Die Wege und Strategien von Digitalisierungsprozessen in der Industrie gehen weit auseinander, doch sie teilen eine Vision: Eine vollautomatische „Smart Factory“, die sich selbst reguliert, sowohl als Ganzes als auch in jedem Detail, und die optimalen Einstellungen für jeden Parameter erkennt, um eine maximale Gesamtanlageneffektivität (OEE) zu gewährleisten.
Unternehmen unternehmen bereits Schritte zur Erreichung dieses Ziels durch zahlreiche Einzelprojekte. Bei der Bewältigung von Aufgaben dieser Art ist es wichtig, klare Ziele für die Steigerung der OEE einer Maschine, einer Linie oder eines gesamten Produktionssystems zu definieren. Andernfalls laufen Unternehmen Gefahr, ihre übergeordneten Ziele aus den Augen zu verlieren. „Ob es um die Reduzierung von Ausschuss oder die Optimierung der Qualität geht — der Weg ist so individuell wie unsere Kunden“, sagt Marco Castro, Head of Hauni Consulting.
Viele Ziele, ein Weg
Wie Castro erklärt, können sich die spezifischen Aufgaben und Maßnahmen im Rahmen der Optimierung auf Projektebene erheblich unterscheiden. „Es ist jedoch sinnvoll, dass die Projektgestaltung einem festen Muster folgt. Es beginnt mit der Definition des Ziels. Danach fahren wir mit der Identifizierung, Erfassung und Analyse der richtigen Daten, der Ableitung tatsächlicher Verbesserungen aus diesen Daten, der Überprüfung des Erfolgs einzelner Maßnahmen und der Sicherstellung fort, dass die Optimierung ihre Wirksamkeit langfristig behält.“
Die richtige Wahl
In den vergangenen Jahren hat Hauni seine Maschinen mit den für eine effiziente Überwachung erforderlichen Sensoren, Netzwerkverbindungen und Visualisierungssystemen ausgestattet. Wie so oft steckt der Teufel jedoch im Detail — oder genauer gesagt, in der Auswahl der Details. „Unsere hochmodernen Maschinen der M-Generation verfügen über insgesamt rund 3.000 verschiedene Parameter. Im Durchschnitt sind 10 Prozent davon, also rund 300, für das Erreichen eines bestimmten Ziels relevant. Ein Bediener ist in der Regel mit etwa 25 davon vertraut und ein Experte mit weiteren 25 — damit bleiben weitere 250 Parameter übrig. Um diese zu identifizieren, ist extrem spezialisiertes Wissen erforderlich.“
Aus diesem Grund unterstützt Hauni Kunden in OEE-Projekten nicht nur durch die Bereitstellung der richtigen Tools wie Bedienerassistenzsysteme, Trend- und Alarmfunktionen oder das Manufacturing Operation Management. Kunden, die mit Hauni Consulting an ihren OEE-Projekten arbeiten, sparen zudem Zeit sowie Ressourcen und profitieren von der Lösung komplexer Probleme wie der Auswahl der richtigen Optimierungsparameter. Die Berater von Hauni analysieren die Situation vor Ort mit dem Kunden und erstellen bei Bedarf nicht nur eine Roadmap für das spezifische Projekt, sondern empfehlen auch die effizienteste Abfolge der verschiedenen potenziellen Verbesserungsprojekte. „Kunden können ein OEE-Projekt mithilfe von Hauni-Lösungen erfolgreich selbst umsetzen. Schließlich haben wir viel von unserem Know-how in die Tools selbst einfließen lassen“, sagt Castro. „Durch die Nutzung unserer Beratungsleistungen können Kunden zudem sicherstellen, dass sie jederzeit die maximale Leistung aus diesen Tools herausholen und von unserer Erfahrung bei der Leitung vieler ähnlicher Projekte auf der ganzen Welt profitieren.“
Messbarer Erfolg für den Kunden
Das Beispiel eines erfolgreichen LES-Qualitätsverbesserungsprojekts für einen Kunden, der die Leistung seiner PROTOS/Focke-Linien durch die Reduzierung von Loose-End-Ausschuss steigern wollte, bietet nützliche Einblicke in die Besonderheiten dieses Prozesses. „Nach der Erfassung und dem Extrahieren aller Maschinendaten haben wir einen Leistungsvergleich durchgeführt, um die beste Maschine zu identifizieren und sie als Referenz festzulegen“, berichtet Castro. „Eine effektive Überwachung ist der Grundstein für das Performance Controlling. Sie ermöglicht es uns, aussagekräftige Vergleiche der Gesamtleistung sowie der Soll- und Ist-Werte für einzelne Parameter anzustellen und den Erfolg jeder von uns umgesetzten Änderung zu messen. Wir haben Unterschiede durch den Vergleich der Daten für verschiedene Parameter herausgefiltert, den Einfluss unterschiedlicher Parameter auf die Zielwerte ermittelt und die Datensätze entsprechend geändert.“ Der abschließende OEE-Vergleich bewies, dass das Projekt ein Erfolg war. Der Ausschuss der LES-Linie sank um 36 Prozent, während die mittlere Schichtleistung um 11 Prozent stieg — ein positiver Nebeneffekt.
