Blog

📊 Wie man mit einfachen Mitteln Stillstände sichtbar macht

Stillstände „fühlen“ sich im Alltag oft klar an: „Die Maschine steht dauernd“, „Wir kommen nicht auf Takt“. Ohne Zahlen bleibt das aber subjektiv. Wer Entscheidungen über Investitionen, Personal oder Instandhaltung treffen muss, braucht eine nüchterne Sicht auf die Realität: Wann steht was, wie lange, warum – und mit welchem Effekt auf den Durchsatz?

Mit wenigen, einfachen Mitteln – einer strukturierten Erfassung auf Papier oder in einer Tabellenkalkulation, ergänzt um etwas Auswertung (zum Beispiel mit Python) – lässt sich bereits sehr viel Transparenz schaffen. Man muss dafür weder ein komplexes Manufacturing Execution System (MES) einführen noch die ganze Produktion vernetzen. 🚦

Use-Case: „Wir liefern, aber wir wissen nicht, warum es hakt“

Typische Ausgangslage in kleinen und mittleren Unternehmen:

• Die OEE-Auswertung (Gesamtanlageneffektivität, englisch Overall Equipment Effectiveness) aus dem ERP-System bildet Stillstände nur grob ab.
• Die Mitarbeitenden melden „Störungen“ in Sammelkategorien (zum Beispiel „technische Störung“, „Material fehlt“), die für Ursachenanalysen zu grob sind.
• Es gibt Diskussionen zwischen Produktion, Instandhaltung und Arbeitsvorbereitung, wer welchen Anteil an den Stillständen „verursacht“.
• Investitionen (neuer Puffer, zusätzliche Schicht, neue Maschine) werden nach Bauchgefühl diskutiert, weil es keine belastbaren Daten gibt.

Ziel: Mit geringem Aufwand eine verlässliche, objektive Datengrundlage schaffen, um:

• die tatsächlich verfügbare Laufzeit pro Schicht zu kennen,
• die wichtigsten Stillstandsarten und -ursachen zu identifizieren,
• Engpässe und Verbesserungshebel sichtbar zu machen,
• erste Auswertungen automatisiert und wiederholbar zu fahren.

Welche Kennzahlen und Datenpunkte sind wirklich nötig?

Um Stillstände sichtbar zu machen, reicht ein schlanker Datensatz. Entscheidend ist, konsequent und einheitlich zu erfassen.

Zentrale Größen

1. Geplante Verfügbarkeitszeit
   Zeit, in der die Anlage laut Planung produzieren soll (zum Beispiel Schichtbeginn bis -ende abzüglich fixer Pausen).

2. Tatsächliche Laufzeit
   Zeitraum, in dem die Maschine tatsächlich produziert (Werkstückbearbeitung, Taktzeit läuft).

3. Stillstandszeit
   Summe aller Zeiträume, in denen die Maschine nicht produziert, obwohl sie laut Planung laufen sollte.

4. Feinere Stillstandskategorien
   Beispielhafte Struktur (orientiert an ISO 22400 für Kennzahlen in der Fertigung):

5. Kategorie A – geplante Nichtverfügbarkeit (zum Beispiel Rüsten, geplante Wartung, Schulung)

6. Kategorie B – technische Störungen (zum Beispiel mechanischer Defekt, Sensorfehler)
7. Kategorie C – logistische Ursachen (zum Beispiel Material fehlt, falsches Material, kein Transportmittel)
8. Kategorie D – organisatorische Ursachen (zum Beispiel Freigabe fehlt, Programmierung nicht abgeschlossen)
9. Kategorie E – Qualitätsbedingte Ursachen (zum Beispiel Nacharbeit, Ausschussanalyse)

Diese Struktur ist bewusst grob gehalten und kann im Zeitverlauf angepasst oder verfeinert werden.

1. Zählerstände und Stückzahlen (falls verfügbar)
2. Gefertigte Gutteile
3. Ausschussteile
4. Start- und Endzähler pro Schicht

Damit lassen sich bereits zentrale Kennzahlen wie Verfügbarkeitsgrad, Leistungsgrad und Qualitätsgrad ermitteln, die später in eine Gesamtanlageneffektivität (OEE) einfließen können (siehe ISO 22400-2).

Einfache Methodik: Von der Strichliste zum Datensatz

Schritt 1: Minimal standardisiertes Erfassungsblatt

Starten Sie mit einem einseitigen A4-Blatt (oder einem einfachen Tabellenblatt), das pro Schicht verwendet wird. Wichtige Elemente:

• Maschinennummer / Anlagenteil
• Datum, Schicht, Bediener
• Geplante Laufzeit laut Arbeitsplan
• Tabelle für Ereignisse:

| Uhrzeit von | Uhrzeit bis | Art (Lauf / Stopp) | Kategorie | Kurzgrund | Bemerkung |
|————|————-|———————|———–|———–|———–|
| 06:45 | 07:20 | Stopp | B | Sensor | Sensor X2 keine Rückmeldung |
| 07:20 | 09:10 | Lauf | – | – | – |

Wichtig:
– Nur eine Kategorie pro Ereignis.
– Keine freien Formulierungen als alleinige Information („war irgendwas“), sondern zumindest eine Zuordnung zu A–E plus ein kurzer Klartext.

Für den Anfang genügt es, nur Stillstände > 2 oder 3 Minuten zu erfassen, um die Erfassungsarbeit zu begrenzen. Mikrostopps können später ergänzt werden, wenn nötig.

Schritt 2: Digitalisierung mit Tabellenkalkulation oder Python

Die Erfassungsblätter werden am Ende der Schicht:

• entweder direkt digital ausgefüllt (zum Beispiel auf einem Industrie-Tablet),
• oder eingescannt und von einer Person in eine einfache Tabelle übertragen.

Struktur der digitalen Tabelle (Beispiel):

| Datum | Schicht | Maschine | Start | Ende | Lauf_Stopp | Kategorie | Grund |
|———–|———|———-|———–|———–|———–|———–|———–|
| 2025-01-15 | Früh | M1 | 06:45:00 | 07:20:00 | Stopp | B | Sensor X2 |
| 2025-01-15 | Früh | M1 | 07:20:00 | 09:10:00 | Lauf | – | – |

Mit wenigen Zeilen Python lassen sich daraus bereits die Stillstandsminuten pro Schicht und Kategorie berechnen, zum Beispiel:

• Summe Stillstand gesamt (in Minuten)
• Summe pro Kategorie
• Anteil Stillstand an der geplanten Verfügbarkeitszeit

Schritt 3: Visualisierung – Stillstände sichtbar machen

Mit dieser Struktur können Sie drei einfache, aber sehr aussagekräftige Darstellungen erzeugen:

1. Zeitstrahl pro Schicht (Gantt-ähnlich)
2. Achse X: Zeit von Schichtbeginn bis Schichtende

3. Balken: grün = Lauf, rot = Stopp, ergänzt um Farbcodes je Kategorie
   Ergebnis: Man sieht auf einen Blick, ob viele kurze Stopps oder wenige lange Ausfälle dominieren.

4. Stacked Bar pro Tag oder Woche

5. Achse X: Tag oder Woche
6. Achse Y: Minuten Stillstand

7. Gestapelte Anteile: Kategorien A–E
   Ergebnis: Sie erkennen den „Mix“ der Ursachen (zum Beispiel: 60 Prozent Stillstand durch Material, 25 Prozent durch Technik).

8. Pareto-Diagramm nach Hauptursachen

9. Sortierung der Ursachen-Kategorien nach Stillstandszeit
10. kumulierter Anteil als Linie (80/20-Sicht)
    Ergebnis: Transparenter Fokus, bei welchen 2–3 Themen sich Verbesserungsarbeit am meisten lohnt. 🎯

Konkretes Beispiel: Engpassmaschine im Zerspanungsbetrieb

Angenommen, ein österreichischer Zerspaner hat eine Engpassmaschine (fünf-Achs-Bearbeitungszentrum), die bei Lieferterminen kritisch ist. Über vier Wochen werden auf einer Frühschicht die Stillstände erfasst.

Auswertung (stark vereinfacht):

• Geplante Verfügbarkeitszeit pro Schicht: 480 Minuten
• Erfasste Daten (Durchschnitt über 20 Schichten):

| Kennzahl | Wert |
|———————————————|—————|
| Laufzeit gesamt | 330 min |
| Stillstand gesamt | 150 min |
| Davon Kategorie A (geplant, Rüsten) | 40 min |
| Davon Kategorie B (technische Störungen) | 25 min |
| Davon Kategorie C (Material fehlt) | 65 min |
| Davon Kategorie D (Freigabe, Programm etc.) | 15 min |
| Davon Kategorie E (Qualität) | 5 min |

Interpretation:

• Verfügbarkeit (vereinfacht, ohne weitere OEE-Komponenten) ≈ 330 / 480 ≈ 69 Prozent.
• Der größte Block ist nicht die Technik, sondern fehlendes Material (Kategorie C).
• Die Diskussion „wir brauchen eine neue Maschine“ wird damit hinterfragt:
• Selbst wenn die Technik alle Störungen reduzieren würde, wären nur 25 von 150 Minuten Stillstand betroffen.
• Mit Materialorganisation und -bereitstellung könnte man potenziell 65 Minuten pro Schicht heben.

Mit einem einfachen Zeitstrahl fällt beispielsweise auf:

• Zwischen 08:00 und 09:00 Uhr türmen sich kurze Stopps „Material fehlt“.
• Zwischen 06:00 und 07:00 Uhr ist die Maschine gut versorgt und läuft weitgehend durch.

Handlungsansatz: Materialbereitstellung und interne Logistik gezielt auf die Engpassmaschine ausrichten, statt zuerst in neue Technik zu investieren.

Interpretation: Vom Sichtbarmachen zum Entscheiden

1. Datengüte vor Perfektion

• Konsequenz schlägt Detailtiefe: Eine grobe, aber vollständige Erfassung ist wertvoller als ein perfektes Klassifikationssystem, das niemand ausfüllt.
• Techniker und Bediener sollten in die Auswahl der Kategorien eingebunden werden – dann steigen Akzeptanz und Datenqualität.

2. Keine Schuldzuweisungen aus den Kennzahlen ableiten

Stillstandsdaten dienen der Verbesserung, nicht der Personalkontrolle. Klare Kommunikation ist entscheidend:

• Fokus auf Anlagen und Prozesse, nicht auf Personen.
• Ergebnisse gemeinsam betrachten (zum Beispiel „Shopfloor Meeting“), um Ursachen zu verstehen – nicht, um Verantwortliche zu suchen.

3. Prioritäten setzen statt alles auf einmal anzugehen

Pareto-Analysen und Wochenvergleiche helfen:

• Welche zwei Hauptursachen erklären 60–80 Prozent der Stillstandszeit?
• Welche Maßnahmen sind im bestehenden Rahmen kurzfristig möglich (zum Beispiel geänderte Materialbereitstellung, einfachere Rüsthilfen, Checklisten vor Schichtstart)?

Die Kennzahlen ersetzen nicht die technische Analyse vor Ort, sie lenken sie.

Handlungsempfehlungen für den Einstieg in KMU

1. Start auf einer kritischen Anlage

• Wählen Sie eine Anlage mit erkennbarem Engpasscharakter (zum Beispiel höchste Auslastung, längste Durchlaufzeit oder besonders wichtig für Liefertermine).
• Definieren Sie eine Pilotlaufzeit von vier bis acht Wochen für die strukturierte Stillstandserfassung.

2. Gemeinsamer Katalog für Stillstandsarten

• Entwickeln Sie zusammen mit Bedienern, Instandhaltung und Fertigungssteuerung einen einfachen Katalog (5–10 Kategorien).
• Dokumentieren Sie diese auf dem Erfassungsblatt oder im digitalen Formular.

3. Einfache Auswertung sicherstellen

• Nutzen Sie vorhandene Werkzeuge: Tabellenkalkulation, Business-Intelligence-Tool oder eine schlanke Python-Auswertung.
• Standardberichte etablieren:
• Wochenübersicht Stillstand nach Kategorie
• Top-5-Ursachen des Monats
• Zeitstrahl mit Lauf/Stopp pro Schicht

4. Kennzahlen in den Regelkreis integrieren

• Besprechen Sie die Stillstands-Auswertungen regelmäßig in Technik- und Produktionsrunden.
• Verknüpfen Sie technische Maßnahmen mit klaren Vorher-Nachher-Vergleichen:
• Beispielsweise: „Neue Materialbereitstellungslogik ab KW 20 – Stillstand durch Material in KW 17–19 vs. KW 20–22“.

5. Schrittweise Automatisierung denken

Erst wenn die manuelle Erfassung und Auswertung funktioniert, lohnt sich:

• Nachrüsten von Signalerfassung (zum Beispiel digitale Eingänge an der Maschine, einfache Datenerfassung mit Industrie-PC),
• automatisches Starten und Stoppen von Zeitstempeln (Signalkontakt „Maschine läuft“),
• direkte Übergabe in Datenbanken oder Analyseumgebungen.

Die Regeln und Kategorien bleiben gleich – nur die Datenerhebung wird robuster und schneller. So wächst ein Datenfundament, das später auch für komplexere Kennzahlen (zum Beispiel vollständige OEE, Energieeffizienz pro Einheit) nutzbar ist.

Fazit: Stillstände sichtbar machen, bevor man groß digitalisiert

Mit einem klaren Fokus (eine Anlage), einem einfachen Erfassungsblatt und ein wenig Auswertung entstehen in kurzer Zeit belastbare Erkenntnisse:

• Wo geht Zeit verloren?
• Welche Stillstandsarten dominieren wirklich?
• Welche Hebel haben die größte Wirkung auf Durchsatz und Termintreue?

Erst wenn diese Grundlagen stehen, lohnt es sich, über komplexere Digitalisierungsprojekte zu sprechen. DatenMitDenken heißt hier: mit überschaubarem Aufwand starten, systematisch vorgehen und erst danach automatisieren.

Wenn Sie möchten, können wir gemeinsam durchspielen, wie so ein Stillstands-Erfassungsblatt für Ihren konkreten Prozess aussehen würde – inklusive Beispielauswertung.

Quellen (Auswahl)
– ISO 22400-2:2014 – Automation systems and integration – Key performance indicators (KPI) for manufacturing operations management – Part 2
– Nakajima, S. (1988): Introduction to Total Productive Maintenance. Productivity Press
– Muchiri, P., Pintelon, L. (2008): Performance measurement using Overall Equipment Effectiveness (OEE). International Journal of Production Research

Wenn Sie Unterstützung beim Aufsetzen einer schlanken Stillstandserfassung oder bei der Auswertung (zum Beispiel mit Python) wünschen, melden Sie sich einfach – und stellen Sie gern konkrete Rückfragen zu Ihrem Anwendungsfall.

📊 #DatenMitDenken #LemconTech #IngenieurbueroLemmerer #Stillstandsanalyse #OEE #Produktion #DataDrivenManufacturing #KMU