Аналитика на производствени данни за OEE: Практическо ръководство

Анализът на производствените данни е практиката за събиране на данни от работния цех, като състояния на машините, причини за престой, времена на цикъл и резултати за качеството, и тяхното тълкуване за подобряване на Общата ефективност на оборудването (OEE). Той обхваща четири слоя, описателен, диагностичен, предсказателен и предписващ, превръщайки суровите сигнали в приоритетни действия, които възстановяват изгубената производствена мощност.

Какво е анализ на производствените данни?

Анализът на производствените данни е дисциплинираното събиране и тълкуване на производствени данни, за да се разбере, предскаже и подобри как работят оборудването и хората на работния цех. На практика това означава свързване на машини и процеси за улавяне на случващото се в почти реално време и след това преобразуване на този поток в решения, които възстановяват изгубен капацитет.

За повечето заводи най-острата употреба е OEE, единният показател, който умножава Наличност, Производителност и Качество в едно число. Аналитиката ви казва коя от тези три източва капацитет, защо и какво да се направи след това. Без аналитика OEE е само резултат на табло. С нея OEE става карта за следващото подобрение.

Ако сте нови с основната метрика, започнете с нашето ръководство за Общата ефективност на оборудването и стъпка по стъпка изчисление на OEE. Формулата сама по себе си е проста, OEE = Наличност x Производителност x Качество, но данните, които я захранват, са мястото, където програмите успяват или се провалят.

Какви са четирите вида аналитика на данни?

Има четири широко признати вида аналитика и те образуват стълба. Всяко ниво отговаря на по-труден въпрос от предишното и всяко зависи от чисти данни от нивото под него. Описателната аналитика преглежда какво се е случило, диагностичната обяснява защо, предсказателната прогнозира какво най-вероятно ще се случи след това, а предписващата препоръчва най-доброто действие.

Ключовото прозрение: не можете честно да прескочите нива. Предсказателен модел, трениран върху догодени причини за престой, предсказва боклук. Повечето заводи получават най-бърза възвръщаемост, като първо направят описателната и диагностичната аналитика добре, защото там се крият най-големите и евтини печалби.

Къде се вписва предсказуемата поддръжка?

Предсказателната аналитика е вълнуваща, но я третирайте като дестинация, а не като отправна точка. Подходи като анализ на вибрации и мониторинг на състоянието стават надеждни само когато вече имате чисти, структурирани истории на повреди и резултати. Постройте основата от описателна и диагностична аналитика първо и тогава предсказателният слой ще има от какво надеждно да се научи.

Какви данни от работния цех трябва да събирате за OEE?

Съберете минималния набор, който ви позволява да изчислявате OEE точно и да обясните всяка загуба. Повече данни не са по-добри; правилните данни, събрани чисто, са по-добри. Четирите основни потока съответстват директно на структурата на OEE.

• Състояния на машината (работа / празно / спряно): гръбнакът на Наличността. Идеално е да се четат директно от машината, а не да се записват ръчно.
• Причини за престой с истинска коренна причина: всяко спиране се нуждае от точна, времево маркирана причина. Това са данните, които захранват диагностиката и отделят реална програма от игра на догадки. Това е и входът зад MTBF и MTTR метриките за надеждност.
• Времена на цикъл и бройки: реално срещу идеално време на цикъл задвижва фактора Производителност, като разкрива бавното движение и малките спирания.
• Резултати за качеството: брой добри, отпадъци и преработки, които захранват фактора Качество и показват дали скоростта се купува за сметка на дефекти.

Тези четири потока ви позволяват да разложите всяко OEE число според рамката на Шестте големи загуби, която е стандартният начин за систематично атакуване на загубите. Те също така ви държат честни относно разликата между суровата използваемост на машината и OEE, две метрики, които е лесно да се объркат.

Защо източникът на данните има толкова голямо значение?

Защото най-честият режим на провал в OEE аналитиката е причини за престой, записани от оператори, които са грешни, закъснели или липсващи. Когато линия спре в натоварена смяна, причината, която умореният оператор въведе, често е най-добрата му догадка. Аналитиката, построена върху догадки, произвежда уверени, но грешни заключения и екипите губят доверие в таблото.

Това е пропускът, който Fabrico е създаден да запълни. Fabrico се свързва директно с машинните PLC, за да улавя състояния и времена на цикъл автоматично, и използва компютърно зрение за идентифициране на истинската причина за спиране, вместо да разчита на ръчно въвеждане. Тази чиста, машинно-източникова основа е точно това, от което четирите аналитични слоя имат нужда, за да произвеждат надеждни отговори. [ВМЪКНЕТЕ ПОТВЪРДЕН ДОКАЗАТЕЛСТВЕН МОМЕНТ - оператор за потвърждение]

Как превръщате данните в OEE подобрения?

Превръщате данни в подобрения, като затваряте цикъла от прозрение до действие, а не като се възхищавате на графики. Патернът, който работи, изглежда така:

1. Мерете честно. Договорете едно определение за OEE и едно за планирано производствено време в целия завод, след което инструментирайте линията така, че числата да са автоматични.
2. Диагностицирайте най-голямата загуба. Използвайте диагностична аналитика, за да класирате загубите по загубени минути, а не по това колко дразнещи изглеждат. Правилото на Парето почти винаги важи.
3. Действайте, после проверявайте. Превърнете най-голямата загуба в конкретно решение и потвърдете, че OEE се е преместил. Именно тук много инструменти спират и тук обикновено се разкъсва цикълът.

Основната роля на Fabrico е този цикъл от повреда до поправка : откритата повреда става приоритетна, с готови части дигитална поръчка за работа на телефона на техникa, с QR-реализирани контролни списъци, в същата платформа, която е измерила загубата.

Понеже страната OEE/MES и страната CMMS споделят една и съща моделна база данни, аналитиката, която е намерила проблема, и поръчката за работа, която го оправя, никога не са разкачени. Това е разликата между това да знаете, че имате непланирани престои и действително да ги намалявате.

Добавянето на програма за превантивна поддръжка и приоритизирането по критичност на активите гарантира, че вашето аналитично усилие е насочено към оборудването, което наистина ограничава изхода.

Кои са често срещаните капани в производствената аналитика?

Повечето аналитични програми не се провалят на математиката; провалят се на хигиената на данните и фокуса. Внимавайте за тези капани.

Полезен стандарт, към който да се приравните, е ISA-95, който дефинира общи данни и моделни обекти за производствените операции, така че данни за производство, качество, поддръжка и инвентар могат да се обменят последователно между системите (ISA). Съгласяването на структурата на вашите данни с признат модел сега спестява болезнено преместване на платформата по-късно.

Как да започнете с анализ на производствените данни?

Започнете тясно и доказвайте стойността бързо. Насочено пилотно изпълнение на едно ограничение е по-добро от разгръщане в целия завод, което дави в мръсни данни. Използвайте този контролен списък:

• Изберете една линия, идеално вашия бутон (bottleneck), където няколко пункта OEE се превръщат директно в повече изпращаема продукция.
• Договорете дефиниции за OEE, планирано производствено време и какво се брои като престой, преди да съберете каквото и да е.
• Автоматизирайте улавянето на състояния, времена на цикъл и истинска причина за престой, така че описателните и диагностичните слоеве да са надеждни от първия ден.
• Атакувайте най-голямата единична загуба, затворете цикъла с реална поръчка за работа и проверете, че OEE се е променила.
• След това мащабирайте доказания модел към следващото ограничение и, само по-късно, добавете предсказателни концепции.

За контекст как аналитиката се вписва в по-широката заводска стратегия, вижте тоталната продуктивна поддръжка в ръководството за 8-те стълба на TPM , което поставя OEE и аналитиката като част от култура, а не еднократен проект.

Струва си да се запомни и: докато 85% OEE често се цитират като световно ниво за дискретни производители , много заводи седят по-близо до 60%, така че реалистичната цел е стабилно, измерено подобрение, а не показна цел ( OEE.com ).

Fabrico е единна Система за действие, изградена в ЕС (централа България), която обединява реално-времеви OEE/MES и пълен CMMS в една платформа, което прави основата от данни, аналитиката и корективните действия да съществуват на едно място. EU изграждането също дава на екипите ясен отговор относно местонахождението на данните, когато това е от значение за поръчките. Ако искате да видите цикъла от повреда до поправка върху реални машинни данни, резервирайте демо на Fabrico и преминете през него с вашите собствени загуби предвид.