Six Big Losses: Die kritischen Verlustquellen in der OEE-Optimierung

Was sind die Six Big Losses?

Im Rahmen der Overall Equipment Effectiveness (OEE) Optimierung spielen die "Six Big Losses" eine zentrale Rolle bei der systematischen Identifikation von Produktionsverlusten. Diese sechs Hauptverlustquellen wurden ursprünglich im Total Productive Maintenance (TPM) definiert und bilden bis heute das Fundament für gezielte Effizienzverbesserungen in der Fertigung.

Hinweis: Eine umfassende Einführung in das Konzept der Overall Equipment Effectiveness, ihre Berechnung und strategische Bedeutung finden Sie in unserem ausführlichen OEE-Leitfaden.

Die Six Big Losses sind in drei Kategorien unterteilt, die direkt den drei OEE-Faktoren entsprechen:

1. Verfügbarkeitsverluste: Wenn Maschinen stillstehen

1.1 Anlagenausfälle und Störungen

Definition: Ungeplante Stillstände durch technische Defekte, Werkzeugbrüche oder andere unerwartete Ereignisse, die einen kompletten Produktionsstopp verursachen.

Typische Ursachen:

• Mechanische oder elektrische Ausfälle
• Werkzeugbrüche
• IT-Systemausfälle
• Stromausfälle
• Rohstoffmangel

Finanzieller Impact: Bei einer Anlage mit einem Stundensatz von 300€ kostet jede Stunde Störung direkt 300€ plus entgangene Deckungsbeiträge. Bei 2 Stunden ungeplanter Stillstand pro Woche entstehen jährliche Verluste von über 31.000€.

Digitale Erkennungsmethoden 2025:

• Predictive Maintenance durch Vibrationsanalyse
• KI-basierte Anomalieerkennung im Maschinenbetrieb
• IoT-Sensoren zur Echtzeitüberwachung kritischer Komponenten

Industrie-Benchmark: In modernen Fertigungsbetrieben mit effektiven Predictive-Maintenance-Programmen sollten ungeplante Ausfälle weniger als 2% der geplanten Produktionszeit ausmachen.

1.2 Rüst- und Einstellungsverluste

Definition: Geplante Stillstände für Werkzeugwechsel, Materialumstellungen oder Produktwechsel, die keine direkte Wertschöpfung darstellen.

Typische Ursachen:

• Produktwechsel
• Werkzeugwechsel
• Materialwechsel
• Umrüsten für andere Produktvarianten
• Reinigungsprozesse

Optimierungspotenzial: Durch konsequente Anwendung von SMED (Single Minute Exchange of Die) lassen sich Rüstzeiten typischerweise um 40-60% reduzieren.

Digitale Optimierungsmethoden:

• Digitale Arbeitsanweisungen mit AR-Unterstützung (Augmented Reality)
• Automatisierte Werkzeugwechselsysteme
• Produktionssequenzoptimierung durch KI-Algorithmen

Branchenunterschiede: Während in der Automobilindustrie Rüstzeiten häufig unter 10 Minuten liegen können, verursachen Reinigungsprozesse in der Pharmaindustrie oft Rüstzeiten von mehreren Stunden.

2. Leistungsverluste: Wenn Maschinen langsamer laufen als möglich

2.1 Kurzzeitstillstände (Micro Stops)

Definition: Unterbrechungen von weniger als 5 Minuten, die oft nicht dokumentiert werden, sich aber zu erheblichen Verlusten summieren.

Typische Ursachen:

• Kurzzeitige Blockaden
• Fehlausrichtungen im Materialfluss
• Sensorstörungen
• Kleinteilausfälle
• Kurze Bedieneingriffe

Versteckter Impact: Micro Stops von nur 30 Sekunden, die 10 Mal pro Stunde auftreten, reduzieren die Anlagenleistung bereits um 8,3%.

Herausforderungen bei der Erfassung:

• Traditionelle manuelle OEE-Erfassung übersieht diese Verluste fast komplett
• Erst durch automatische Datenerfassung mit taktsynchroner Überwachung werden diese Verluste sichtbar

Branchenspezifische Häufigkeit: In der Verpackungsindustrie sind Micro Stops für durchschnittlich 13% aller Leistungsverluste verantwortlich, in der Elektronikfertigung sogar für bis zu 22%.

2.2 Reduzierte Geschwindigkeit

Definition: Betrieb der Anlage unterhalb der designbedingten oder optimalen Geschwindigkeit.

Typische Ursachen:

• Verschleiß von Komponenten
• Materialqualitätsprobleme
• Prozessinstabilitäten
• Bedienerkenntnisse/-entscheidungen
• Energiesparmaßnahmen

Erkennungsschwierigkeiten: Oft wird die reduzierte Geschwindigkeit zum "neuen Normal", da sich Bediener an die langsamere Produktion gewöhnen.

Digitale Lösungsansätze:

• Kontinuierlicher Vergleich aktueller Zykluszeiten mit historischen Bestwerten
• Automatische Parameteroptimierung durch maschinelles Lernen
• Verknüpfung von Prozessdaten mit Materialqualitätsdaten zur Ursachenanalyse

ROI-Beispiel: Eine Steigerung der Maschinengeschwindigkeit um nur 5% bei einer Anlage mit 4.000 Betriebsstunden pro Jahr und einem Stundensatz von 250€ führt zu einem jährlichen Mehrwert von 50.000€.

3. Qualitätsverluste: Wenn Ausschuss produziert wird

3.1 Anlaufverluste und Ausschuss

Definition: Qualitätsmängel, die während der Anlauf- und Einstellphase nach einem Rüstvorgang oder beim Start auftreten.

Typische Ursachen:

• Instabile Prozessparameter während des Anlaufs
• Temperaturschwankungen
• Materialeigenschaften
• Unzureichende Einstellparameter
• Fehlende automatische Prozessregelung

Branchenunterschiede:

• Kunststoffspritzguss: Typischerweise 5-10 Anlaufteile als Ausschuss
• Druckindustrie: 2-5% Makulatur bei Anlauf
• Stahlwalzwerke: Bis zu 30 Meter Materialverlust bei jedem Materialwechsel

Fortschrittliche Optimierungsansätze:

• Digitale Zwillinge zur Simulation optimaler Anlaufparameter
• Maschinenintegrierte Qualitätskontrolle mit Closed-Loop-Feedback
• Parameterverschiebung auf Basis historischer Erfolgsmuster

3.2 Produktionsfehler und Nacharbeit

Definition: Qualitätsmängel, die während der regulären Produktion (nicht beim Anlauf) auftreten und zu Ausschuss oder Nacharbeit führen.

Typische Ursachen:

• Werkzeugverschleiß
• Prozessdrift über längere Laufzeit
• Materialinhomogenitäten
• Umgebungseinflüsse (Temperatur, Luftfeuchtigkeit)
• Bedienerfehler

Multidimensionaler Impact: Jedes fehlerhaft produzierte Teil verursacht nicht nur Materialverluste, sondern hat auch bereits Maschinenkapazität, Energie und Arbeitszeit verbraucht.

Innovative Vermeidungsstrategien:

• KI-basierte Bildverarbeitungssysteme zur Früherkennung von Qualitätsabweichungen
• Statistische Prozessregelung mit automatischen Anpassungen
• Prädiktive Qualitätsmodelle, die Qualitätsprobleme vorhersagen, bevor sie auftreten

Kostenbeispiel: Bei einem Produktionswert von 5€ pro Teil und einer Ausschussrate von 2% bei 100.000 produzierten Teilen pro Jahr entstehen direkte Materialverluste von 10.000€ plus entgangene Deckungsbeiträge und Nacharbeitskosten.

Verlustanalyse: Branch-spezifische Unterschiede

Die Gewichtung der Six Big Losses variiert stark je nach Industriezweig. Die folgende Übersicht zeigt die typische Verteilung der Verlustquellen in verschiedenen Branchen:

Praxisbeispiel: Datengetriebene Six-Big-Losses Analyse

Ein mittelständischer Automobilzulieferer konnte durch die systematische Analyse der Six Big Losses seine OEE innerhalb von 6 Monaten von 67% auf 78% steigern. Die Maßnahmen umfassten:

1. Installation eines automatischen OEE-Erfassungssystems mit Kategorisierung der Stillstände
2. Pareto-Analyse der Verlustquellen, die Micro Stops als Hauptproblem identifizierte
3. Root-Cause-Analyse der häufigsten Micro Stops durch ein multifunktionales Team
4. Implementation von 17 spezifischen Gegenmaßnahmen, die aus der Analyse abgeleitet wurden
5. Kontinuierliches Monitoring und wöchentliche Verbesserungsmeetings

Der finanzielle Impact dieser Maßnahmen: Zusätzliche Kapazität von 880 Produktionsstunden pro Jahr, was einem Wert von ca. 220.000€ entspricht.

Spezielle Herausforderungen bei der Erfassung der Six Big Losses

Die präzise Erfassung der Six Big Losses stellt Unternehmen vor einige Herausforderungen:

Micro Stops: Die unsichtbaren Kapazitätsfresser

Bei manueller Erfassung werden bis zu 90% aller Micro Stops übersehen. Moderne IoT-basierte OEE-Systeme können hingegen Unterbrechungen ab 3 Sekunden Dauer automatisch erkennen und kategorisieren.

Geschwindigkeitsverluste: Das Problem der schleichenden Normalisierung

Reduzierte Geschwindigkeiten werden oft zur "neuen Normalität" und damit nicht mehr als Verlust wahrgenommen. Abhilfe schafft der kontinuierliche Vergleich aktueller Zykluszeiten mit historischen Bestwerten.

Anlaufverluste: Die Herausforderung der Zuordnung

Qualitätsprobleme während des Anlaufs werden oft nicht systematisch erfasst oder anderen Kategorien zugeordnet. Eine automatische Statuserkennung der Maschine mit Phasenzuordnung sorgt für Transparenz.

Integration in Ihre OEE-Strategie

Die Six Big Losses bilden ein Fundament für Ihre gesamte OEE-Optimierungsstrategie. Für eine erfolgreiche Umsetzung empfehlen wir:

1. Beginnen Sie mit einer soliden Datengrundlage durch automatisierte OEE-Erfassung
2. Priorisieren Sie Verlustquellen basierend auf ihrem finanziellen Impact
3. Etablieren Sie ein Shopfloor-Management-System mit täglichen Kurzbesprechungen zu Verlusten
4. Schulen Sie Ihre Mitarbeiter in der Erkennung und Kategorisierung von Verlusten
5. Setzen Sie auf kleine, schnelle Verbesserungen statt große Projekte

Tipp: Für detaillierte Informationen zur Implementierung einer umfassenden OEE-Strategie lesen Sie unseren Hauptartikel zur Overall Equipment Effectiveness.

Fazit: Die Six Big Losses als Wegweiser zur Produktionsexzellenz

Die systematische Analyse und Bekämpfung der Six Big Losses ist ein entscheidender Hebel zur Steigerung Ihrer Produktionseffizienz. Durch ein tiefes Verständnis dieser Verlustquellen schaffen Sie die Grundlage für kontinuierliche Verbesserungen und messbare Produktivitätssteigerungen.

Während die OEE-Kennzahl selbst das "Was" Ihrer Produktionsleistung misst, zeigen die Six Big Losses das "Warum" dahinter – und bieten damit die konkrete Grundlage für zielgerichtete Optimierungsmaßnahmen.

Sie haben Fragen zur Optimierung Ihrer Produktion durch gezielte Bekämpfung der Six Big Losses? Kontaktieren Sie unsere Experten für eine individuell zugeschnittene Beratung.