---
title: "23 % OEE-Steigerung bei Hochgeschwindigkeitsverpackung"
description: "Fallstudie zur OEE-Optimierung bei FMCG: 23 % OEE-Steigerung und 35 % Reduzierung der Ausfallzeiten mit HORUS Optimize und OEE-Tracking."
url: "https://niotek.net/de/case-study/fmcg-oee-optimization"
language: "de"
---

BRANCHE: FMCG APP: OEE-OPTIMIERUNG

# 44 % weniger Ausfallzeiten. 16 % höhere OEE.

## Wie ein multinationaler FMCG-Hersteller den Betrieb mit Predictive TPM stabilisierte – ohne veraltete Steuerungssysteme auszutauschen.

Your browser does not support the video tag.

Systemstatus

OEE-Wert 78%

Verfügbarkeit 92%

44%

Reduzierung ungeplanter Ausfallzeiten

+16%

OEE-Steigerung

46%

Schnellere MTTR

90%+

Planungsgenauigkeit

### 01 // DIE HERAUSFORDERUNG

## Wenn jede Minute Geld kostet

In Hochgeschwindigkeits-FMCG-Umgebungen sind die Effizienzmargen hauchdünn. Diese Anlage betrieb mehrere Verpackungslinien, bei denen reaktive Wartung die Einnahmen schmälerte.

#### Reaktive Kultur

Die Verschlechterung der Ausrüstung blieb unbemerkt, bis plötzliche Ausfälle auftraten, die zu Notstopps der Linien führten.

#### Fragmentierte Daten

Arbeitsaufträge und Ersatzteilhistorien waren über manuelle Protokolle verstreut, was die Verantwortlichkeit einschränkte.

#### Der blinde Fleck bei der OEE

Die OEE wurde rückwirkend berechnet, was echte Kapazitätsverluste verschleierte und eine proaktive Optimierung verhinderte.

### 02 // DIE LÖSUNG

## Ein Predictive-TPM-Kontrollzentrum

Niotek implementierte das HORUS TPM-Modul als nicht-invasive operative Intelligenzschicht.

01

#### Einheitliche Instandhaltungsleitung

Es wurde ein zentrales Kontrollzentrum eingerichtet, um MTTR, MTBF und Aufgabenerledigung in Echtzeit zu verfolgen. Instandhaltungsteams arbeiten nun auf Basis einer einzigen Datenquelle („Single Source of Truth“).

02

#### Prädiktive Anomalieerkennung

Der Zustand der Ausrüstung wird kontinuierlich auf Verschleiß überwacht. Instandhaltungsteams erhalten Frühwarnungen, sodass Eingriffe geplant statt überstürzt durchgeführt werden können.

03

#### Automatisierte TPM-Workflows

Arbeitsaufträge werden jetzt systematisch ausgelöst, zugewiesen und verfolgt – wodurch manuelle Fehler und verpasste Eingriffe eliminiert werden.

### 03 // DIE ERGEBNISSE

## Vom Chaos zur Kontrolle

Innerhalb von vier Monaten wechselte die Anlage zu einem strukturierten, prädiktiven Modell.

DATENQUELLE: HORUS\_ANALYTICS

Metrik Vor HORUS Nach HORUS Auswirkung Ungeplante Ausfallzeit ~52 Std. / Monat ~29 Std. / Monat 44 % Reduzierung OEE-Wert 62 % 78 % +16 % Gewinn MTTR 2,4 Std. 1,3 Std. 46 % schneller Planungsgenauigkeit ~40 % 90 %+ 2,25-fache Verbesserung

### TECHNISCHES SPOTLIGHT

#### Integration ohne Neuverkabelung

Direkte Verbindung mit bestehenden SPS an Verpackungs- und Abfüllanlagen ohne Änderung der Kernsteuerungslogik.

#### Ursachenanalyse (Root Cause Analysis)

Strukturierte Fehlerklassifizierung ermöglichte eine schnellere Diagnose und die Eliminierung wiederholter Ausfälle.

#### Kostenvermeidung

Erzielte 18–22 % jährliche Vermeidung von Instandhaltungskosten durch Verlängerung der Anlagenlebensdauer und Eliminierung von Notfallreparaturen.

> "Vorausschauende Wartung dient nicht nur der Rettung von Maschinen. Es geht darum, Zeit zu sparen."

Dieses Projekt bewies, dass TPM-Exzellenz im FMCG-Bereich keine neuen Maschinen oder störenden Upgrades erfordert. Durch die Digitalisierung von Instandhaltungs-Workflows erreichte der Hersteller eine signifikante Steigerung der OEE und Zuverlässigkeit.

OEE\_CALC.EXE

### Berechnen Sie Ihr OEE-Potenzial

LIVE

Berechnen Sie Ihre Gesamtanlageneffektivität und entdecken Sie Optimierungsmöglichkeiten.

Ihre OEE-Bewertung

0%

--

Availability 0%

Performance 0%

Quality 0%

Verbesserungspotenzial

+0%

Verbesserungspotenzial zur Erreichung von 85% OEE (Weltklassestandard)