优化整体设备效率和利用

所面临的挑战

像许多试图掌握数据的制造商一样，Avalign使用了手动跟踪系统。运营商认为人工跟踪是这项工作中最糟糕的方面之一，管理层也知道人工收集的数据是不可靠和不准确的。

该公司面临的最大挑战是理解为什么他们的停机时间越来越长。他们努力用现有的流程和技术完全理解他们的OEE。另一个挑战是理解瓶颈。没有准确的数据和分析，他们的理解和解决方案是有限的。

Avalign相信，通过实时、准确的机器数据洞察，管理层可以更好地了解机器利用率与周期内生产零件的质量和数量。

解决方案

Avalign在16台机器上推出了MachineMetrics，包括磨床和车床。随着时间的推移，他们在美国四个工厂的132台机器上无缝集成了该平台。

MachineMetrics的数字IO方法改变了旧机器和遗留资产的游戏规则。传统机器在不到一个小时的时间内就启动并运行了MachineMetrics。

跨车床和磨床的机器数据可视化以及根据见解采取行动的能力提高了机器利用率、OEE和吞吐量。MachineMetrics的实时分析帮助管理层发现流程效率低下，并做出更好的决策。

结果

MachineMetrics帮助Avalign发现了机器利用率不高的根本原因:机床安装时间过多。这使得Avalign重新设计了现有的工装流程，以简化操作人员的工作，并大幅减少安装时间。

在组织层面，MachineMetrics透露公司人手不足。这导致Avalign雇佣了更多的操作员，并创建了新的时间表来优化操作流程。

Avalign使用MachineMetrics的前五大结果是减少停机时间、提高OEE、提高机器利用率、优化工装流程和更好地访问数据。在六个月内，吞吐量增加了9.9%。

生产过程的可见性使Avalign能够确定影响利用率的改进计划。实时的、可操作的见解大幅减少了停机时间，与前一年相比，仅磨床一项就节省了14,000小时。

监控车床和磨床的操作，确保它们在每周五到六天的三班内以最佳产能工作。在machemetrics之前，Avalign通过手动计算，平均OEE为25%至30%。在部署MachineMetrics后的五周内，OEE提高到44%。

从那时起，Avalign的OEE一直超过60%，这意味着设备利用率增加了30%以上，每周定期达到80%的OEE。