Produktionsstabilität: Was sie ausmacht und wie man sie misst

Was ist Produktionsstabilität?

Produktionsstabilität beschreibt die Fähigkeit einer Fertigung, Tag für Tag, Schicht für Schicht, das gleiche Ergebnis zu liefern: die geplante Menge, in der geplanten Zeit, in der geforderten Qualität. Nicht einmal, sondern wiederholt und vorhersagbar.

Stabil ist nicht dasselbe wie schnell. Eine Linie, die an einem Tag 1.200 Teile produziert und am nächsten Tag 800, ist nicht stabil, auch wenn der Durchschnitt akzeptabel wäre. Eine Linie, die jeden Tag 950 Teile produziert, ist stabil, auch wenn die Absolut Zahl niedriger ist.

Produktionsstabilität ist die Voraussetzung für jede systematische Verbesserung. Solange die Ergebnisse schwanken, lässt sich nicht unterscheiden, ob eine Maßnahme gewirkt hat oder ob der Unterschied zufällig ist. Erst wenn der Prozess stabil ist, kann er gezielt verbessert werden. Das ist ein Grundprinzip von Lean, Six Sigma und jedem KVP-Programm.

Wie misst man Produktionsstabilität?

Produktionsstabilität lässt sich nicht an einer einzelnen Kennzahl ablesen. Sie zeigt sich in der Varianz von mehreren Größen über die Zeit.

Die wichtigste Erkenntnis: Stabilität ist keine absolute Kennzahl, sondern ein Mass für Varianz. Je geringer die Schwankung, desto stabiler der Prozess. Ein "guter" OEE-Wert, der jeden Tag anders ist, deutet auf einen instabilen Prozess hin, nicht auf einen guten.

Was instabile Produktion tatsächlich kostet

Die Kosten instabiler Produktion sind höher als die meisten Betriebe annehmen, weil sie sich nicht in einer einzelnen Kostenstelle bündeln, sondern über Dutzende Positionen verteilen.

Direkte Kosten: Stillstände und Ausschuss. Jede Minute ungeplanter Stillstand kostet Maschinenstundensatz + Personalkosten. Jedes Ausschussteil kostet Material + Bearbeitungszeit + Entsorgung.

Planungskosten: Unsicherheit ist teuer. Wenn die Ausbringung unvorhersagbar ist, muss die Planung Sicherheitspuffer einbauen: mehr Lagerbestand (Kapitalbindung), mehr Kapazitätsreserve (Überstunden, Sonderschichten), mehr Materialbestand (Überbestellung). Bei einem Metall-Verarbeiter mit 15 Maschinen und einer Ausbringungsschwankung von ±20 % können diese Pufferkosten 30.000 bis 80.000 Euro pro Jahr betragen.

Verbesserungskosten: Maßnahmen verpuffen. Ein Lean-Workshop optimiert die Rüstzeit einer Maschine. Ergebnis: 15 Minuten schneller. Aber wenn die Maschine am nächsten Tag 40 Minuten ungeplant steht, weil ein anderes Problem auftritt, ist der Effekt nicht messbar. Die Maßnahme hat gewirkt, aber die Instabilität des Gesamtprozesses überlagert die Verbesserung. Das Team verliert das Vertrauen in KVP.

Ein Rechenbeispiel: Ein Kunststoffverarbeiter mit 10 Spritzgussmaschinen. Durchschnittliche Ausbringung pro Schicht: 1.000 Teile. Tatsächliche Ausbringung schwankt zwischen 700 und 1.300 Teilen. Um die Lieferfähigkeit zu sichern, hält der Betrieb 2 Tage Sicherheitsbestand. Bei einem Stückwert von 3 Euro und einem Tagesbedarf von 5.000 Teilen bedeutet das: 2 × 5.000 × 3 = 30.000 Euro Kapitalbindung. Wenn die Produktion so stabilisiert wird, dass die Schwankung auf ±10 % sinkt (900 bis 1.100 Teile), kann der Sicherheitsbestand auf 1 Tag reduziert werden: 15.000 Euro weniger Kapitalbindung.

Warum Produktion instabil wird: Die fünf Hauptursachen

Die Ursachen für instabile Produktion lassen sich in fünf Kategorien einteilen.

Die meisten Betriebe konzentrieren sich auf die technische Ursache (Maschine reparieren). Aber in der Praxis verursachen organisatorische und planerische Instabilitäten mindestens genauso viel Varianz wie technische Probleme. Nur sind sie schwerer zu messen, weil sie nicht als "Störung" klassifiziert werden.

Produktionsstabilität und OEE

Die OEE ist die am häufigsten genutzte Kennzahl zur Messung von Produktionseffektivität. Aber OEE als Durchschnittswert sagt wenig über Stabilität aus.

Ein Beispiel: Zwei Maschinen haben dieselbe Wochen-OEE von 75 %. Maschine A hat jeden Tag 75 % (±2 %). Maschine B hat Montag 90 %, Dienstag 55 %, Mittwoch 82 %, Donnerstag 68 %, Freitag 80 %. Im Durchschnitt: 75 %. Aber Maschine A ist stabil, Maschine B ist instabil.

Für die Produktionsplanung ist der Unterschied enorm: Bei Maschine A kann man zuverlässig planen. Bei Maschine B muss man Puffer einbauen, weil man nicht weiß, ob morgen 55 % oder 90 % kommen.

Die relevante Kennzahl für Stabilität ist nicht der OEE-Durchschnitt, sondern die OEE-Varianz: die Standardabweichung der OEE über Schichten oder Tage. Je kleiner die Standardabweichung, desto stabiler der Prozess. In SYMESTIC lässt sich die OEE pro Schicht, pro Tag, pro Woche vergleichen. Der Schichtvergleich zeigt sofort, ob und wie stark die OEE schwankt.

Wie SYMESTIC Produktionsstabilität messbar macht

SYMESTIC stabilisiert keine Maschinen und plant keine Aufträge. SYMESTIC macht Instabilität sichtbar, indem es die Varianz in der Produktion automatisch erfasst, quantifiziert und visualisiert. Das ist die Datenbasis, ohne die keine gezielte Stabilisierung möglich ist.

• Automatische Stillstandserfassung. SYMESTIC erkennt über das Maschinensignal (OPC UA oder digitales I/O-Gateway), wann eine Maschine steht. Zeitpunkt, Dauer und Häufigkeit werden sekundengenau erfasst. Die Anbindung erfolgt in 2 bis 4 Stunden pro Maschine, ohne Eingriff in die Maschinensteuerung.
• Stillstandsklassifikation. Am Shopfloor-Client klassifiziert der Werker oder Instandhalter jeden Stillstand: technischer Ausfall, Rüsten, Materialmangel, Qualitätsproblem, organisatorisch. Die Kategorien sind konfigurierbar. Damit zeigt die Analyse nicht nur "wie viel Varianz", sondern "welche Ursache verursacht die Varianz".
• Schichtvergleich. SYMESTIC vergleicht OEE, Ausbringung und Stillstandsmuster über Schichten (Frühschicht vs. Spätschicht vs. Nachtschicht). Wenn die Frühschicht konstant 78 % OEE erreicht und die Nachtschicht zwischen 60 und 82 % schwankt, ist das ein organisatorisches Stabilitätsproblem, kein technisches.
• Maschinenvergleich. Maschine 1 vs. Maschine 2 bei gleichem Produkt. Wenn Maschine 1 stabil läuft und Maschine 2 schwankt, liegt die Ursache an der Maschine (Verschleiß, Einstellung, Wartungszustand), nicht am Prozess.
• Top-Stillstandsursachen (Pareto). Die Analyse zeigt: Welche 3 bis 5 Ursachen verursachen die größte Varianz? Bei Meleghy Automotive hat diese Analyse nach der Einführung in 4 Werken zu 10 % Reduktion der Stillstandszeiten geführt.
• Benachrichtigungen. Wenn ein Stillstand eine definierte Dauer überschreitet, sendet SYMESTIC automatisch eine Benachrichtigung. Die Reaktionszeit sinkt. Kürzere Reaktionszeit bedeutet kürzerer Stillstand bedeutet weniger Varianz.
• SPS-Alarmerfassung. Über das Alarme-Modul werden SPS-Alarme direkt aus der Steuerung erfasst und mit Stillständen korreliert.
• Prozessdatenüberwachung. Über das Prozessdaten-Modul werden Temperatur, Druck, Vibration und andere Messwerte erfasst. Wenn ein Wert langsam driftet, wird das sichtbar, bevor ein Ausfall oder Qualitätsproblem eintritt. Das ist der Übergang von reaktiver zu zustandsbasierter Stabilisierung.

Drei Schritte zur stabilen Produktion

Schritt 1: Varianz messen. Automatische Datenerfassung einrichten. OEE pro Schicht messen, Stillstände erfassen und klassifizieren. Nach 2 bis 4 Wochen zeigt die Analyse: Wie groß ist die Schwankung? Welche Maschinen schwanken am stärksten? Welche Schichten? Welche Ursachen?

Schritt 2: Größte Varianzquellen abstellen. Die Pareto-Analyse zeigt die Top-3-Ursachen für Varianz. Für jede Ursache wird eine Maßnahme definiert: technische Ursache = Wartungsmaßnahme. Materialursache = Beschaffungsprozess anpassen. Organisatorische Ursache = Schichtübergabe standardisieren. Personalursache = Bedienertraining. Planungsursache = Reihenfolgeoptimierung. Die Wirksamkeit wird über die OEE-Varianz geprüft: Ist die Schwankung nach der Maßnahme kleiner geworden?

Schritt 3: Standards setzen und halten. Sobald der Prozess stabil ist, werden die Bedingungen als Standard definiert: Prozessparameter, Wartungsintervalle, Schichtübergabe-Checklisten, Rüststandards. Jede Abweichung vom Standard wird über die automatische Datenerfassung sichtbar. Das ist der SDCA-Zyklus (Standardize-Do-Check-Act), die Grundlage jeder nachhaltigen Verbesserung.

Produktionsstabilität nach Branche

Die Anforderungen an Stabilität und die typischen Instabilitätsquellen variieren nach Branche.

Häufige Fragen zur Produktionsstabilität

Was ist der Unterschied zwischen Produktionsstabilität und OEE?

Die OEE misst die Gesamteffektivität einer Anlage als Durchschnittswert. Produktionsstabilität misst, wie gleichmäßig die OEE (oder andere Kennzahlen wie Ausbringung, Ausschuss, Taktzeit) über die Zeit ist. Ein hoher OEE-Durchschnitt mit starker Schwankung zeigt einen instabilen Prozess. Ein mittlerer OEE-Durchschnitt mit geringer Schwankung zeigt einen stabilen Prozess, der gezielt verbessert werden kann.

Kann SYMESTIC die Produktionsstabilität verbessern?

SYMESTIC verbessert keine Stabilität direkt. SYMESTIC macht Instabilität messbar: Welche Maschine schwankt am stärksten, welche Schicht, welche Ursache. Mit dieser Datenbasis können gezielte Massnahmen eingeleitet und deren Wirksamkeit überprüft werden.

Welche Kennzahl zeigt Produktionsstabilität am besten?

Die OEE-Varianz (Standardabweichung der OEE pro Schicht über einen definierten Zeitraum) ist die aussagekräftigste Einzelkennzahl. Ergänzend: Ausbringungsschwankung (%), Stillstandshäufigkeit pro Schicht und Ausschussrate-Varianz. In SYMESTIC lassen sich diese Werte über Schichten, Tage und Wochen vergleichen.

Was muss zuerst stabil sein: Maschine, Material oder Organisation?

Die Pareto-Analyse zeigt, welche Quelle die größte Varianz verursacht. In der Praxis ist die Reihenfolge oft: 1. Technische Grundstabilität herstellen (die größten Ausfallursachen beseitigen), 2. Organisatorische Standards setzen (Schichtübergabe, Auftragsfreigabe), 3. Material- und Planungsstabilität erhöhen. Ohne Schritt 1 bringt Schritt 2 wenig, weil die technischen Störungen alles überlagern.

Wie schnell kann ich Stabilität messen?

Wenn die Maschinenanbindung über SYMESTIC eingerichtet ist (typischerweise 2 bis 4 Stunden pro Maschine), werden OEE und Stillstände ab dem ersten Tag erfasst. Nach 2 bis 4 Wochen zeigt der Schicht- und Tagesvergleich die tatsächliche Varianz. Nach 4 bis 8 Wochen ist genug Datenbasis vorhanden, um Ursachenmuster und die Wirksamkeit von Maßnahmen zu bewerten.