制造停机时间的实际成本

对于大多数制造商来说，停机时间是损失生产时间的最大来源。正如您可能已经知道的，停机是指机器不在生产中的任何时间段（确切地说，停机）。停机时间可以分类以帮助识别机器性能的模式。它受到高度关注，因为设备故障和故障是非常明显的。然而，停机时间往往是显而易见的，大多数公司严重低估了他们真正的停机时间80%的公司无法正确计算其真正的停机成本(“真正的停机成本（TDC）是多少？”2017).

为此，并非所有的停机时间都是平等的；实际上，最大的开销是由计划外停机造成的。计划外停机是意外发生或由于故障(例如，硬件故障或等待适当的材料来完成任务)而导致的停机。计划外停机时间的常见类别包括过多的工具转换，过多的工作转换，缺少操作人员，以及计划外的机器维护。

影响图9

(MachineMetrics通知操作人员通过平板电脑为机器停机时间添加人类上下文)

当发生计划外停机时，不会产生任何价值，但开销操作的成本会继续增长，这会直接影响公司的底线。根据分析公司阿伯丁研究，82%的公司在过去三年中经历过计划外停机这种计划外的停机时间每小时可能给公司带来高达26万美元的损失!

由ServiceMax赞助的一项新研究(由通用电气数字公司的Vanson Bourne进行)坠落后：计划外停机的成本、原因和后果调查了全球范围内的450家现场服务和IT决策者，包括制造业、医疗、石油和天然气、能源和公用事业以及运输行业。该研究发现，生产率、IT和客户服务仍然受到计划外停机的最严重打击，而且整个企业都能感受到这种影响。

该研究还发现，计划外的停机时间也推动了对数字化转型的重新投资:

在过去三年中经历过计划外停机的82%的公司中，这些停机平均持续4个小时，平均成本为200万美元。
计划外停机会导致客户信任和生产力的损失——46%的客户无法提供服务，37%的关键资产的生产时间损失，29%的客户完全无法服务或支持特定的设备或资产。
在美国，只有12%的机构受访者认为他们的机构在数字产业发展过程中正处于他们需要的位置，并领先于竞争对手——相比之下，英国和法国都有16%的受访者这样认为，德国有23%的受访者这样认为。

(可定制的停机原因允许用户跟踪计划停机和计划外停机)

另一个令人吃惊的统计数据是，超过70%的受访者没有充分意识到他们的设备何时需要维护、升级或更换。即使知道计划外停机成本很高，制造商最常用的维护方法（理想情况下有助于减少计划外停机时间）不一定能有效地减少计划外停机时间。最近的一次通用电气研究发现只有24%的运营商将他们的维护方法描述为基于数据和分析的“预测性”方法。其余的人要么采取被动反应的方式，要么采取基于时间的方式。(图3)关于每种方法的计划外停机时间，反应性方法平均每年8.43%，计划性方法7.96%，数据/监控方法5.42%。

因此，非计划停机时间很难产生帕累托。它需要了解发生在机器上的所有停机时间，而不仅仅是我们可以通过机器的PLC/Control收集的停机时间。传统上，获取必要的数据需要日志表，需要操作者手动记录所有重要的停机时间。这种手动方法可能会错过频繁的停机事件(每个停机事件只有几分钟)，但加起来会占用大量时间。通常情况下，实际数据是在事件发生后记录的，所以时间不是很准确。利用一个平台实时跟踪机器的周期状态，以生成帕累托停机时间的数据是必要的。作业人员还需要将每个停机事件划分为事件期间或事件发生后不久的合理停机桶。

(停机时间报告可以根据机器、作业、班次或操作员进行对比分析)

当然，虽然收集数据是解决问题和更好地理解停机时间的关键驱动因素，但获取更多数据并不意味着组织将知道如何处理数据。根据埃森哲(Accenture)最近的一项研究，60%的运营商将处理收集数据的结果作为一个主要挑战。重要的是要了解收集越来越多的数据的原因，以及如何应用这些数据来改善基于状态的监测和预测性维护，包括:

识别基于数据的模式的能力
认知学习能力
利用云中的数据进行跨组织/行业比较的机会
能够与受信任的服务提供商共享数据，以进行更多的分析和洞察

通过数字化继续削减计划外停机时间是一个重要的机会，但正如德勤在最近的一份报告中指出的那样，“简单地‘做’数字化的事情并不能使一个组织数字化。”组织需要超越仅仅是技术变革的范畴，真正拥抱数字化的好处

为了做到这一点，机械技术公司已经接受了一项挑战，那就是帮助公司在那些问题领域磨练，否则这些领域可能对许多人来说都是难以捉摸的。该平台独特地允许组织聚合机器数据（来自任何类型的机器，传统或现代）和人工数据，以准确地将停机时间属性和分类为特定的、最主要的停机原因，包括计划内和计划外停机时间。

所有这些不同的原因都将以一种尽可能简单的方式呈现给你的团队，让他们能够理解停机的主要原因以及需要采取的行动。例如，MachineMetrics可以测量转换作业所需的时间。如果停机时间帕累托表明，转换是您停机时间的最大来源，那么团队可以集中精力减少执行一个转换所需的时间。更进一步，使用停机时间数据来查看哪些转换是最大的痛苦，然后可能计划某个产品的更长的生产运行，以最小化转换到该产品类型的次数。

冲击图像1

(MachineMetrics汇总所有停机事件，并可视化最重要的原因，便于立即采取行动)

由于MachineMetrics聚集了数据中出现的任何警报、故障或维护警报，我们正在捕获的信息有许多用例，这些用例非常适用于公司显著减少停机时间的努力。这里有几个:

分析和诊断警报，以便在正确的时间采取行动，预测和防止由于维护计划而导致的未来停机
减少因产品故障和非正常运行条件导致的计划外停机时间
了解设备利用率利率
评估告警的频率和持续时间，并进行分析，以帮助理解需要注意的常见问题，并结合通知，以预测地提醒维护技术人员和机器操作员更严重的问题
实时监控任何机器状况，如状态，负载，温度，操作员过载，控制器模式，速度，饲料等，并作为时间序列图来确定何时超过阈值。
基于日历时间或使用时间创建PM计划。
根据刀具使用情况或切割时间创建刀具寿命管理计划，以便在需要更改刀具时通知您的团队。

如果基于机器损坏的非计划停机正在导致非计划停机，机械计量公司可以管理您的预防性维护计划的实施。利用数据和我们复杂的机器学习算法，你可以开始预测某些部件何时会失效，并在它们发生之前替换它们。机器警报是发生重大故障的先决条件。详细的分析可以帮助理解需要注意的常见问题。MachineMetrics将根据告警通常导致的停机时间自动分类告警的严重程度。结合警报，这是一个强大的功能，可以预测地警告维修技术人员和机器操作员严重的问题。如果数据显示一台机器的多个部件可能会在数周内相继失效，而且需要数小时的拆卸才能接触到这些机器部件，那么一次性更换它们可以节省时间。

解决任何问题的第一步是定义问题。对于停机，了解停机发生的时间、地点和方式对于了解如何防止停机至关重要。通过仔细准确地跟踪停机发生的时间和地点，可以实现减少意外生产备份或彻底停机的早期步骤。有了MachineMetrics，我们让追踪过程尽可能简单和用户友好，这样你就可以找到停机问题的根源，并更好地理解如何改进你的过程。现在是时候投资数字化工具了，它将改变你的业务和技术，推动下一代制造业的持续改进。