Echtzeit-Produktionsüberwachung für Lebensmittelbetriebe: variables Gewicht, Live-Ausbeute, lückenlose Rückverfolgbarkeit

Die Lusiaves Group schätzt, dass durch die Vernetzung der Abläufe vom landwirtschaftlichen Betrieb bis zur Fabrik mittels Echtzeitdaten jährliche Einsparungen zwischen 3,5 und 7 Millionen Euro erzielt werden. Der entscheidende Faktor, so Diogo Ferreira, Geschäftsführer einer der größten Fabriken des Konzerns, sind nicht die Daten an sich, sondern die Geschwindigkeit, mit der Entscheidungen an die Produktionslinie weitergeleitet werden.

„Im Moment treffen Sie nicht nur effizientere Entscheidungen, sondern Sie treffen sie auch rechtzeitig. Mit diesen Entscheidungen reagieren Sie nicht nur, sondern Sie steuern Ihr Werk.“
Diogo Ferreira, Geschäftsführer, Lusiaves Marinha das Ondas (Webinar, April 2026)

Die meisten Softwareprogramme zur Produktionsüberwachung in Echtzeit wurden für die diskrete Fertigung entwickelt. Identische Einheiten, feste Taktzeiten, vorhersehbare Qualität. Eine Autotür ist eine Autotür. Eine Schraube ist eine Schraube. Eine Hähnchenbrust ist keine Hähnchenbrust: Sie variiert von Tier zu Tier in Gewicht, Ertrag, Fettgehalt und Haltbarkeit, wobei sie stets die Vorschriften zur Lebensmittelsicherheit einhält, über die sich kein Automobilwerk Gedanken machen muss.

Aus diesem Grund versagt herkömmliche Software zur Echtzeit-Produktionsüberwachung in einer Lebensmittelfabrik. Sie kann Ihnen zwar mitteilen, dass die Anlage läuft, aber nicht, ob diese Anlage rentabel ist, die Vorschriften einhält oder tatsächlich das produziert, was geplant war. Dieser Leitfaden erläutert anhand von zwei realen Fallstudien aus der europäischen Geflügelindustrie und einem praktischen 90-Tage-Startplan, was eine Echtzeit-Produktionsüberwachung in einer Lebensmittelfabrik eigentlich leisten sollte.

Was ist eine Produktionsüberwachung in Echtzeit?

Unter Echtzeit-Produktionsüberwachung versteht man die kontinuierliche Erfassung von Betriebsdaten aus der Produktionslinie, von Anlagen und Mitarbeitern, die in Echtzeit – also während des Betriebs – und nicht erst nach der Schicht angezeigt und analysiert werden. Das Schlüsselwort lautet „kontinuierlich“. Intern bei BRAINR bezeichnen wir dies als „Sekunden-genaue Transparenz“, was die Messlatte richtig setzt: Alles, was langsamer ist, ist Berichterstattung, keine Überwachung.

Ein Echtzeit-Produktionsüberwachungssystem erfasst vier Faktoren: Was wird produziert, wie schnell, in welcher Qualität und im Rahmen welcher geplanten Bestellung. In einer Lebensmittelfabrik müssen darüber hinaus zwei weitere Aspekte erfasst werden: Wie viel Gewicht geht als Ausbeute verloren, und welche Chargen befinden sich zu einem bestimmten Zeitpunkt physisch in der Produktionslinie, um die Rückverfolgbarkeit zu gewährleisten.

Tracking vs. Monitoring: gleiches Ergebnis, unterschiedlicher Ausgangspunkt

Die Begriffe werden oft synonym verwendet, und der Unterschied ist größtenteils historischer Natur. Produktionserfassungssoftware begann als Systeme, die bereits Geschehenes aufzeichneten, typischerweise am Ende eines Produktionslaufs oder einer Schicht. Produktionsüberwachungssoftware nutzte dieselben Datenfeeds und stellte sie als kontinuierliche Betriebsübersicht dar, wobei Warnmeldungen und Korrekturmaßnahmen mit den Daten verknüpft waren.

Heutzutage bezeichnen die Begriffe „Software zur Produktionsverfolgung in Echtzeit“ und „System zur Produktionsüberwachung in Echtzeit“ unter verschiedenen Anbieternamen dieselbe Funktion. Entscheidend ist, ob die Daten live sind, direkt an der Quelle erfasst werden und mit einem geplanten Produktionsauftrag verknüpft sind. Bei der Verfolgung am Schichtende wirken sich Korrekturmaßnahmen erst auf den morgigen Produktionslauf aus; bei der Echtzeitüberwachung hingegen bereits auf die nächsten zehn Minuten der Produktion.

Warum herkömmliche Überwachungsinstrumente in einer Lebensmittelfabrik versagen

Die meisten Softwareplattformen zur Produktionsüberwachung basieren auf Annahmen, die in der diskreten Fertigung zutreffen, in der Lebensmittelindustrie jedoch nicht. Drei dieser Annahmen sind dabei besonders wichtig.

Das Problem der variablen Gewichtung

Herkömmliche Software zur Fabriküberwachung geht davon aus, dass eine Einheit eine Einheit ist. Ein Auto. Eine Schraube. Eine Flasche. Durch das Zählen der Einheiten erhält man den Durchsatz, und aus dem Durchsatz ergibt sich die OEE.

In einem Geflügelverarbeitungsbetrieb entspricht eine Einheit einer Hähnchenbrust mit einem Gewicht zwischen 180 g und 320 g. In einer Wurstfabrik entspricht eine Einheit einer Schale mit einem Sollgewicht und einer Toleranzspanne. In einer Entbeinungslinie wird der Wert jedes Schnitts anhand der Ausbeute und nicht anhand der Stückzahl bestimmt. Wenn Ihr Überwachungssystem Einheiten zählt, sagt dies fast nichts darüber aus, was die Linie tatsächlich an verkaufsfähigem Gewicht produziert hat.

Bei der Echtzeit-Produktionsüberwachung in der Lebensmittelindustrie muss das Gewicht als primäre Ausgabeeinheit herangezogen werden. Die Waagen liefern dem System kontinuierlich Daten, und der Produktionsauftrag wird abgeschlossen, sobald das Zielgewicht erreicht ist – nicht erst, wenn eine festgelegte Stückzahl erreicht wurde.

‍

Das Problem der Ertragsverluste

Der Ertragsverlust ist die Differenz zwischen dem, was in die Produktionslinie eingegangen ist, und dem, was als verkaufsfähiges Produkt herausgekommen ist. In der Lebensmittelbranche ist diese Differenz erheblich, schwankt stark und steht in direktem Zusammenhang mit der Marge. Ein Ertragsrückgang um 1 % in einem Geflügelbetrieb, der monatlich mehrere hunderttausend Tiere verarbeitet, stellt einen messbaren Kostenfaktor dar, der während des laufenden Betriebs und nicht erst am Monatsende erfasst werden muss.

Paulo Gaspar, CEO von BRAINR, brachte es bei einem öffentlichen Webinar Anfang dieses Jahres auf den Punkt:

„Von all den Fabriken, die ich in Europa besucht habe, fällt mir vor allem auf, dass die Mitarbeiter den Ertrag weder in der Fertigung noch bei den Fertigungsaufträgen oder an den Fertigungslinien messen. Da sie einfach keine Messungen vornehmen, wissen die Führungskräfte nicht, was ihnen entgeht. Was wir nicht messen können, können wir auch nicht optimieren.“
Paulo Gaspar, CEO, BRAINR (Webinar, April 2026)

Herkömmliche Software zur Produktionsverfolgung in Echtzeit erfasst den Ertrag nicht, da sie keine Berücksichtigung von Eingangsgewicht, Ausgangsgewicht und Verschnitt vorsieht. Sie behandelt Verschnitt und Innereien als Ausschuss, obwohl in einem Fleischverarbeitungsbetrieb der Innereienstrom selbst eine Produktlinie darstellt, die nachverfolgt, gewogen und abgerechnet werden muss.

Das Problem der Lebensmittelsicherheit und Rückverfolgbarkeit

In der Automobilindustrie kann man eine Produktionslinie stundenlang laufen lassen, ohne darüber nachzudenken, welche Charge gerade auf dem Förderband liegt. In der Lebensmittelindustrie hingegen kann man nicht einmal zehn Minuten produzieren, ohne dass diese Frage im Raum steht. Die Echtzeit-Produktionsüberwachung in einer Lebensmittelfabrik muss in jeder Sekunde wissen: Welche Rohstoffcharge wird der Linie zugeführt, welche Fertigware wird gerade produziert, welcher Mitarbeiter ist an der Station angemeldet, welche Waage hat die Eingabe gewogen und welche Etikettierstation hat die Ausgabe erzeugt.

Wird ein Qualitätsalarm ausgelöst, muss das System die betroffenen Chargen innerhalb von Sekunden identifizieren und so eine Entscheidung zur Eindämmung sowie den CAPA-Workflow unterstützen – Vorgänge, die andernfalls stundenlange manuelle Abgleiche erfordern würden. Dies ist der strukturelle Grund, warum das Qualitätsmanagement kein separates System sein kann, das an eine allgemeine Überwachungssoftware angehängt wird. Es muss dasselbe Datenmodell sein, das am selben Punkt und mit demselben Zeitstempel erfasst wird wie in einem speziell für die Lebensmittelbranche entwickelten QMS.

„In der Fleischverarbeitung lässt sich Qualität nicht in Tabellenkalkulationen oder nachträglichen Berichten festhalten. Bei BRAINR ist Qualität Teil der Ausführung. Alle Aufzeichnungen sind digital, mit einem Zeitstempel versehen und manipulationssicher.“
BRAINR-Leistungsübersicht (2026)

Genau diesen digitalen, mit Zeitstempeln versehenen Prüfpfad erwarten Auditoren im Rahmen von HACCP, BRC und IFS zunehmend. BRCGS veröffentlicht seine Position zu digitalen Aufzeichnungen und den Erwartungen an den Prüfpfad direkt auf seinem Normenportal.

So funktioniert die Produktionsüberwachung in Echtzeit in einer Lebensmittelfabrik

Ein funktionierendes Echtzeit-Produktionsüberwachungssystem in der Lebensmittelindustrie besteht aus drei Ebenen: Datenerfassung, Datenkontext und operative Maßnahmen. Jede Ebene beantwortet eine andere Frage, und wird eine der drei Ebenen ausgelassen, entsteht ein Dashboard, das zwar beeindruckend aussieht, aber keinen Einfluss auf den Ablauf der Produktionslinie hat.

Woher die Daten stammen: Sensoren, Waagen, Etikettierer, mobile Geräte

Die Daten, die in ein Software-System zur Nachverfolgung der Lebensmittelproduktion eingespeist werden, stammen aus vier Quellen. Sensoren an den Anlagen und SPSen melden den Maschinenstatus, die Geschwindigkeit und Stoppcodes. Industriewaagen melden das Gewicht pro Einheit und pro Minute. Etikettierer und Drucker melden, was wann produziert wurde. Mobile Geräte in der Fertigung melden manuelle Vorgänge: Einrichtung abgeschlossen, Reinigung beendet, Qualitätsprüfung bestanden, Abweichung erfasst.

BRAINR lässt sich direkt in das Geräte-Ökosystem integrieren, das in den meisten Lebensmittelbetrieben bereits zum Einsatz kommt: Bizerba, Marel, Zebra, Captemp, MTECH und BarTender. Dabei werden die Daten automatisch erfasst, sodass keine manuelle Eingabe erforderlich ist. Das Prinzip ist einfach: Wenn die Geräte bereits Daten bereitstellen, sollte die Überwachungsebene diese direkt nutzen, anstatt den Bediener zu bitten, sie einzugeben.

Maschinenüberwachung in Echtzeit ohne manuelle Eingaben

Unter Echtzeit-Maschinenüberwachung versteht man, dass die Maschinen dem System selbst mitteilen, was sie gerade tun, ohne dass ein Bediener dies manuell eingeben muss. Die Aufgabe der Überwachungsebene besteht darin, diese Daten kontinuierlich auszulesen, zu klassifizieren (in Betrieb, im Leerlauf, geplanter Stillstand, ungeplanter Stillstand, Kurzzeitstillstand, Umrüstung, Reinigung) und mit dem aktiven Fertigungsauftrag abzugleichen.

Jedes System, bei dem Bediener den Maschinenstatus manuell erfassen müssen, ist ungeeignet – nicht, weil die Bediener unzuverlässig sind, sondern weil sie eine Produktionslinie bedienen. In realen BRAINR-Implementierungen wird die mobile Fertigungs-App von über 95 % der Bediener genutzt, da sie den Aufwand für die Dateneingabe verringert, anstatt ihn zu erhöhen.

Ansichten auf Maschinen-, Linien- und Werksebene

Ein umfassendes Überwachungssystem für Produktionslinien stellt dieselben zugrunde liegenden Daten auf drei Ebenen dar. Ansichten auf Maschinenebene zeigen eine einzelne Anlage: eine Entbeinungsmaschine, eine Schneidemaschine, eine Injektionsmaschine. Ansichten auf Linienebene zeigen eine Abfolge von Maschinen, die gemeinsam ein Endprodukt herstellen, einschließlich der Mitarbeiter, der Förderbänder und der Waagen dazwischen. Ansichten auf Werksebene fassen alle Linien zu einem einzigen Betriebsüberblick zusammen, in der Regel mit einer Echtzeitansicht der Gesamtanlageneffektivität (OEE) pro Linie, der Produktionsleistung pro Linie und der Ausfallzeit pro Linie.

Diese dreistufige Struktur spiegelt das Schichtenmodell für den Fabrikbetrieb wider, das in ISA-95 definiert ist, dem von der International Society of Automation veröffentlichten internationalen Standard für die Integration von Unternehmensleitsystemen.

Jede Ansicht ist für einen anderen Entscheidungsträger bestimmt. Maschinenbediener arbeiten auf Maschinenebene. Vorarbeiter arbeiten auf Linienebene. Werksleiter und Betriebsleiter arbeiten auf Werksebene. Ein Überwachungssystem, das nur eine der drei Ebenen abdeckt, zwingt die anderen beiden dazu, im Dunkeln zu tappen.

Erfassung von Mikroausfällen und Zusammenfassung zu einer Echtzeit-OEE

Ein Mikroausfall ist ein Ausfall, der so kurz ist, dass er vom Bediener nicht erfasst wird. Über eine Schicht hinweg summieren sich Mikroausfälle zu erheblichen Kapazitätsverlusten, die oft größer sind als die offiziellen Ausfallzeiten. Herkömmliche Software zur Erfassung von Ausfallzeiten erfasst diese nicht, da sie darauf angewiesen ist, dass die Bediener die Ausfälle selbst erfassen.

Ein Echtzeit-Produktionsüberwachungssystem erfasst diese automatisch, da die Anlagen den Maschinenstatus kontinuierlich melden und die Software Stillstände, Mikrostillstände, Rüstvorgänge, Formatwechsel, Reinigungsvorgänge und CIP-Zyklen klassifiziert, ohne dass ein Bediener den Bildschirm berühren muss. Sobald Mikrostillstände sichtbar sind, kann die Instandhaltung gezielt auf die wiederkehrenden Ursachen eingehen, und die Kapazitätsplanung wird präziser.

Die Echtzeit-OEE-Überwachung ist die logische Weiterentwicklung. Die OEE ist eine Kennzahl, die Verfügbarkeit, Leistung und Qualität vereint. Wenn sich diese Zahl während des laufenden Betriebs in Echtzeit aktualisiert, hören die Vorgesetzten auf, dem gestrigen OEE-Rückgang hinterherzujagen, und beginnen stattdessen, die heutigen Probleme zu beheben. Speziell in der Lebensmittelindustrie bringt die OEE aufgrund von Prozessen mit variablen Gewichten und ertragsbasierten Leistungskomponenten eigene Herausforderungen mit sich. Die Normungsorganisation MESA International pflegt die maßgebliche Referenz dafür, wie Manufacturing Execution Systems den Fluss von Qualitätsdaten parallel zu den Produktionsdaten handhaben sollten. Die lebensmittelspezifischen Mechanismen der Echtzeit-OEE behandeln wir im nächsten Artikel dieser Reihe.

Was die Daten lenken sollten: Entscheidungen im Auftrags- und Produktionsmanagement, nicht Dashboards

Bei der Echtzeit-Produktionsüberwachung geht es nicht darum, auf einen Bildschirm zu starren. Es geht darum, zu beeinflussen, was als Nächstes geschieht. Der richtige Ansatz ist das Auftrags- und Produktionsmanagement: Die Daten sollten dazu beitragen, dass der nächste Produktionsauftrag besser verläuft als der aktuelle.

Anpassung des Zeitplans bei Schwankungen im Rohstoffangebot

Bei Geflügel entspricht die tatsächliche Zusammensetzung der an einem bestimmten Morgen verfügbaren Tiere selten dem eine Woche zuvor erstellten Plan. Die Größe variiert. Die Ausbeute variiert. Kundenbestellungen ändern sich. Ein mit dem Planungssystem verknüpftes Überwachungssystem kann dies innerhalb weniger Minuten nach der Anlieferung melden, und der Tagesplan kann noch vor dem ersten Schnitt angepasst werden. Ohne diese Verknüpfung basiert der Plan auf Annahmen, und die Kosten werden erst am Ende der Schicht sichtbar.

Ertragsverluste durch sofortige Abhilfemaßnahmen reduzieren

Wenn der Ertrag an einer Entbeinungslinie um 9:15 Uhr um 2 % sinkt, summieren sich die Kosten dieser 2 % mit jeder Minute, die die Linie weiterläuft. Dank Echtzeitüberwachung erkennt der Vorgesetzte den Rückgang noch während derselben Schicht und kann eingreifen: durch einen Messerwechsel, eine Temperaturanpassung oder die Umverteilung der Mitarbeiter. Ohne diese Überwachung wird der Rückgang erst bei der Tagesabrechnung entdeckt, und die Korrekturmaßnahme besteht darin, morgen eine Besprechung einzuberufen.

Zwei Lebensmittelbetriebe, zwei Ausgangspunkte

Bei den beiden unten aufgeführten Fallstudien handelt es sich um portugiesische Geflügelverarbeitungsbetriebe, die beide BRAINR innerhalb von vier Monaten implementiert haben und beide von papierbasierten und isolierten Altsystemen ausgegangen sind. Die Ausgangssituationen waren unterschiedlich, ebenso wie die betrieblichen Vorteile. Das Muster, das sie verbindet, ist jedoch dasselbe: Echtzeitdaten, die direkt an der Quelle erfasst, mit dem Produktionsauftrag verknüpft und den Mitarbeitern zur Verfügung gestellt werden, die darauf reagieren können.

Avisabor: Steigerung von 40.000 auf 190.000 Vögel pro Tag

Avisabor ist ein großer portugiesischer Geflügelschlachthof, der große Einzelhandelsketten in ganz Portugal und Spanien beliefert. Vor der Einführung von BRAINR arbeitete das Unternehmen mit Papierunterlagen, zahlreichen Excel-Tabellen und mehreren Altsystemen, die nicht miteinander kommunizierten.

Innerhalb von vier Monaten wurde der Betrieb auf eine vollständig digitalisierte Produktion umgestellt: 35 Produktionslinien wurden in das System integriert, mehr als 100 Benutzer geschult, über 100 Geräte angeschlossen und die native Integration des Marel-Schlachtplans realisiert. Im Dauerbetrieb führt der Betrieb nun monatlich rund 5.000 Qualitätsprüfungen und 2,6 Millionen Etikettierungen durch, die alle direkt an der Quelle erfasst und nicht nachträglich eingegeben werden.

Die durchschnittliche Lagerzeit sank um 50 %. Die Zahl der fehlgeschlagenen Lieferungen ging um 90 % zurück, die Margen stiegen um 15 % und die Frische verbesserte sich um 50 %. Mit BRAINR gelang es dem Betrieb, die Produktion von 40.000 auf 190.000 Tiere pro Tag zu steigern, ohne dabei die Kontrolle zu verlieren.

Sehen Sie sich die ganze Geschichte von Avisabor im folgenden Video an.

Campoaves Viseu: Aufträge mit großer Produktvielfalt und geringen Stückzahlen bei vollständiger Rückverfolgbarkeit und IFS-Zertifizierung

Campoaves Viseu ist ein Betrieb der besonderen Art: kein Schlachthof, zu 100 % frische Rohstoffe mit sehr kurzer Haltbarkeit, ein umfangreicher Artikelkatalog, der durch viele kleine tägliche Produktionsaufträge abgedeckt wird und rund 60.000 Schalen pro Tag umfasst. Vor der Einführung von BRAINR basierte der Betrieb auf mündlicher Kommunikation und Papierdokumenten, wobei die Daten manuell in Excel und in die Etikettiermaschinen eingegeben wurden. Ein einziger Tippfehler konnte zu einem Rückverfolgbarkeitsproblem für eine gesamte Charge führen.

Innerhalb von vier Monaten wurden 21 Produktionslinien in den Bereichen Zurichten, Entbeinen, Zerlegen, Schneiden und Verpacken digitalisiert. Mehr als 80 Anwender wurden geschult, über 40 Geräte wurden vernetzt, und die Integration mit SAP schloss die Lücke zwischen Fertigungsdaten und Finanzberichterstattung. Das strategische Ergebnis war die IFS-Zertifizierung – eine strukturelle Herausforderung unter dem bisherigen papierbasierten Ansatz, da es ohne einen digitalen Prüfpfad deutlich schwieriger ist, Kontrollen auf Chargenebene und Korrekturmaßnahmen lückenlos nachzuweisen. Versandfehler gingen um 94 % zurück.

Wie Sie feststellen können, ob Ihr Betrieb bereit ist, und wo Sie anfangen sollten

Anzeichen dafür, dass Ihr derzeitiges System versagt

Die meisten Lebensmittelbetriebe, die sich mit der Produktionsüberwachung in Echtzeit befassen, weisen ein erkennbares Muster auf. Produktionsberichte werden am Ende der Schicht oder am Ende des Tages manuell erstellt. Die Ausbeutezahlen werden wöchentlich berechnet und als ungefähre Werte behandelt. Mikrostillstände werden nicht erfasst. Die Rückverfolgbarkeit erfolgt reaktiv: Die Charge wird rekonstruiert, wenn eine Prüfung oder ein Rückruf dies erfordert. Qualitätsaufzeichnungen (HACCP-Kontrollen, CCP-Überprüfungen, Abweichungen und Korrekturmaßnahmen) werden in Papierordnern oder in einem von der Produktion getrennten System aufbewahrt.

Wenn drei oder mehr dieser Punkte zutreffen, arbeitet das Werk ohne Echtzeit-Transparenz, unabhängig davon, wie modern die Anlagen sind.

Ein 90-Tage-Startpunkt: Bewährte Verfahren im Produktionsmanagement, die sich in der Praxis bewähren

Der schnellste Weg zur Echtzeit-Produktionsüberwachung führt über eine einzige Produktionslinie. Wählen Sie die Linie aus, bei der Fehler die höchsten Kosten verursachen – in der Regel die Linie mit dem höchsten Volumen oder der höchsten Marge. Schließen Sie die Anlagen, Waagen und Etikettierer dieser Linie an. Verknüpfen Sie die Daten mit dem Fertigungsauftrag. Stellen Sie dem Vorgesetzten eine einzige Live-Ansicht zur Verfügung. Lassen Sie das System 30 bis 60 Tage lang laufen, messen Sie die Differenz zwischen dem tatsächlichen Produktionsvolumen der Linie und den Erwartungen des Managements und nutzen Sie diese Differenz, um den Umfang der Einführung festzulegen.

Wie Paulo Gaspar, CEO von BRAINR, in einem Interview mit dem „Jornal de Leiria“ erklärte, besteht das Ziel darin, bereits in den ersten Wochen einen Mehrwert zu schaffen, indem die Fabrik in einzelne Bereiche unterteilt und an die tatsächlichen Bedürfnisse jedes Bereichs angepasst wird, anstatt alles auf einmal zu ersetzen. Auf Seiten der Fabrik sind hierfür während der Implementierung in der Regel zwei bis drei Mitarbeiter erforderlich: ein Betriebsleiter, ein Qualitätsbeauftragter und ein IT- oder Steuerungsbeauftragter. Den Rest übernimmt das Team des Anbieters.

Wo KI sinnvoll ist – und wo noch nicht

Das Interesse an KI-Assistenten für den Fabrikbetrieb nimmt zu: Erkennung von Anomalien, vorausschauende Ertragsoptimierung, automatisierte Unterstützung bei Qualitätsentscheidungen. Wenn dies gut umgesetzt wird, bilden diese Funktionen die nächste Ebene, sobald die zugrunde liegenden Daten sauber und kontinuierlich vorliegen. BRAINR investiert in KI-gestützte Echtzeitfunktionen, und die Voraussetzung dafür ist in jeder Lebensmittelfabrik dieselbe: eine Echtzeit-Datenbasis, aus der die KI lernen kann. KI ohne Echtzeitdaten kann nicht intelligent sein.

Häufig gestellte Fragen

Was ist der Unterschied zwischen einer Software zur Produktionsüberwachung in Echtzeit und einem MES?

Die Produktionsüberwachung in Echtzeit ist eine der Funktionen eines Manufacturing Execution Systems (MES). Ein MES verwaltet zudem die Planung, Rezepturen, Arbeitsanweisungen, Rückverfolgbarkeit und Qualitätsaufzeichnungen, die mit den Echtzeitdaten zusammenhängen. Eigenständige Überwachungstools können anzeigen, was auf einer Produktionslinie geschieht; ein MES zeigt hingegen, was dort im Zusammenhang mit dem Auftrag, der Rezeptur und den gesetzlichen Anforderungen geschieht.

Ist Produktionsverfolgung dasselbe wie Produktionsüberwachung?

Im modernen Sprachgebrauch trifft dies größtenteils zu. Historisch gesehen bezog sich „Tracking“ auf die Aufzeichnung bereits Geschehenen, während „Monitoring“ die Darstellung aktueller Vorgänge in Echtzeit bezeichnete. Heute bezeichnen „Echtzeit-Produktions-Tracking-Software“ und „Echtzeit-Produktions-Monitoring-System“ unter verschiedenen Herstellerbezeichnungen dieselbe Funktion. Die entscheidende Frage ist, ob die Daten in Echtzeit vorliegen, direkt an der Quelle erfasst werden und mit einem geplanten Produktionsauftrag verknüpft sind.

Kann ein Echtzeit-Überwachungssystem für Fertigungslinien Lebensmittel mit unterschiedlichem Gewicht verarbeiten?

Nur, wenn es dafür ausgelegt ist. Die meisten Standard-Systeme behandeln die Ausgabemenge als Stückzahl. Ein System für den Lebensmittelbereich muss das Gewicht als primäre Maßeinheit betrachten, kontinuierlich mit Industriewaagen verbunden sein und Produktionsaufträge anhand des Zielgewichts statt einer festen Stückzahl abschließen. Wenn die Demo nur Beispiele mit Stückzahlen zeigt, ist das die Antwort.

Inwiefern unterscheidet sich die Echtzeit-OEE-Überwachung von der Echtzeit-Produktionsüberwachung?

Die Gesamtanlageneffektivität (OEE) ist eine spezifische Kennzahl eines Produktionsüberwachungssystems. Sie fasst Verfügbarkeit, Leistung und Qualität in einer einzigen Zahl zusammen. Die OEE-Überwachung in Echtzeit ist die Live-Version dieser Berechnung. In der Lebensmittelindustrie bringt die OEE aufgrund von Prozessen mit variablen Gewichten und ertragsbasierten Leistungskomponenten besondere Herausforderungen mit sich.

Wie lange dauert die Inbetriebnahme in einer Lebensmittelfabrik?

Beide Fallstudien in diesem Artikel haben innerhalb von vier Monaten einen vollständig digitalisierten Betrieb erreicht. Dies ist möglich, wenn die Einführung am Betriebsablauf und nicht an der Software ausgerichtet ist und wenn jedes Modul in einer Reihenfolge eingeführt wird, die den Produktionsbetrieb in jeder Phase sicherstellt.

Sind Sie bereit zu sehen, wie Echtzeitüberwachung in Ihrem Betrieb aussieht?

Der nächste Artikel dieser Reihe befasst sich eingehend mit der Echtzeit-OEE in der Lebensmittelherstellung: Warum die Standardformel bei Prozessen mit variablen Gewichten versagt und wie Nebenprodukte und Verschnitt im Rahmen der Qualitätskomponente behandelt werden sollten.

Wenn Sie schon vorher sehen möchten, wie die Produktionsüberwachung in Echtzeit in einer Lebensmittelproduktion funktioniert, kann Ihnen unser Team die Live-Implementierungen bei Avisabor und Campoaves Viseu vorstellen und Ihnen zeigen, wie sich dieser Ansatz auf Ihre eigenen Produktionslinien übertragen lässt.

Vereinbaren Sie eine Vorführung bei BRAINR