OEE-Datenerfassung: praktischer Leitfaden

Eine OEE-Zahl, die Sie nicht verteidigen können, ist schlechter als gar keine. Sie erzeugt falsches Vertrauen und untergräbt jede Entscheidung, die darauf beruht.

Die meisten Werke haben zum Start mindestens eines dieser Probleme: in manuellen Logs übersehene Mikro-Stopps, am Schichtende aus dem Gedächtnis ausgefüllte Stillstandsgründe, Qualitätszähler getrennt von Performance-Zählern. Das Ergebnis: ein OEE-Bericht, dem niemand vertraut.

Bevor Sie über Software reden, reden Sie über die Erfassungsmethode.

Drei Methoden dominieren in der Praxis. Die Wahl hängt ab von Liniengeschwindigkeit, Maschinenanzahl und welches Detailniveau Sie tatsächlich nutzen werden.

Manuell durch Bediener

Wie: Tablet an der Linie, Bediener protokolliert Start/Stopp, Gründe, Zähler für Gut/Ausschuss.

Gut: günstig, startet in Tagen, Bedienerkontext fügt Farbe hinzu, die Sensoren nicht haben.

Schlecht: Mikro-Stopps unter 2 Minuten gehen verloren, Gründe am Schichtende aus dem Gedächtnis, Datenqualität fällt mit Müdigkeit.

Wann es funktioniert: langsame Linien (unter 30 Zyklen/Min), Pilotprojekte, Werke in der ersten Messphase.

IoT-Retrofit-Sensoren

Wie: Vibrationssensor an der Spindel, Stromklemme am Motor, Lichtschranke am Förderband. Sensor spricht mit Gateway, Gateway mit der Cloud.

Gut: erfasst jeden Stopp unabhängig von der Dauer, keine Bedienerabhängigkeit, skaliert auf ähnliche Maschinentypen.

Schlecht: 400-2000 € pro Maschine plus Elektriker, Washdown-Zonen zerstören Sensoren, jeder neue Maschinentyp braucht ein neues Sensorprofil.

Wann es funktioniert: homogene Flotten mit 30+ identischen Maschinen, Greenfield-Retrofits mit Kabelbudget.

Computer Vision

Wie: Kamera über der Linie, KI erkennt gute Produktion, Stopps, Gründe aus dem Sichtbaren.

Gut: keine Maschinenintegration, ein Format deckt jeden Maschinentyp ab, Video-Frame bei jedem Stopp für RCA.

Schlecht: erfordert direkte Sicht, manche Compliance-Kulturen verbieten Aufzeichnung, versteckte Bereiche funktionieren nicht.

Wann es funktioniert: gemischte Flotten, ältere Maschinen ohne nutzbares Signal, Hochgeschwindigkeitslinien mit Mikro-Stopps.

Perfekte OEE-Datenerfassung ohne geschlossene Reaktionskette ist ein teures Dashboard. Sie sehen das Problem, aber der Verlust läuft weiter, bis der Techniker mit den richtigen Teilen ankommt.

Das ist der Unterschied zwischen OEE-only Tools und OEE + CMMS Plattformen. Wenn OEE an einer kritischen Stelle fällt, generiert die integrierte Plattform automatisch einen priorisierten Arbeitsauftrag, nicht nur einen Alarm.

Die Gewinnerformel in den meisten europäischen Werken ist ein Hybrid, keine einzige Methode.

Computer Vision für automatische Erkennung von Stopps und Mikro-Ereignissen.

Bediener für Klassifizierung der Ursache und Kontext (warum dieser Stopp, nicht nur dass er stattfand).

CMMS zum Schließen des Zyklus von Diagnose zu Arbeitsauftrag.

Die Kombination: jeder Stopp automatisch erfasst, jede Ursache mit menschlichem Kontext klassifiziert, jede Aktion bis zum Abschluss verfolgt. Das ist eine zuverlässige OEE-Kette von Daten zu Ergebnissen.

Wie viel kostet ein Pilot für Computer Vision OEE?

Kamera plus Halterung plus PoE-Switch kostet etwa 300 bis 800 EUR pro Linie. Keine Maschinenintegration. Typischer Pilot läuft 1 bis 5 Tage.

Wie genau sind manuelle Daten?

Unabhängige Audits zeigen, dass manuelle OEE-Einträge 20-40% der echten Stillstandszeit übersehen, hauptsächlich Mikro-Stopps unter 2 Minuten.

Wann macht IoT-Retrofit gegenüber Computer Vision Sinn?

IoT ist besser bei homogener Flotte von 30+ identischen Maschinen mit anzapfbarem PLC. Computer Vision gewinnt bei gemischten Flotten und Linien ohne nutzbares Signal.

Das Werk, das diese Woche OEE richtig misst, gewinnt gegen das, das auf die perfekte Plattform im nächsten Jahr wartet.

Klein anfangen. Eine Linie. Eine Methode. Ein Benchmark. Verbessern. Skalieren, was funktioniert.