Computer Vision für OEE: Mit Video-Replay herausfinden, warum eine Linie stand

Was ist visuelles OEE-Monitoring?

Visuelles OEE-Monitoring ist eine Strategie, die klassische PLC-OEE-Daten mit kontinuierlicher Videoaufnahme der Maschine kombiniert. Stoppt die Linie, schlägt Computer Vision (CV) wahrscheinliche Gründe vor, etwa eingeklemmtes Produkt, falsches Format oder leerer Einlauf, und der Bediener bestätigt.

Dimension 1: die „versteckte Fabrik" mit Computer Vision erfassen

Die „versteckte Fabrik" ist die Summe der Mikro-Stopps, Slow Cycles und nicht erfassten Pausen, die die PLC nicht sieht. Für FMCG- und Kunststoff-Hersteller ist das real verlorene Kapazität.

CV sieht die Kappe, die im Einlauf verkantet ist. Die PLC sieht sie nicht, sie sieht nur „Motor läuft noch".

Dimension 2: MTTR per visueller Diagnose senken

MTTR (Mean Time To Repair) ist oft nicht wegen der Reparatur selbst hoch, sondern wegen der Diagnose: Techniker läuft zur Maschine, schaut, läuft zurück fürs Ersatzteil, kommt mit dem falschen Teil zurück, repariert endlich.

Mit Video-Replay sieht Tom das exakte Event aufs Handy, bevor er losläuft. So kann er besser einschätzen, welches Teil er braucht und ob es elektrisch, mechanisch oder ein Sensor ist.

Vergleichsmatrix: klassisches Monitoring vs. visuelle MES- und OEE-Plattform

• Klassisch (nur PLC): sieht das Wann, rät beim Warum. MTTR hoch.
• PLC + manuelles Tagging: sieht das meiste Wann, rät oft beim Warum („Unbekannt" ist Code #1).
• Visuelle MES- und OEE-Plattform (CV + CMMS): zeichnet per Video den Moment auf, in dem die Linie stand, und ein Stillstand kann im selben System einen Instandhaltungsauftrag eröffnen.

Dimension 3: den „kritischen Punkt" in Hochgeschwindigkeitslinien schützen

Auf einer Hochgeschwindigkeitslinie (300+ Flaschen/Min) bedeutet ein 1-Minuten-Mikro-Stopp = 300 Flaschen. 10 davon pro Schicht = 3.000 Flaschen. Pro Woche = 15.000 verlorene Flaschen, die niemand bemerkt hat, weil jeder einzelne unter 60 Sekunden lag.

CV sieht sie und schlägt eine Ursache vor, die der Bediener bestätigt. So erscheinen sie im Pareto. Plötzlich ist Ihr größter Verlust nicht der 4-Stunden-Ausfall einmal im Monat, sondern 50 Mikro-Stopps täglich durch einen defekten Füllstandssensor.

Strategischer ROI: ROI heute, Autonomie morgen

Kurzfristig: Jeder Verlust wird in Geld ausgewiesen, und das Video hilft herauszufinden, warum die Linie stand.

Langfristig: CV-Daten sind der Treibstoff für die nächste prädiktive KI. Jede eingeklemmte Niete, jeder Slow Cycle, jeder mit Videokontext gelabelte Stopp trainiert ein Modell, das vor dem nächsten Vorfall warnt.

Unter dem Strich: Computer Vision ist kein Spielzeug, sondern hilft auf einer Hochgeschwindigkeitslinie herauszufinden, warum sie stand.