Smarte IIoT-Applikation 12 schnelle Schritte zur digitalen Transformation

Anbieter zum Thema

NEONEX Industry Performance GmbH

FAULHABER SA

In Zeiten wirtschaftlicher Unsicherheit und steigender Ressourcenkosten sind effiziente Prozesse wichtiger denn je. Dafür müssen Unternehmen nicht zwingend in ganzheitliche Transformationen investieren. Ein Beispiel: Die Erhöhung der OEE an der Engpassmaschine durch IIoT.

Produzierende Unternehmen sehen sich durch Umweltfaktoren in Form von globalen Krisen wie dem Ukraine-Krieg und der Corona-Pandemie sowie steigenden Kundenanforderungen wie Individualisierungswünschen, kürzeren Lieferzeiten und mehr Nachhaltigkeit gezwungen, Produktion, Logistik und die dazugehörigen indirekten Prozesse neu aufzustellen. Die digitale Transformation bietet durch Datensammlung, -nutzung und Schaffung von Transparenz die Möglichkeit, Menschen, Technologien und Prozesse optimal zu verknüpfen, die Mitarbeiterführung zu optimieren und Prozesse effizienter zu gestalten. Für die Planung und Durchführung gibt es dabei zwei Vorgehensweisen.

Ganzheitliche Programme brauchen ein hohes Commitment und mehr Ressourcen

Ganzheitliche Transformationen lassen sich am besten anhand eines 12-Schritte-Modells strukturieren. Diese startet mit Qualifizierung und Inspiration des Kernteams für die digitale Transformation im Unternehmen durch Schulungen und Best-Practice-Besuche von Vorreiter-Unternehmen. Damit können Vision und Zielbild für das Unternehmen top-down definiert werden. Anschliessend werden auf Basis der Vision Potenziale für digitale Use Cases in allen, möglicherweise global verteilten, Werken des Unternehmens identifiziert, die dafür benötigte IT-Architektur und -Infrastruktur geklärt und die zu realisierenden Use Cases bewertet und eingeplant. Danach folgt die Bildung eines Umsetzungsteams, das die ersten Anwendungen entwickelt, um anschiessend die Lösungsanbieter für zentrale IT-Systeme auszuwählen. Die Umsetzung, Implementierung und Stabilisierung der Lösungen in den Pilotwerken erfolgt anschliessend nach iterativem Ansatz. Im letzten Schritt werden die passenden Use Cases in allen Werken ausgerollt.

Bildergalerie

Ganzheitliche globale Programme können aber nur durch ein hohes Commitment des Top-Managements sowie entsprechende zeitliche und monetäre Ressourcen umgesetzt werden. Für Unternehmen, die kleinere Schritte in der Transformation gehen wollen, bietet sich ein Use Case-spezifischer Ansatz an, der deutlich kurzzyklischer und weniger aufwendig ist.

Mit einer Mini-Step-Transformation können Ergebnisse schneller erreicht werden

Die Mini-Step-Transformation nutzt im Vergleich zur ganzheitlichen Herangehensweise eine kurzzyklische und iterative Herangehensweise. So werden einzelne Use Cases identifiziert, definiert und mit einem kleinen Team implementiert, an einer Pilot-Maschine oder -Linie getestet und anschliessend ausgerollt. Dieser Zyklus kann anschliessend – je nachdem, wo weitere Probleme in der Wertschöpfungskette entstehen – 1:1 wiederholt werden. Dafür braucht es keine ganzheitliche Strategie, einen weniger langen Atem und kein grosses Investment. Ein Beispiel für eine Mini-Step-Transformation ist eine minimalinvasive Lösung zur Optimierung der OEE oder auch Gesamtanlageneffizienz.

Nachhaltigkeit

Intelligente Daten schaffen Vorteile für die Nachhaltigkeit in Unternehmen

OEE-Optimierung an Maschinen und Anlagen via IoT

Die OEE ist eine der relevantesten Produktionskennzahlen für anlagenintensive Unternehmen und sorgt für einen Überblick über die Produktivität einer Maschine. Die Optimierung der OEE durch Verbesserung der Verfügbarkeit, der Produktivität und der Qualität bietet das Potenzial für die Steigerung der Ausbringungsmenge und die Senkung von Kosten.

Viele Firmen machen an dieser Stelle aber den Fehler, nur auf eine möglichst hohe OEE hin zu optimieren. Dies führt zu lokalen Verbesserungen, die oftmals negative Folgen für das Unternehmen als Gesamtsystem haben können – beispielsweise Überproduktion, lange Durchlaufzeiten wegen umfangreicher Fertigungslose und dadurch hoher Work-in-Progress in der Produktion. Besonders bei steigender Variantenvielfalt kann hier ein grosses Problem entstehen.

Stattdessen müssen Unternehmen hier alle Störungen im Prozess vor dem Hintergrund eines ganzheitlichen Wertstromdesigns konsequent eliminieren, um eine nachhaltige Verbesserung zu erreichen. Diese Störungen sind heute viel öfter organisatorischer als technischer Natur, entstehen also zum Beispiel durch schlechte Vorbereitung von Rüstvorgängen, Fehlteile und Fehlmengen im bereitgestellten Material oder den benötigten Werkzeugen. Wenn technische Probleme auftreten, liegen diese oft in Peripheriegeräten wie unzuverlässigen Labeldruckern. Um diese Störquellen effektiv und nachhaltig zu beseitigen, ist es wichtig, Transparenz im Prozess zu gewinnen und alle Störungen tatsächlich aufzunehmen. Sogenannte Microstops, also Maschinenstillstände, die deutlich weniger als zehn Minuten dauern, werden von Mitarbeitern oft gar nicht bemerkt oder wegen zu hohem Dokumentationsaufwand nicht präzise aufgenommen.

Use-Case

Mit Maschinendaten zu effizienten Produktionsprozessen

Traditionelle, papierbasierte OEE-Tracking- und Optimierungsmassnahmen führen oftmals nicht zum gewünschten Erfolg, da die exakte und vollständige Erfassung aller Stillstände nicht garantiert ist und so nicht alle Stillstandsgründe, die von den Mitarbeitern aus einem Fehlerkatalog ausgewählt werden, präzise erfasst werden können. Besonders dieser strukturierte Fehlerkatalog ist allerdings zentral für einen effizienten Problemlösungsprozess. Durch IoT- und Cloud-Lösungen wird der Grossteil der Arbeit dabei automatisiert – und die Mitarbeiter haben deutlich weniger Aufwand als bei der klassischen Erfassung. Zudem werden dabei alle relevanten Kontextdaten wie die gefertigte Produktvariante, die Uhrzeit und die Stillstandszeit erfasst. Dies ist die Basis für eine präzise und schnelle Identifikation der Probleme und eine strukturierte Problemlösung auf Basis von Paretos. Ein digitaler, datengestützter Ansatz ist folglich der aussichtsreichere und nachhaltigere Weg für die Optimierung der OEE.

Im Folgenden wird ein Beratungsprojekt bei einem führenden deutschen Hersteller von Sicherheitstechnik vorgestellt, das genau diesem Ansatz folgte.

Hybrider Beratungsansatz durch datengestützte Optimierung und Experten-OEE-Coaching

Im ersten Schritt des Projekts wurde eine nicht-invasive IIoT-Sensorik inklusive Applikation an der Engpassmaschine des Kunden installiert. Die Lösung liess sich ohne umfangreiche Integration mit der Maschinensoftware und ohne Aufwand für die interne IT-Abteilung nutzen, um die Verfügbarkeit und Produktivität durch Messung der Ausbringungsmenge und Durchlaufzeiten mithilfe einer Lichtschranke zu erfassen. Ausserdem wurden die Störgründe mithilfe eines an der Maschine angebrachten Tablet-Computers identifiziert und als Kategorien für die Messung zur operativen Beseitigung der nicht geplanten Stillstände festgelegt. In einem gemeinsamen Workshop wurde das Bewusstsein der Maschinenbediener gesteigert und die Funktion der Anwendung geschult. Dadurch und durch gleichzeitige strukturierte Katalogisierung der identifizierten Gründe für nicht geplante Stillstände auf der IIoT-Plattform, konnten bereits innerhalb von nur zwei Wochen nach dem Onboarding aussagekräftige Daten zur OEE und den Stillstandsgründen erhoben werden. Diese Daten wurden anschliessend in einem wöchentlichen OEE-Coaching mit den Verantwortlichen gemeinsam analysiert, sodass Massnahmen zur Optimierung der OEE abgeleitet und in einem kontinuierlichen Verbesserungsprozess (KVP) umgesetzt werden konnten. Insgesamt erreichte der Kunde eine Transparenz im Prozess an der Engpassmaschine, die durch fokussierte Beseitigung von Störungen Prozesse optimierte. Die Entscheidungsfindung auf dem Shopfloor ist nun verlässlicher und einfacher, da die Entscheidungen faktenbasiert und für alle Mitarbeitenden transparenter sind.

5 Best-Practices

Mit personalisiertem Service Management zum datengetriebenen Unternehmen

Massgebliche OEE-Steigerung nach nur zwei Monaten möglich

In nur zwei Monaten Gesamtprojektzeit verbesserte sich die OEE im höheren zweistelligen Prozentzahlbereich. Zudem konnte das Unternehmen die Verluste in Verfügbarkeit und Produktivität an der Engpassmaschine nachhaltig gegen null und die Nebenzeiten deutlich reduzieren. Die Ergebnisse:

• Deutliche Verbesserung der OEE an der Engpassmaschine im höheren zweistelligen Prozentbereich

• Schnelle Umsetzung ohne Eingriff in bestehende IT-Infrastruktur

• Verbesserung der Kommunikation zwischen den direkten und indirekten Bereichen durch gemeinsame Diskussionsgrundlage auf Basis der erfassten Daten

• Vom Handeln nach Annahmen hin zur Handlung auf Basis von Daten

• Höhere Freiheit in der Schichtplanung zugunsten der Mitarbeiter durch Eliminierung der Samstagsschicht

Dank der ganzheitlich gedachte Massnahmenumsetzung, die nicht nur die Optimierung der Engpassmaschine betraf, sondern auch die Mitarbeitenden schulte und eine gemeinsame Diskussionsgrundlage zwischen direkten und indirekten Bereichen schaffte, sind nun kürzere Reaktionszeiten von Bedienern und anderen Abteilungen und somit eine deutliche Reduzierung der Meantime to Repair (kurz: MTTR) möglich. Zudem profitieren die Mitarbeiter von dank der gewonnen Freiheit in der Schichtplanung vom Wegfall der Samstagsschicht.

Dieses Beispiel eines Projektes beim führenden Hersteller präventiver Sicherheitstechnik veranschaulicht, dass auch mit geringem Aufwands nach kürzester Zeit eine deutliche OEE-Steigerung möglich ist. Durch das Projekt wurde noch viel mehr erreicht: eine Veränderung der Einstellung der Mitarbeitenden gegenüber der digitalen Transformation der Operations. Projekte wie diese stellen also nicht nur den ersten Schritt in eine vernetzte und digitalisierte Produktion her, sondern öffnen Türen für grössere Digitalisierungsmassnahmen, die produzierende Unternehmen ergreifen müssen, um ihre Wettbewerbsfähigkeit zu sichern.

Dieser Artikel ist zum ersten Mal auf unserem Partnerportal Industry of Things erschienen.

* Simon Klink arbeitet als Principal bei Neonex Consulting.

(ID:49234136)