OEE noch lange nicht ausgereizt
Process Mining zeigt unentdecktes Potenzial auf
Wie Sie mit Process Mining die OEE-Performance steigern
Die digitalisierte Produktionssteuerung mittels MES (Manufacturing Execution System) hat sich als Grundpfeiler in Produktions- & Fertigungsunternehmen fest etabliert. Mit dem täglichen Einsatz eines MES in der Produktion geht ein Gewinn vieler Kennzahlen einher. Diese Produktionskennzahlen bilden die Basis für die Ermittlung der Gesamtanlageneffektivität (engl. OEE, Overall Equipment Effectiveness) auf dem Weg zu mehr Transparenz in Unternehmen. Mehr Kennzahlen bedeuten mit Blick auf die OEE nicht unbedingt sofort mehr Gewinn an Erkenntnis und Optimierung. Process Mining kann hier den entscheidenden Schritt weiterbringen, um das nächste Transparenzlevel zu erreichen und die Leistungsfähigkeit der Produktion zu erhöhen. Gerade mit Blick auf die sonst bekannten Kernprozesse bietet sich unentdecktes Optimierungspotenzial.
Im MES-Umfeld liegt der Datenschatz
Mit der digitalen Abbildung der Prozessschritte in der Produktion, ist das MES ein wahrer Datenschatz. Neben An- und Abmeldungen von Arbeitsvorgängen werden Informationen zu Stücklistenverbräuchen, Produktkonfigurationen, Maschineninformationen und vieles mehr dokumentiert. Aus solchen Eingabeinformationen durch die Werker und das Leitungspersonal werden durch fortlaufende Dokumentation Kennzahlen.
Aus diesen Kennzahlen leiten sich die Faktoren zur Verfügbarkeit, Leistung und Qualität ab, die wiederrum Grundlage für die OEE-Berechnung liefern. Doch viele Kennzahlen haben keinen konkreten Bezug zum eigentlichen Auftrag. Auf dem Weg zu mehr Transparenz hilft die Standardisierung von Kennzahlen, um zum Beispiel mehrere Produktionsstandorte miteinander vergleichen zu können.
Dunkelfeld Nebenprozesse
Kernprozesse sind in den Produktionsstätten bekannt und seit Jahren in der aktiven Optimierung. Nebenprozesse, die in die Produktion einwirken sind eher unbekannt, haben aber Einfluss auf die Verfügbarkeit, Leistung und Qualität.
Nebenprozesse entstehen dort, wo Ereignisse wiederkehrend stattfinden und kein direktes Zutun in der Wertschöpfung der Produktion haben. Sie liegen unterhalb der Kiellinie und erinnern an das Eisbergmodell. Beispiele sind hierfür Warte- und Liegezeiten. Diese können technischer Natur bzw. notwendig sein, z.B. Trocknung nach Lackieren. Oftmals schlummert das Material aber auch ein paar Tage länger, bis es weiterverarbeitet wird. Weitere Beispiele sind Rüstzeiten in den Werklinien und fehlendes Material für Montagevorgänge.
Überall dort, wo sich Nebenprozesse eingeschlichen oder als gegeben hingenommen werden, verliert der OEE an Performance, da diese die Kernprozesse negativ beeinflussen. Wie dies aussehen kann, wird anhand eines geradlinigen und gewünschten Soll-Prozessverlaufs links und eines tatsächlichen Ist-Prozessverlaufs rechts in Abbildung 2 gut sichtbar:
Was macht Process Mining anders?
Process Mining liefert Software-basiert den nächsten Schritt in Sachen Transparenz, weil es die ursprünglich statischen Kennzahlen auf Basis tiefgehender Informationen dynamisiert und Prozesseinflüsse und Prozessvarianten in der Produktion deutlich sichtbarer macht. Der Zusammenhang der Entstehung von Kennzahlen wird damit erleichtert, weil die Darstellung nicht mehr über mehrere Excel-Tabellenblätter verläuft, sondern mittels Prozessgraphen dargestellt wird. Die Daten und die Darstellungen sind filterbar und können intensiv untersucht werden. Zusätzlich können auch Prozessszenarien bei Änderungen von KPIs simuliert werden.
Process Mining ist eine Symbiose aus Datenanalytik und Prozessmanagement. Mittels Process Mining können sowohl Prozesskennzahlen erhoben als auch auf die Kennzahl Einfluss nehmende Faktoren, wie Warte- und Liegezeiten, Prozesswiederholungen oder Produktkonfigurationen analysiert werden. Grundlage hierfür sind digitale Prozessspuren im MES, die in Form von Aktivitätsprotokollen vorliegen. Man spricht hierbei von Log-Daten.
Wie starten?
Unsere Erfahrung zeigt, dass ein kurzes Pilotprojekt bzw. ein Proof of Concept (PoC) ein guter Anfang ist. Um erste Ergebnisse zu sehen, gibt es vier einfache Schritte, nachdem Sie den ersten Prozess, den Sie untersuchen wollen, identifiziert haben:
- Extrahieren von Ereignisprotokolldaten aus dem/den Quellsystem(en)
- Anreichern dieser Daten mit zusätzlichen Informationen aus ERP- oder bestehenden IT-Systemen
- Importieren der Daten in ein Software-basiertes Process-Mining-Tool
- Einstieg in Analyse über visuelle Prozessdarstellung und initialen Kennzahlen
Flaschenhals in der Produktion finden – Beispiel Taktzeiten
Der Kundentakt ist in der Fertigung das Maß, an dem sich die Gestaltung der Arbeitsplätze und die Aufgabenverteilung orientieren. Den Kundentakt einzuhalten und an jeder Arbeitsstation möglichst genau zu treffen ist das Ziel einer ausbalancierten Produktion. Weicht der Arbeitstakt vom Kundentakt ab, sinkt die OEE-Performance oder verharrt auf einem niedrigeren Niveau.
Die regelmäßige Analyse der Austaktung ist mit hohem Aufwand verbunden. Alle bisherigen Ansätze vereint, dass sie mit hohen Aufwänden verbunden sind und nicht laufend, sondern eher punktuell und für den Moment stattfinden.
Process Mining ermöglicht die Ermittlung auf Basis der Vorgangsrückmeldungen die exakten Taktzeiten jedes einzelnen produzierten Teils einer jeden Schicht, eines Tages oder einer Woche und findet mit Hilfe von Kontextinformationen Gründe für Abweichungen des Arbeitstakts vom Kundentakt.
Bei einer Root-Cause-Analyse wird eine erkannte Schwachstelle auf ihre Ursprünge zurückgeführt. Eine typische Schwachstelle, die im Rahmen der Taktzeitanalyse auftritt, ist die Identifizierung eines Flaschenhalses in der Produktion. Sofern dieser bekannt ist, kann Process Mining dabei durch Simulationen unterstützen, eine Lösung zu finden. Zusätzlich macht es Process Mining deutlich einfacher, Änderungen in der täglichen Produktionspraxis schneller und KPI-basierend nachzuvollziehen, um zu erkennen, ob die erdachten Optimierungen wirklich Wirkung zeigen und die OEE-Performance verbessern.
Im gesamten Unternehmen sinnvoll
Natürlich sind die Fertigungs- & Produktionsprozesse nicht die einzigen, die es wert sind, analysiert zu werden. So ziemlich jeder digitale Prozess in einem Unternehmen bietet Optimierungspotenzial. Die Botschaft ist dieselbe: die Daten sind bereits in den Systemen vorhanden und die Erkenntnisse sind schnell verfügbar.
Die Process-Mining-Technologie bietet volle Prozesstransparenz und datengestützte Entscheidungshilfen für die Prozessoptimierung für eine deutliche Verbesserung Ihrer OEE-Performance.