Wichtigste Erkenntnisse
Gesamtarbeitswirksamkeit (Overall Labor Effectiveness, OLE) ist eine Fertigungs-KPI, die die Produktivität der Belegschaft als Verfügbarkeit x Leistung x Qualität misst, ausgedrückt als Prozentsatz. Mitte der 2000er von Kronos eingeführt, überträgt sie den OEE-Rahmen auf Menschen und zeigt auf, wo Arbeitsverluste auftreten, damit Ursachen präzise statt per Bauchgefühl behoben werden können.
Gesamtarbeitswirksamkeit (OLE) ist ein Leistungsindikator, der die kombinierte Auswirkung von Mitarbeiter-Verfügbarkeit, Leistung und Qualität auf die produktive Leistung misst. Es ist das arbeitskraftorientierte Pendant zur Overall Equipment Effectiveness und wendet dasselbe dreifaktorige, multiplikative Modell auf Menschen statt auf Maschinen an.
OLE wurde Mitte der 2000er von Kronos Incorporated eingeführt, als Hersteller über die Maschinenebene hinaus nach weiteren Produktivitätsgewinnen suchten. Laut dem Wikipedia-Eintrag zur Kennzahl misst OLE die Auslastung, Leistung und Qualität der Belegschaft und deren Einfluss auf die Produktivität und wird als einzelner Prozentsatz berechnet, der Verluste in allen drei Dimensionen gleichzeitig sichtbar macht.
Die Kennzahl ist wichtig, weil die meisten Werke diese drei Aspekte bereits separat erfassen. Sie untersuchen jedoch selten die Wechselwirkungen zwischen ihnen, und genau dort verbergen sich die echten Verluste.
Die OLE-Formel hat dieselbe Struktur wie die OEE-Formel, angewendet auf Arbeitsinputs und -outputs:
OLE = Verfügbarkeit x Leistung x Qualität
Jede Komponente ist selbst ein Prozentsatz zwischen 0 und 100 und sie werden multipliziert, nicht gemittelt. Diese Struktur ist Absicht: Eine Schwäche in einem Faktor zieht das Gesamtergebnis nach unten, sodass ein Werk ein Qualitätsproblem nicht hinter einer hohen Verfügbarkeit verbergen kann.
Verfügbarkeit ist der Anteil der geplanten Arbeitszeit, den Mitarbeitende tatsächlich mit wertschöpfender Arbeit verbringen. Die Wikipedia-Formel ist einfach: produktiv gearbeitete Zeit geteilt durch geplante Zeit. Verluste hier umfassen Fehlzeiten, verspätete Starts, verlängerte Pausen, Schulungsabzüge, Warten auf Material und Warten auf eine Maschine, die selbst ausgefallen ist.
Wichtig zu beachten: Wenn ein Bediener untätig ist, weil eine Presse kaputt ist und niemand einen Techniker geschickt hat, erscheint dieser Verlust sowohl in der Arbeits-Verfügbarkeit als auch in der Anlagen-Verfügbarkeit. Diese Überlappung ist genau der Grund, warum ungeplante Ausfallzeiten sowohl ein Arbeits- als auch ein Instandhaltungsproblem sind.
Leistung vergleicht den tatsächlichen Output mit dem erwarteten Output basierend auf einem Arbeitsstandard. Wenn der Standard 100 Einheiten pro Schicht vorsieht und die Crew 90 produziert, beträgt die Leistung 90 Prozent. Die hier erfassten Verluste sind das arbeitsbezogene Gegenstück zu den Geschwindigkeitsverlusten der OEE: langsameres Arbeitstempo, Mikrostopps, die der Bediener manuell betreuen muss, und kleine Handhabungseffizienzen, die nie gemeldet werden.
Qualität ist die Anzahl verkaufsfähiger Einheiten geteilt durch die insgesamt von diesem Arbeitseinsatz produzierten Einheiten. Sie erfasst den Anteil an Arbeit, der nachgearbeitet, verschrottet oder herabgestuft werden muss aufgrund arbeitsbezogener Ursachen: Fähigkeitslücken, Schulungslücken, versäumte Checklisten-Schritte oder Ermüdung. Dies entspricht strukturell dem Qualitätsfaktor in der OEE-Berechnung.
Ein einfaches Rechenbeispiel, analog zu der Arithmetik im Wikipedia-Eintrag:
OLE = 0,8667 x 0,8971 x 0,9554 = 0,7427, also ungefähr 74,3%.
Der Wikipedia-Eintrag zu OLE verwendet ein nahezu identisches Beispiel und kommt auf 74,44 Prozent, was als Plausibilitätsprüfung nützlich ist. Die einzelne Zahl ist weniger interessant als die drei Faktoren, die sie erzeugt haben: In diesem Fall verliert die Crew Zeit durch nicht-produktive Minuten (der 13,3-prozentige Verfügbarkeitsverlust), und die Leistung ist der zweitgrößte Hebel.
OEE und OLE teilen eine Formel, beantworten jedoch unterschiedliche Fragen. OEE fragt, wie gut ein Asset produziert. OLE fragt, wie gut ein Arbeitseinsatz produziert. In einem gesunden Betrieb wollen Sie beides, denn Verluste existieren in beiden Bereichen und die schlimmsten Verluste sitzen in der Überlappung.
| Dimension | OEE (Anlage) | OLE (Arbeit) |
|---|---|---|
| Beantwortete Frage | Wie gut produziert diese Anlage? | Wie gut produziert diese Belegschaft? |
| Verfügbarkeitsnenner | Geplante Produktionszeit | Geplante Arbeitszeit |
| Verfügbarkeitsverluste | Ausfälle, Rüstzeiten, kein Material | Fehlzeiten, Leerlauf, Schulungen, Warten auf Anlagen |
| Leistungsbenchmark | Ideale Taktzeit | Arbeitsstandard (Einheiten pro Mitarbeiter pro Zeitraum) |
| Qualitätsverluste | Ausschussanteil der Maschinenproduktion | Fehler verursacht durch Fähigkeiten, Schulung oder Abweichung vom Prozess |
| Hauptverantwortliche | Produktion, Instandhaltung, Technik | Produktion, Personal, Schulung, Planung |
| Hebel für Verbesserungen | TPM, autonome Instandhaltung, SMED | Standardarbeitsanweisungen, Schulungsmatrix, Planung, Ergonomie |
Für einen tieferen Blick auf die Anlagen-Seite sind der OEE-Leitfaden und der Six-Big-Losses-Rahmen die richtigen Ausgangspunkte; sie lassen sich klar auf dieselben Verluste abbilden, die OLE nach unten ziehen.
Sie sollten OLE zusammen mit OEE in den folgenden Szenarien betrachten:
Öffentliche, geprüfte OLE-Benchmarks sind seltener als OEE-Benchmarks, weil die Kennzahl jünger ist und die Eingangsgrößen (Arbeitsstandards) von Werk zu Werk variieren. Die meisten veröffentlichten Empfehlungen behandeln sie wie OEE im Lean-Kontext: Weltklasse liegt in den mittleren 80ern, durchschnittlich in den 60ern, und wichtiger als der absolute Wert ist der Trend. Legen Sie Ihre Ziele auf historischen eigenen Daten fest, nicht auf fremden Benchmarks.
OLE ist ein Diagnosewerkzeug, keine Heilung. Die Zahl fällt in den meisten Werken aus denselben, wiederkehrenden Gründen:
Die meisten OLE-Programme scheitern, weil die Daten, die die Formel speisen, falsch sind. Bediener untermelden Mikrostopps, Ausfallgründe werden am Schichtende gesammelt zugewiesen, und die Arbeitsaufträge, die eigentlich Arbeit freisetzen sollen, bleiben im Posteingang hängen. Fabrico ist darauf ausgelegt, genau diese Schleife zu schließen.
Fabrico ist ein vereinheitlichtes System of Action für die industrielle Fertigung: Echtzeit-OEE und MES direkt an PLCs angeschlossen, plus ein vollständiges CMMS in derselben Plattform. Computer Vision erfasst die wirklichen Ursachen für Ausfallzeiten , einschließlich der kleinen Stops, die Bediener untermelden, das ist normalerweise der größte versteckte Drain auf die OLE-Leistung.
Meldungen werden dann in priorisierte, teilbereitgestellte digitale Arbeitsaufträge auf das Telefon des Technikers verwandelt, mit QR-gestützten Checklisten, sodass die Zeit, die ein Bediener auf eine Reparatur wartet, drastisch sinkt.
Das Ergebnis sind weniger Bedingungen, die die Arbeits-Verfügbarkeit zerstören, weniger Mikrostopps, die die Leistung mindern, und ein engerer Standardarbeitskreislauf, der die Qualität schützt. [EINZUFÜGEN: VERIFIZIERTER BELEGPUNKT, Bediener bestätigen].
Wenn Ihre OEE stagniert und Sie vermuten, dass Arbeitsverluste jetzt der größere Hebel sind, vereinbaren Sie eine Fabrico-Demo und wir gehen die Fehler-zu-Behebung-Schleife in Ihren eigenen Linien durch.
OLE ist eine von mehreren Effektivitätskennzahlen, die ein Team kennen sollte. Sie steht neben der Maschinenauslastung (eine einfachere Asset-Zeit-Kennzahl) und der Kapazitätsauslastung (eine werkweite Nachfragekennzahl). Jede beantwortet eine andere Frage; keine ersetzt die andere. Die Werke, die am schnellsten vorankommen, pflegen in der Regel einen kurzen, stabilen Kennzahlenstapel, den jeder auf dem Shopfloor versteht, und bearbeiten dann jene Kennzahl, die aktuell am schwächsten ist.
Gesamtarbeitswirksamkeit (OLE) ist eine Fertigungs-KPI, die die produktive Leistung einer Belegschaft anhand von drei Faktoren misst: Verfügbarkeit, Leistung und Qualität. Das Ergebnis wird als Prozentsatz ausgedrückt und wurde Mitte der 2000er von Kronos als arbeitskraftorientierte Anpassung der Overall Equipment Effectiveness (OEE) eingeführt.
Die OLE-Formel lautet Verfügbarkeit x Leistung x Qualität. Verfügbarkeit ist produktive Arbeitszeit geteilt durch geplante Zeit, Leistung ist tatsächlicher Output geteilt durch Arbeitsstandard, und Qualität ist verkaufsfähige Einheiten geteilt durch die insgesamt produzierten Einheiten. Die drei Faktoren werden multipliziert, sodass eine Schwäche in einem von ihnen das Gesamtergebnis nach unten zieht.
OEE misst, wie gut ein Asset produziert, und verwendet dafür Anlagen-Verfügbarkeit, Leistung und Qualität. OLE misst, wie gut eine Belegschaft produziert, und wendet dieselben drei Faktoren auf Arbeitsinputs an. OEE liegt meist in der Verantwortung von Produktion und Instandhaltung; OLE bei Produktion, Personal, Schulung und Planung. In arbeitsintensiven Prozessen oder gemischten Automatisierungszellen brauchen Sie beide Kennzahlen.
Öffentliche, geprüfte OLE-Benchmarks sind begrenzt, weil die Kennzahl jünger ist als OEE und stark von den Arbeitsstandards des jeweiligen Werks abhängt. Die gängige Empfehlung orientiert sich an der OEE-Konvention: Weltklasse liegt in den mittleren 80ern, durchschnittlich in den 60ern, und langfristige Trends sind wichtiger als der absolute Wert. Legen Sie Ziele anhand Ihrer eigenen historischen Daten fest.
Sie sollten OLE nicht anstelle von OEE verwenden; Sie sollten beide zusammen einsetzen. OLE ist am nützlichsten, wenn der Output von Menschen statt von Maschinen getaktet wird (Montage, Verpackung, Endbearbeitung), wenn die Fluktuation hoch ist, wenn Entscheidungen zur Crew-Größe anstehen oder wenn OEE ein Plateau erreicht hat und die verbleibenden Potenziale auf der Arbeitsseite liegen.
OLE verbessert sich, wenn das Betriebssystem, das die Kennzahl speist, besser wird. Erfassen Sie Ausfallgründe in Echtzeit statt am Schichtende, verkürzen Sie die Zeit von Fehlererfassung bis Behebung, damit Bediener nicht auf defekte Anlagen warten, schließen Sie Mikrostopps, die die Leistung mindern, und straffen Sie die Standardarbeit, damit Qualitätsverluste durch Verfahrensabweichungen sinken. Nur der reinen Kennzahl hinterherzujagen, ohne diese upstream-Bedingungen zu beheben, führt selten zu nachhaltigen Verbesserungen.
Anmeldung
Blog
