看工业互联网如何让一家企业提升设备运行效率

数字化企业
通过数据采集网关,实现非侵入式、秒级的实时数据采集,读取生产设备的各种控制和检测数据,构建直观的工艺流程可视化界面,对采集的生产设备,提供可视化的仪表盘,对状态进行实时监测,并可设定相应的告警或者预警规则,在设备参数出现越界、或者预计多长时间之后将出现越界,产生相应的告警。

全球着名传动系统供应商格特拉克的工业互联网实践案例,供参考!

一、背景介绍

麦格纳是北美第一、全球第三大汽车零部件供应商,旗下格特拉克(江西)传动系统有限公司(GJT)设有四个工厂,分别位于南昌、赣州和于都三地,公司致力于双离合变速器、手动变速器、变速器元件的开发与生产。

以往格特拉克的MES中设备排班计划以订单为主线,与实际车间生产差异较大,未考虑到设备维保计划时间等因素,同时在计算OEE指标时也不能精确到每一类非计划停机事件,此外,来自相关系统的设备理论节拍也只能到工序级别,不能区分到每台具体设备。可想而知,在这种数据不够精准的情况下,相关KPI指标的统计其实是有很大的疏漏的,给企业的精细化管理和效率提升带来了很大的障碍。

格特拉克明确希望以现有的MES系统作为基本框架推行智能制造,借助工业互联网新动能,改进传统MES在数据实时、真实和粒度等层面的不足,实现更加精准的包括OEE、JPH、MTTR、MTBF在内的生产关键指标的评估和追踪。

格特拉克与寄云科技展开了深入的合作,目前已经完成了第一阶段的工作。寄云科技帮助格特拉克打通实时设备数据和业务数据的数据桐庐,同时构建起企业的工业互联网平台,融合IT数据和OT数据,构建了可视化的数字化车间实时看板,实现了包括设备状态实时指标、关键设备效率指标、生产过程可视性、设备维护历史的实时展示和告警。

二、方案架构

方案架构如下图所示:

它包括如下几部分功能:

1) 实时设备数据采集

通过数据采集网关,实现非侵入式、秒级的实时数据采集,读取生产设备的各种控制和检测数据,构建直观的工艺流程可视化界面,对采集的生产设备,提供可视化的仪表盘,对状态进行实时监测,并可设定相应的告警或者预警规则,在设备参数出现越界、或者预计多长时间之后将出现越界,产生相应的告警。

2) ERP数据集成

为了获得不同产品的工艺路线,以及对应的节拍值,需要对接ERP系统,通过实时流接口或者文件的方式,从ERP中获得相应的数据。

3) 设备状态管理

通过对设备实时状态的计算,可以得到关于生产设备开机、停机、空闲、工作等不同工作状态的判定,进而实现精细化的设备停机事件溯源。

4) 设备效率指标分析

针对设备运行效率,提供了OEE、JPH、MTTR和MTBF这几个指标的实时计算。通过精准的指标和基线管理,可以帮助企业量化差距和持续改进。

OEE

通过物联网网关,实时(每秒)采集生产设备(如CNC)的工作参数。根据实时的工作参数,自动计算设备的开机、停机、工作、空闲的时间;同时,通过与MES和ERP的接口,实时获得特定产品的理论节拍和实际生产工件数。

基于上述的实时数据,可以实时准确的计算设备实际运行时间以及可用率等指标,进而可以准确实时的计算OEE指标。

JPH

OEE虽然能够衡量总体的生产效率,但衡量维度较多,对于多品种生产过程的生产效率的衡量,不利于过程追踪。因此,OEE往往被用作班次级别的汇总和统计。

在制造业尤其是汽车制造业中,JPH(Jobs Per Hours),常常被用来测算和表征生产企业的生产能力。例如适应TS16949 标准(汽车行业标准)的汽车主机厂企业,在对其零部件供应商进行评估时,常常使用JPH来进行汽车零部件产能的评估。

JPH的计算方法更为简单,就是每个小时内的实际有效生产的工件数量(总工件数-缺陷工件数),除以按小时计算的生产时间。

JPH一般被用作对每个小时的工作能力进行评估,往往会根据预先设计的可用时间,计算出平均的JPH值,而每个小时分别会计算该时间段内的实际JPH,和预计每天的基线JPH进行对比,如果发现没有达标,则会提示操作员进行状态补录。

MTTR和MTBF

MTTR和MTBF这两个指标通常用于统计在一段时间内设备发生的故障频率以及解决问题的效率,计算方法如下:

MTTR=设备可用时间/设备故障次数

MTBF=设备故障修复时间/设备故障次数

基于采集的设备实时数据,系统会自动计算设备可用时间和设备故障修复时间,进而得到MTTR和MTBF。

5) 状态补录

系统每小时会计算一次JPH,如果某个小时低于基线JPH,就会基于设备采集的实时数据和工作状态,自动给出损失的时间片段,提示员工对损失部分进行补录。

6) 自动报工

根据看板卡自动判断工序操作合规性,异常工序报警,自动比对员工提交完工数和系统记录可报工数。

三、方案特点

相对于传统的手动抄录和填报的方式计算OEE指标的做法,方案有了很大的改进

1) 实时精准:实时、自动化的采集设备工作状态和生产数据

通过数据采集网关实时采集CNC设备的工艺参数,对(机床转速、机器循环)等指标进行秒级的实时采集,可以形成对设备开机、停机、运行、空闲等工作状态的自动识别;

同时通过数据接口和集成,实现对ERP中对于班次、工艺路线、产品生产节拍的准确定义。未来将接入物料数据,更能够实现精准的排程设计。

通过自动化、实时的数据采集,可以避免人工填报带来的准确性和实时性问题。

2) 实时过程评估和追踪:采用JPH作为实时生产效率评价的依据

根据自动识别的结果,每小时计算一次JPH,并且和设备基线JPH进行比对,一旦低于基线JPH,就会让操作人员手工补录导致损失的时间和原因。

通过这种自动计算加人工补录的方式,可以极大的量化由于生产过程中的各种停产事件的损失时间,如切换、设备故障、缺料等,有助于实现精准的改进。

3) 持续改进:提供OEE/JPH损失的根因分析

在OEE/JPH低于设定的目标值时,会自动将由操作员填报的损失时间,通过瀑布图的方式展示出来,便于统计不同类型的损失时间。

因此,基于寄云设备效率分析方案,用户不仅可以非常精准、实时的评估设备的运行效率,更对损失产生的各种原因一目了然,可进一步指导精益生产,实现效率的持续提升。

四、客户收益

直接的量化收益很明显,自项目上线之后,实现了班后报表OEE报表 0 秒、工程师手工统计 0 秒,OEE从83%提升到92%,并且减少一个专门做数据抄录和统计的人员编制。

间接的收益意义长远。

一方面,优秀的企业从来不会停止脚步,设备的量化损失分析可以不断优化企业的设备管理水平,进而持续达到更高的OEE要求(二期希望在一期的基础上再提升1%)。同时,数据驱动的指标体系将从设备延展至过程管理、原材料管理、质量和库存管理等多个方面,通过不断增加的数据集成和指标计算能力,提升企业的精准决策能力。

另一方面,在具备了对生产能力的实时的评估和决策能力之后,企业的生产弹性将会得到极大的提高,无论是在单元级别的灵活性,还是全流程的智能排产上,都可以建立在精准动态的分析基础上,实现全方位的智能化。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论