2022年7月1日更新
总体设备效率(OEE)提供了一种度量生产计划制造时间百分比的方法。通过测量OEE，您可以深入了解最佳生产力挑战，以及如何改进您的制造操作。
总体设备效率是衡量制造业生产率最广泛使用的标准。这是因为它通过比较当前的使用测量值与操作以最佳容量运行时的测量值来度量制造操作的利用率。OEE还可以应用于测量车间中单个机器的性能。
在无法获得制造设施的基准数据的情况下，OEE计算可以与可用的行业标准或使用相同设备从类似车间收集的数据进行比较。
总体设备效率结合机器或设备数据和影响生产的多个操作问题，计算OEE百分比或分数。计算OEE需要定义每个制造过程的三个关键指标。
一个简单的案例研究将有助于正确地计算OEE。在此场景中，计算数控机床的OEE。机器上的最佳轮班时间是500分钟，但操作员预计要吃30分钟的午餐。机器需要停油40分钟，完成一次操作员切换需要30分钟。除了这些中断，机器将运行剩余的时间。
为了计算可用性，计划的停机时间必须从数控机床的最佳运行时间中删除。总停机时间= 30 + 30 + 40 = 100分钟。
这使得机器可用时间为500 - 100 = 400分钟。这意味着机器运行了400分钟，而它的最佳能力是500分钟。因此，可用性百分比= 80%
这台数控机床每分钟能生产5个刀具。这意味着在400分钟的可用时间内;这台机器应生产= 400 × 5 = 2000个刀具。这里，2000位是每台机器100%运行时的最佳生产能力。但由于作业者的原因，生产周期变慢了，生产5个工具的钻头需要1.5分钟。
额外的秒数将使生产速度降低三分之二(1/1.5 = 0.67)。将这个减速速率乘以机器在指定时间内可以生产的最大刀具位，我们得到0.67 x 2000 = 1340刀具位。这表明机器运行在其最佳容量的66.7%，33.3%的损失是由于效率低下。将33.3%换算成分钟，400 x 33.3% = 133分钟。
从最佳的500分钟运行时间到计划停机时间损失了100分钟，还有133分钟损失在较慢的操作过程中。这使得总运行时间为500 -100 -133 = 267分钟，而性能为66.7%。
在这个场景中，200个刀头是有缺陷的，没有达到客户要求的质量，只剩下1140个功能性的刀头交付。为了计算质量分数，可用的产品将除以生产的1340位(1340-200)/1340 = 0.85或85%。这意味着达到了85%的质量。
为了将有缺陷的200位工具转换为时间，显示生产这些产品损失了多少分钟，200位将除以每分钟可以生产的5位。200/5 = 40分钟。
在整个制造过程中损失的总分钟要考虑到计划的停机时间、减速过程和制造缺陷钻头的时间。100+133+40 = 273分钟。这也意味着数控机床的最佳运行时间为(500 - 273)227分钟。
使用OEE计算，您得到可用性(80%)性能(66.7%)质量(85%)= 45%。
OEE计算表明，总体设备效能为45%。最佳生产时间为227分钟，而不是500分钟，生产了1140个钻头，而可能是2500个。你也可以用可达到的生产时间除以最优时间，或者用生产的工具总数除以最优生产能力得到OEE。
如您所见，这个示例考虑了一台机器在一天内工作，但这对于实时计算并不理想。一般的期望是在一两个月内收集机器或设备的运行数据。这为OEE计算提供了足够多的数据，并为优化设备效率水平提供了可操作的见解。要实现这一点，需要一个全天候从多台机器收集数据并对其进行处理的机器数据平台。
计划外停机总是一个问题。它可能包括机械问题，如断轴、钝化工具和磨损的轴承，也可能是与机器无关的问题，如不准确的库存、糟糕的调度和过时的文件。
通过使用数据驱动的洞察和与企业系统相关联的机器监控，实时数据可以解决大多数计划外停机问题。维护问题可以通过预见性维护来解决，在设备故障发生之前就阻止它发生。实时机器监控和分析车间发生的情况，提供了可操作的见解，以保持计划和库存敏锐。
计划停机也可以从实时数据中受益。设置程序可以审核，以使物料和人员符合一个运行和结束减少在转换过程中花费的时间．实时数据可以实现主动的流程改进，减少修改和准备时间。
当操作人员只能通过视觉感知机器工作时，轻微的故障可能需要很长时间才能修复。有了实时数据和可视化工具，如人机界面上显示的机器状态，操作人员可以看到材料何时耗尽，并在不产生间隙的情况下做出响应。他们还能发现其他波动，并在它们成为问题之前修复它们。
减速可能是由于碎片，松弛带，或任何数量的条件。通过可视化工具和机器监控，操作人员可以看到主轴或机器部件的移动速度比规范的要慢，并在情况恶化之前解决它。这最好通过动态显示实时主轴状态的机器监控工具来完成。
产品报废可能是由于设备故障、主轴不符合规格、文档过时或其他原因。机器数据平台可以实时更新关键文档，如零件规格和工作流程。它还将使用相同的可视化工具来解决小的故障，以防止部件运行时间过长而无法回收。HMIs和数据驱动的机器条件使操作人员能够在部件报废前采取行动。
数据可以用来分析启动废料并进行改进。使用数据驱动的洞察力来改变“按规格”生产零件的流程意味着更少的启动废料和更多的可用时间。
以良好的生产为基准，了解哪些操作是正确的。将其与现有的设备和能力进行对比，可以清晰地显示出应该关注哪些方面的不足。
整体设备的效能不是一夜之间就能达到的，也不是一次更换就能达到的;它涉及到重叠的过程，并要求公司制定战略，首先解决最关键的问题。随着数据揭示出最大的罪魁祸首并进行改进，制作团队可以开始解决其他问题。
跟踪kpi可以手动完成，但是使用机器数据平台跟踪它们可以简化流程。实时跟踪kpi将帮助决策者了解影响kpi的变量以及如何更改它们。
OEE可以很好地展示设备的使用情况，但这只是整个过程的一部分。应该使用数据来理解这些事情发生的原因，并开发流程改进来处理它们。
虽然制造设施是相互关联的，但不同部门的OEE将根据子流程的不同而大相径庭。比较不同过程的OEE不会产生授权过程改进的知识。相反，应该关注类似的子过程并理解公共变量。
更换是制造的一部分。将它们排除在OEE计算之外意味着忽略了改进staging过程、减少设置时间和发现根据公共设置的强度进行调度的方法的机会。
类似于比较不同的过程，实现OEE来揭示整个工厂的见解是行不通的。你会得到一个分数，然后呢?逐个检查机器或逐个部门的OEE，并根据影响每个机器或部门的独特根本原因制定持续改进方案。
衡量一个班次或一个小时并不是理解OEE的有效方法——它忽略了OEE试图捕捉的许多东西。使用几周或几个月来建立可靠的平均性能基线。
OEE是衡量设备效能的有力工具。忽略关键组件，手工收集数据，或专注于某些计算，将导致错误的改进工作。相反，拥抱整个OEE工具集，诚实地面对困难的问题。
MachineMetrics机器数据平台使制造商能够准确计算他们的操作OEE。
如案例研究所示，OEE计算依赖于从机器收集可用数据的能力，如时间、输出和操作速度。这就是MachineMetrics机器数据平台发挥作用的地方。MachineMetrics提供了一种即插即用的解决方案，用于从数字化和模拟机器捕获数据。如果您的目标是计算一组制造机器的OEE，那么MachineMetrics将捕获特定的数据并将它们转换为简化OEE计算的标准结构。
以国民油井华高(NOV)为例，展示了机械计量学在OEE计算中的应用。在该方案中，NOV在两周内将跨越两个设施的60台数控机床插入到MachineMetrics平台。MachineMetrics平台连续三个月每天捕获操作数据。对车间数据的访问使OEE计算成为可能，并为NOV面临的系统性问题提供了洞察。有了这些见解，制造商可以提高20%的生产效率和运营效率。
要了解更多关于MachineMetrics如何帮助优化制造设备性能和系统的信息，请访问MachineMetrics机器数据平台页面．
准备好授权你的车间了吗?
了解更多.svg)
评论