9,4 9,6 12,6 13,6 16,8 16,4 9,0 6,3 6,5 5,0 4,0 11,92011_18 10,3 7,5 9,0 8,0 10,0 10,5 12,6 12,8 16,6 16,9 16,2 14,8 6,7 8,8 9,0 7,0 13,72011_19 8,5 7,5 10,0 6,0 6,0 6,3 9,5 13,3 14,7 18,8 17,6 18,7 8,0 5,0 5,0 6,5 14,12011_20 9,0 8,0 6,0 7,6 6,7 8,8 9,5 13,4 15,7 17,6 20,7 13,3 6,3 5,2 4,0 10,0 7,0 4,0 13,12011_21 9,4 7,0 9,0 6,0 8,0 6,5 9,0 10,6 14,7 15,2 15,6 16,7 14,2 5,5 5,5 5,0 9,0 5,0 12,72011_22 9,2 7,0 8,0 7,0 9,3 10,9 12,3 13,5 17,3 13,2 6,3 7,7 10,0 9,3 4,0 9,0 12,02011_23 8,5 3,0 4,0 9,0 7,5 10,8 12,0 11,5 12,9 13,3 13,6 11,6 4,0 6,0 9,0 11,5Grand Total 9,0 8,2 8,8 7,8 7,6 7,7 7,5 7,2 8,8 10,2 11,5 13,0 14,0 13,6 10,5 8,6 8,8 9,2 9,5 10,9 9,0 7,4 9,8 9,3 9,8 4,7 9,9 7,1 11,1

Universal timeslot

There‘s more to it – of course!

An important trick:Calculate WIP from time‐in / time outColumn H Column I Column J Column K Column L Column MFlow unit Time in

(hh‐mm‐ss)Order Flow unit Time out

(hh‐mm‐ss)Order

A TA,in 1 … … …B TB,in 2 X TX,out N‐2C TC,in 3 Y TY,out N‐1… … … Z TZ,out N

Largest “time in” that is still smaller than a given “time out”:

SUMPRODUCT(MAX((I$2:I$20097<L6)*I$2:I$20097))

Understand taxi time as a function ofcritical influence factors

Taxi time

Push back y/n (PB)

Taxi way (TW)

Queue length (Q)

Run a regression analysis:

TT = f( Q, PB, TW)

This is it:Time in – time out

What for to look into leadtime data

Employee engagement inquantitative improvement projects

Clarity on opportunities andData due diligence

Time is money!

Listen to the voice of the process!

Make yourlead time datatell it‘s story!

Treat your data like a „gold mine“

1) Collect trustworthy data2) Analyse them with due diligence3) Understand how to drive enablers4) The result Y = f(x) will follow

Thank you!

Coming soon:

Business Analytics BootcampGain insight from your data

One day workshop in LondonEmail: info.eu@bmgi.com

Contact:http://www.bmgi.com

Michael.Ohler@bmgi.com+49‐151‐28.41.51.03