Viele Unternehmen gehen fälschlicherweise davon aus, dass die Datenanalyse im Bereich Industrial Engineering (IE) lediglich darin besteht, am Jahresende einige Berichte zu erstellen und die Produktion pro Kopf zu berechnen. Dies stellt jedoch nur eine nachträgliche Statistik dar. Die eigentlichen Probleme liegen direkt an den Arbeitsplätzen: Wie werden Standard-Zeitwerte ermittelt, wo entstehen Bewegungsverschwendungen und warum sind Rüstvorgänge so langsam? Diese Datenpunkte werden selten in Echtzeit erfasst, wodurch nachfolgende Analysen oft nur auf Vermutungen beruhen. Damit die IE-Datenanalyse effektiv ist, müssen zunächst Ausführungsdaten aus der Fertigungshalle in strukturierte Informationen umgewandelt werden, die gesammelt und zurückverfolgt werden können.
1. Herkunft der Daten: Verfügbarkeit vor Genauigkeit klären
Basierend auf praktischen Erfahrungen ist das größte Hindernis für die IE-Datenanalyse nicht die Algorithmik, sondern die Datenquellen. Angenommen, ein hypothetisches Elektronikwerk benötigt einen IE-Ingenieur, um die Standard-Zeit für eine SMT-Linie zu messen. Der traditionelle Ansatz beinhaltet stundenlanges Stoppuhr-Messen, handschriftliches Notieren und spätere manuelle Eingabe in Excel. Das Problem hierbei ist, dass die Stichprobengröße gering ist, die Störfaktoren hoch sind und kritische Details während der Rüstvorgänge niemals vollständig erfasst werden.
Wenn Arbeitsanweisungen elektronisch auf All-in-One-Terminals bereitgestellt werden, führen Mitarbeiter die Schritte gemäß dem Standard aus. Inspektionsprotokolle, Rundgang-Logs, Produktionsmeldedaten sowie Fotos oder Videos von Schlüsselprozessen werden über mobile Geräte und Terminals erfasst. Diese Maßnahmen verursachen keine zusätzliche Belastung für IE-Ingenieure, hinterlassen jedoch Spuren der Ausführung von „Mensch, Maschine, Material und Methode". Dies liefert das Rohmaterial für die IE-Datenanalyse – Daten, die vor Ort wachsen und nicht nachträglich eingefügt werden.
2. Praktische Analyse-Dimensionen: Zykluszeit, Bewegung und Rüstzeit
Betrachten wir ein hypothetisches Szenario: Eine Montagelinie, die mehrere Varianten in kleinen Losgrößen produziert. Ein IE-Ingenieur würde sich auf drei Kernbereiche konzentrieren.
Erstens ist dies die Zusammensetzung der Zykluszeit. Durch die Erfassung von Takt-Zeit-Daten über die Produktionsmeldung und Module basierend auf Zeit oder Stückzahl wird es möglich, wertschöpfende Zeit, Wartezeiten und Handhabungszeiten aufzuschlüsseln. Unter diesem Schätzrahmen ermöglicht diese Granularität IE-Ingenieuren, den Fokus der Verbesserung von „allgemeiner Ineffizienz" auf spezifische Arbeitsplätze zu verengen.
Zweitens geht es um Bewegungsverschwendung. Da die Arbeitsschritte auf ESOP-Terminals (Elektronische Standardarbeitsanweisung) standardisiert sind, können Abweichungen zwischen tatsächlicher Ausführung und Standard durch Erstinspektions- und Rundgangsprotokolle zurückverfolgt werden. Welche Arbeitsplätze häufig Schritte überspringen oder welche Bewegungen wiederholt Nacharbeit erfordern, wird sofort auf dem Kanban sichtbar.
Drittens ist die Rüstdauer von Bedeutung. Wenn Andon-Anrufe mit elektronischen Kanbans verknüpft sind, werden Wartezeiten, fehlende Materialien und Suchzeiten für Werkzeuge in jedem Stadium des Rüstvorgangs segmentiert aufgezeichnet. Der Wert der IE-Datenanalyse liegt hier nicht nur in der Berechnung einer Gesamtdauer, sondern darin, exakt zu identifizieren, welcher Abschnitt des Rüstprozesses Zeit verbraucht.
3. Vorteile und Grenzen: Eine ausgewogene Betrachtung
Der Vorteil liegt in der „unsichtbaren" Natur der Datenerfassung. IE muss kein separates Datenerfassungssystem bereitstellen; Module wie ESOP, Inspektionsrundgänge, Andon und Produktionsmeldung sind bereits in der Fertigungshalle im Einsatz, sodass Daten natürlich akkumulieren. Eine leichte MES-Version kann zudem mit gängigen unternehmensweiten Upstream-Managementsystemen wie Kingdee, Yonyou, Digiwin oder SAP integriert werden, um die Übereinstimmung zwischen Zykluszeit und Arbeitsauftragsdaten sicherzustellen.
Grenzen müssen ebenfalls anerkannt werden. Die Tiefe der IE-Datenanalyse hängt stark von den vom Unternehmen selbst definierten Metriken ab. Das System liefert Daten und Dashboards, doch die Interpretation der Ergebnisse und die Modellierung von Verbesserungsplänen bleiben Verantwortung des IE-Teams. Darüber hinaus wäre die direkte Implementierung eines Analysemoduls in einem Werk, das grundlegende Inspektions- und Rundgangaktivitäten noch nicht digitalisiert hat, vergleichbar mit dem Bau einer Burg in der Luft – ohne saubere Datenquellen können Analyseergebnisse nicht vertrauenswürdig sein.
Empfehlung: Stellen Sie zunächst sicher, dass Inspektionsrundgänge, Produktionsmeldungen und Andon-Systeme reibungslos laufen, um die Verfügbarkeit von Daten aus der Fertigungshalle zu etablieren, bevor Sie die Tiefe der IE-Datenanalyse verfolgen.
4. Wer sollte zuerst implementieren?
Werkstätten mit variantenreicher Kleinserienproduktion, häufigen Rüstvorgängen und begrenztem IE-Personal werden die direktesten Vorteile sehen. Angenommen, ein hypothetisches Elektronikwerk verfügt über mehr als zehn Produktionslinien, aber nur zwei oder drei IE-Ingenieure. Die Verlassung auf manuelle Stoppuhr-Messungen ist unrealistisch. Die Nutzung von Ausführungsdaten aus der Fertigungshalle, um Zykluszeiten rückwärts zu errechnen und Verschwendungsstellen zu identifizieren, ist ein weit praktikablerer Weg.
Um die tatsächliche Leistung der IE-Datenanalyse auf eigenen Produktionslinien zu überprüfen, wird empfohlen, eine Szenariosimulation auf einer einzelnen Linie durchzuführen. Betreiben Sie Inspektionsrundgänge und Produktionsmeldedaten für zwei Wochen und bewerten Sie anschließend, ob die Analyse von Zykluszeit und Rüstzeit mit Ihren Verbesserungszielen übereinstimmt.