Fertigungseffizienz steigern: Job-Standards in Echtzeit mit MachineMetrics validieren

Präzise Job-Standards können über den operativen und finanziellen Erfolg eines Herstellers entscheiden. Fehlende Echtzeit-Validierungsmethoden für Setup- und Zykluszeiten führen zu schlechter Prognose – die Auswirkungen spüren alle Bereiche der Organisation.

In diesem Artikel diskutieren wir, wie Hersteller MachineMetrics nutzen können, um Job-Standards einfach gegen echte Performancedaten zu verifizieren und wie das Schärfen von Job-Standards hilft, Teile besser zu bepreisen und Jobs genauer zu planen.

Warum ist die Standardisierung Ihrer Jobs und Setup-Zeiten wichtig?

Hersteller haben oft Standards für die Zeit, die ein Teil braucht, sowie für die Setup-Zeit eines Jobs (um ein Teil herzustellen). Diese Standards werden oft in Design- und/oder Programmierphase gesetzt und oft nicht aktuell gehalten. Da Hersteller diese Standards manchmal für Pricing und Scheduling nutzen, entsteht eine Diskrepanz zwischen erwarteten und tatsächlichen Job- und Setup-Zeiten.

Das führt zu diversen Problemen, die sich durch den gesamten Betrieb ziehen:

• Bediener werden durch unrealistische Ziele basierend auf erwarteten vs. tatsächlichen Produktionsraten entmutigt – diese sind wahrscheinlich überoptimistisch
• On-Time-Delivery-Ziele sind schwer zu erreichen, da Kundenaufträge generell länger dauern
• Gewinnmargen sind schmaler als kalkuliert, da Pricing auf der Zeit basiert, die ein Teil braucht

Mit präzisen Standards – inklusive Jobs, Setups und Zykluszeiten – haben Hersteller ein besseres Gesamtverständnis der tatsächlichen erwarteten Produktionsperformance.

Mit diesem präzisen Standard als Benchmark können Manager Maschinenperformance, Bedienerperformance, Scheduling und Quoting verbessern, indem sie Zykluszeiten optimieren, Kapazitätsanalysen durchführen oder Line-Balancing-Chancen identifizieren – alles zur Prozessoptimierung.

Mit einer Lösung wie MachineMetrics können diese Performanceverbesserungen in Echtzeit getrackt und Job-Standards aktualisiert werden, um Änderungen widerzuspiegeln.

„Starke, präzise Job-Standards sind die fundamentale Schicht für optimierte Fertigungsprozesse und profitable Geschäftsergebnisse.“

Job-Standards mit MachineMetrics optimieren

Der Kern der Job-Standard-Optimierung ist die Nutzung tatsächlicher Performancedaten zur Steuerung erwarteter Job-Standards, wobei diese Standards kontinuierlich via Workflows aktualisiert werden.

MachineMetrics ermöglicht dies durch schnelle, einfache Maschinenanbindung, Datenkontextualisierung und Bereitstellung verständlicher Reports und Dashboards für Stakeholder, damit Standards gemäß Produktionsdaten aktualisiert werden können.

Datenquellen

MachineMetrics erfasst sowohl Maschinen- als auch Bedienerdaten in Echtzeit, um Produktions-Transparenz zu schaffen und präzise Job-Standards zu aggregieren, die via Workflows aktualisiert werden können.

Maschinendaten: Unsere Plug-and-Play-Lösung stellt sicher, dass Maschinen einfach angebunden werden und Daten direkt aus SPS mit Protokollen wie MTConnect, Fanuc, OPC-UA, UMATI, Mitsubishi, Citizen, Haas, Heidenhain, Siemens Sinumerik, Modbus und Ethernet IP erfasst werden. MachineMetrics Edge unterstützt digitales und analoges I/O für Maschinen ohne Standardkonnektivität, um selbst anspruchsvollste Equipment zu integrieren.

Bedienerdaten: Tablet-Interfaces an jeder Maschine erlauben Bedienern, menschlichen Kontext zu Maschinendaten hinzuzufügen. Bediener können Stillstand kategorisieren, Teile ablehnen und Jobs direkt an der Maschine starten/stoppen, um Qualitätsdaten zu managen und zu protokollieren.

Ein Bediener interagiert mit einem Tablet-Interface, um den Grund für ein Stillstandsereignis zu dokumentieren.

Welche Daten werden erfasst?

Vielfältige Informationen werden sowohl direkt von Fertigungsanlagen als auch von Bedienern, die Jobs an Maschinen ausführen, erfasst. Diese Daten können sowohl in Echtzeit als auch aggregiert für historische Analysen zur Baselining und Optimierung von Job-Standards genutzt werden.

• Setup-Zeiten
• Zykluszeiten
• Zykluszeit für jedes produzierte Teil
• Median und Mean Zykluszeiten für jeden Job-Lauf und aggregiert
• OEE und Performancemetriken
• Stillstands- und Ausschussgründe, assoziiert mit Job-Performance
• Job-Standards, inklusive vorgenommener Edits
• Historische Job-Performance

Dashboards und Reports

Produktionsdaten können in vorgefertigten Reports und Dashboards analysiert werden, um Jobs, Setups und Zykluszeiten sowie andere Schlüsselmeteriken, die Job-Standards etablieren oder beeinflussen, zu überwachen und zu baselinen.

Nachfolgend einige der vorgefertigten Reports in MachineMetrics zur Analyse und Optimierung von Job-Standards. Beachten Sie: Sie können Reports auch anpassen, um beliebige für Ihren Betrieb relevante Daten einzuschließen.

Produktionsreport

Der Produktionsreport bietet viele Metriken. Zur Job-Standard-Optimierung sollten Sie sicherstellen, dass folgende Produktions-Effizienz- und Job-Laufzeit-Metriken enthalten sind:

Produktions-Effizienz

Verfügbare Metriken im Produktionsreport zur Maschinen-Produktionseffizienz für einen abgeschlossenen Job:

• Produktions-Effizienz
• Gesamtteilzeit
• Tatsächliche Teilzeit
• Durchschnittliche PPH
• Ideale PPH
• Erwartete PPH
• Erwartete Teilzeit
• Ideale Teilzeit
• Gesamt-Setup
• Erwartetes Setup

Job-Laufzeiten

Verfügbare Metriken im Produktionsreport zu Maschinenlaufzeiten für einen abgeschlossenen Job:

• Erster Startzeitpunkt
• Letzter Endzeitpunkt

Unten ein Bild des Produktionsreports sowie ein Zoom auf einige der Schlüsselmeteriken, die Sie im Report berücksichtigen könnten:

OEE-Report

Die Verbindung zwischen OEE (Overall Equipment Effectiveness) und Job-Standards ist „Performance“ – eine der drei OEE-Metriken (neben Verfügbarkeit und Qualität).

Performance wird als Prozentsatz dargestellt und misst, wie gut Sie gegen Ihre Job-Standards performen.

Zur Vereinfachung: Wenn erwartete Zykluszeiten 1 Minute betragen und Sie 60 Teile in einer Stunde fertigen, ist Ihre Performance 100 %. Schaffen Sie nur 50 Teile in einer Stunde, liegt Performance bei 83 %.

Unten ein Blick auf den OEE-Report sowie ein Zoom auf die Metriken am Reportanfang:

Current Shift Dashboard

Das Current Shift Dashboard eignet sich hervorragend zur Echtzeit-Überwachung des Produktionsfortschritts. Es bietet Transparenz der Performance zum Ziel, damit Bediener erwartete und tatsächliche Leistung vergleichen können.

Es gibt mehrere Ansichten für das Current Shift Dashboard. Für Job-Standard-Optimierung sind die Parts-Goal-Ansicht und die OEE-Ansicht am relevantesten.

Unten ein Bild des Current Shift Dashboards auf einem Monitor. Unsere Kunden montieren diese Monitore typischerweise shopfloor-weit, damit alle Stakeholder vollständige Transparenz über alle relevanten Maschinen haben.

Zudem ein Bild eines gezoomten Current Shift Dashboards mit aktivierter „Parts Goal“-Ansicht.

Workflow zur Optimierung und Automatisierung der Job-Standard-Optimierung entwickeln

Wenn Produktion mit MachineMetrics überwacht wird, wird evident, dass einige Standards weit von der Erwartung abweichen. Das ist einfach Teil des Prozesses, Standards zu aktualisieren.

Hersteller sollten einen Job-Standards-Workflow nutzen, um verdächtige Standards zu erkennen, zu prüfen, ob sie aktualisiert werden müssen, und sie gegebenenfalls im ERP oder anderen System, das Jobs managt, zu aktualisieren.

Der Grund, warum verdächtige Standards vor einem Update im ERP oder anderen Managementsystem evaluiert werden sollten: Es kann einen vernünftigen Grund geben, warum ein tatsächlicher Job weit von der Erwartung abweicht.

Deshalb sind kontextuelle Daten von Bedienern unglaublich wichtig, um Gesamtperformance zu verstehen – besonders bei einzelnen Läufen, wo etwas Unwahrscheinliches passieren könnte, das die Job-Performance stark verzerrt.

Beispiel: Ein Bediener managt an einem Tag aufgrund von Personalmangel zwei Maschinen gleichzeitig. Die Zykluszeiten für die Jobs, die er läuft, werden wahrscheinlich höher als erwartet ausfallen. Da dies kein gängiges Szenario ist, sollte die Zykluszeit nicht aktualisiert werden.

Datenanalyse automatisieren

Diesen Use Case weiterführend können Hersteller Benachrichtigungen aktivieren, um das Erkennen von Job-Standard-Inkonsistenzen zu automatisieren. Diese Notifications können basierend auf Produktionsperformance getriggert werden, die tieferer Inspektion bedarf. Beispiel: Wenn die Zykluszeit eines Jobs um 20 % oder mehr von der erwarteten abweicht, kann dies automatisch Stakeholder alerten, damit sie tiefer analysieren und Job-Standards potenziell an die Daten anpassen.

Durch Aktivierung der Notifications können Hersteller die Analyse der Produktionsreport-Daten im Wesentlichen automatisieren, statt manuell nach Zykluszeiten zu scannen, die zu stark von erwarteten abweichen.

Eine Demo von MachineMetrics

Im untenstehenden Clip zeigen wir, wie Sie den Produktionsreport nutzen können, um Job-Läufe zu analysieren und verdächtige Standards zu identifizieren, die reviewt und potenziell aktualisiert werden sollten.

Nächste Schritte zu präzisen Job-Standards und Shopfloor-Transparenz

MachineMetrics erschließt präzise Echtzeit-Produktionsdaten und gibt Herstellern die Transparenz für bessere, schnellere, selbstbewusstere Entscheidungen.

Benchmarks und Optimierung Ihrer Job-Standards, Identifikation von Produktionsengpässen, Reduktion von Stillstandsereignissen und Ausschuss, Steigerung Ihrer Shop-Kapazität.

Wenn Sie tiefer in Job-Standard-Optimierung einsteigen möchten, lesen Sie den vollständigen Artikel in unserer Knowledge Base. Bei Fragen kontaktieren Sie unser Team oder buchen Sie eine Demo.