Smarte OEE Optimierung an Engpassmaschinen mit der Beratung NEONEX


Mit Hilfe von oee.ai und NEONEX war es ABUS möglich die OEE an Engpassmaschinen um einen zweistelligen Prozentsatz zu erhöhen

Projektbeschreibung

Das Ziel des Projektes mit ABUS, dem deutschen Hersteller von Sicherheitstechnik, war es, die Ursachen für Stillstände an der Engpassmaschine des ABUS-Werkes Rehe zu ermitteln und zu beheben. Dadurch sollten die OEE gesteigert, Transparenz in der Fertigung geschaffen und wichtige Prozessdaten gewonnen werden. Bisherige Maßnahmen zu Erhöhung der OEE auf Basis von papiergeführtem OEE-Management hatten nicht zu den gewünschten Ergebnissen geführt.

Um schnell relevante Daten zu sammeln und die richtigen Maßnahmen abzuleiten, installierten die Berater von NEONEX eine non-invasive IIOT-Applikation des NEONEX-Partners oee.ai und unterstützen den kontinuierlichen Verbesserungsprozess (KVP) durch regelmäßige OEE-Coachings.

Dafür wurden in einem gemeinsamen Kick-off Workshop mit Abus etwa 10 Verlustgründe an der Engpassmaschine (Geplante/ ungeplante Stillstände) identifiziert. Anschließend wurden ein Sensor zur Messung der Ausbringungsmenge und ein Tablet zur Eingabe der Stillstandsgründe durch die Maschinenbediener an der Engpassmaschine installiert. Auf Softwareseite wurde die oee.ai-Plattform mit den identifizierten Verlustgründen und einem individuellen Andon-Board mit den wichtigsten KPIs installiert. Im letzten Schritt des Onboarding-Prozess wurde die Awareness der Maschinenbediener durch einen gemeinsamen Workshop gesteigert und die Bedienung des Tablets erklärt.

Nach dem Onboarding erfolgte innerhalb von zwei Wochen die initiale Messung zur Erhebung von Referenzwerten zu den Stillstandszeiten und Stillstandsgründen. Anschließend wurden die gesammelten Daten im wöchentlichen OEE Coaching gemeinsam analysiert, Maßnahmen zur Optimierung der OEE abgeleitet und der Erfolg der bisherigen Maßnahmen getrackt.

Das Ergebnis für ABUS war beeindruckend: die Verluste konnten nachhaltig gegen null und die Nebenzeiten deutlich reduziert werden – eine maßgebliche Verbesserung der OEE im zweistelligen Prozentbereich.

Das erhöhte Bewusstsein der Mitarbeiter führte außerdem zu kürzeren Reaktionszeiten von Bedienern und anderen Abteilungen und somit einer Reduzierung der Meantime to Repair (MTTR).

So ergab sich für Abus auch eine höhere Flexibilität in der Schichtplanung. Die Kommunikation zwischen dem direkten und indirekten Bereich konnte auf Basis der gewonnen Daten verbessert werden.

Insgesamt ergaben sich für Abus trotz des geringen Aufwands bereits nach kürzester Zeit beeindruckende Ergebnisse. "Durch die datengestützte Optimierung unserer Engpassmaschine konnten wir nicht nur unser ursprüngliches Ziel – die Erhöhung der OEE – sondern auch weitere Vorteile erzielen. Beeindruckt hat mich und mein Team besonders die Geschwindigkeit, in der dieses Ergebnis erreicht werden konnte!" so Daniel Theis, Werkeiter bei ABUS.