Anwenderbericht: OEE-Steigerung mit oee.ai

oee.ai unterstützt bei der OEE-Steigerung von Anlagen. Die Technologie ist um den Grundgedanken der maximalen Einsatzflexibilität gebaut. Neben der Technologie benötigt es noch den Menschen zur Umsetzung der identifizierten Maßnahmen. Aber wie spielen Mensch und Technologie zur OEE-Steigerung zusammen? Dieser Anwenderbericht soll beispielhaft demonstrieren, wie es gemacht werden kann.

OEE-Steigerung durch KAIZEN-Workshops

In vielen Firmen hat sich der KAIZEN- oder KVP-Workshop zur Produktivitätssteigerung bewährt. Dieses Format wurde auch bei diesem Engagement gewählt. Ein Prozessingenieur des Unternehmens führt dabei eine Gruppe von Mitarbeitern durch den Workshop. In unserem Beispiel handelt es sich um ein Unternehmen der Fast Moving Consumer Goods Industrie.

Blick in die Abfüllung eines FMCG-Abfüllbetriebs
Bild: Blick in die Fertigung

Der Workshop findet in dem Bereich statt, in dem das Produkt in einem der letzten Produktionsschritte in Flaschen gefüllt und diese verpackt werden – ein Abfüllbetrieb mit einer Kette aus Anlagen wie z.B. einem Abfüller, einem Kappenaufsetzer, einem Kartonierer, einem Celophanierer und einer Endverpackung.

Der Workshop mit den Mitarbeitern dauerte 4 Wochen und gliederte sich in 3 Phasen:

  1. Analyse der Ausgangssituation
  2. Durchführung der Optimierungen
  3. Validierung der Optimierungen

Die Aktivitäten der einzelnen Phasen sind aus folgender Grafik ersichtlich.

Methodisches Vorgehen bei einem OEE-Optimierungsworkshop
Bild: Vorgehen OEE-Optimierungsworkshop

Die Länge der Phasen ist grundsätzlich abhängig vom Umfang der Aufgabe. Für klassische KAIZEN-Workshops zur OEE-Steigerung hat sich obiges Format jedoch bewährt.

OEE-Analyse mit oee.ai

Die Datenlage stellte sich am Ende der Analysephase wie folgt dar:

Innerhalb einer Arbeitswoche von 5 Tagen wurde im 2-Schicht-Betrieb die Analyse durchgeführt. In der Zeit wurden über 110.000 Produkte auf der Anlage gefertigt.

Analyse der Ausgangssituation
Bild: Analyse der Ausgangssituation

Die OEE lag im Analysezeitraum bei 46,6 % – ein relativ niedriger Wert. Der Verfügbarkeitsfaktor (Stillstände größer 5 Minuten) lag bei über 70 %. Damit ist der Wert zwar nicht ausgesprochen gut, jedoch besser als der Leistungsfaktor von ca. 65 % – damit lag ein möglicher Fokus der Optimierungen auf den Leistungsverlusten, also den Geschwindigkeitsreduzierungen und den Kurzstillständen.

Ein Satz noch zum Qualitätsfaktor: Obwohl ein eigener Q-Sensor an die Anlage angeschlossen war, lagen die Verluste im Bereich der zweiten Nachkommastelle – kein Handlungsbedarf.

Detailanalyse Microstop-Verluste

Schauen wir uns als Erstes den Verfügbarkeitsfaktor im Detail an: Allen Stillständen größer 5 Minuten wurden über temporär an der Anlage installierte Tablets Störgründe zugeordnet. In der folgenden Übersicht sind die Anzahl und Dauer der Stillstände kleiner 5 Minuten, die sogenannten Microstops, ersichtlich. Die Anzahl pro Schicht schwankte stark, was jedoch auch mit dem Produktionsprogramm zu tun haben kann. Das ist nicht weiter beunruhigend.

Microstop Analyse
Bild: Microstop Analyse

Die durchschnittliche Schicht hat ca. 10 Microstops mit einer Dauer von weniger als 20 Minuten. Das sind also etwa 4 % der Produktionszeit pro Schicht – womit dieser Verlust im Augenblick nicht im Fokus stand.

Zusammenfassend kann man sagen, dass die gewählte 5 Minuten Grenze für die aktuelle Situation an der Anlage eine ausreichende Genauigkeit der Analyse abbildet. Zukünftig besteht die Möglichkeit, die Grenze weiter herabzusetzen. Für den Augenblick war sie jedoch geschickt gewählt.

Detailanalyse OEE-Verfügbarkeitsfaktor

Wenden wir uns nun dem Verfügbarkeitsfaktor zu: Die Verfügbarkeitsverluste mit einer Dauer von 5 Minuten oder größer wurden über ein Tablet an der Anlage mit Störgründen hinterlegt. Für die betrachtete Woche ergaben sich in dieser Kategorie ca. 17 Stunden Störungen.

Von den 17 Stunden wurden für 2:50 Stunden, oder 16 % der Zeit, keine Störgründe zugeordnet. Je geringer dieser Zeitanteil ist, desto aussagekräftiger ist die Analyse. In dem hier betrachteten Zeitraum ist dieser Wert noch in Ordnung, ein Gespräch mit dem Anlagenpersonal über die Bedeutung der vollständigen Erfassung der Störgründe könnte dennoch geführt werden.

Bild: OEE-Analyse Verfügbarkeitsfaktor
Bild: OEE-Analyse Verfügbarkeitsfaktor

Der größte Verlust, sowohl was Häufigkeit als auch Dauer angeht, kam aus der Kategorie “Rüsten oder Formatwechsel”. Etwa ein Mal pro Schicht wurde gerüstet und es dauerte im Schnitt 28 Minuten. Hier lag ganz offensichtlich ein großer Hebel für Optimierungsansätze.

Die nächsten 3 Aggregate lagen bezüglich ihrer Störanteile etwa gleich auf. Hier wird es schwierig werden, schnell eine meßbare Verbesserung zu erzielen. Das bedeutet nicht, dass man diese Störgründe vernachlässigen sollte. Jedoch kann man mit gleichem Einsatz an anderer Stelle vermutlich mehr Verbesserungsbeitrag liefern. Als möglicher Ansatz in dieser Gruppe der Aggregate wiesen die Daten den Etikettierer aus. Mit 11 Einzelstörungen innerhalb von 10 Schichten hatten die schlecht geklebten Etiketten einen relativ großen Anteil an der Anzahl der Gesamtstörungen. Hier lohnt sich sicherlich eine Detailuntersuchung bezüglich der Ursachen.

Noch eine letzte Anmerkung zu organisatorischen Störungen: Häufig hat diese Störkategorie einen großen Anteil an den OEE-Verlusten. Nicht jedoch in unserem hier beschriebenen Einsatzumfeld. Die Disposition und Logistik rund um die Anlage funktionierte gut und bot wenig Raum für Verbesserungen.

Detailanalyse OEE-Leistungsfaktor

Der Leistungsfaktor wies in der Analyse das höherer Optimierungspotential als der Verfügbarkeitsfaktor aus. Schauen wir auf die Details:

Die Erfassungsgrenze wurde sehr großzügig gewählt. Bei der hier genutzten Konfiguration wurde erst ein Störgrund abgefragt, wenn die Anlage länger als 15 Minuten mit unter 70 % der Soll-Leistung lieft. Bei einem Takt von 60 Abfüllungen pro Minute verlor die Anlage also mindestens 270 (= 60 Stk./Min. * (1 – 0,7) * 15 Minuten) Abfüllungen, bevor ein Störgrund angefragt wurde.

Trotz dieser großzügigen Konfiguration sammelten sich am Ende der Woche über 28 Stunden an, an denen unter 70 % der Geschwindigkeit für länger als 15 Minuten gefahren wurde. Würde die Erfassungsgrenze enger gesetzt werden, würde diese Zahl erfahrungsgemäß nochmals deutlich steigen. Für den Start der Optimierung war es also in Ordnung, diese Konfiguration zu wählen.

OEE-Analyse Leistungsfaktor
Bild: OEE-Analyse Leistungsfaktor

Der Abfüller hatte im Analysezeitraum sowohl absolut als auch bezüglich der Dauer die intensivsten Störungen auf sich vereinigt. Klarer Ansatzpunkt für die Optimierung des Leistungsfaktors waren die klemmenden Pumpen am Abfüller. Könnte dieses Problem durch eine andere Zuführung, ein anderes Aufsetzkonzept, durch die Beschaffung anderer Pumpen oder ähnliche Maßnahmen optimiert werden, wurde der größte Hinderungsgrund an einer besseren OEE der Anlage angegriffen.

Alle anderen Aggregate haben bezüglich Leistungsverluste eine untergeordnete Bedeutung für die Optimierung. Hat man noch Kapazität für Optimierungsprojekte verfügbar, könnte das Aufsetzen der Sprühköpfe an der Sternmaschine bearbeitet werden. Dabei handelt es sich um eine Einzelstörung, die bei Auftreten im Durchschnitt 30 Minuten die Abfüllgeschwindigkeit reduziert.

Umsetzung der ersten Optimierungsrunde

Auf Basis der Analyse wurde der oben schon erwähnte KAIZEN-Workshop durchgeführt. Innerhalb von 2 Wochen wurden die beiden Top OEE-Verlustgrunde bearbeitet:

  • Rüsten oder Formatwechsel: Ein klassisches Thema für einen SMED (Single Minute Exchange of Dies) Workshop. Das Workshop-Team hat den Rüstvorgang im Detail analysiert, Optimierungspotential identifiziert, das neue Vorgehen mit den Mitarbeitern eingeübt und als Standard dokumentiert.
  • Pumpe klemmt am Abfüller: Hier haben parallel zwei Instandhalter eine neue Pumpenzuführung konzipiert, realisiert und getestet.

Die Ergebnisse der beiden Teilteams wurden im Rahmen von Workshop-Präsentationen dem Management und den Mitarbeitern vorgestellt und in der Folge umgesetzt.

Nach 2 Wochen Sammlung von Erfahrungen mit den Veränderungen wurde die Validierungsphase des KAIZEN-Workshops gestartet. Die oee.ai Sensoren und die Tablets wurden wieder in der Anlage installiert und die Messung unter identischen Bedingungen wie in der Analysephase wiederholt. Im Zuge einer Abschlusspräsentation wurden die Ergebnisse vorgestellt: Die OEE konnte von 46,6 % auf 52,2 % gesteigert werden – das sind 5,6 Prozentpunkte oder 12 % bezogen auf die Ausgangssituation. Bei 10 Schichten pro Woche entspricht diese Steigerung dem Produktionsvolumen von mehr als einer Schicht. Das ist ein Ergebnis, dass sich sehen lassen kann.

Was jetzt?

Wir haben Ihr Interesse geweckt. Kontaktieren Sie uns unter info@oee.ai oder rufen Sie uns an: +49 (0)241/401 842 75. Wir stellen Ihnen gerne für eine Testperiode oee.ai Sensoren und einen Zugang zum Analysecockpit zur Verfügung. Erst danach entscheiden Sie sich. Auch an dieser Stelle sind wir einfach!