Messung der OEE in einer automatisierten Fertigungsumgebung

In Raymond F. Jones' 1962 erschienenem Roman Die kybernetischen Gehirne werden alle Bedürfnisse einer futuristischen menschlichen Gesellschaft von riesigen automatisierten Fabriken befriedigt, die von körperlosen Gehirnen gesteuert werden, die von Verstorbenen entnommen wurden. Lässt man die dem Buch innewohnende makabre Handlung und den fatalistischen Ausgang außer Acht, kann es sehr wohl ein Spiegel der heutigen Welt sein. Mit dem Aufkommen von Industrie 4.0 verwandeln sich Fabriken in selbstlernende, selbstauswertende automatisierte Räume, die die Produktions- und Lieferketten revolutionieren. Laut einem Bericht aus dem Jahr 2016 rechnen 35 % der für die Studie befragten Unternehmen, die Industrie 4.0 eingeführt haben, in den nächsten fünf Jahren mit Umsatzsteigerungen von über 20 %. Diese erwarteten jährlichen Umsatzsteigerungen können nur durch eine erhebliche Senkung der plattformübergreifenden Kosten erzielt werden. Aus Sicht der Fertigung kann die Verbesserung der Effizienz und Effektivität verschiedener Prozesse - Maschinen, Zellen, Montagelinien u. a. - dazu beitragen, diese potenzielle Wachstumsrate zu erreichen.

Lange Zeit galt die Reduzierung von Ausfallzeiten als wesentlicher KPI für Hersteller. Die Überwachung und Optimierung von Ausfallzeiten allein bot jedoch keinen ganzheitlichen Überblick über Leistung und Prozesseffizienz. Mit der Einführung der Gesamtanlageneffektivität (Overall Equipment Effectiveness, OEE) wurden Daten zur Anlagenverfügbarkeit, Produktivität und Qualität zusammengeführt, um die Leistung einer bestimmten Produktionslinie zusammenfassend zu bewerten. Mit dem Aufkommen von Industrie 4.0 hat die Verfügbarkeit solcher Datenströme erheblich zugenommen. Intelligente Fertigungssysteme basieren auf produktiver Datenanalytik und maschinellem Lernen, die die Ausbeute in der Produktion, bei den Maschinen und im Anlagenmanagement positiv beeinflussen. Ein führender globaler Technologiekonzern steigerte seine Produktionskapazität um 20 % und senkte gleichzeitig den Materialverbrauch um 4 %. IoT-fähiges maschinelles Lernen hilft bei der Integration von IT-Systemen innerhalb des Unternehmens und unterstützt die Erreichung plattformübergreifender Ziele. Von der Optimierung von Produktionsabläufen und Beständen bis hin zur Ermöglichung von Entscheidungen in der Wertschöpfungskette - solche intelligenten Systeme verändern die OEE exponentiell. Ein großer Teil der Produktionsbemühungen umfasst die Verbesserung der Wartung und der vorbeugenden Instandhaltung sowie das Erreichen einer höheren Genauigkeit bei der Reparatur- und Überholungsleistung. Die Integration von Datenbanken, Apps und Algorithmen des maschinellen Lernens in Cloud-Plattformen bildet die Grundlage für die Implementierung konditionierter Überwachungssysteme. Ein führendes Technologieunternehmen ist eine Partnerschaft mit einem Automobilhersteller eingegangen und konnte durch die Einführung von Zustandsüberwachungsprozessen eine Steigerung der OEE von 65 % auf 85 % verzeichnen.

Der Einsatz eines robusten OEE-Überwachungssystems kann sich nicht nur auf die Einführung einer Datenverarbeitungs- und Analysesoftware beschränken. Wenn ein Werk expandiert, muss die OEE-Lösung organisch weiterentwickelt werden, wobei mit jeder neuen Maschineneinheit wiederholte Installationen und Einrichtungsvorgänge durchgeführt werden müssen. Vorsicht ist auch geboten, wenn die OEE-Lösung in bestehende Altsysteme integriert wird, um deren Sicherheit und Integrität zu wahren. Eine skalierbare und nachhaltige OEE-Überwachungsplattform stellt außerdem sicher, dass ein Minimum an Support und Wartung erforderlich ist. In der Fertigung kommt es häufig zu wiederkehrenden Produktwechseln und Schichtwechseln, die manchmal 24 Stunden am Tag und sieben Tage die Woche andauern. Eine OEE-Lösung muss solche variablen Arbeitsmuster nahtlos integrieren. In einem Fertigungsbetrieb gibt es für jeden Arbeitsgang einen Zeitplan sowie einige geplante Ausfallzeiten für Anlagen- und Produktwechsel sowie Wartungsarbeiten. Abgesehen von Leerlauf und kleineren Stillständen wird auch bei technischen Ausfällen Zeit aufgewendet. Ungeplante Zeitverluste wirken sich auf die Produktionsgeschwindigkeit aus und können sehr wohl unerwünschte Auswirkungen auf die Produktionsqualität haben. OEE ist der einzige KPI, der all diese Variablen berücksichtigt und ein umfassendes Verständnis der Gesamtleistung vermittelt. Und in einer intelligenten Fertigungsumgebung birgt sie das Potenzial, Fehlfunktionen zu ersetzen und nahezu perfekte Produktionszyklen zu erreichen.

Einem Bericht aus dem Jahr 2017 zufolge wurde der Markt für Industrie 4.0 im Jahr 2016 auf 66,67 Mrd. USD geschätzt und wird bis 2022 voraussichtlich 152,31 Mrd. USD erreichen, bei einer CAGR von 14,72 % zwischen 2017 und 2022. Die intelligente Fabrik ist in der Lage, verwertbare Erkenntnisse über alles zu liefern. Das Ökosystem bietet Unternehmen nicht nur einen umfassenden Überblick über den Betrieb, sondern hilft auch bei der Produktüberwachung nach der Auslieferung in Echtzeit. Dies eröffnet die Möglichkeit, neue Geschäftsmodelle zu erkunden, die letztlich auf einer effizienten und qualitätskontrollierten Produktion beruhen. Der Einsatz einer OEE-Lösung in einer intelligenten Fabrikumgebung kann dazu beitragen, genau das zu erreichen.