Der Unterschied zwischen einem Instandhaltungsmanager, der mit voneinander getrennten Werkzeugen arbeitet, und einem, der mit einer einheitlichen OEE- und CMMS-Plattform arbeitet, lässt sich nicht in Funktionen messen.
Es wird in Minuten gemessen.
Minuten zwischen dem Auftreten einer Störung und dem Entsenden eines Technikers.
Minutenlang wurde nach einem Ersatzteil gesucht, das sich möglicherweise gar nicht im Lager befindet.
Minuten dauernde Rekonstruktion der Ausfallhistorie einer Maschine aus dem Speicher, da die digitale Aufzeichnung unvollständig ist.
OEE direkt von Ihren Maschinen – ganz ohne manuelle Erfassung?
Live ansehenMinutenlang wird ein manueller Bericht verfasst, den jemand anderes in einem Dashboard zusammenfassen wird, das bereits zwei Tage alt ist.
Dieser Artikel beschreibt einen typischen Produktionstag – von 6:00 Uhr morgens bis 18:00 Uhr abends – der zweimal nachvollzogen wird.
Zunächst durch einen Instandhaltungsleiter, der mit den unverbundenen Werkzeugen arbeitet, die die meisten mittelständischen Hersteller heute verwenden.
Anschließend durch einen Instandhaltungsmanager, der mit einer einheitlichen OEE- und CMMS-Plattform arbeitet.
Die Ereignisse sind die gleichen.
Die Ergebnisse sind es nicht.
Mike ist Instandhaltungsleiter bei einem mittelständischen, diskreten Fertigungsunternehmen, das Automobilkomponenten herstellt.
Seine Anlage betreibt drei Produktionsschichten in 14 Produktionszellen – Stanzen, Roboterschweißen, Zerspanen und Endmontage.
Er leitet ein Team von sechs Technikern.
Seine Leistung wird anhand von drei Kennzahlen gemessen: Häufigkeit ungeplanter Ausfallzeiten, Einhaltungsquote der vorbeugenden Instandhaltung und wöchentlicher OEE-Wert des Werks.
Er bekleidet diese Position seit vier Jahren.
Er ist gut in seinem Job.
Er verbringt einen erheblichen Teil seines Tages damit, Informationslücken zu schließen, anstatt sich um die Instandhaltung zu kümmern.
Darum geht es in diesem Artikel.
Mike trifft um 6:00 Uhr morgens in der Einrichtung ein.
Der Wartungstechniker der Nachtschicht hat eine Übergabenotiz auf dem Schreibtisch des Vorgesetzten hinterlassen.
Es heißt: „Leitung 7 hatte gegen 3 Uhr morgens Probleme. Behoben. Außerdem macht die Hydraulikpresse in Zelle 4 Geräusche. Sollte man vielleicht überprüfen.“
Mike liest es.
Er weiß nicht, was mit „Problemen“ in Zeile 7 gemeint ist.
Er weiß nicht, ob es sich bei der Reparatur um eine ordnungsgemäße Instandsetzung oder nur um eine vorübergehende Behelfslösung handelte.
Er weiß nicht, wie lange die Leitung ausgefallen war.
Er weiß nicht, welche Teile verwendet wurden.
Er weiß nicht, ob das Geräusch der Hydraulikpresse zu Beginn der Schicht auftrat oder sich erst im Laufe der Schicht entwickelte.
Er schickt dem Nachtschichttechniker eine WhatsApp-Nachricht und bittet um weitere Details.
Er wartet.
Er beginnt seinen Morgen mit unvollständigen Informationen über den Zustand seiner Produktionshalle.
Mike öffnet Fabrico auf seinem Handy, bevor er den Parkplatz erreicht.
Das Dashboard für die Schichtübergabe zeigt ihm alles, was die Nachtschicht aufgezeichnet hat.
Die Linie 7 musste um 02:47 Uhr außerplanmäßig anhalten – es kam zu einem Alarm des Filmantriebsmotors, der als elektrischer Fehler eingestuft wurde.
Aus dem Korrekturauftrag geht hervor, dass das Problem um 03:31 Uhr behoben wurde.
Gesamtausfallzeit: 44 Minuten.
Der Techniker protokollierte die Korrekturmaßnahme – der Anlaufkondensator des Motors wurde ausgetauscht, die Teilenummer bestätigt und der Lagerbestand aktualisiert.
Die Hydraulikpresse an Zelle 4 erzeugte zwischen 04:10 und 05:45 drei Mikrostopp-Ereignisse, die jeweils zwischen 90 Sekunden und vier Minuten dauerten.
Das OEE-System klassifizierte diese als kleinere Stillstände im Rahmen des Sechs-Großverlust-Modells.
Der Leistungstrend von Zelle 4 zeigt, dass die Presse in den letzten sechs Schichten mit 94 % der Zielzykluszeit lief.
Um 05:50 wurde eine zustandsbasierte Warnung generiert, die aufgrund des Musters der Leistungsverschlechterung eine Überprüfung des Hydrauliksystems empfahl.
Der Arbeitsauftrag befindet sich bereits in der Warteschlange.
Mikes Tag beginnt mit einem vollständigen Bild des Zustands seines Fußbodens über Nacht.
Er weiß, was passiert ist, was dagegen unternommen wurde und was noch Aufmerksamkeit erfordert.
Er hat keine einzige Nachricht geschickt.
An der Produktionsbesprechung um 7:15 Uhr nehmen Mike, der Produktionsleiter, und der Werksleiter teil.
Der Produktionsleiter beginnt mit dem wöchentlichen OEE-Bericht – dieser zeigt, dass die Anlage bei 67 % OEE liegt, während das Ziel bei 75 % liegt.
Der Produktionsleiter führt 8 Punkte des Verlusts auf wartungsbedingte Ausfallzeiten zurück.
Mike ist anderer Meinung.
Drei dieser Ausfallereignisse wurden durch eine Unterbrechung der Materialversorgung verursacht – nicht durch einen Geräteausfall.
Zum einen handelte es sich um ein geplantes Wartungsfenster, das im Produktionsplan nicht berücksichtigt worden war.
Das weiß er, weil er dabei war.
Aber er kann es in der Besprechung nicht beweisen, weil seine Wartungsaufzeichnungen in einem CMMS gespeichert sind, das nicht mit dem OEE-System kommuniziert.
Das Meeting endet mit der Anweisung an Mike, bis Ende der Woche einen detaillierten Bericht zur Ursachenanalyse der Ausfallzeiten zu erstellen.
Die manuelle Erstellung dieses Berichts aus zwei separaten Systemen wird drei Stunden dauern.
Das Produktionsmeeting um 7:15 Uhr beginnt damit, dass der Werksleiter das Fabrico-Dashboard auf dem Bildschirm im Besprechungsraum aufruft.
OEE für die Woche: 67 % gegenüber einem Zielwert von 75 %.
Die Aufschlüsselung der sechs größten Verluste zeigt die Verlustkategorien automatisch an.
Ungeplante Ausfallzeiten: 4,2 % – davon sind 1,8 % auf Geräteausfälle und 2,4 % auf Materialversorgungsunterbrechungen zurückzuführen, die von den Bedienern zum Zeitpunkt des Auftretens protokolliert wurden.
Geplante Wartung: 1,1 % – einschließlich des Wartungsfensters, das am Mittwoch 23 Minuten über dem Zeitplan lag, weil das Ersatzlager eine Sondergröße hatte.
Auf- und Abspielverluste: 3,7 % – hauptsächlich aufgrund der Formatumstellung in Zelle 9, die 47 Minuten dauerte, während die Zielvorgabe bei 28 Minuten lag.
Die Zuordnung ist klar, strukturiert und wird vor Beginn des Meetings vereinbart.
Die Diskussion konzentriert sich sofort darauf, was mit den einzelnen Verlustkategorien geschehen soll, anstatt darüber zu streiten, was sie verursacht hat.
Mike muss keinen manuellen Bericht erstellen.
Die Daten sind bereits vorhanden.
Um 8:30 Uhr ruft der Produktionsleiter Mike an.
Die Rundfüllmaschine an Linie 3 ist stehen geblieben.
Mike geht zur Linie 3.
Die Maschine zeigt einen Alarmcode an, den er nicht sofort erkennt.
Er fragt den Operator, was passiert ist.
Der Betreiber sagt, der Motor habe vor etwa 20 Minuten angefangen, langsamer zu werden, und sei dann stehen geblieben.
Mike versucht sich zu erinnern, ob diese Maschine schon einmal einen ähnlichen Fehler hatte.
Er glaubt, dass es vor etwa acht Monaten passiert sein könnte, aber er kann sich nicht erinnern, was die Ursache war oder wie das Problem behoben wurde.
Er geht zurück in sein Büro, um im CMMS nach historischen Aufzeichnungen zu suchen.
Er findet zwei Arbeitsaufträge, die relevant sein könnten.
Eines der Geräte enthält einen aussagekräftigen Fehlercode. Das andere gibt „repariert“ ohne weitere Details an.
Er ruft seinen erfahrensten Techniker an, erklärt ihm die Situation am Telefon und bittet ihn, zu Leitung 3 zu kommen.
Der Techniker trifft 18 Minuten nach dem ersten Anruf ein – mit allgemeinem Werkzeug, aber nicht mit den spezifischen Bauteilen, die zur Behebung des Fehlers höchstwahrscheinlich benötigt werden.
Die Diagnose dauert weitere 25 Minuten, da die Fehlerhistorie unvollständig ist.
Der Techniker muss ins Lager gehen, um Ersatzteile zu holen.
Das Ersatzteil ist auf Lager – befindet sich aber an einem anderen Ort als dem, an dem es laut Lagersystem sein sollte.
Gesamtzeit vom Auftreten des Fehlers bis zum Neustart der Maschine: 87 Minuten.
Um 8:30 Uhr morgens stellt Fabrico fest, dass die Rotationsabfüllmaschine auf Linie 3 langsamer läuft als ihre Zielzyklusrate.
Um 8:31 Uhr stoppt die Maschine und generiert einen Alarmcode.
Fabrico erstellt automatisch einen prioritären Arbeitsauftrag – klassifiziert als ungeplante Korrekturmaßnahme, verknüpft mit der vollständigen Wartungshistorie des Anlagenteils und vorausgefüllt mit den drei häufigsten Ursachen für diesen spezifischen Alarmcode bei diesem Maschinentyp.
Der Arbeitsauftrag erreicht Mikes Techniker um 8:31 Uhr auf seinem Mobiltelefon.
Es zeigt den Alarmcode, seine wahrscheinlichsten Ursachen, die letzten fünf Arbeitsaufträge der Maschine als Kontext und die Teileliste für die wahrscheinlichste Reparatur.
Daraus geht hervor, dass die spezifische Lagerbaugruppe, die am häufigsten mit diesem Fehler in Verbindung gebracht wird, auf Lager ist – Lagerplatz C, Regal 4.
Der Techniker befindet sich um 8:34 Uhr im Lagerraum.
Um 8:39 Uhr ist er an der Maschine – neun Minuten nach dem Auftreten des Fehlers – und hat das richtige Ersatzteil und die richtigen Informationen.
Die Diagnose bestätigt die Lagerbaugruppe.
Gesamtzeit vom Auftreten des Fehlers bis zum Neustart der Maschine: 34 Minuten.
Im Vergleich zum „Vorher“-Szenario wurden 53 Minuten eingespart.
Bei einer Produktionslinie mit einem Produktionswert von 380 US-Dollar pro Stunde entsprechen diese 53 Minuten einem durch einen einzelnen Vorfall wiederhergestellten Output von 335 US-Dollar.
Bei 40 Vorfällen pro Monat generiert allein die Verbesserung der mittleren Reparaturzeit (MTTR) einen monatlichen Produktionswert von über 13.000 US-Dollar.
Mike erhält einen Anruf von einem Techniker, der an einer geplanten vorbeugenden Wartung der Hydraulikpresse in Zelle 4 arbeitet.
Die Wartungscheckliste sieht den Austausch des Hydraulikfilters vor.
Der Techniker kann den Filter im Lagerraum nicht finden.
Das Warenwirtschaftssystem zeigt 3 Stück auf Lager an.
Nach 20 Minuten Suche findet der Techniker zwei Filter an einem anderen Ort als dem, an dem sie sich laut System befinden sollten.
Sie entsprechen einer anderen Spezifikation als der, die der Premierminister verlangt.
Mike ruft den Instandhaltungskoordinator an, um eine dringende Bestellung aufzugeben.
Der Koordinator befindet sich in einer Besprechung.
Mike schickt die Kaufanfrage per E-Mail.
Der Premierminister wird vorerst auf Eis gelegt, während man auf das Ersatzteil wartet.
Das geplante Wartungsfenster ist abgelaufen.
Der Nachmittag wird verschoben.
Die Hydraulikpresse wird ohne Filterwechsel wieder in Betrieb genommen.
Der Wartungsauftrag für die Hydraulikpresse von Zelle 4 wurde vor drei Tagen erstellt, da die Presse die für die planmäßige Wartung erforderliche Betriebsstundenschwelle überschritten hatte.
Bei der Erstellung des Arbeitsauftrags überprüfte Fabrico automatisch die benötigten Ersatzteile anhand des aktuellen Lagerbestands.
Der für diese Wartung benötigte Hydraulikfilter befand sich im Mindestbestand.
Vor drei Tagen wurde eine automatische Nachbestellungsbenachrichtigung an den Einkaufskoordinator gesendet.
Der Filter wurde gestern bestellt und geliefert.
Es befindet sich im Lagerraum am richtigen Platz und ist deutlich mit dem Namen des zugehörigen Artikels gekennzeichnet.
Der Techniker führt die vorbeugende Wartung im geplanten Zeitfenster durch.
Der Arbeitsauftrag wurde an der Maschine über die mobile App abgeschlossen.
Der Lagerbestand wird automatisch aktualisiert – verbrauchte Teile, verbleibender Lagerbestand angepasst, nächster Nachbestellschwellenwert ermittelt.
Die Dokumentation zur Einhaltung der PM-Vorschriften ist vollständig.
Keine Anrufe.
Jagd verboten.
Kein Wartungsstau.
Um 13:00 Uhr erhält Mike eine E-Mail vom Werksleiter.
Der Betriebsleiter kommt nächste Woche zu Besuch und wünscht eine Zusammenfassung der Instandhaltungsleistung für das dritte Quartal – MTTR-Trend, PM-Compliance-Rate, die fünf Anlagen mit den häufigsten Ausfallzeiten und die Instandhaltungskosten pro Produktionseinheit.
Mike öffnet sein CMMS.
Er kann die Einhaltung der PM-Vorgaben und die Anzahl der Arbeitsaufträge abrufen.
Er kann die mittlere Reparaturzeit (MTTR) nicht genau ermitteln, da das Feld „Zeit bis zur Reparatur“ nicht einheitlich ausgefüllt ist.
Er kann die Wartungskosten pro Einheit nicht ermitteln, da die Kostendaten im CMMS gespeichert sind und die Produktionsergebnisse in einem separaten OEE-System erfasst werden.
Er exportiert zwei Tabellenkalkulationen.
Er verbringt 90 Minuten damit, Querverweise herzustellen, eine Pivot-Tabelle zu erstellen und eine formatierte Zusammenfassung zu verfassen.
Die Daten beziehen sich auf das dritte Quartal.
Es ist jetzt Mitte des vierten Quartals.
Der Bericht beschreibt eine Produktionsrealität, die drei Monate alt ist.
Um 13:00 Uhr erhält Mike dieselbe E-Mail.
Er öffnet Fabrico auf seinem Laptop.
Er navigiert zum Analytics-Dashboard und stellt den Datumsbereich auf das dritte Quartal ein.
MTTR nach Anlagenklasse: automatisch berechnet aus den Zeitstempeln für die Eröffnung und Schließung von Arbeitsaufträgen.
PM-Compliance-Rate nach Standort und Team: automatisch aggregiert aus abgeschlossenen Arbeitsaufträgen.
Anlagen mit den höchsten Raten ungeplanter Ausfallzeiten: automatisch geordnet nach der Kategorisierung „Six Big Losses“.
Wartungskosten pro Produktionseinheit: werden automatisch berechnet, da Wartungskostendaten und Produktionsdaten auf derselben Plattform vorhanden sind.
Er exportiert das Dashboard als PDF.
Gesamtzeit: vier Minuten.
Er schickt den Bericht an den Werksleiter mit einem Hinweis, in dem er auf die drei spezifischen Trends hinweist, die beim Besuch des Betriebsleiters besprochen werden sollten.
Er hat Zeit, über die Bedeutung der Daten nachzudenken, anstatt Zeit, die Daten zu erzeugen.
Um 15:30 Uhr schaut der Qualitätsmanager in Mikes Büro vorbei.
Für nächsten Donnerstag ist eine Kundenprüfung geplant.
Der Kunde verlangt eine Dokumentation, dass die Spritzgießmaschine der Linie 9 in den letzten 12 Monaten gemäß dem dokumentierten Wartungsprogramm gewartet wurde – insbesondere, dass Kalibrierungsprüfungen durchgeführt, die richtigen Verbrauchsmaterialien verwendet und jeder Wartungsvorgang von einem qualifizierten Techniker abgezeichnet wurde.
Mike geht zum CMMS.
Er findet 14 Arbeitsaufträge für die Druckmaschine der Linie 9, die um 13:00 Uhr fällig wurden, aus den letzten 12 Monaten.
Bei drei Geräten fehlt die technische Abnahme.
Bei zwei Datensätzen sind die Teiledaten unvollständig – das Feld „Verbrauchsmaterialien“ ist leer.
Eines der Projekte wurde vier Tage nach dem geplanten Termin abgeschlossen, ohne dass dafür eine Begründung vorliegt.
Mike verbringt zwei Stunden damit, die fehlenden Aufzeichnungen anhand von Papierlogbüchern, Erinnerungen von Technikern und durch Abgleich mit Einkaufsunterlagen nach Ersatzteilen zu rekonstruieren.
Er erstellt ein Dokumentationspaket, das auf dem Papier vollständig ist, aber sichtbare Lücken in der digitalen Integrität aufweist.
Er ist nicht zuversichtlich, dass es einer gründlichen Kundenprüfung standhalten wird.
Um 15:30 Uhr schickt der Qualitätsmanager Mike dieselbe Anfrage.
Mike navigiert in Fabrico zum Anlagendatensatz für die Spritzgießmaschine der Linie 9.
Er wählt „Compliance-Bericht“ aus und legt den Datumsbereich auf die letzten 12 Monate fest.
Der Bericht wird in 11 Sekunden generiert.
Es zeigt jeden PM-Arbeitsauftrag an – Datum der Fertigstellung, Name des Technikers, verbrauchte Teile mit Chargennummern, befolgte SOP-Version, digitaler Sign-Off-Zeitstempel.
Jeder Arbeitsauftrag ist vollständig erfasst, da die mobile App das Ausfüllen einfacher machte als das Leerlassen von Feldern.
Jede Technikerabzeichnung ist eine mit einem Zeitstempel versehene digitale Signatur, die direkt an der Maschine erfasst wird.
Jeder Teiledatensatz wird automatisch aus dem Bestandsverwaltungsmodul befüllt, sobald der Techniker die Teile aus dem Lagerraum entnimmt.
Mike schickt den Bericht an den Qualitätsmanager.
Das Dokumentationspaket ist vollständig, konsistent und digital unveränderlich.
Kein Wiederaufbau erforderlich.
Um 17:15 Uhr setzt sich Mike hin, um den Wartungsplan für morgen zu erstellen.
Diese Woche stehen drei Wartungstermine an – einer davon wurde bereits letzte Woche wegen des Ersatzteilproblems verschoben.
Er weiß nicht, welche Produktionszellen morgen für welche Aufträge eingeplant sind.
Der Produktionsplan wird vom Produktionsplanungsteam in einem separaten System verwaltet.
Er schickt eine Nachricht an den Produktionsplaner und fragt, welche Linien morgen früh nur eingeschränkt laufen werden – damit er die verschobene vorbeugende Wartung einplanen kann, ohne einen Produktionskonflikt zu verursachen.
Der Planer antwortet um 17:45 Uhr.
Die Linie 7 ist ab 7:00 Uhr drei Stunden lang verfügbar.
Mike plant die Wartung für 7:00 Uhr morgens und weist sie seinem erfahrensten Techniker zu.
Er weiß nicht, ob der Techniker für den Vormittag bereits andere Arbeitsaufträge eingeplant hat.
Er wird es morgen erfahren.
Um 17:15 Uhr öffnet Mike Fabricos Planungstafel.
Er kann den Produktionsplan von morgen zusammen mit dem Wartungsplan in einer einzigen Ansicht sehen.
Die Produktionslinie 7 startet um 10:00 Uhr.
Das 3-Stunden-Fenster von 7:00 Uhr bis 10:00 Uhr steht zur Verfügung – und auf der Planungstafel ist dieses Fenster für die Wartungsplanung als verfügbar gekennzeichnet.
Mike zieht den verschobenen PM um 7:00 Uhr morgens auf die Line 7-Zeitleiste.
Das System bestätigt, dass das Fenster konfliktfrei ist.
Es zeigt ihm an, welche seiner Techniker morgen früh noch Kapazitäten frei haben.
Es zeigt ihm, dass die für die Wartung benötigten Teile am richtigen Ort vorrätig sind.
Er weist den Arbeitsauftrag dem verfügbaren Techniker zu.
Der Techniker erhält um 17:16 Uhr eine Benachrichtigung auf seinem Mobiltelefon – mit den Details des Arbeitsauftrags, der Anlagenhistorie, der Liste der benötigten Teile und dem Lagerort dieser Teile im Lager.
Die Wartung morgen früh beginnt pünktlich, mit dem richtigen Techniker, den richtigen Ersatzteilen und den richtigen Informationen.
Mike verlässt die Einrichtung um 17:30 Uhr.
Er wird um 7:15 Uhr keinen Anruf wegen Teilemangels erhalten.
Das weiß er, weil die Plattform das bereits überprüft hat.
Die oben genannten Szenarien sind keine Sonderfälle.
Es handelt sich um die routinemäßigen betrieblichen Unterschiede zwischen einem Instandhaltungsleiter, der mit voneinander getrennten Werkzeugen arbeitet, und einem, der mit einer einheitlichen OEE- und CMMS-Plattform arbeitet.
Rechnen Sie die Zahlen über ein Jahr hinweg.
MTTR-Reduzierung aufgrund eines Fehlers an der Abfüllmaschine:
53 Minuten pro Vorfall wiedererlangt.
Es wird geschätzt, dass es in der Einrichtung jährlich zu etwa 40 ähnlichen Vorfällen kommt.
Zu 380 Dollar pro Produktionsstunde.
Jährlicher Wert: 13.400 $ .
Zeitaufwand für die manuelle Berichterstattung entfiel:
Etwa 3 Stunden pro Woche, die bisher für die manuelle Berichtserstellung aufgewendet wurden, werden durch den bedarfsgesteuerten Dashboard-Export ersetzt.
Zum Komplettpreis eines Instandhaltungsmanagers von 45 US-Dollar pro Stunde.
Jährlicher Wert: 7.020 US-Dollar an eingesparter Managementzeit – die für Planung und Verbesserung anstatt für die Datenerfassung genutzt wird.
Aufgeschobene PM-Prävention:
Einmal pro Monat wird eine vorgezogene Wartung verschoben – dies wird dadurch gelöst, dass die Teile automatisch vorab bereitgestellt werden, anstatt den Fehlbestand erst während des Wartungsfensters festzustellen.
Bei geschätzten Kosten von 800 US-Dollar pro verschobenem PM-Ereignis aufgrund verlängerter Ausfallzeiten und Notfallbeschaffungskosten.
Jährlicher Wert: 9.600 $ .
Qualität der Schichtübergabe:
Die 20 Minuten, die Mike um 6:00 Uhr morgens auf eine Klärung per WhatsApp warten musste, multipliziert mit 250 Arbeitstagen pro Jahr.
Zum Komplettpreis von 45 Dollar pro Stunde.
Jährlicher Wert: 3.750 US-Dollar an eingesparter Managementzeit.
Konservativ geschätzte jährliche Gesamtsumme basierend auf den täglichen Erfahrungen eines Instandhaltungsleiters: 33.770 US-Dollar.
Diese Berechnung basiert auf einer einzelnen Anlage, einem einzelnen Instandhaltungsleiter und vier spezifischen Tagesszenarien.
Die Verbesserung der Gesamtanlageneffektivität (OEE) durch zustandsorientierte vorbeugende Instandhaltung, die den nächsten größeren Ausfall verhindert, ist nicht enthalten.
Die Vermeidung von Kosten für Compliance-Audits ist nicht inbegriffen.
Nicht berücksichtigt wird dabei der kumulative Effekt einer saubereren Wartungshistorie, die im Laufe der Zeit eine bessere Vorhersageanalyse ermöglicht.
Die Zahlen eines einzigen Betriebstages, hochgerechnet auf ein Jahr, belegen die Investitionswürdigkeit, ohne dass ein komplexes Finanzmodell erforderlich ist.
Dieser Artikel präsentiert ein bewusst optimistisches „Nachher“-Szenario – und es ist wichtig, ehrlich zu sein, was sich nicht automatisch ändert, wenn eine neue Plattform implementiert wird.
Wartungsprobleme verschwinden nicht.
Geräte fallen weiterhin aus. Verschleiß entsteht weiterhin. Bediener verursachen weiterhin versehentliche Schäden. Unterbrechungen der Lieferkette führen weiterhin zu Teilemangel.
Eine Plattform verhindert solche Ereignisse nicht.
Es verändert, wie schnell und effektiv das Wartungsteam auf diese Ereignisse reagiert – und ob das Team genügend Vorwarnung erhält, um einige davon zu verhindern, bevor sie auftreten.
Die Einführung einer Adoption erfordert Anstrengung.
Die 96%ige Akzeptanzrate, die Fabrico innerhalb des ersten Monats nach der Inbetriebnahme erreicht, spiegelt einen strukturierten Schulungs- und Einarbeitungsprozess wider – und nicht die Annahme, dass die Techniker ihr Verhalten automatisch umstellen werden.
Rollenspezifische Schulungen, eine klare Kommunikation darüber, was die Plattform für den täglichen Arbeitsablauf jedes einzelnen Technikers leistet, und eine einheitliche Vorgehensweise des Managements bei der Nutzung der Plattformdaten anstatt der Anforderung paralleler manueller Berichte – all dies ist notwendig, damit das in diesem Artikel beschriebene „Nachher“-Szenario Realität werden kann.
Die Datenqualität verbessert sich mit der Zeit – nicht sofort.
Die zustandsbasierten PM-Trigger und die prädiktiven Analysefunktionen in den "Nachher"-Szenarien sind nach 6-12 Monaten mit sauberen, maschinenverbundenen Daten leistungsfähiger als in der ersten Woche.
Die Plattform generiert vom ersten Tag an Wert – dieser Wert steigt jedoch mit zunehmender Menge an historischen Daten.
Ist das in diesem Artikel beschriebene „Vorher“-Szenario repräsentativ für die meisten Produktionsstätten?
Die beschriebenen Szenarien spiegeln die operative Realität mittelständischer Produktionsbetriebe wider, die mit voneinander unabhängigen Wartungs- und OEE-Systemen arbeiten – was die Mehrheit der mittelständischen Hersteller weltweit ausmacht.
Die Details variieren – die genauen Plattformen, die spezifischen Anlagen, die genauen Ausfallarten –, aber die strukturellen Probleme sind einheitlich: unvollständige Schichtübergaben, reaktive Störungsbehebung mit verzögerter Einsatzbereitschaft, Unsicherheit bezüglich Ersatzteilen im Wartungsfenster, manuelle systemübergreifende Meldung und Lücken in der Dokumentation zur Einhaltung der Vorschriften.
Ersetzt Fabrico die Notwendigkeit eines separaten OEE-Überwachungstools?
Ja. Fabricos integriertes OEE-Monitoring – Verfügbarkeit, Leistung und Qualität werden in Echtzeit anhand von Maschinensignalen erfasst und an das Six Big Losses-Framework angepasst – macht eine separate OEE-Plattform überflüssig.
Das in diesem Artikel beschriebene Produktionsbesprechungsszenario, bei dem sich OEE-Daten und Wartungsdaten in derselben Umgebung befinden, ist nur dann realisierbar, wenn beide Funktionen auf derselben Plattform vorhanden sind und nicht die Integration zwischen separaten Systemen erforderlich ist.
Wie schnell tritt das „Nachher“-Szenario nach der Implementierung ein?
Die Verbesserungen bei der Schichtübergabe und der mobilen Arbeitsauftragsverteilung sind vom ersten Tag der Inbetriebnahme an sichtbar.
Eine Reduzierung der mittleren Reparaturzeit (MTTR) durch schnellere Auftragsabwicklung und bessere Informationen an der Maschine ist typischerweise innerhalb der ersten 30 Tage messbar.
Der Auslöserwert für zustandsbasierte vorbeugende Maßnahmen – bei dem die Plattform beginnt, Ausfälle zu verhindern, anstatt nur schneller darauf zu reagieren – entwickelt sich mit dem Aufbau des historischen Datensatzes über die ersten 3-6 Monate.
Wie sieht die Rolle des Instandhaltungsmanagers nach der Implementierung aus?
Weniger reaktive Koordination. Mehr proaktive Analyse.
Die durch den Wegfall der manuellen Berichterstattung, der Rekonstruktion der Schichtübergabe und der Teilesuche eingesparte Zeit wird nun für die Zuverlässigkeitsverbesserungsarbeiten genutzt, für die die meisten Instandhaltungsleiter eingestellt wurden, für die sie aber selten die Kapazität haben – Analyse von Anlagen mit schlechten Eigenschaften, Optimierung des PM-Plans und Initiativen zur kontinuierlichen Verbesserung.
Kann ein kleines Instandhaltungsteam eine einheitliche OEE- und CMMS-Plattform realistisch implementieren und verwalten?
Ja. Die Implementierung wird während des gesamten Bereitstellungsprozesses von einem dedizierten Automatisierungsingenieur und Account Manager unterstützt – so ist der Zeitaufwand des internen Teams während der Implementierung strukturiert und begrenzt und nicht ergebnisoffen.
Die laufende Verwaltung der Plattform – Arbeitsauftragszuweisung, PM-Planungsmanagement, Berichtswesen – ist weniger zeitaufwändig als die manuellen Prozesse, die sie ersetzt, und nicht mehr.
Die in diesem Artikel beschriebenen Szenarien basieren auf Betriebsmustern, die in Produktionsumgebungen beobachtet wurden. Wenn Ihre tägliche Erfahrung als Instandhaltungsleiter eher den „Vorher“-Szenarien als den „Nachher“-Szenarien ähnelt, liefert ein 30-tägiger Pilotversuch an einer repräsentativen Auswahl Ihrer Anlagen messbare Vorher-Nachher-Daten aus Ihrem eigenen Betrieb – noch bevor eine umfassende Investition erforderlich ist.
Machen Sie aus Stillständen eine Kennzahl, mit der Ihr Team arbeiten kann.
Demo anfordern
Anmeldung
Blog
