Betriebliche Höchstleistung steht auf der Wunschliste eines jeden Lebensmittel- und Getränkeherstellers. Die Ergebnisse von Umfragen zeigen immer wieder, dass führende Unternehmen, die dies erreicht haben, langfristig und nachhaltig erfolgreich sind. Aber was bedeutet "betriebliche Höchstleistung" - oder Operational Excellence - eigentlich und wie kommt man dahin?
Operational Excellence gilt in vielen verschiedenen Bereichen eines Unternehmens als Priotirät: Energieverbrauch, Gesundheits- und Arbeitsschutz, Qualität, Instandhaltung oder Betrieb oder in einer beliebigen Kombination davon. Unabhängig von der Definition geht es jedoch immer darum, Verbesserungen zu erzielen, und zwar sowohl zeitnah als auch durch eine nachhaltige Verbesserung der Prozesse. Das wichtigste Werkzeug dabei sind Daten. Und das Tempo des Fortschritts wird durch die Transparenz und den Zugang zu diesen Daten bestimmt.
Für einige Fertigungsunternehmen bedeutet dies, dass sie sich mit der Digitalisierung der Fertigungsabläufe befassen müssen, von Whiteboards und Excel-Tabellen bis hin zu digitalen Datensystemen. Das digitale Reifegradmodell umfasst im Wesentlichen vier Phasen:
Im Laufe der Zeit, wenn die Unternehmen reifer werden, suchen sie zunehmend nach einem Transformationsansatz, um betriebliche Verbesserungen zu erzielen, aber auch Unternehmen, die sich am unteren Ende der Skala befinden, können Daten nutzen, um Verbesserungen zu erzielen.
Die Einsicht in die Betriebsdaten ermöglicht eine Kontrolle in kurzen Intervallen, einen schlanken Ansatz, bei dem die Bediener den Fortschritt bei ihren kritischen KPIs während ihrer Schicht (oder einem anderen kurzen Intervall) nahezu in Echtzeit sehen können, so dass sie sofort Korrekturmaßnahmen ergreifen können. Ein klassisches Beispiel ist die Gesamtanlageneffektivität (Overall Equipment Effectiveness, OEE). Wenn Entscheider diese Kennzahl und ihre Treiber (Fehler, die zu einem Absinken der OEE während der Schicht führen) sehen können, können sie zuerst auf die wichtigsten Probleme reagieren, anstatt unorganisiert anzugehen. In ähnlicher Weise ist ein klassisches kontinuierliches Verbesserungsprojekt wie das "Plan-Do-Check-Act"-Verfahren immer datengesteuert, aber manchmal kann das Sammeln der Daten zur Formulierung der "Plan"-Phase mehr Zeit in Anspruch nehmen als die anderen Phasen, da die Green Belts nach Daten aus einem breiten Spektrum von Quellen suchen. Wenn valide Daten zur Verfügung stehen, kann diese Phase schnell verkürzt werden, so dass mehr Zeit für "Do, Check and Act" bleibt, um Verbesserungen zu erzielen.
New Belgium Brewing ist ein klassisches Beispiel dafür, wie das Unternehmen sowohl die Transparenz als auch den Zugang zu Daten nutzen konnte, um sein Ergebnis erheblich zu verbessern.
New Belgium Brewing begann 1991 mit dem Hobby des Bierbrauens. Als die Kundennachfrage im Laufe der Jahre zunahm, begann das Betriebsmanagementteam von New Belgium Brewing, die Abfüllanlage und die Messung der produzierten Kisten auf der Grundlage der Leistungsfähigkeit der Anlage zu überprüfen. Die Ergebnisse zeigten, dass die bestehenden Anlagen nur etwa die Hälfte dessen produzierten, was die Produktlinie tatsächlich leisten konnte. New Belgium Brewing führte eine weitere Prüfung der Produktionslinien durch und analysierte die aus dem Systembetrieb gewonnenen Daten. Es wurde festgestellt, dass wertvolle Verpackungszeit während der Stillstandszeiten (sowohl planmäßig als auch außerplanmäßig) verloren ging und dass die manuelle Datenerfassung mühsam war und nicht mit dem Niveau der Abfüllproduktion mithalten konnte.
Mit der Einführung von AVEVA MES konnte New Belgium Brewing dank der vom System gesammelten Daten die Gesamtanlageneffektivität (OEE) in etwas mehr als zwei Jahren von 45 % auf 65 % steigern. New Belgium Brewing verringerte die Ausfallzeiten um mehr als 50 % und produziert nun konstant 190.000 bis 200.000 Kisten pro Woche, was einer Steigerung von über 30 % gegenüber der Zeit vor der Implementierung entspricht.
Die Nutzung von Big Data zur Analyse und Behebung von Leistungslücken wird immer mehr zur Norm, da Fertigungsunternehmen versuchen, ihre Betriebsabläufe zu optimieren, um wettbewerbsfähig zu sein und Innovationen zu entwickeln.
In einem Fertigungsbetrieb mit mehreren heterogenen Prozessen, Anwendungen und Systemen können die Menge, Vielfalt und Geschwindigkeit der Daten überwältigend sein. Andererseits lassen sich mit einem ausgereiften Ansatz für digitale Transformation, Big Data und Analytik die Ergebnisse in Form von Kostensenkungen und Umsatzsteigerungen leichter erzielen.