Три способа, с помощью которых Интернет вещей может улучшить вашу OEE
автор Майкл Уотсон
В производстве термин IoT (Интернет вещей) набирает обороты. Датчики производственных машин, которые собирают и собирают данные, ведут к новой волне повышения производительности.
Одним из очевидных преимуществ является лучшая видимость производственного цеха и, возможно, лучшая связь между машинами. Однако, когда вы объединяете данные датчиков с алгоритмами машинного обучения (включая искусственный интеллект), открывается еще больше возможностей.
Основные области применения аналитики IoT (сенсорной аналитики) на производственных машинах:
- Повышение общей эффективности оборудования (OEE) — показатель того, сколько времени ваша машина фактически производит продукцию.
- Улучшение программы профилактического обслуживания, которая может улучшить OEE, а также снизить общие затраты на ремонт и замену оборудования.
- Улучшение качества продукции, сходящей с конвейера.
Улучшение OEE
Первый пункт в этом списке часто упускается из виду при обсуждении аналитики датчиков, потому что большинство из них, как правило, сосредотачивают свои усилия на использовании данных датчиков для прогнозирования различных отказов производственных машин.
Однако мы обнаружили, что компании могут значительно улучшить OEE, сосредоточившись в основном на небольших корректировках, происходящих на линии. Например: передача от одной смены к другой и переход от одного продукта к другому.
Когда мы работали над программами сокращения переналадки, мы знали, что методы SMED* измеряют время от последней части предыдущего запуска до первой хорошей части следующего запуска.
Но мы также обнаружили много потерянного времени, как в ожидании последней детали, так и впустую потраченное время, когда машина возвращается к полной скорости на следующей части. Мы обнаружили, что можем добиться дополнительных улучшений OEE, сосредоточив внимание и на этой части перехода.
Аналогичные проблемы связаны с перерывами и сменами, а также с небольшими корректировками времени простоя во время производственного цикла. Мы обнаружили, что в этих областях доступно множество улучшений OEE. Чтобы найти эти проблемы, мы используем датчики для отметки времени завершения каждой работы, а также различных событий и неисправностей, исходящих от машин. Затем мы можем анализировать эти данные с помощью простых методов машинного обучения, которые позволяют нам находить закономерности, приводящие к потере времени. Думайте обо всем этом как об использовании IoT для решения простых задач.
Улучшение программы профилактического обслуживания
В то время как улучшение OEE сосредоточено на незначительных сбоях, мы также используем IoT, чтобы помочь прогнозировать крупные сбои машин и оборудования на линии.
Цель состоит в том, чтобы предсказать отказы до того, как они произойдут, избежать дорогостоящего ремонта и разработать более эффективные программы профилактического обслуживания. И, в зависимости от частоты отказа крупного оборудования, это также повышает OEE.
Мы можем многое сделать в этой области. Мы можем проанализировать диагностику, чтобы понять, что пошло не так и причиненный ущерб. Мы также можем использовать прогностику, чтобы предсказать, что произойдет, а также ожидаемое время до отказа.
Повышение качества продукта
Последнее в списке: использование сенсорной аналитики для мониторинга и прогнозирования качества продукта. Машина может работать нормально, но если продукт не соответствует спецификациям, вам действительно не следует засчитывать это как хороший показатель OEE.
Здесь мы можем делать самые разные вещи. Мы можем измерять температуру, вибрацию и влажность, мы можем отправлять изменения для проверки или мы можем использовать системы технического зрения с искусственным интеллектом для проверки каждого продукта, выходящего из конца линии.
Есть и другие способы думать об IoT на производственных линиях, и ваш случай будет адаптирован к вашей конкретной среде. Этот пост был задуман как напоминание о том, что если OEE является вашей общей целью, то возможны разные подходы к IoT.
(*SMED — Single Minute Exchange of Dies. Это набор методов сокращения количества переключений, популяризированных Toyota.)
_________________________________________________________________
Если вам понравился этот пост в блоге, ознакомьтесь с другими нашими работами, следите за нами в социальных сетях (Twitter, LinkedIn и Facebook) или присоединяйтесь к нам на бесплатных ежемесячных вебинарах Академии. .
