Ein Arbeiter in einer Lebensmittelfabrik - auch hier ist Digitalisierung für die Steigerung der OEE unerlässlich. Doch oft bremsen hohe Investitionen und fehlendes Know-How. Schlaue Analytik kann helfen.

Digitalisierung ist für die Steigerung der OEE unerlässlich. Doch oft bremsen hohe Investitionen und fehlendes Know-How. Schlaue Analytik kann helfen. - Bild: Littlewolf1989/stock.adobe.com

| von Timo Bertsch (IFP Software) und Michael Degenhart (Zentis)

Während bereits 2011 unter dem Begriff Industrie 4.0 ein Zukunftsprojekt zur umfassenden Digitalisierung der industriellen Produktion entstanden ist, hat die Corona-Krise den Digitalisierungstrend nochmals beflügelt. Laut der Untersuchung "Corona führt zu einem Digitalisierungsschub" von Bitkom Research haben drei Viertel der Unternehmen mit 100 oder mehr Mitarbeitern aufgrund der Erfahrungen in der Corona-Krise ihre Investitionen in digitale Geräte, Technologien und Anwendungen erhöht.

Die umfassende Vernetzung von Prozessen in der Produktion ist heute bei praktisch jedem großen Hersteller in Europa, den USA und in Asien ein bestimmendes Thema. Industrie 4.0 ermöglicht effizientere Produktionsmethoden und bietet damit laut der Untersuchung "The Industrie 4.0 transition quantified" von Roland Berger den Rahmen für einen effizienten Kapitaleinsatz und eine Verbesserung der Maschinenproduktivität von bis zu 25 Prozent. Der Digitalisierungsstand treibt dabei die Unternehmenswelt weit auseinander. Das zeigt die Untersuchung "Digital Maturity Is Paying Off" der Boston Consulting Group (BCG). Demnach sind rund 23 Prozent der befragten Unternehmen bei der Digitalisierung Vorreiter, etwa ein Drittel (32 Prozent) hinkt deutlich hinterher. Hierbei stellt die Produktion keine Ausnahme dar.

"Digitale Nachzügler dürfen sich nicht abschlagen lassen und müssen schnell die notwendigen technologischen Voraussetzungen schaffen", betont Prof. Dr. Markus Focke von der FH Aachen. "Die Digitalisierung der Produktion bildet die Basis, um mit Datenanalyse und Künstlicher Intelligenz die Wettbewerbsfähigkeit langfristig zu stärken."

Zwei Datenelemente für OEE

Die größten Digitalisierungshemmer, speziell in mittelständischen Unternehmen, stellen heute hohe Investitionen sowie fehlendes Know-How dar. Diese Herausforderungen schaffen Potenzial für disruptive Lösungen. Mehr und mehr Unternehmen entwickeln maßgeschneiderte digitale Anwendungen für spezifische Herausforderungen. So bietet das Start-Up IFP Software aus Aachen mit oee.ai ein Plug-and-play-System zur Effektivitätsanalyse und -steigerung in Fertigungsprozessen. "Unser Ziel ist es, jedem Unternehmen eine schnelle und bezahlbare Möglichkeit zu bieten, Produktionsdaten zu erfassen, automatisiert auszuwerten, zu analysieren und gezielte Optimierungen durchzuführen" erklärt Jörn Steinbeck, Mitgründer von oee.ai.

Dabei stehen für die Analyse der OEE zwei Datenelemente im Fokus. Der Output-Vektor beschreibt die produzierten Einheiten (in Stück, Liter, Meter und so weiter) über die Zeit. Weicht die Erwartung von den tatsächlich produzierten Einheiten ab, wird die Ursache der Abweichung für die Datenanalyse erfasst. Quelle dieser Daten kann sowohl die Steuerung der Anlage als auch eine menschliche Eingabe des Anlagenbedieners sein.

Das Analytik-Reifegradmodell nach Gartner.
Das Analytik-Reifegradmodell nach Gartner. - Grafik: IFP

Unter Verwendung zuvor beschriebener Datenelemente baut der Ansatz zur Effektivitätssteigerung folgend auf einem
ganzheitlichen Analyseansatz auf, der sowohl Business Intelligence (BI) als auch KI-basierte Advanced Analytics umfasst. Hierbei reicht die Vision des OEE-Managements bis hin zu einer präskriptiven Analytik.

Deskriptive und Diagnostische Analytik fokussieren den retrospektiven Blick. Sie bilden die klassischen Bausteine der BI. So können in web-basierten BI-Berichten Informationen zu produzierten Stückzahlen, zu Verlustursachen und Produktions KPIs – wie OEE, Mean Time Between Failures (MTBF), Mean Time To Repair (MTTR) und so weiter – dargestellt werden, die für das Reporting unerlässlich sind. Darüber hinaus werden Problemstellungen fokussiert, deren Lösung das Auffinden von Mustern mithilfe unterschiedlicher Methoden der Datenreduktion ist.

Je nach Fragestellung können hierbei statistische Verfahren oder KI-Algorithmen zum Einsatz kommen. Diese Analysen bilden die Basis für Verbesserungsinitiativen. So können Erkenntnisse zu zyklisch auftretenden Stillständen, Informationen zu wiederkehrenden Störreihenfolgen oder Leistungsminderungen bei spezifischen Produkten erfolgversprechende Ansatzpunkte für Optimierungen bieten.

Optimierung durch automatisierte Informationen

Doch auch abseits von Optimierungsprojekten lassen sich mit den Informationen große Mehrwerte erzielen. Durch Auswertungen der aktuellen Geschehnisse und einem automatisierten Informationsprozess können die richtigen Reaktionen in maximaler Reaktionsgeschwindigkeit eingeleitet werden. Beispielhaft kann ein Algorithmus einen momentan erhöhten Qualitätsausschuss detektieren und als Reaktion einen Produktionsverantwortlichen per Industrial Smart-Watch informieren.

Smart-Watch mit Anlagenstatus.
Smart-Watch mit Anlagenstatus. - Bild: IFP

Ein so automatisierter Informationsprozess reduziert die Reibungsverluste der Kommunikation und ermöglicht eine schnellere, effizientere Lösung der Probleme. Weitere Möglichkeiten der automatisierten Darstellung von Informationen stellen digitale Shopfloor- und Andon-Boards dar. Hierbei werden die erfassten Daten ausgewertet und für die individuelle Anzeige in der Produktion aufbereitet.

oee.ai ist ein Produkt der IFP Software GmbH aus Aachen. Die entwickelte Lösung ermöglicht es laut Unternehmen, ohne Eingriff in die Anlagensteuerung, ohne IT-Aufwand und ohne Investition die Overall Equipment Effectiveness (OEE) und deren Verlustursachen zu erfassen und im Detail – unter anderem mithilfe von künstlicher Intelligenz – zu analysieren und gezielte Optimierungen einzuleiten.

Prädiktive Analysen als vielversprechender Ansatz

Das prominenteste Beispiel im Bereich Prädiktive Analytik stellt wohl Predictive Maintenance dar. Während der Mehrwert von Predictive Maintenance inzwischen kontrovers diskutiert wird, ist der grundlegende Ansatz äußerst vielversprechend.

Zukünftige Zustände oder Ereignisse zu prognostizieren eröffnet auch im Bereich des OEE-Managements neue Horizonte. Frühzeitig zu erkennen, wann eine Anlage mit geringerer Leistung produziert oder wie effektiv ein Produktionslos auf welcher Anlage laufen wird, kann den Produktionsverantwortlichen wichtige Informationen liefern, um eine effektive Produktion sicherzustellen.

 

Bilderstrecke: Hier ist Predictive Maintenance im Einsatz

"Mit oee.ai arbeiten wir genau an solchen Algorithmen" beschreibt Jörn Steinbeck. "Unsere Vision geht dabei aber noch einen Schritt weiter. Wir möchten unseren Kunden, ausgehend von prädiktiven Analysen, Handlungsempfehlungen offerieren."

Hiermit spielt er auf eine Präskriptive Analytik an. Ausgehend von zuvor beschriebenen Prognosen wird dabei die Entscheidungsfindung optimiert, indem unterschiedliche Szenarien automatisiert gegeneinander abgewogen werden. So könnte, ausgehend von einer Effektivitätsvorhersage eines Loses die passende Anlage vorgeschlagen werden. Oder, wie beispielhaft in Abbildung 3 dargestellt, bei vermutetem Ausfall ein Instandhaltungstechniker in Bereitschaft versetzt werden. Dabei können Daten dynamisch analysiert und somit Vorhersagen stetig angepasst werden.

oee.ai im Einsatz bei Zentis

Zentis nutzt seit Anfang 2020 das System von oee.ai im Bereich der Fertigung der B2C-Süßwarenprodukte. Durch eine Plug-and-Play-Lösung konnte binnen weniger Wochen ein durchgängiges System zur Erfassung der Produktivität, sowie deren Verluste und die Kennzahl OEE eingeführt und damit ein altes Tool zur Messung der Performance abgelöst werden. Mit der automatisierten Erfassung der OEE und der Rückmeldung von Verlusten über ein Tablet stehen nun Live-Kennzahlen zur Effektivitätsanalyse und -steigerung zur Verfügung.

 

Vision eines KI-basierten On-Line Optimierungscockpits.
Vision eines KI-basierten On-Line Optimierungscockpits. - Grafik: IFP

"Beim Start des Projekts war uns eine zeitnahe und übersichtliche Lösung zur Darstellung der OEE und damit zur Ableitung von Optimierungsnahmen sehr wichtig", so Zentis-Geschäftsführer Claus Ernst. Im täglichen Shopfloor-Meeting werden Abweichungen analysiert und kurzfristige Maßnahmen zur Optimierung der Fertigungsprozesse mithilfe der Visualisierung der OEE abgestimmt. So ist direkt ersichtlich, welche Fertigungslinien die definierten Ziele erreicht haben und wo gegebenenfalls Handlungsbedarf zur Optimierung besteht. Insbesondere die Darstellung der Verfügbarkeitsverluste beziehungsweise Stillstandszeiten über ein Pareto Chart liefern sehr schnelle Erkenntnisse, welche Maßnahmen den größten Einfluss zur kontinuierlichen Verbesserung aufweisen.

Entsprechend der DIN 31051 "Grundlagen der Instandhaltung" fallen in das Aufgabengebiet der Instandhaltung neben den grundlegenden Maßnahmen der Wartung, Inspektion und Instandsetzung auch die Anlagenverbesserung und die dafür notwendige Analyse des Ausfallverhaltens. Hierbei kann die automatisierte Erfassung, Analyse und Auswertung der OEE eine bedeutende Rolle spielen.

Auch bei Zentis kann das Team der Instandhaltung stark von den Auswertungen profitieren. Diese ermöglichen es, frühzeitig auf Schwachstellen zu reagieren und noch gezielter präventive Maßnahmen der Instandhaltung umzusetzen. „Durch die Nutzung von oee.ai haben wir eine tiefere Transparenz erhalten, die uns in allen Teilbereichen der OEE – Verfügbarkeit, Leistung und Qualität – sehr hilft, die Schwachstellen aufzuzeigen, um unsere Wettbewerbsfähigkeit zu stärken“, erklärt Produktionsleiterin Caroline Pangritz.

Zentis Süßwaren GmbH & Co. KG

Die Zentis Süßwaren GmbH & Co. KG ist ein Tochterunternehmen der Zentis GmbH & Co. KG und produziert seit 1995 mit rund 170 Mitarbeiterinnen und Mitarbeitern am Standort Aachen Eilendorf Süßwaren Spezialitäten, vor allem Marzipan und schokolierte Cerealien, für den internationalen Markt.

OEE-Verluste lassen sich einfach reduzieren

Übergreifend kann konstatiert werden, dass durch eine kostengünstige Datenerhebung und intelligente Auswertung der Störgründe sich bereits heute Ansätze für eine strukturierte Anlagenverbesserung und eine aktive Vermeidung von Störfällen bieten. Darüber hinaus lassen sich durch automatisierte Informationsprozesse die OEE-Verluste signifikant reduzieren. Auf diese Weise kann proaktiv und innerhalb weniger Minuten reagiert werden, wo dies ohne die technologischen Möglichkeiten in der Regel erst beim nächsten Shopfloor-Meeting denkbar war.

Diese Möglichkeiten der Effektivitätssteigerung haben dabei das Potenzial, die Kosten in der Produktion zu reduzieren, knappe Kapazitäten effizient zu nutzen und den Lieferservice zu steigern. Mit ersten Erfolgen im Gepäck möchte Zentis die Software nun einsetzen, um prädiktive und präskriptive Analysen zu nutzen. Hierbei sollen wahrscheinliche Ereignisse fokussiert sowie Entscheidungsfindungen optimiert werden. Stets dabei zu beachten ist, dass Auswertungen und Algorithmen nur einen Hinweis auf ein bestehendes oder erwartbares Anlagenverhalten geben. Ob dieser Hinweis dann tatsächlich in Produktivitätssteigerung umgesetzt werden kann, muss durch das Domänenwissen der Mitarbeiter validiert und in einem weiteren Schritt physisch umgesetzt werden. An diesen Stellen sind dann die Mitarbeiter von Zentis gefragter denn je.

Bearbeitet von Stefan Weinzierl

Kostenlose Registrierung

Bereits registriert?
*) Pflichtfeld

Sie sind bereits registriert?