Erfolgsgeschichte: LSV Lech-Stahl Veredelung GmbH

In der dynamischen Geschäftswelt von heute ist es unerlässlich, Daten als strategisches Instrument zu nutzen. Die LSV Lech-Stahl Veredelung GmbH (LSV), ein Blankstahlhersteller und Spezialist für Stahlveredelung, Teil der Max Aicher Unternehmensgruppe, hat das enorme Potenzial der eigenen Produktionsdaten erkannt. Durch die Analyse und Entschlüsselung dieser Daten mittels Process Mining identifiziert die LSV verborgene Prozesspotenziale, die dazu beitragen, die Profitabilität zu steigern und die Wettbewerbsfähigkeit zu verbessern.

Executive Summary

Herausforderung:

Eine kostenintensive Produktionsanlage, die unter ihrer Kapazität betrieben wurde, sowie Investitionen in Datenerfassung, die jedoch nicht genutzt werden konnten, um operative Maßnahmen abzuleiten.

Ziel:

Ziel war es, durch datengetriebenes Prozessmanagement die Anlageneffizienz zu erhöhen und so eine schnelle Reaktion auf verändernde Kundenanforderungen und Produktionsaufträge zu ermöglichen.

Ergebnisse:

Transparenz über alle Prozessineffizienzen wurde erreicht, was einem Potenzial von 23% in der Gesamtanlageneffektivität (OEE) entspricht. Innerhalb von nur sechs Monaten konnte eine Steigerung der OEE um 10% realisiert werden. Dies entspricht einer sechsstelligen Einsparung pro Jahr bei einer einzelnen Anlage.

Vorstellung LSV

Die LSV Lech-Stahl Veredelung GmbH, gegründet 2012, entstand aus der Fusion zweier renommierter Blankstahlunternehmen, der Lech-Stahl Veredelung in Oberndorf am Lech und der Stahlveredelung Landsberg. Als vollständige Tochtergesellschaft der Lech-Stahlwerke GmbH, dem einzigen Stahlwerk in Bayern, spezialisiert sich die LSV auf die Veredelung von Stahl aus 100 Prozent recyceltem Schrott. Mit rund 300 Mitarbeitern an drei Produktionsstandorten ist die LSV stolz auf ihre langjährige Erfahrung in der Herstellung und Veredelung von Blankstahl.

Herausforderung

Die LSV wusste, dass eine kontinuierliche Optimierung der Produktionsprozesse unerlässlich ist, um im globalen Wettbewerb bestehen zu können. Steigende Energiepreise, Lieferverzögerungen und intensiver Wettbewerb führten zu einer sinkenden Profitabilität und erforderten deshalb innovative Ansätze zur Effizienzsteigerung und Kostensenkung. Das Ziel war deshalb, Maßnahmen zur Steigerung der Gesamtanlageneffektivität (OEE) durchzuführen und zur Generierung neuer und zur Sicherung bestehender Wettbewerbsvorteile beizutragen. Die LSV sah sich bisher mit der Herausforderung konfrontiert, dass die OEE-Verbesserung auf traditionellen Methoden der Prozessoptimierung beruhte. Dies ließ lediglich eine isolierte Einzelfallbetrachtung von Fehlerdaten und eine auf den vergangenen Tag beschränkte Datenauswertung zu. Neue Ideen, Ansätze und Strategien zur Erreichung genannter Ziele waren so schwierig zu identifizieren.

Eine valide Beantwortung von entscheidenden betriebswirtschaftlichen Fragestellungen war deshalb nur schwer zu ermöglichen:

• Welchen Einfluss haben Wartungsintervalle und -prozesse auf die Effizienz?
• Wann sind die optimalen Wartungszeitpunkte?
• Wie kann ich durch eine optimierte Auftragsstruktur meine Gesamteffizienz positiv beeinflussen und was kosten mich Ad-hoc-Aufträge?
• Kann ich wissen, wann ich Werkzeug wechseln sollte und wie lange mein Wechsel dauern sollte?

Bisherige Vorgehensweise

Die LSV hat bisher ihre langjährige Erfahrung und Expertise genutzt, um potenzielle Verbesserungen in Fertigungsprozessen zu identifizieren. Allerdings fehlte es an einer Prozessanalyse, welche die tatsächlichen Auswirkungen von Handlungen bewertete und Potenziale aufzeigte. Zum Beispiel könnte eine erhöhte Effizienz am Tagesende auf eine verbesserte Messerqualität hindeuten, sie könnte aber auch durch Unterschiede in den täglichen Aufträgen bedingt worden sein.

Die Anlageneffektivität wird von zahlreichen Faktoren beeinflusst, was die Prozessoptimierung mittels herkömmlicher Methoden – wie Einzelinterviews oder hypothetischen Annahmen über Verbesserungspotenziale – zur Suche nach der Nadel im Heuhaufen macht. Um dieses Problem anzugehen, hat die LSV in Zusammenarbeit mit Logatik die datengetriebene Prozessoptimierung eingeführt, indem sie die Process Mining Lösung von Celonis implementiert hat.

Abbildung 1: Zitat Werksleiter

Umsetzung PM:

In der modernen Produktionslandschaft sind effiziente Prozesse und eine maximale Anlageneffektivität (OEE) entscheidend. Eine Schlüsselrolle bei der Prozessoptimierung spielt der intelligente Umgang mit Betriebsdaten. Durch den Einsatz von Process Mining konnte die LSV ein tiefgreifendes Prozessverständnis und -transparenz erhalten.

Der Ansatz begann mit der Gewinnung und Bereinigung von Daten aus Anlagesystemen. Nachdem diese von Fehlern und Inkonsistenzen befreit waren, wurden sie in die Process Mining Software Celonis hochgeladen. Dadurch konnte ein detailliertes Bild des Produktionsprozesses erstellt werden.

Abbildung 2: Process Explorer Produktionsprozess

Die wirkliche Stärke von Process Mining zeigte sich in der multidimensionalen Analyse dieser tatsächlich ablaufenden Prozessvarianten. Verschiedene Einflussfaktoren, darunter das verwendete Material, Kundenanforderungen, Wochentage, Prozessfehler und Prozessevents werden eingesetzt, um die OEE zu verbessern. Diese umfassende Analyse ermöglichte wertvolle Erkenntnisse für die Prozessoptimierung und ermöglicht Echtzeittransparenz im Produktionsprozess.

Ergebnisse:

Innerhalb von nur drei Monaten konnte die LSV mit Process Mining über 11.000 Minuten Ausfallzeit feststellen. Das Unternehmen identifizierte ein OEE-Verbesserungspotenzial von 23% und realisierte nach nur sechs Monaten eine OEE-Steigerung von 10%.

Dank der erhöhten Transparenz sind sie in der Lage, fundierte Entscheidungen zu treffen, die es ermöglichen, ihre Anlagenauslastung trotz zunehmender Komplexität der Anforderungen hochzuhalten. Diese entschlüsselten Potenziale führten zu einer Verbesserung der Gewinnmargen und ermöglichten es dem Unternehmen, sich wettbewerbsfähiger auf dem Markt zu positionieren. In der Zukunft soll die Analyse auf ähnliche Anlagen in weiteren Werken ausgeweitet werden, um das datenbasierte Testen und Teilen von Best-Practices über Werksgrenzen hinweg zu ermöglichen.