oee.ai ist ein schlankes Manufacturing Execution System (MES) zur Overall Equipment Effectiveness- (OEE-) Analyse in Fertigungsprozessen. Mit oee.ai können Verlustursachen in der Fertigung erfasst und im Detail – u.a. mit Hilfe von künstlicher Intelligenz – analysiert werden. Typische Nutzer sind COOs, Produktionsleiter, Meister, KVP-/Verbesserungsteams, Betriebsingenieure oder Instandhalter, die Verlustursachen der Anlagenproduktivität verstehen und optimieren wollen.

Die Vorteile von oee.ai

Modernes Industrie 4.0 OEE-Management für Produktionsprozesse schnell installiert und zur Miete. oee.ai bereitet Anlagendaten und ergänzende Mitarbeitereingaben auf, um die Shopfloor-Produktivität durch intelligente Auswertung zu steigern. Hierfür werden Daten in Echtzeit visualisiert und mit modernsten Technologien und Algorithmen analysiert:

  • Das widget-basierte Berichtswesen kann individuell konfiguriert werden. Eine große Auswahl an Auswertungen sind vorhanden: Top Verfügbarkeits-, Leistungs- und Qualitätsverluste getrennt nach Kategorien, diverse KPI von der OEE bis zur MTTR oder MTBF sowie beispielsweise Zeitreihen sind auswählbar.
  • Mitarbeiterinteraktionen wie die Auswahl von Fertigungsaufträgen oder Störgrundeingaben erfolgen auf einfachste Weise über Tablets oder andere Web-Interfaces.
  • Alle Daten stehen auf Andon-Boards, Tablets, Industrial Smartwatches, Shopfloor Management Boards oder jedem anderen webfähigen Endgerät zur Verfügung.
  • Die Datenströme werden mit Hilfe von KI-Algorithmen ausgewertet: Anomalien (z.B. Häufungen) werden identifiziert, Störungen werden vorhergesagt, Handlungsvorschläge können gemacht werden. Eine Algorithmusbibliothek ermöglicht schnelle Ergebnisse. Individuelle Algorithmen, selbst oder durch unser Data Science Team entwickelt, sind möglich.
  • Gamifizierte Visualisierungen und Nachrichten stehen zur Verfügung, um Mitarbeiter zu motivieren, auf Basis der Datenerkenntnisse zu handeln. 
  • Zur Evaluation von Optimierungspotentialen steht ein Benchmarking innerhalb der eigenen Organisation oder mit anderen Unternehmen zur Verfügung.

Prozesse in nahezu allen Fertigungsunternehmen können abgebildet werden: Mechanische Bearbeitung, Spritzguss, Abfüllung/Verpackung, Stahlherstellung und -verarbeitung, Elektronik, Holzbearbeitung, Papier-/Pappeherstellung und -verarbeitung und viele andere mehr – in den Maßeinheiten Stück, Liter, (Quadrat-) Meter oder Kilogramm.

Vielfältige Auswertungen

Die empfangenen Daten werden in oee.ai grafisch aufbereitet und in einem Internet-Browser zur Verfügung gestellt. Das Berichtswesen ist dabei komplett widget-basiert und kann individuell konfiguriert werden. Der Nutzer hat die Möglichkeit, die Daten nach diversen Kriterien, wie z.B. auch Schicht, zu selektieren und sich anzeigen zu lassen.

Abbildung: Produktivitätscockpits

Im oberen Bereich werden gewünschte KPIs wie z.B. die Meantime between Failures, Meantime to Repair und die No Touch Time zwischen Microstops ausgewiesen. Darunter befinden sich konfigurierte Diagramme, in diesem Beispiel in Schichtauflösung. Darunter wiederum befindet sich die sogenannte „Herzschlaglinie“. Dort ist der Stückzahlverlauf in minütlicher Auflösung sichtbar. Die rot durchgezogenen Linie visualisiert die aktuelle Vorgabegeschwindigkeit, die hellroten Bereiche markieren Verfügbarkeitsverluste, wobei der Störgrund mit einem Mouse-Over als zusätzliche Information angezeigt wird. Gelb hinterlegte Bereiche markieren Zeiten mit Leistungsverlusten.

Als weiteres Analysebeispiel folgt eine Detailanalyse der Verfügbarkeitsverluste:

Abbildung: Verfügbarkeitsverlustgründe

Die Verfügbarkeitsverlustgründe werden mit Anzahl, Dauer und einer prozentualen Verteilung angegeben. Im Wasserfall-Diagramm sind die Störgründe und deren Verteilung visualisiert. Auf diese Weise kann im Detail analysiert werden, welche Verlustzeiten es mit welchen Ursachen zu welcher Zeit gab.

Nach der gleichen Methodik werden auch die Leistungsverlustgründe ausgewertet, denen im Tagesgeschäft üblicherweise wenig Aufmerksamkeit zukommt. oee.ai erfasst diese jedoch auch und macht sie transparent.

Die zentrale Aussage zum Berichtswesen ist, dass es individuell konfigurierbar und durch diverse Visualisierungsformen wie Tabellen, Wasserfälle, Heatmaps etc. dargestellt werden kann. Darüber hinaus beseht auf alle Daten die Zugriffsmöglichkeit per API, so dass alle Date auch ausgelesen und in anderen Systemen weiterverendet werden können.

Einfache Störgrundeingabe

Bei der Eingabe der Störgründe setzt oee.ai auf den Menschen. Nur er kann in der Komplexität der Gesamtanlage entscheiden, was die eigentliche Ursache für einen Stillstand ist. Deshalb haben wir es dem Mitarbeiter möglichst einfach gemacht, diese Eingaben zu tätigen. Es haben sich handelsübliche Android- oder iOS-Tablets zur Erfassung der Ursachen für Verfügbarkeits-, Leistungs- und Qualitätsverluste bewährt.

Die Tablets benötigen ebenfalls einen Internet-Zugang und werden üblicherweise mit einem Schwanenhals an einer Werkbank oder einem Regal befestigt. Bei Bedarf einer Störgrundeingabe erhält das Tablet eine Push-Notifikation und zeigt den Störgrundkatalog an, wobei unterschiedliche Kataloge für Verfügbarkeits-, Leistungs- und Qualitätsverlusten konfiguriert werden können.

Abbildung: Störgrundeingabe am Tablet

Es können unternehmensspezifische Störgründe auf maximal 9 Ebenen eingegeben werden, so dass eine individuelle Störgrunderfassung pro Sensorlokation möglich ist, und der Mitarbeiter nur wenige Klicks auf das Display machen muss, um eine Störung zu klassifizieren. Nach wieviel Minuten Anlagenstillstand oder reduzierter Anlagengeschwindigkeit eine Eingabeaufforderung auf dem Display erscheint, ist konfigurierbar. Die Eingabeaufforderung wird sowohl optisch als auch akustisch unterstützt, um die Aufmerksamkeit der Mitarbeiter zu gewinnen.

Echtzeit Andon-Boards

Andon-Boards visualisieren den aktuellen Status der Produktion. oee.ai zeigt dort live den Status der Anlage, die aktuelle Schicht-OEE und den Verlauf der Anlagenperformance für die jeweilige Schicht an. Visualisiert werden können diese Informationen auf jedem beliebigen Display mit Web-Zugang. Displays ohne eingebauten Browser können z.B. kostengünstig und einfach mit einem Raspberry Zero aufgerüstet werden. So können alle relevanten Informationen an den wichtigen Orten wie beispielsweise auf dem Shopfloor direkt an der Anlage, im Besprechungsraum oder im Büro angezeigt werden. Bewährt hat sich die Darstellung von einem bis maximal acht Anlagen auf einem großen Display. Selbstverständlich kann die Anzeige auch auf jedem Laptop oder Tablet eingesetzt werden.

Abbildung: Mehrfachandon im Meisterbüro

OEE-Analyse mit künstlicher Intelligenz

Im OEE-Datenstrom verbergen sich Anomalien: Nach manchen Rüstvorgängen kommt die Anlage schnell wieder auf die Kammlinie, bei anderen Umbauten dauert es länger. Manche Produkte erzeugen mehr Kurzstillstände als andere. Ob eine Anlage lieber schneller gelaufen lassen werden sollte – oder langsamer und damit mit weniger Kurzstillständen – kann berechnet werden: Die Analysen werden heute in der Regel nicht durchgeführt. Eine Fertigung nach Industrie 4.0 Prinzipien tut aber genau das – Daten erfassen, im großen Maßstab intelligent auswerten und dem Menschen zur Entscheidung vorlegen.

oee.ai stellt für die Analysen ein Anomalie-Cockpit zur Verfügung. Die OEE-Daten werden in der Cloud-Datenbank für die Analyse vorbereitet und KI-Algorithmen analysieren sie in Echtzeit, so dass Anomalien – und damit Produktivitätsverluste – erkannt werden können, während sie auftreten.

Abbildung: oee.ai Anomaliecockpit

Wichtig zu wissen ist dabei, dass für den KI-Einsatz kein Datenwissenschaftler nötig ist. Alle Konfigurations- und Trainingsaufgaben der Algorithmen und der neuronalen Netze werden nach einer Periode der Datensammlung durch das Expertenteam von oee.ai im Hintergrund durchgeführt.

Weitere Informationen zum Thema künstliche Intelligenz befinden sich unter diesem Link.

Echtzeit Shopfloor Workflows mit Industrial Smart Watches

Industrial Smart Watches ziehen in die Fabriken ein. Mitarbeiter tragen eine stabile Smart Watch am Handgelenk und erhalten auf diesem Weg Informationen von den Anlagen. Auf diese Weise kann sichergestellt werden, dass z.B. bei Mehrmaschinenbedienung auch in hektischen Phasen keine Aktivitäten verloren gehen. oee.ai stellt dabei die direkte Verbindung zu den Anlagen her, ohne dass diese eine technische Bedingung erfüllen muss. So erfährt der Mitarbeiter, wann eine Anlage zum Stillstand kommt oder ob sie langsamer als erwartet läuft. Auch können Störgründe über die Industrial Smart eingegeben werden. Ereignisse starten jeweils einen Workflow, welche auch von Mitarbeiter zu Mitarbeiter weitergegeben werden können. So sieht eine schnelle und effiziente Kommunikation auf dem Shopfloor der Zukunft aus.

Abbildung: Eine Industrial Smart Watch im Einsatz

Weitere Informationen zum Thema Smartwatch Einsatz finden Sie hier.

Mitarbeiterengagement durch motivierende Auswertungen

Es reicht nicht aus, sich lediglich auf die Verbesserung der Technologie zu konzentrieren. Wir sind uns sicher, dass der Mitarbeiter auch zukünftig eine essentielle Rolle im Produktionsprozess einnimmt. Daher muss mit Voranschreiten von Industrie 4.0 und Digitalisierung auch dem Faktor Mensch wesentliche Beachtung zukommen. Das Ziel von oee.ai is es, dass Maschinenbediener motiviert sind und sich gerne in den (Verbesserung-) Prozess einbringen. Wir adressieren daher das Zusammenspiel von Mensch, Organisation und Technik um Unternehmen auch in Sachen Motivation und Partizipation von Mitarbeitern zu unterstützen. So findet unter anderem ein intelligenter Algorithmus – wir nennen ihn den “Good News” Algorithmus – im Datenverlauf positive Events sowie Verläufe und stellen diese zur Anzeige auf Andons, Smartwatches oder Tablets zur Verfügung.

Abbildung: Motivationsandon mit einem dynamischen Ziel

Durch die Auswertungen werden gute Leistungen der Mitarbeiter transparenter und bestätigen diese in ihrem Handeln. Dies fördert die intrinsische Motivation und Bereitschaft zur Mitarbeit sowie Verbesserung. Solch motivatorische Elemente stellen aus unserer Sicht einen elementaren Baustein des OEE-Managements, und somit auch der oee.ai Lösung dar.

Herstellung der Anlagenkonnektivität

Die Konnektivität zu Anlagen von unterschiedlichen Herstellern unterschiedlichen Altern war in der Vergangenheit eine Herausforderung. Diese Hürde ist aber mit dem Aufkommen immer neuer Werkzeuge genommen – Anlagen können inzwischen leicht konnektiert werden. Es gibt vier Archetypen der Konnektivität:

ArchetypBeschreibungAnlagenalter und VoraussetzungenMögliche Use Case Komplexität
Plug-&-Play Retro FitErgänzung von z.B. Stückzahl- oder SchwingungssensorenEgal, keine VoraussetzungenGering bis mittel
Integrated Retro FitErgänzung eines Industrie PCs oder einer Connector-BoxEgal, SPS muss vorhanden seinMittel bis hoch
Software LayerNutzung eines “Data Layers” via Industrial Service BusEgal, SPS muss vorhanden seinMittel bis sehr hoch
Control NativeVerfügbarkeit einer neuen Steuerungsgeneration mit OPC UA oder REST APINur neue AnlagenGering bis sehr hoch
Tabelle: Vier Archetypen der Anlagenkonnektvität

Für alle Archetypen bieten wir Lösungen, teilweise gemeinsam mit Partnern, an. Weitere Informationen zur Anlagenkonnektivität finden Sie hier.

Flexible Nutzung und Lizenzierung

oee.ai steht on-premise oder in der Cloud aus einem Frankfurter Rechenzentrum von DigitalOcean zur Verfügung. Damit wird deutsches bzw. europäisches Datenschutzrecht angewendet. Bei Bedarf können gerne alle Betriebs- und Sicherheitszertifikate eingesehen werden.

Die Datenübertragung erfolgt verschlüsselt über das Internet. Abgerechnet wird die Nutzung auf Basis von angeschlossenen Anlagen bei einer Mietdauer beginnend ab einem Monat. Bei einem Vertragsschluss über mehreren Anlagen und/oder einer Vertragslaufzeit von einem Jahr oder mehr erfolgt eine Rabattierung der Nutzungsentgelte. Bei dem Betrag handelt es sich um eine Flatrate für alle Nutzer eines Unternehmens, die Nutzung, Datenübertragung, Wartung und Updates inkludiert.

Steigerung der Anlagenproduktivität durch OEE-Management

Die beiden Gründer von oee.ai, Prof. Dr. Markus Focke und Jörn Steinbeck, haben im Jahr 2018 im Springer Verlag ein Buch mit dem Titel „Steigerung der Anlagenproduktivität durch OEE-Management“ geschrieben.

Abbildung: Steigerung der Anlagenproduktivität durch OEE-Management

In dem Buch sind sowohl die Grundlagen der OEE als auch die Schritte bis zu einer professionellen digitalen Umsetzung beschrieben. Das Buch kann über Amazon bezogen werden.

Ergänzend steht ein Video-Lernkurs mit den Inhalten des Buches sowie weiteren Information auch auf Udemy zur Verfügung.

Abbildung: On-line Kurs OEE-Management auf Udemy

Der Kurs ist in 10 Abschnitte gegliedert…

  1. Vorstellung Lernziele und der Referenten
  2. OEE als Darstellung der wahren Anlagenproduktivität
  3. OEE als Werkzeug zur Identifikation von Verlusten
  4. Erfassungsmöglichkeiten der OEE und der Störgründe
  5. Industrie 4.0 und künstliche Intelligenz zur OEE-Steigerung
  6. Analyse der OEE und der Störgründe, gerichtete OEE Verbesserung
  7. Mitarbeitermotivation für das OEE Management
  8. Unternehmensreifegrad und Bewertung von OEE-Verbesserungen
  9. Zusammenfassung und weitere Informationsquellen
  10. Bonustrack oee.ai Manufacturing Intelligence

… und wird mit einem Teilnahmezertifikat abgeschlossen.