Bei Kundenterminen werden häufig sehr unterschiedliche Ursachen genannt, warum eine Anlage nicht wie geplant läuft. Diese Schilderung basiert meistens auf Erfahrungswissen und teilweise auf Intuition – also auf subjektiven Annahmen. Wir haben es uns zur Aufgabe gemacht, objektive Transparenz über die Ursachen von Effektivitätsverlusten zu schaffen. Dies erreichen wir durch belastbare Statistiken, basierend auf den Realdaten der Maschine.
Die Gesamtanlageneffektivität (Overall Equipment Effectiveness – OEE) ist die zentrale Kennzahl zur Leistungsbewertung technischer Anlagen. Sie kombiniert Verfügbarkeit, Leistung und Qualität und ist damit ein Indikator für die Produktivität einer technischen Anlage. Allerdings liefert sie keine direkten Handlungsempfehlungen zur Steigerung der OEE. Um Firmen bei der Identifikation von Optimierungspotenzialen zu unterstützen, haben wir mit dem OEE-Drilldown ein Auswertungstool entwickelt, welches die Ursachen und Zusammenhänge von Produktivitätsverlusten aufdeckt. Das Verfahren kombiniert dabei das etablierte methodische Vorgehen der Produktionsoptimierung mit einer KI-basierten Musteranalyse, um Daten in Informationen zu verwandeln.
SPS-Daten als Basis
Die Auswertung basiert auf den aufgezeichneten Signaldaten der SPS. Durch einen flexiblen SPS-Logger können proprietäre Protokolle der Maschinen ausgelesen oder eine direkte Verbindung mit der standardisierten OPC-UA-Schnittstelle genutzt werden. Zusätzlich kann die Auswertung durch Videodaten von Industriekameras oder durch weitere externe Sensoren für mehr Semantik und erhöhte Nachvollziehbarkeit erweitert werden. Aus diesen Daten werden OEE-relevante Informationen wie aufgetretene Stillstandszeiten, die Zykluszeiten sowie Gutteile beziehungsweise der Ausschuss extrahiert.
Das System wird dazu temporär im Rahmen eines Analyseprojekts über einen repräsentativen Zeitraum, beispielsweise zwei Wochen, durch eine direkte Verbindung mit der Steuerung beim Kunden installiert. Basierend darauf wird zunächst der Verlauf der zentralen Kennzahlen berechnet. Dadurch werden die Verfügbarkeit, die Leistung und die Qualität transparent. Diese Transparenz liefert die Grundlage zur Priorisierung der weiteren Analyse. Im nächsten Schritt beantworten wir so zwei zentrale Fragestellungen:
- Welche Zusammenhänge und Muster finden sich in den Daten?
- Was sind die Kernursachen für die Produktivitätsverluste?
Zur Aufdeckung von Zusammenhängen werden zunächst eine Korrelations-, Muster- und Trendanalyse durchgeführt. Damit können unter anderem Zusammenhänge zwischen bestimmten Schichten oder Produkten und Störungen aufgedeckt werden. So konnten wir beispielsweise durch das Aufdecken deutlich längerer Stillstandszeiten während der Nachtschicht zeigen, dass sich eine Instandhaltungsschicht in der Nacht durch die Reduktion der Stillstandsdauern schnell rechnet.
Konkrete Maßnahmen im Blick
Neben reinen OEE-Kennzahlen sind Firmen natürlich vor allem an konkreten Maßnahmen zur Effektivitätssteigerung interessiert. Dazu dient die Ursachenanalyse. Zunächst werden, basierend auf Häufigkeitsverteilungen, die Prozess-stationen ermittelt, die für den Großteil der Störungen verantwortlich sind. Anschließend folgt die Analyse des Signalverlaufs zur Aufdeckung der Prozessschritte, während denen die Störung auftritt. Im Rahmen der Signalanalyse werden im letzten Schritt die Komponenten identifiziert, die für den Effektivitätsverlust verantwortlich sind. Durch statistische Auswertungen können sämtliche Verluste quantifiziert und darauf basierend priorisiert werden.
Die aufgetretenen Verlustursachen werden anschließend klassifiziert. Zur Validierung und weiteren Analyse durch Prozessexperten werden für jede Verlustgruppe automatisiert Videosequenzen extrahiert, um zusätzlich eine visuelle Transparenz über die Ursachen zu bieten. Am Ende der Analyse steht ein Maßnahmenplan, priorisiert nach der Wirtschaftlichkeit, in dem wir in vergangenen Projekten bis zu 10% summiertes Optimierungspotenzial aufdecken konnten.
Erfolgreich angewendet wurde das Verfahren unter anderem bei großen Automobilkonzernen und mittelständischen Kunden aus dem Pharma-Bereich. Dabei wird das System entweder temporär als Pilotanwendung für einzelne Anlagen oder als Modul zur Integration in die bestehende IT-Infrastruktur angeboten.
Das Verfahren wird aktuell weiterentwickelt, um die Frage zu beantworten, wie Effektivitätsverluste prognostiziert werden können, bevor diese in den Kennzahlen sichtbar werden. Dabei soll mit Partnern aus unterschiedlichen Branchen für einen umfassenden Stresstest des Werkzeugs bei der Transparenz-Erzeugung zusammengearbeitet werden.
Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA
Mehr zum Thema Industrie 4.0
