Kurze Antwort: OEE in Tableau besteht aus drei ehrlichen Verhältnissen, die miteinander multipliziert werden, und einem Pareto, das dir sagt, wo du hinschauen sollst. Der Aufbau ist unkompliziert; der Wert hängt vollständig davon ab, wie sauber die Linie ihre Stillstände erfasst.
OEE definieren, bevor du es darstellst
Overall Equipment Effectiveness verdichtet die Produktivität einer Abfülllinie in eine Zahl: Verfügbarkeit × Leistung × Qualität. Die Disziplin besteht darin, jede Komponente präzise als berechnetes Feld zu definieren, bevor du irgendetwas zeichnest.
- Verfügbarkeit = tatsächliche Laufzeit ÷ geplante Produktionszeit (der Verlust durch Ausfälle und Umrüstungen).
- Leistung = tatsächlicher Ausstoß ÷ theoretischer Ausstoß bei Nenngeschwindigkeit (der Verlust durch Kleinstillstände und langsamen Lauf).
- Qualität = Gut-Einheiten ÷ insgesamt produzierte Einheiten (der Verlust durch Ausschuss und Nacharbeit).
Multipliziere die drei und du hast OEE. Baue sie als benannte berechnete Felder auf einem sauberen Datenmodell auf — eine Zeile pro Produktionslauf oder Schicht je Linie, mit geplanter Zeit, Laufzeit, Stückzahlen und Ausschusszahlen — und der Rest des Dashboards ist Zusammenbau. Diese “Erst messen”-Strenge ist wichtig, weil jede Komponente auf ein anderes Problem zeigt; eine einzelne OEE-Zahl verbirgt, ob du an Stillständen, Geschwindigkeit oder Ausschuss verlierst.
Das Dashboard bauen
Stelle den OEE-Prozentsatz mit einer BAN (großen aggregierten Zahl) und einer Anzeige gegen das Ziel in den Vordergrund. Darunter brich Verfügbarkeit, Leistung und Qualität getrennt auf, damit die Geschichte lesbar ist — ein OEE von 85 %, das aus schwacher Verfügbarkeit besteht, ist ein ganz anderes Problem als eines aus schwacher Qualität.
Die Arbeitspferd-Ansicht ist ein Pareto der Stillstandsgründe: Stelle die verlorenen Minuten nach Grund als Balken dar, absteigend sortiert, mit einer Tabellenberechnung des laufenden Gesamtwerts, die die kumulative Linie zeichnet. Hier verdienen sich Tableaus Tabellenberechnungen ihren Platz. Ein Parameter lässt den Nutzer Linie und Schicht wählen und tauscht den Kontext aus, ohne neue Blätter; Parameteraktionen machen es klickgesteuert. Stelle OEE über die Zeit als Trend mit einer Referenzlinie für das Ziel dar und füge eine Filteraktion hinzu, sodass ein Klick auf einen Tag in die Läufe und Stillstände jener Schicht hineinzoomt.
Für Vorhersage — erfasste Stillstände in eine Schätzung künftiger Stillstände zu verwandeln — ist Tableau selbst das falsche Werkzeug; das ist eine Modellierungsaufgabe. Das natürliche Begleitstück ist Abfülllinien-OEE und Stillstandsvorhersage, wo ein externes Modell die Prognose übernimmt und Tableau das Ergebnis visualisiert. Eine generative KI-Zusammenfassung kann das wöchentliche Pareto auch in eine kurze Erzählung für die Produktionsbesprechung verwandeln, die ein Manager auf Plausibilität prüft.
Wo es bricht
Hier ist die unbequeme Wahrheit: Müll bei der Stillstandskodierung rein bedeutet Müll-OEE raus. Die Komponenten Verfügbarkeit und Leistung hängen vollständig davon ab, dass Bediener Stillstände genau und einheitlich protokollieren. Wenn die Hälfte der Mikrostillstände nie erfasst wird, sieht die Leistung gut aus, während die Linie kriecht. Wenn jeder ungeklärte Stillstand unter “Sonstiges” abgelegt wird, ist dein Pareto ein einziger nutzloser Balken. Kein Maß an Tableau-Feinschliff behebt das — das Dashboard spiegelt getreu wider, was auch immer der Linienschreiber eingetippt hat.
Die KI-Schicht hat dieselbe Abhängigkeit. Tableau Pulse kann OEE überwachen und einen Rückgang markieren, und Explain Data kann vorschlagen, welcher Faktor sich bewegt hat, aber beide schließen über die erfassten Daten. Sie können einen Stillstand, den niemand protokolliert hat, nicht wiederherstellen. Die Lösung liegt vorgelagert: eine straffe, gut geschulte Taxonomie der Stillstandsgründe und disziplinierte Erfassung, idealerweise halbautomatisiert aus den eigenen Zählern der Linie. Mach das richtig, und OEE wird zu einer der handlungsfähigsten Zahlen in der Brauerei; mach es falsch, und es ist Theater.
Das Fazit
Ein Tableau-OEE-Dashboard besteht aus drei klaren berechneten Feldern, einem Stillstands-Pareto und Parametern zum Zerlegen nach Linie und Schicht. Es sagt dir genau, wo deine Abfüllverluste sitzen — aber nur, wenn die Stillstandsdaten ehrlich erfasst werden. Behebe erst die Erfassung, dann lass Tableau die Verluste unmöglich zu ignorieren machen.
Teil des Tracks Brauwissenschaft & KI. Verwandt: Abfülllinien-OEE und Stillstandsvorhersage.
Häufig gestellte Fragen
Wie wird OEE als berechnetes Feld in Tableau ermittelt? OEE ist Verfügbarkeit multipliziert mit Leistung multipliziert mit Qualität — jede davon ein Verhältnis, das du als berechnetes Feld aufbaust: Verfügbarkeit ist Laufzeit geteilt durch geplante Zeit, Leistung ist tatsächlicher Ausstoß geteilt durch theoretischen Ausstoß, und Qualität ist Gut-Einheiten geteilt durch Gesamteinheiten. Das Produkt ist dein OEE-Prozentsatz.
Was ist das nützlichste Diagramm auf einem OEE-Dashboard? Ein Pareto der Stillstandsgründe. Es ordnet die Ursachen verlorener Verfügbarkeit, sodass du die wenigen entscheidenden Stillstände siehst, die den Großteil des Verlusts ausmachen — meist dort, wo die schnellsten Gewinne liegen.
Warum sieht mein OEE falsch aus? Fast immer wegen der Art, wie Stillstände an der Linie kodiert werden. Wenn Bediener Stillstände uneinheitlich protokollieren oder alles unter ‘Sonstiges’ zusammenfassen, ist die Verfügbarkeitskomponente — und damit OEE — unzuverlässig. Die Mathematik ist nur so gut wie die Stillstandsdaten.