Stefan Gregorzik

Digital Operational Excellence in der Praxis

Operational Excellence ist die Fähigkeit eines Unternehmens, die Wertschöpfungskette kontinuierlich hinsichtlich Effizienz und Effektivität zu verbessern. Es handelt sich um die Königsdisziplin in der Fertigungsindustrie. Unternehmen stehen unter ständigem Druck, ihre Herstellprozesse zu optimieren und die Produktivität zu erhöhen. Dafür sind jedoch einige Hürden zu überwinden: zum Beispiel mangelnde Koordination, papiergebundene Prozesse sowie eine Vielzahl aufwändiger manueller Tätigkeiten.

Für eine nachhaltige Optimierung der Produktion ist die Digitalisierung mithilfe von Manufacturing Operations Management (MOM)-Systemen eine zentrale Grundlage. Wobei IT-Aktivitäten unbedingt Hand in Hand gehen sollten mit der Gestaltung von Prozessen und Methoden und deren Verankerung in der Shopfloor-Organisation, die oft mit knappen Ressourcen, Qualifizierungslücken und eingeschränkter Handlungsfähigkeit zu kämpfen hat.

Auf Basis unserer Projekterfahrungen haben wir für Sie folgende typische Schritte zu einem erhöhten OEE (Overall Equipment Effectiveness) und EBIT zusammengefasst:

Qualifizierung und Einbindung

Die frühe Einbindung der Mitarbeiter*innen als Multiplikatoren trägt maßgeblich zum Erfolg des Projekts bei. Daher werden das Projektteam und die Führungskräfte zum Projektstart geschult. Dies schafft ein gemeinsames Verständnis und verankert die Aktivitäten nachhaltig. Um die Abdeckung von Prozesssträngen mit der Standardsoftware zu überprüfen und bei Bedarf Mock-Ups für das Zielsystem zu erstellen, müssen außerdem frühzeitig Key-User einbezogen werden.

Betriebsmittel und Asset-Management

Eine einfache Systemlösung ohne smarte Maschinenanbindung erzeugt meist bereits in einer ersten Phase des Vorhabens großen Nutzen. Das gilt zum Beispiel für die Instandhaltung. Durch Asset Management wird der Zustand des Equipments „as maintained“ dokumentiert. Dies ermöglicht es, ähnliche Anlagengruppen standardisiert zu betreuen und Abweichungen zu identifizieren (Benchmarking). Weitere Potenziale liegen in der vereinheitlichten Ersatzteilverwaltung.

Systemübergreifende Datenlogistik

Im nächsten Schritt ist typischerweise eine Einbindung in die unternehmensweite Datenlogistik notwendig. Dazu werden führende Systeme und Konsument*innen identifiziert und das Matching an deren Schnittstellen konzipiert. Diese Konzeption, die oft der aufwändigste Teil zur Herstellung einer stabilen Datenlogistik ist, sollten Unternehmen nicht unterschätzen. In der technischen Realisierung sind dann für Standardsysteme wie SAP zertifizierte Schnittstellen zu bevorzugen, da individuelle Ansätze oft wartungsintensiv und nicht zukunftssicher sind.

Optimierung der Shopfloor-Steuerung

Sind Auftragsdaten (aus Vorsystemen) und Equipment im MOM-System verfügbar, geht es mit der Optimierung der Prozesse rund um die Produktions- und Shopfloor-Steuerung weiter: Fehleranfällige Excel-Werkzeuge werden ersetzt, die Planungskonsistenz gesteigert und manuelle Aufwände reduziert.

Beispielsweise können Werker*innen über eine effektive Betriebsdatenerfassung (BDE) Ausschussursachen und -mengen melden. Dies verbessert die Informationsgrundlage zur Steuerung. Durch die digitale Bereitstellung von Fertigungsunterlagen lassen sich manuelle Aufwände und Fehlerquellen reduzieren. All diese Maßnahmen erhöhen die Akzeptanz digital verfügbarer Informationen bei den Werker*innen deutlich.

Maschinenanbindung und Datenaufbereitung

Durch die Anbindung von Maschinen und Anlagen an das MOM-System (Maschinendatenerfassung, MDE) entsteht ein umfassendes Bild der aktuellen Fertigungssituation. Dadurch können Unternehmen zustandsbasierte (condition-based) und vorausschauende Instandhaltungsmaßnahmen (Predictive Maintenance) realisieren. Von besonderer Bedeutung ist auch die Implementierung eines übergreifenden Energiemanagements auf dieser Basis, denn das System liefert Daten für die Berechnung des CO₂-Footprints in der gesamten Fertigungskette.

Digitales Shopfloor Management

Ein digitales Shopfloor Management (SFM) bildet eine zentrale Schnittstelle zwischen IT und Prozessoptimierung. SFM ist der zentrale Hebel für kontinuierliche Verbesserung in der Produktion und wird methodisch durch kaskadierende Regelmeetings getragen. So können Erkenntnisse und Probleme von der Werkshalle bis zur Standortebene, von den OEEs und Verlustgründen an einer Anlage in einer Schicht bis hin zum Einfluss auf Betriebsleistung und Standort-EBIT visualisiert und bearbeitet werden.

OEE stabilisieren und verbessern

Der Fokus bei der Verbesserung des OEE liegt häufig darauf, Laufzeitverluste und Störgründe zu reduzieren. Basis dafür ist das konsolidierte Gesamtbild aus MDE und BDE mit identifizierten, messbaren Verlustursachen je Maschine. Eine typische, auf viele Unternehmen übertragbare Erkenntnis ist, dass OEE-Verluste nicht nur durch Maschinendefekte begründet sind. Häufig entstehen sie durch organisatorische Probleme. So sind neben Rüstworkshops, Maßnahmen zur Maschinenreinigung und Mitarbeiter*innen-Qualifizierung auch Teilprojekte in den Office-Bereichen von großer Bedeutung (z. B. Auftragsabwicklung, Planung/Steuerung und Produktentwicklung/Stammdaten).

Unternehmensweiter Nutzen Digitalisierung via MOM-Software erzeugt eine Basis, mit der Unternehmen ihre Produktion nachhaltig optimieren können. In typischen Fällen wie im mittelständischen Maschinenbau sind dadurch Verbesserungen des mittleren OEE aller Maschinen um mehr als 10 Prozentpunkte sowie eine Erhöhung des Standort-EBIT um mehr als 2 Prozentpunkte durchaus realistisch. In dem Maße, wie ausreichend Aufträge vorhanden sind, spiegelt sich eine gesteigerte Produktivität unmittelbar in einem erhöhten EBIT wider. Zugleich wirken sich die verbesserte Prozessqualität und Reaktionsfähigkeit positiv auf die Kundenbeziehung aus.

Entdecken Sie die ungenutzten Potenziale Ihrer Produktion in dem Webcast mit Leonardo und CONTACT! In der Webcast-Aufzeichnung erfahren Sie, wie Sie Ihre Produktion optimieren und nachhaltige Effekte realisieren können.

Black Box IoT?

Wer kauft schon gerne die Katze im Sack? Zumal wenn damit komplettes Neuland betreten wird… Der erste Kinderwagen zum Beispiel: Man ist sich zwar schon darüber im Klaren, dass man ihn braucht, aber die Entscheidung, ob es ein kleines Packformat oder doch lieber die Fahrradanhänger-Kombi sein soll, ist da schon schwieriger.

Der letzte Kinderwagenkauf ist jetzt schon einige Zeit her (mittlerweile bin ich Experte im Kauf von Skateboards). Falls Sie aber gerade vor der Wahl stehen, empfehle ich Ihnen ein dunkles Modell, da sieht man den Dreck nicht so deutlich.

Ein IoT-System ist zwar in der Regel nicht so dreckempfindlich, seine Auswahl ist dafür aber umso komplexer. Zumal viele Unternehmen damit Neuland betreten und schon an der Auswahl der richtigen Kriterien schier verzweifeln können.

Hier habe ich zwei gute Nachrichten. Erstens: Welche IoT-Lösung passt, lässt sich einfach ausprobieren. Ein Proof of Concept ist eine sehr gute Möglichkeit, eine Lösung ohne große Risiken zu testen, bevor Sie sich für ein System entscheiden. Und zweitens: So sehr IoT auch neue Chancen bietet – so sehr basieren smarte Geschäftsprozesse auf guten alten Tugenden:

Sind Sie sich sicher, wie Ihr IoT-Geschäft aussehen wird und das es auf lange Zeit so bleibt? Wahrscheinlich nicht. IoT ist ein sehr volatiler Markt, in dem gerade eine ganze Menge passiert. Also muss Ihr IoT-System reaktionsstark sein und am besten von der Fachabteilung selbst angepasst werden können. Das Stichwort dahinter heißt „low code„, das heißt keine aufwändige Programmierung, um Ihre Prozesse abzubilden. Und wenn das nicht reicht, sollte das System so modular sein, dass man zusätzliche Komponenten einfach „nachladen“ kann.
Entsteht Ihr IoT-Geschäft auf der grünen Wiese oder erweitert es Ihr bestehendes Business? Wenn Letzteres der Fall ist, dann sollte Ihr IoT-System mit der übrigen IT-Welt in Ihrem Unternehmen sprechen können: Ersatzteilbestellungen zum Beispiel sollten ja in aller Regel einmal bei der Finanzbuchhaltung vorbeigekommen sein. Offene oder sogar zertifizierte Schnittstellen sind auch hier das A und O.
Stellen Sie Industriegüter her? Haben Sie auch mal mit Ersatzteilen und Wartung zu tun? Dann wird Ihr neuer bester Freund im IoT-Neuland der „Digitale Zwilling„. Aber nur, wenn er auch industrietauglich ist: Er muss die Komponenten Ihrer Anlage detailliert abbilden können (am besten mit zugehörigem 3D-Modell), die aktuellen Parameter wie Software-Stände kennen und insbesondere Veränderungen nach Wartung oder Umbau dokumentieren können.

Die Anbindung von Geräten ist ehrlich gesagt meist nur eine Frage von Fummelarbeit, in aller Regel aber kein grundsätzliches Problem. Schritt für Schritt setzen sich hier Standardprotokolle für die Machine-to-Machine (M2M)-Kommunikation wie MQTT (Message Queuing Telemetry Transport) oder OPC/UA (Unified Architecture) durch und machen allen Beteiligten das Leben leichter.

Also: Probieren Sie es mit einem Proof of Concept einfach aus! Wenn Sie dabei auch noch auf die drei Prüfsteine achten, sind Sie gut im Rennen. Dann stehen Ihnen die Möglichkeiten von „Analytics“, „Big Data“, „Data Driven Processes“ oder „Predictive Maintenance“ offen.

Dieses „M“, das doch eigentlich viel sein sollte, als heiße Luft…

Der Begriff [‘mänätschmänt] blickt auf eine langjährige Karriere als inhaltsleere Füllwortmasse in allen Bereichen des Lebens zurück. Im Wesentlichen ist sie dazu da, das Ausatmen bei der Vertonung komplexer Wortgebilde zu erleichtern. Und auch unser aller Lieblingsabkürzung wurde leider nicht davon verschont – wo sie doch mit „P“ und „L“ so einen schmissigen Anfang genommen hat.

Machen wir das Beste draus, wagen wir das Experiment, das „M“ einmal ernst zu nehmen. Was wäre denn die Quintessenz vom „managen“ beim „productlifecyclen“? Kosten im Griff behalten – ja klar, zentral wichtig, aber im Kern die Ägide des Controllings. Termine? Macht das Projektmanagement (hoffentlich). Last but not least: Der Kern des „PL-“ Managements liegt für mich darin, den Reifegrad des Produktes unter Kontrolle zu haben.

Reifegrad hat dabei zwei Perspektiven:

1. Der Grad, in dem ein Produkt das macht, was es soll.

2. Der Grad, in dem das Produkt so hergestellt werden kann, wie man es haben will.

Diese beiden Sichtweisen werden gerne als Produkt- und Prozessreifegrad bezeichnet

Um so einen Reifegrad zu bestimmen oder gar zu steuern, ist es von Vorteil, erst einmal zu beschreiben, wogegen man messen will. Ich hätte dazu noch einen Begriff mit Füllwortende im Angebot: Anforderungsmanagement. Mit dem Vehikel „Anforderung“ beschreibe ich klassisch, was ein Produkt machen soll. Reicht aber nicht! Ich muß auch beschreiben, wie ich ein Produkt herstellen will! Das nennt sich dann „Front-Loading“ und hilft ganz gewaltig, den Zielraum für eine Produktentwicklung zu konkretisieren.

Wie aber das Wort „Entwicklung“ schon sagt, steuere ich hier gegen ein bewegliches Ziel, Produkt und Prozess wachsen weiter, machen manchmal auch einen Schritt rückwärts. Der Reifegrad muß also auch ein Ausdruck dafür sein, wie erfolgreich meine verschiedenen Konzeptalternativen sind bzw. wie weit ich den Trichter möglicher Optionen schon eingeengt habe (letztes Buzzword für heute: Set-Based Engineering).

So ergibt sich ein Korridor von Fakten, gegen den die Produktentwicklung reflektiert werden kann: Hat meine Entwicklung alle Anforderungen im Blick (Abdeckungsgrad)? Kann ich die Anforderungen auch bedienen (Erfüllungsgrad)?

Zum Thema „Abdeckungsgrad“ empfehle ich den Blog-Beitrag von Michael Wendenburg zum Systems Engineering, das ist eine Frage der intelligenten Verdrahtung von Informationen untereinander. Der Erfüllungsgrad wiederum ist eine Frage der Absicherung – und hier wird’s jetzt ein bißchen heterogen…

Absicherung stand lange Zeit synonym für den guten alten Versuch: Hält es noch, wenn man dran rüttelt? Läuft irgendwo Öl ‘raus? Entschuldigung an alle Kollegen aus dem Versuch für die saloppe Formulierung. Was ich damit verdeutlichen will, ist die Krux, daß der Versuchsplan sich in Ermangelung an klar formulierten Anforderungen auch nicht an solchen orientieren kann. Was man im Versuch herausfindet, wird klassischerweise so gut wie möglich gegen einzelne Teile oder Baugruppen dokumentiert und daraus ein (Produkt-) Reifegrad interpretiert.

Das Gleiche gilt grundsätzlich auch für die Absicherung der anderen Reifegrad-Perspektive. Aber Herstellbarkeitsprüfungen, Verbauuntersuchungen, Try-Outs zur Prozess-Stabilität… müssen eher noch ein härteres Schicksal tragen: Ergebnisse wie „läßt sich nicht mit dem Schrauber erreichen“ können wenigstens noch auf einen Bauraum bezogen werden, aber „zu breit für die Lackierkabine“ ist schon deutlich schlechter aufzulösen. Und es geht ja auch noch weiter: Sind die Logistik-Prozesse reif, klappt die IT-Versorgung für die Produktion und und und …

Nun existiert dazu auch noch eine veritable Parallelwelt: Simulation hat Ihren Platz in den Entwicklungsorganisationen gefunden, sowohl für Produkt-, als auch Prozessthemen. Allerdings ringen viele Beteiligte noch mit der Verdrahtung doch unterschiedlicher Prozesswelten. Typische Rückmeldungen aus der Simulation lauten in etwa „würde halten, wenn Du den Radius etwas kleiner machst“ – und das womöglich in sehr frühen Konzeptphasen, wo es kaum eine ausgegorene Produktstruktur als Referenz gibt.

Spätestens hier wird also der Zusammenhang zwischen Reifegrad und Alternativen besonders deutlich: Messe ich das eine, bewerte ich das andere.

Um managen zu können, brauchen ich ein gemeinsames Raster für Entwicklung und Absicherung, an dem Ergebnisse der sehr unterschiedlichen Aktivitäten gespiegelt werden. Egal ob Simulation oder physische Absicherung, frühe Konzepte oder B-Muster – ich benötige eine vereinheitlichte Aussage über den Reifegrad meiner Ergebnisse. Und nur auf der Ebene von Anforderungen habe ich ein hinreichend abstraktes Vehikel, um so ein Raster darzustellen und alle genannten Fraktionen abzuholen.

Wenn man „Management“ ernst nehmen will, dann sind wir hier – glaube ich – an einer guten Stelle dafür angelangt.