Ertragsverlust ist die stille Steuer eines Fertigungsbetriebs. Er tritt selten als einzelnes dramatisches Ereignis auf; stattdessen tritt er über Ausschuss, Nacharbeit, herabgestufte Produkte und Überfüllung oder Gratisabgabe Schicht für Schicht zutage. Weil er verteilt auftritt, wird er leicht unterschätzt und ist ohne gute Daten schwer zu bekämpfen.
Dieser Leitfaden erklärt, was Ertragsverlust ist, wie man ihn berechnet, wie er mit OEE und den Kosten mangelhafter Qualität zusammenhängt und wie man ihn reduziert.
Ausbeute ist der Anteil des Inputs, der zu gutem, verkaufsfähigem Output wird. Ertragsverlust umfasst alles, was das nicht wird: Material, das verworfen wird, nachgearbeitete Einheiten, herabgestufte Produkte und Überfüllung/Gratisabgabe. Wenn Sie eine Charge mit 1.000 Einheiten Input starten und 920 gute Einheiten verschicken, beträgt Ihre Ausbeute 92 Prozent und Ihr Ertragsverlust 8 Prozent.
Die Verluste können materieller oder zeitlicher Natur sein oder beides, da Nacharbeit sowohl Kapazität als auch Material verbraucht.
Zwei Messgrößen sind relevant, und sie erzählen unterschiedliche Geschichten.
RTY ist der Augenöffner: Kleine Verluste in jedem Schritt potenzieren sich zu einem großen Gesamtverlust, und diese Kumulation bleibt unsichtbar, wenn man nur die Endkontrolle verfolgt.
Die wichtige Disziplin ist, Nacharbeit ehrlich zu zählen. Wenn nachgearbeitete Einheiten stillschweigend in „gut“ eingerechnet werden, sieht Ihre Ausbeute besser aus, als sie ist, und die tatsächlichen Kosten bleiben verborgen.
Ertragsverlust gehört zum Qualitätsfaktor der OEE. Defekte und reduzierte Ausbeute sind zwei der sechs großen Verluste und ziehen die OEE direkt nach unten. Ertragsverlust ist auch ein wesentlicher Bestandteil der Kosten mangelhafter Qualität: Ausschuss ist verlorenes Material und verlorene Kapazität, und Nacharbeit wird doppelt bezahlt. Die Reduktion des Ertragsverlusts hebt die Qualitätskomponente der OEE und senkt gleichzeitig die Kosten mangelhafter Qualität.
Ertragsverlust ist schwer zu bekämpfen, wenn Fehler- und Nacharbeitsdaten auf Papier erfasst und erst am Monatsende abgeglichen werden. Dann ist der Ausschuss bereits entstanden und die Ursache kaum noch zu ermitteln. Wenn Qualitäts- und Produktionsdaten hingegen direkt von der Linie in Echtzeit erfasst werden, zeigt sich ein ansteigender Ablehnungs-Trend, solange man noch handeln kann, und Ertragsverlust wird zu einem Live-Signal statt zu einer monatlichen Nachbesprechung.
Deshalb ist saubere, strukturierte Echtzeitdatenerfassung die Voraussetzung für alles Fortgeschrittenere. Sie können sich weder herausvorhersagen noch automatisieren, wenn die zugrundeliegenden Qualitätsdaten verspätet und unzuverlässig sind. Beheben Sie die Datenbasis, und SPC, Fähigkeitsarbeit und jede zukünftige KI werden wirksamer.
Ausschuss ist eine Form des Ertragsverlusts: Produkt, das nicht verwendet oder verkauft werden kann. Ertragsverlust ist weiter gefasst und umfasst auch Nacharbeit, herabgestufte Produkte und Gratisabgabe, sodass er die gesamte Lücke zwischen Input und gutem verkaufsfähigem Output erfasst.
First-Pass-Ausbeute ist der Anteil der Einheiten, die einen einzelnen Schritt beim ersten Mal bestehen. Kumulierte Durchlauf-Ausbeute multipliziert die First-Pass-Ausbeuten aller Schritte und offenbart den kumulierten Verlust über einen Mehrschrittprozess, den die Endausbeute verbirgt.
Ertragsverlust gehört zum Qualitätsfaktor der OEE. Höherer Ertragsverlust bedeutet niedrigere OEE, und dieselben Defekte erhöhen zudem die Kosten mangelhafter Qualität, sodass die Reduktion des Ertragsverlusts beides gleichzeitig verbessert.
Das variiert stark je nach Branche und Prozesskomplexität. Das nützliche Ziel ist Ihr eigener Trend und Ihre kumulierte Durchlauf-Ausbeute, nicht ein universeller Benchmark, da ein langer Mehrschrittprozess immer eine niedrigere RTY haben wird als ein Ein-Schritt-Prozess.
Fabrico erfasst Produktions- und Qualitätsdaten direkt von Ihren Maschinen in Echtzeit, sodass Ertragsverluste sichtbar werden, während sie entstehen, statt erst am Monatsende, und die Daten so sauber bleiben, dass SPC, Fähigkeitsarbeit und jede zukünftige KI unterstützt werden. Vereinbaren Sie eine kurze Demo, um zu sehen, wie das auf Ihre Linien abgebildet werden würde, oder beginnen Sie mit den OEE-Grundlagen.