Аудит на качеството на производствените данни: как да разберете дали вашите OEE показатели лъжат

Ключови изводи

• Одит на качеството на данните = структурна проверка дали данните, които захранват OEE, CMMS и други отчети, отговарят на действителността.
• Протокол за еднодневен одит: изберете линия, сравнете отчетените данни с PLC лог + видео + наблюдение на място за една смяна.
• Повечето одити откриват 5, 15% грешка при броя на цикли, значително повече при кодовете за причина.
• Одитът е неудобен за провеждане, защото излага проблеми. Също така е единственият начин да разберете дали числата са реални.
• Откритията насочват програмата за подобряване на качеството на данните за следващото тримесечие.

Кратък отговор: Одит на качеството на производствените данни е структурна проверка дали отчетените данни съответстват на действителността. Най-простата версия отнема един ден: изберете линия, сравнете входните данни за OEE (брой цикли, престой, причини) с PLC логове, видео и наблюдение на място за една смяна. Повечето одити намират значими грешки. Откритията насочват програмата за подобряване на качеството на данните. Вижте също Качество на данните от производствения под.

Защо да провеждате одит

Отчетените данни имат три риска за качество:

• Точност. Съответства ли отчетената стойност на действителността?
• Пълнота. Пропускат ли се събития?
• Своевременност. Заснема ли се данните когато се случи събитието или часове по-късно?

Без одит заводите приемат, че всичко е наред. Обикновено не е така.

Протокол за еднодневен одит

1. Изберете линия. Една представителна линия за една смяна.
2. Установете действителността паралелно. Суров PLC лог, видео на оператора/оборудването, наблюдател на място.
3. Сравнете с отчетените данни. Какво показва платформата за OEE / CMMS за същия период.
4. Идентифицирайте несъответствията. Несъответствия в броя на цикли, пропуснат престой, грешни кодове за причина, закъснели времеви отметки.
5. Изчислете нивата на грешки. По тип данни (брой цикли, престой, причини, части, труд).
6. Идентифицирайте коренните причини. Ръчно въвеждане, настройки на прагове, липсваща инструментация, обучение.

Какво обикновено откриват одитите

Брой цикли: 5, 15% грешка при ръчно въвеждане. Под 1% при данни от PLC.

Общо време на престой: 10, 30% се подценява. Микро-стопове се пропускат; кратки спирания не се регистрират.

Кодове за причина: 30, 50% неправилно класифицирани. „Друго“ се използва прекомерно; избират се грешни категории.

Части: 10, 20% се подценяват. Части вземани без запис.

Трудови часове: 20, 40% грешка. Оценявани, вместо проследявани.

Това са типични диапазони. Отделните заводи варират.

Какво да направите с резултатите

1. Подредете грешките по въздействие. Кои грешки най-много влияят на OEE, MTBF, отчетите за разходи.
2. Решавайте най-важните първо. Обикновено автоматизация на брой цикли или таксономия на кодовете за причина.
3. Задайте цели. Грешка в броя цикли под 2%, недодеклариране на престой под 5%.
4. Преодитирайте на тримесечие. Следете тенденциите в нивата на грешки.

Чести открития

1. Брой цикли, въведен ръчно в края на смяната. Почти винаги грешно. Автоматизирайте от PLC.

2. Процент на код „Друго“ над 10%. Липсват категории в таксономията.

3. Прагът за престой е зададен твърде висок. Микро-стоповете не се засичат. Намалете прага.

4. Профилактични задачи маркирани като изпълнени на хартия, но всъщност не са извършени. Метриката за съответствие е завишена.

5. Работни поръчки затворени с плейсхолдър трудови часове. Отчетите за разходи са неточни.

Как да направите одита без напрежение

Одитът може да се почувства като инспекция. Представете го като подобрение на системата:

• „Одитираме потока от данни, не операторите.“
• „Откритията ни помагат да оправим системата, която иска от операторите невъзможно въвеждане на данни.“
• „Целта е по-чисти данни, на които всички се доверяваме, не търсене на вина.“

Операторите често приветстват одита, когато е поднесен така, те знаят, че данните са „мръсни“ и са искали някой да се заеме с това.

Чести грешки

1. Одит без последващи действия. Резултати без действия пораждат цинизъм.

2. Одит само когато нещо се е объркало. Рутинните одити улавят проблеми преди да причинят повреди.

3. Одит само на един тип данни. Броят на цикли може да е коректен, докато кодовете за причина са шум. Одитирайте широко.

4. Тълкуване на резултатите като лични провали. Системата е причината за „мръсотията“; системата трябва да бъде поправена.

Как модерна OEE платформа подпомага одита

Модерна OEE платформа осигурява данни подходящи за одит: сурови PLC логове достъпни заедно с изчислените метрики, времеви отметки за кодовете за причина спрямо времеви отметки на събитията, автоматично откриване на разминавания между операторски и PLC броя.

Модулът за OEE на Fabrico поддържа работни потоци за одит: сурови срещу изчислени данни едно до друго, автоматично откриване на разминавания и отчети за тенденциите в метриките за качество на данните с течение на времето.

Вижте как Fabrico улавя това автоматично, разгледайте OEE за производството или запишете демонстрация.

Свързано четиво

• Качество на данните от производствения под
• Производствено езеро за данни срещу хранилище за данни
• Качество по дизайн срещу качество чрез инспекция
• OEE за партидно производство

Често задавани въпроси

Колко често трябва да провеждам одит на качеството на данните?

Тримесечно е типично. След значителни промени (ново оборудване, нов продукт, нови оператори) проведете фокусиран одит.

Кой трябва да провежда одита?

Междуфункционален екип: операции, поддръжка, IT, контрол на качеството. Одити само от една функция пропускат проблеми, които засягат няколко области.

Колко грешка е приемлива?

Много зависи от случая на употреба. За OEE, който ръководи решения за подобрение: грешка под 5% при брой цикли и време на престой.

Какво ако одитът открие по-големи проблеми от очакваното?

Често срещано. Третирайте го като възможност. Одитът е пътят към по-чисти данни.

Може ли софтуерът да одитира данните автоматично?

Частично. Откриването на разминавания между източниците може да бъде автоматизирано. Идентифицирането на коренните причини обикновено изисква хора.