今天的工業(yè)4.0是由物聯(lián)網(wǎng)推動的。作為人類，我們的專注力和精確度有限，無法全天候捕捉和存儲現(xiàn)實世界的信息。傳感器從工廠設備收集生產(chǎn)數(shù)據(jù)以獲得寶貴見解的能力可以用來提高生產(chǎn)效率、生產(chǎn)質(zhì)量和盈利能力。100%的OEE率（設備綜合效率）代表著理想的生產(chǎn)：盡可能快地生產(chǎn)出好零件，并且不會停機。

以下是工業(yè)物聯(lián)網(wǎng)分析可以回答的一些問題：

可用性：

你知道工廠設備的實際產(chǎn)能利用率嗎？

你如何預測設備的剩余壽命？

平均每年的停機時間是多少？

質(zhì)量：

你有關(guān)于次品率和整體趨勢的信息嗎？你能定義那些導致缺陷的機器嗎？

應更新哪些細節(jié)或機械軟件以提高性能？

在生產(chǎn)的哪個階段，工藝流程的中斷會導致有缺陷的產(chǎn)品產(chǎn)生？

性能：

哪些機器很快需要維護？

哪些機器的能效較低？

最高的生產(chǎn)速度是什么？它與質(zhì)量的關(guān)系如何？

下面我們將描述如何分析和改進這三個OEE指標，以及它如何影響整體投資回報。

一、質(zhì)量

《哈佛商業(yè)評論》在發(fā)表的一篇詳盡案例研究中描述了提高生產(chǎn)效率和質(zhì)量的分析方法。文章指明應對操作數(shù)據(jù)進行統(tǒng)計分析，以確定異常值，并確定如何改進流程。

將工廠最初15%的缺陷減少到9%，結(jié)果是：

生產(chǎn)力的提升。工廠現(xiàn)在以同樣的成本多生產(chǎn)6%的產(chǎn)品。

提高產(chǎn)品質(zhì)量?，F(xiàn)在只有9%的輸出有缺陷，而不是15%。

單位成本更低。工廠以同樣的成本生產(chǎn)更多產(chǎn)品。

價格可以降低，銷售額可以提高。

改進流程是提高質(zhì)量和降低單位成本的關(guān)鍵。詳細的操作控制使你可以識別工廠車間的異常值（變化源），進而消除技術(shù)缺陷。儀表板是可靠的事實來源，可確定最有生產(chǎn)效率的班次、最可靠的設備和材料供應商。

二、可用性

可用性是效率的另一個關(guān)鍵因素，可以通過基于客觀數(shù)據(jù)分析的管理措施來提高可用性。 盡管估算值各不相同，但即使將生產(chǎn)可用性提高5%，也可以帶來數(shù)十萬美元的收入。

實現(xiàn)更好的可用性可帶來：

由于預測性維護（高達20%），延長了正常運行時間，減少了代價高昂的停機時間。美國汽車行業(yè)的停工成本為每小時130萬美元，因此防止此類故障是有意義的。

通過消除瓶頸來擴大生產(chǎn)能力（最高15%）。數(shù)據(jù)分析有助于確定每臺機器、生產(chǎn)線和工廠的可用性和損失。它使制造商能夠?qū)ιa(chǎn)效率最低的設備進行改造，并使用同樣的機械設備生產(chǎn)更多產(chǎn)品。

改進業(yè)務流程。物理系統(tǒng)的數(shù)字拷貝或“數(shù)字孿生”使用感官數(shù)據(jù)監(jiān)測、診斷和預測資產(chǎn)性能。該技術(shù)可用于更好的采購和預算決策、資源消耗預測。

節(jié)省預算。延長傳統(tǒng)設備的使用壽命就不需要購買新的昂貴設備。

三、性能

性能指標說明了生產(chǎn)速度。通過監(jiān)控它，你可以同時考慮小停頓和慢周期來檢測速度變化。性能分析和優(yōu)化關(guān)注于哪些組件可以帶來更高的性能和質(zhì)量，以及它們的最高效率是什么。

監(jiān)測性能可能導致：

盈利能力的提高。

更低的維護成本和可預測的緊急情況

通過自動檢測異常值，更好地做出投資決策

ThingsBoard趨勢分析如何幫助實現(xiàn)更好的OEE（設備綜合效率）KPI？

為了實現(xiàn)生產(chǎn)和財務方面的改進，首先，你需要了解當前的OEE評分及其影響因素。通過這樣做，你可以設置一個可以改進的初始基準。如果不衡量和確認設備的當前狀態(tài)，你就不會有可靠的數(shù)據(jù)可以依賴，也就不會對所采取的行動是改善還是惡化做出結(jié)論。因此，行動計劃應如下：

▲從設備和生產(chǎn)流程中收集數(shù)據(jù)

▲測量初始OEE分數(shù)

▲制定OEE改進策略

▲監(jiān)測結(jié)果

ThingsBoard IoT平臺解決了4個任務中的3個：

你可以連接設備，從傳感器收集數(shù)據(jù)，并在交互式儀表板上可視化

收集的原始數(shù)據(jù)可以在轉(zhuǎn)換為關(guān)鍵績效指標

使用Trendz Analytics查找異常值、相關(guān)性、趨勢并預測行為
責編AJX