e-works数字化企业网  »  文章频道  »  企业管理  »  设备管理

IBM认知技术改善生产线设备效能

2020/6/23    来源:e-works    作者:东旭      
关键字:IBM  认知技术  效能管理  
认知计算等新技术将智能注入制造设备,帮助企业深入洞察制造流程,挖掘生产资产的真正价值。新型智能、连接和分析技术为制造企业带来前所未有的能力,助其更全面深入地了解设备可用性、产品质量和生产线绩效的影响因素。

    总体设备有效性(OEE)是衡量工厂生产力的重要指标。该指标综合考虑了资产可用性、产品质量和生产绩效。因此,如果发生意外设备停机、低质量造成的报废或返工,或者制造流程无法满足理想的周期要求,OEE都会受到负面影响。工厂管理层通常都有生产目标。上述负面影响因素都会阻碍目的实现。

一、传统工厂产线设备的效能管理挑战

    在工业生产过程中,设备的运行状态直接决定产品的生产质量和效率。比如在数控加工中,刀具状态将直接影响加工的质量和效率,而且一旦刀具出现问题还可能导致严重的机床和人身事故。因此,及时的跟踪和监测刀具的磨损状态将变得极其重要。其实除了刀具之外,工业生产过程中有重要关键设备及其零部件都需要进行及时的状态监控,如轴承、电机等,以保证整个产线的正常运行。

    目前,对于工厂产线关键设备的检测主要采用三种方式,即人工检测、离线检测和在线检测。人工检测即是由工人在产线加工时凭经验对关键设备的状态进行检测;离线检测就是在加工之前对关键设备进行专门检测,并预测其寿命看是否胜任当前的加工;在线检测也称实时检测,就是在加工的过程中实时对设备状态进行检测,并依据检测的结果做相应的处理。鉴于当前制造业信息化发展水平不高,大多数工厂对产线设备的检测主要集中在人工检测和离线检测,这两种检测方式依赖于人员经验,即影响效率也不能完全排除可能存在的风险。

二、IBM助力制造企业提升产线设备效能

    随着智能工厂的推进实施,实现关键设备的互联和数据采集已经成为工厂智能化改造必须完成的一步,智能化设备的实施即提升了生产效率,也降低了对人力资源的需求。但与此同时,复杂的智能化设备更需要及时的检测和监控,以保证生产的顺利进行。

    本解决方案简介主要介绍这些能力在智能资产和设备方面的应用,重点说明如何在生产线绩效分析领域,利用IoT和认知技术发现问题,通知问题并自动诊断问题,从而提高资产效率,改进整个制造流程中的总体设备有效性。

    结合IoT与认知之力,最大程度提高设备的运营有效性总体设备有效性(OEE)向来是衡量制造工厂绩效的一项重要指标。物联网(IoT)技术是我们这个时代最主要的技术创新之一,它有能力使OEE更上一层楼。认知计算等新技术将智能注入制造设备,帮助企业深入洞察制造流程,挖掘生产资产的真正价值。新型智能、连接和分析技术为制造企业带来前所未有的能力,助其更全面深入地了解设备可用性、产品质量和生产线绩效的影响因素。

    IBM Watson IoT提供一套完整的功能,尽显物联网之潜力,助您显著提升设备有效性。IBM将这种转变视为渐进式的过程。首先,需要连接设备,建立安全通信,将相关数据传输至功能全面、扩展灵活而且安全可靠的平台。其次,发现并直观呈现数据中隐藏的规律,从中挖掘有价值的信息,更为详细准确地了解设备运行情况。接着,采用强大的分析技术,得出切实可行的预测和行动方针,为及时的运营决策提供强大支持。最终,借助认知能力实现转型,持续提高预测准确率和运营效率。

    设备有效性方面的挑战

    Plant Performance Analytics

    IBM Plant Performance Analytics(IBM PPA)通过分析物联化设备所生成的数据,帮助企业深入洞察并轻松消除影响生产力的因素。IBM PPA支持工厂管理层计算设备发生故障或生产流程产生异常,进而影响产品质量的统计概率。IBM PPA可帮助工厂管理层确定影响OEE的潜在根本原因,并提供相关建议,缓解这些风险。分析能力可帮助工厂管理层根据预测的设备可用性,对未来生产计划进行评估,以便最大程度提高工厂产能,降低超时、报废和维护方面的成本。

    将工厂生产现场数据转化为预测性洞察

    IBM Plant Performance Analytics从生产设备中收集周期时间、位置信息、参数数据、故障和警告事件等相关数据,并从记录系统中收集设备主数据、EAM数据和质量管理数据。IBM PPA对这些数据进行分析,生成预测性洞察,深入揭示设备可用性以及影响OEE的各种问题,包括可能的停机、质量问题和生产瓶颈。这些洞察帮助工厂管理层和相关人员预测潜在的生产力受损问题,制定应对方案,避免造成损失。IBM PPA通过推荐预防措施或补救措施所需的维护计划和过程,缓解相关风险。

    专注于制造需求

    IBM Plant Performance Analytics提供现成可用的行业模型,助您预测制造工序(比如车身焊接、喷涂、冲压和组装)中的具体关键问题。这种行业模型方法有助于加快实施过程,缩短学习周期,更快实现投资回报。

    预测性洞察

    仪表板为近期班次直观呈现预测的可用性趋势,可以细化到具体的设备、工序或生产线的可用性。您可以进一步对信息深入挖掘,获得诸如事件发生的可能性、事件发生的可能时间以及缺陷或故障的可能原因等详细信息。可对历史修复数据进行分析,预测纠正问题所需的维护时间,助您合理安排资源及修复工作。

    描述性洞察

    仪表板还显示与预测相关的底层因素值,从而提供额外的详细信息,帮助您在运行环境中了解设备状况。例如:置信度分数表示与以前所发生事件的历史记录比较而计算出的预测可信度或不可信度;停机发生概率表示对下游运行的潜在影响。

    规范性洞察

    在预测性分析指出潜在问题后,优化模型可以推荐最佳行动路线,例如:基于目前生产计划和维护资源,推荐最理想的设备修理时间;基于根本原因预测结果,推荐维护任务;或者建议最优的设备设定点,帮助缓解流程异常风险。

    行业分析模型涵盖制造运营中关键的故障模式

    IBM Plant Performance Analytics使用基于ISA-95标准的制造信息模型,这种标准为供应商和制造商沟通、信息模型和运营模型提供了一致的术语。IBM行业分析模型基于ISA-95标准,专为特定的制造运营环节而设计。例如,焊接工序模型能够捕捉并分析机器人的行为、焊缝连接状态及焊条夹钳动作,以评估设备状况,做出可靠的预测。这些预置的模型能够提供现成可用的制造信息,助你加快项目启动速度。

    信息一览无余,轻松评估设备可用性

    IBM Plant Performance Analytics用户界面支持工厂管理层浏览工厂层次结构,在工厂、生产线和工序级别查看预测的设备停机损失和质量损失趋势,以及对后续班次造成的影响,从而能够轻松评估设备可用性趋势。您可以通过着色图标轻松发现包含关键预测信息的工序,然后单击图标以查看构成该工序的关键资产列表。

责任编辑:程玥
本文为授权转载文章,任何人未经原授权方同意,不得复制、转载、摘编等任何方式进行使用,e-works不承担由此而产生的任何法律责任! 如有异议请及时告之,以便进行及时处理。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐