[et_pb_section fb_built=“1″ _builder_version=“4.27″][et_pb_row][et_pb_column type=“4_4″][et_pb_text]<\/p>\n
Multi Site OEE<\/strong> ist die zentrale Herausforderung fuer jedes Fertigungsunternehmen mit mehreren Standorten: Wie vergleichen Sie die Produktivitaet Ihrer Werke, ohne die Datentiefe zu opfern, die fuer lokale Verbesserung noetig ist? Wie schaffen Sie eine einheitliche Kennzahlenbasis, wenn jedes Werk andere Maschinen, andere Prozesse und andere Erfassungsmethoden nutzt? Und wie verhindern Sie, dass standortuebergreifendes Benchmarking zu einem politischen Instrument wird, das Werksleiter zum Schoenfaerben statt zum Verbessern motiviert?<\/p>\n Diese Fragen sind nicht trivial. Unternehmen mit 3, 5 oder 20 Standorten kaempfen mit inkonsistenten OEE-Definitionen, unterschiedlichen Datenqualitaeten und der Herausforderung, lokales Detailwissen und globale Transparenz gleichzeitig zu ermoeglichen. Dieser Leitfaden zeigt, wie Sie ein Multi Site OEE System aufbauen, das beide Anforderungen erfuellt \u2014 und wie TEEPTRAK als Plattform fuer ueber 450 Fabriken in mehr als 30 Laendern genau dieses Problem geloest hat.<\/p>\n Ein OEE-Vergleich zwischen Standorten klingt einfach: Messen Sie den OEE in jedem Werk, stellen Sie die Zahlen nebeneinander, identifizieren Sie den Besten und uebertragen Sie die Methoden. In der Realitaet scheitert dieser Ansatz an vier strukturellen Problemen.<\/p>\n Problem 1: Unterschiedliche OEE-Definitionen.<\/strong> Werk A zaehlt geplante Wartung als Verfuegbarkeitsverlust, Werk B nicht. Werk C schliesst Anfahrausschuss aus der Qualitaetsrate aus, Werk D zaehlt ihn mit. Werk E misst die Leistungsrate gegen die theoretische Maximalgeschwindigkeit, Werk F gegen die praktisch erreichbare Geschwindigkeit. Das Ergebnis: Fuenf Werke mit fuenf unterschiedlichen OEE-Werten, die nicht vergleichbar sind \u2014 selbst wenn die tatsaechliche Produktivitaet identisch waere. Ohne standardisierte Definitionen ist jeder Standortvergleich bedeutungslos.<\/p>\n Problem 2: Unterschiedliche Datenqualitaet.<\/strong> Werk A erfasst OEE automatisch mit IoT-Sensoren und misst jeden Kurzstop ab 2 Sekunden. Werk B nutzt BDE-Terminals, an denen Bediener Stillstaende manuell melden \u2014 Kurzstopps unter 5 Minuten werden nicht erfasst. Werk C berechnet OEE woechentlich aus Excel-Schichtberichten. Der automatisch gemessene OEE von Werk A ist typischerweise 10-20 Punkte niedriger als der manuell berichtete OEE von Werk C \u2014 nicht weil Werk A schlechter produziert, sondern weil es ehrlicher misst. Ein Vergleich auf dieser Basis bestraft das Werk mit der besseren Messtechnik.<\/p>\n Problem 3: Unterschiedliche Fertigungstypen.<\/strong> Eine Hochgeschwindigkeits-Verpackungslinie hat andere OEE-Treiber als eine CNC-Bearbeitungszelle oder ein Batch-Reaktor. Ein globaler OEE-Vergleich, der diese Unterschiede ignoriert, erzeugt irrelevante Rankings. Die Frage ist nicht, ob Werk A generell besser ist als Werk B, sondern ob vergleichbare Linien in Werk A besser performen als vergleichbare Linien in Werk B \u2014 und warum.<\/p>\n Problem 4: Politische Dynamik.<\/strong> Wenn OEE-Zahlen fuer Standortvergleiche und Investitionsentscheidungen herangezogen werden, entsteht ein Anreiz zur Manipulation: grosszuegige Definition geplanter Stillstaende, optimistische Qualitaetserfassung, unrealistische Soll-Zykluszeiten. Manuelle Erfassungssysteme bieten zahllose Moeglichkeiten, den OEE-Wert nach oben zu verzerren \u2014 bewusst oder unbewusst. Nur automatische, sensorbasierte Messung mit einheitlicher Methodik eliminiert dieses Problem vollstaendig.<\/p>\n Ein wirksames Multi Site OEE System muss gleichzeitig lokale Detailtiefe und globale Vergleichbarkeit bieten. TEEPTRAK loest diesen scheinbaren Widerspruch durch eine dreistufige Architektur.<\/p>\n Ebene 1: Maschinen- und Liniendaten (Shopfloor).<\/strong> An jeder Maschine erfassen IoT-Sensoren den Betriebszustand sekundengenau: Laufzeit, Stillstand, Zykluszeit, Stueckzahl, Qualitaetssignal. Die Daten bleiben in voller Granularitaet erhalten \u2014 jeder einzelne Stopp, jeder Kurzstop, jede Zykluszeit. Diese Ebene liefert die Datenbasis fuer lokale Verbesserungsarbeit: Schichtleiter, Instandhalter und Produktionsingenieure arbeiten mit maschinenspezifischen Daten, Pareto-Analysen und Trenddarstellungen auf dieser Detailebene.<\/p>\n Ebene 2: Werksdaten (Werksleitung).<\/strong> Die Maschinendaten werden zu Linien-OEE, Bereichs-OEE und Gesamt-Werk-OEE aggregiert \u2014 nach einheitlichen Regeln und Definitionen, die zentral konfiguriert und fuer alle Standorte identisch gelten. Werksleiter sehen die Performance ihrer gesamten Produktion auf einen Blick, koennen aber jederzeit in Linien- und Maschinendaten hineinzoomen. Diese Ebene unterstuetzt die operative Fuehrung des einzelnen Standorts.<\/p>\n Ebene 3: Unternehmensdaten (Corporate).<\/strong> Alle Werksdaten fliessen in ein zentrales Dashboard, das standortuebergreifende Vergleiche, Benchmarks und Trendanalysen ermoeglicht. Wichtig: Die Aggregation auf dieser Ebene nutzt exakt dieselben Definitionen und dieselbe Messtechnik fuer jeden Standort \u2014 der einzige Weg, um echte Vergleichbarkeit zu garantieren. Operations-Verantwortliche und Geschaeftsfuehrung sehen die Performance des gesamten Produktionsnetzwerks, identifizieren Best-Practice-Standorte und Performance-Luecken und steuern standortuebergreifende Verbesserungsinitiativen datenbasiert.<\/p>\n Der Schluesselpunkt: Keine der drei Ebenen loescht Daten der darunterliegenden Ebene. Die Aggregation ist additiv, nicht substitutiv. Ein Corporate-Verantwortlicher, der einen OEE-Rueckgang in Werk 3 bemerkt, kann durch zwei Klicks bis zur einzelnen Maschine und zum einzelnen Stoppereignis navigieren, das den Rueckgang verursacht hat. Diese Durchgaengigkeit \u2014 vom Konzern-Dashboard bis zum Sensordatenpunkt \u2014 ist der entscheidende Unterschied zwischen einem echten Multi Site OEE System und einer Excel-Konsolidierung<\/a>.<\/p>\n Bevor Sie Daten vergleichen koennen, muessen Sie sicherstellen, dass alle Standorte identisch messen. Die folgenden Parameter muessen zentral definiert und durchgesetzt werden.<\/p>\n Verfuegbarkeitsberechnung.<\/strong> Welche Stillstaende gelten als geplant (nicht im OEE) und welche als ungeplant (im OEE)? Die haeufigsten Streitpunkte: Geplante Wartung \u2014 geplant oder ungeplant? Ruesten \u2014 geplant oder ungeplant? Pausen \u2014 herausgerechnet oder als geplanter Stillstand? Materialwartezeit \u2014 Verfuegbarkeitsverlust oder externer Faktor? TEEPTRAK loe\u00dft dieses Problem durch eine zentrale Konfiguration der Stillstandskategorien: Die Kategorisierung wird einmal definiert und gilt automatisch fuer alle Standorte.<\/p>\n Leistungsberechnung.<\/strong> Gegen welche Soll-Zykluszeit wird gemessen? Die theoretische Maschinenhoechstleistung (streng, fuehrt zu niedrigeren OEE-Werten) oder die validierte Standardgeschwindigkeit (realistischer, fuehrt zu hoeheren Werten)? Beides ist vertretbar \u2014 solange alle Standorte denselben Ansatz verwenden. TEEPTRAK speichert die Soll-Zykluszeiten je Produkt-Maschinen-Kombination zentral und stellt sicher, dass identische Produkte auf identischen Maschinentypen mit identischen Vorgaben gemessen werden.<\/p>\n Qualitaetsberechnung.<\/strong> Zaehlt Nacharbeit als Gutteil oder als Qualitaetsverlust? Werden Anfahrteile einbezogen oder ausgeschlossen? Die korrekte Praxis: Nacharbeit zaehlt als Verlust (First-Pass-Yield), Anfahrteile zaehlen mit. Aber die Praxis in vielen Multi-Standort-Unternehmen weicht davon ab \u2014 mit dem Ergebnis, dass Standorte mit grosszuegigerer Qualitaetsdefinition besser dastehen als strenger messende Werke.<\/p>\n Einheitliche Definitionen reichen nicht, wenn die Datenerfassung unterschiedlich erfolgt. Das fundamentalste Problem im Multi Site OEE Vergleich ist der Unterschied zwischen automatischer und manueller Messung.<\/p>\n TEEPTRAK loest dieses Problem durch einen standardisierten Technologie-Stack an jedem Standort: Dieselben IoT-Sensoren (Stromsensoren fuer Maschinenstatus, optische Zaehler fuer Stueckzahl), dasselbe Gateway, dieselbe Cloud-Plattform, dieselben Dashboards. Die Installationszeit pro Standort betraegt 48 Stunden \u2014 ohne Produktionsunterbrechung und ohne standortspezifische Anpassung der Messtechnik. Das Ergebnis: Jeder Standort misst mit derselben Genauigkeit, derselben Granularitaet und denselben Algorithmen. Der OEE-Wert von Werk A und Werk B ist erstmals wirklich vergleichbar.<\/p>\n Fuer Unternehmen, die TEEPTRAK schrittweise einfuehren \u2014 typischerweise beginnend mit einem Pilotstandort und schrittweiser Erweiterung \u2014 entsteht eine Uebergangsphase, in der automatisch und manuell gemessene Standorte koexistieren. In dieser Phase empfiehlt sich: Automatisch gemessene Standorte nicht direkt mit manuell berichtenden Standorten vergleichen. Stattdessen den Unterschied nutzen, um die Dringlichkeit der Automatisierung an den verbleibenden Standorten zu demonstrieren.<\/p>\n Faktor 1: Schneller Rollout statt Endlos-Pilotphase.<\/strong> Die haeufigste Falle: Ein Pilotstandort wird ausgewaehlt, monatelang perfektioniert und als Showcase praesentiert \u2014 aber der Rollout auf die uebrigen Standorte verzoegert sich immer weiter. TEEPTRAK-Kunden, die alle Standorte innerhalb von 3-6 Monaten anbinden, erzielen signifikant bessere Gesamtergebnisse als solche, die nach 12 Monaten noch beim Piloten sind. Der Grund: Der Multi-Site-Vergleich \u2014 der eigentliche Werthebel \u2014 entsteht erst, wenn mindestens 3 Standorte parallel gemessen werden.<\/p>\n Faktor 2: Zentrale Konfiguration, lokale Verantwortung.<\/strong> Die OEE-Definitionen, Stillstandskategorien und Soll-Zykluszeiten werden zentral konfiguriert \u2014 das stellt Vergleichbarkeit sicher. Aber die Verbesserungsmassnahmen werden lokal verantwortet und umgesetzt. Jedes Werk braucht die Freiheit, seine spezifischen Probleme mit seinen spezifischen Mitteln zu loesen. Die zentrale Rolle beschraenkt sich auf: Definition setzen, Vergleich ermoeglichen, Best Practices identifizieren und teilen.<\/p>\n Faktor 3: Benchmarking als Lernwerkzeug, nicht als Bewertungsinstrument.<\/strong> Wenn der standortuebergreifende OEE-Vergleich als Ranking mit Konsequenzen wahrgenommen wird, beginnt das Schoenfaerben \u2014 unabhaengig davon, ob die Messung automatisch erfolgt oder nicht. Die produktive Alternative: Benchmarking als systematisches Lernen. Werk A hat eine 5 Punkte hoehere Verfuegbarkeit als Werk B \u2014 was macht Werk A anders? Welche Instandhaltungspraktik, welche Ruestroutine, welche Materialhandhabung kann Werk B uebernehmen?<\/p>\n Faktor 4: Cross-Site-Verbesserungsteams.<\/strong> Die groesste Produktivitaetsreserve in Multi-Standort-Unternehmen ist nicht die Optimierung des einzelnen Werks, sondern die Schliessung der Luecke zwischen dem besten und dem schlechtesten Standort. TEEPTRAK-Daten zeigen, dass diese Luecke typischerweise 15-25 OEE-Punkte betraegt \u2014 selbst bei Standorten mit identischen Maschinen und Produkten. Cross-Site-Verbesserungsteams, die TEEPTRAK-Daten nutzen, um Ursachen der Performance-Unterschiede zu identifizieren und Best Practices zu uebertragen, schliessen diese Luecke schneller als jede standortinterne Optimierung allein.<\/p>\n Faktor 5: JEMBA-KI fuer standortuebergreifende Musteranalyse.<\/strong> JEMBA analysiert OEE-Daten nicht nur innerhalb eines Standorts, sondern ueber alle angeschlossenen Werke hinweg. Dadurch werden Muster sichtbar, die kein einzelnes Werk allein erkennen koennte: Materialcharge X erzeugt in allen drei Werken erhoehte Kurzstopps \u2014 ein Lieferantenproblem. Produkt Y hat in Werk A einen FPY von 98% und in Werk C von 93% \u2014 bei identischer Maschine, also ein Prozessunterschied. Montagmorgen-OEE ist in 4 von 5 Werken systematisch 3-5 Punkte niedriger \u2014 ein organisatorisches Muster. Diese standortuebergreifenden Erkenntnisse sind der spezifische Mehrwert eines echten Multi Site OEE Systems<\/a> gegenueber isolierten Einzelloesungen.<\/p>\n Ein mittelstaendischer Industriekonzern mit 5 Fertigungsstandorten in Deutschland, Frankreich und Tschechien setzte TEEPTRAK innerhalb von 4 Monaten an allen Standorten ein. Die Ausgangssituation: Jedes Werk berichtete OEE auf Basis eigener Definitionen und eigener Erfassungsmethoden. Die berichteten OEE-Werte lagen zwischen 68% und 76%. Die Geschaeftsfuehrung ging davon aus, dass der Leistungsunterschied zwischen den Standorten bei 8 Punkten lag.<\/p>\n Nach der TEEPTRAK-Installation mit einheitlicher Sensorik und einheitlichen Definitionen an allen 5 Standorten zeigte die automatische Messung ein voellig anderes Bild: Die tatsaechlichen OEE-Werte lagen zwischen 48% und 67%. Der reale Leistungsunterschied betrug nicht 8, sondern 19 Punkte \u2014 mehr als doppelt so gross wie angenommen. Das Werk mit dem hoechsten manuell berichteten OEE (76%) lag automatisch gemessen bei nur 58% \u2014 waehrend das Werk mit dem niedrigsten manuellen Wert (68%) tatsaechlich den hoechsten automatischen OEE hatte (67%).<\/p>\n Diese Erkenntnis veraenderte die Verbesserungsstrategie fundamental. Statt in das vermeintlich schwaeche Werk zu investieren (das tatsaechlich das beste war), richtete sich der Fokus auf die drei Standorte mit dem groessten realen Verbesserungspotenzial. Cross-Site-Teams identifizierten mittels TEEPTRAK-Datenvergleich die spezifischen Verlustursachen an jedem Standort und uebertrugen erprobte Loesungen vom besten Werk auf die uebrigen. Ergebnis nach 8 Monaten: Der schwaeche Standort verbesserte sich von 48% auf 59% OEE, die Luecke zwischen bestem und schwaeche Standort schrumpfte von 19 auf 10 Punkte, und der gewichtete Gesamt-OEE des Unternehmens stieg von 56% auf 63% \u2014 eine Produktivitaetssteigerung, die mehrere Millionen Euro jaehrlich wert war.<\/p>\n TEEPTRAK wurde von Anfang an als Multi-Site-Plattform konzipiert. Kunden wie Hutchinson (40 Linien, 12 Laender, OEE-Verbesserung von 42% auf 75%) und Nutriset (+14 Produktivitaetspunkte, ROI unter 1 Monat) nutzen die Plattform fuer standortuebergreifendes Performance-Management mit Echtzeit-Vergleichbarkeit.<\/p>\n Die technische Basis: Identische IoT-Sensoren und Gateways an jedem Standort, zentrale Cloud-Plattform mit rollenbasiertem Zugang (Bediener sieht seine Maschine, Werksleiter sieht sein Werk, COO sieht alle Werke), zentrale Definition von OEE-Parametern und Stillstandskategorien, automatische Aggregation von Maschine ueber Linie und Werk bis zum Gesamtunternehmen \u2014 ohne Datenverlust auf jeder Ebene. Installation pro Standort in 48 Stunden, ohne Produktionsunterbrechung, ohne IT-Infrastrukturprojekt. Der Rollout eines kompletten Multi-Site-Netzwerks ist in Wochen statt Jahren realisierbar.<\/p>\nDas Kernproblem: Warum Multi Site OEE in der Praxis so schwierig ist<\/h2>\n
Multi Site OEE Architektur: Die drei Ebenen der Datenaggregation<\/h2>\n
Voraussetzung 1: Einheitliche OEE-Definition ueber alle Standorte<\/h2>\n
Voraussetzung 2: Identische Messtechnik an allen Standorten<\/h2>\n
5 Erfolgsfaktoren fuer Multi Site OEE Implementierungen<\/h2>\n
Praxisbeispiel: Multi Site OEE bei einem Industriekonzern<\/h2>\n
TEEPTRAK: Multi Site OEE fuer 450+ Fabriken weltweit<\/h2>\n