Ի՞նչ հիմնարար ցուցանիշներ են չափում ամբողջությամբ ավտոմատացված պատուհանների սարքավորման վերջնական հավաքման արդյունավետությունը:

Ընդհանուր սարքավորումների արդյունավետություն (OEE). Ավտոմատացված պատուհանների հավաքակցման գծի հիմնարար ցուցանիշ

Ինչու՞ է OEE-ն ներառում հասանելիությունը, արդյունավետությունը և որակը՝ իրական արդյունավետության ընկալման համար

Ընդհանուր սարքավորումների արդյունավետությունը (OEE) գործողությունների ընթացքի իրական պատկերն է տալիս, քանի որ այն միավորում է երեք հիմնարար գործոն՝ հասանելիությունը, արդյունավետությունը և որակը՝ մեկ կարևոր ցուցանիշի մեջ: Ավանդական KPI-ները հաճախ բաց են թողնում ընդհանուր պատկերը: Պարզապես արագությունը դիտարկելը շատ քիչ տեղեկություն է տալիս, երբ ապակու մշակման ընթացքում շարունակ տեղի են ունենում փոքր կանգառներ, կամ երբ կնիքի ցանկապատման հետ կապված խնդիրները կրկնվում են անընդհատ: Հատկապես ավտոմատացված պատուհանների հավաքման գծերի դեպքում OEE-ն օգնում է հայտնաբերել այն թաքնված կորուստները, որոնք նվազեցնում են ներդրումների եկամտաբերությունը: Փորձարկեք ռոբոտների դանդաղ շեղումը տարբեր ապակու ցիկլերի ընթացքում, կամ անհամապատասխան տեղադրված կնիքերը, որոնք հետագայում ավելորդ աշխատանք են առաջացնում: Ըստ 2024 թվականի արդյունաբերության որոշ վերջերս հրապարակված տվյալների՝ արտադրողների գրեթե կեսն սխալ են գնահատում իրենց ավտոմատացումները՝ պարզապես այդ գործոնները առանձին-առանձին դիտարկելու պատճառով, այլ ոչ թե որպես նույն համակարգի կապված մասեր:

ՕԳՏԱԳՈՐԾՄԱՆ ЭՖՖԵԿՏԻՎՈՒԹՅԱՆ ՀԱՄԵՄԱՏՈՒԹՅՈՒՆ՝ 82% ԲԱՐՁՐ ԿԱՐՈՂՈՒԹՅՈՒՆՆԵՐՈՎ ԳԾԵՐՈՒՄ ԲԱՌԵՐԻ 65% ԱՐԴՅՈՒՆԱԲԵՐԱԿԱՆ ՄԻՋԻՆԻ ԴԻՄԱՑ

Աշխարհահռչակ ավտոմատացված պատուհանների արտադրությունը հասնում է OEE ցուցանիշի՝ 82% կամ ավելի բարձր , մինչդեռ ընդհանուր արդյունաբերության միջին ցուցանիշը ընդամենը 65%— 17 կետի տարբերություն, որն արմատական է համակարգային կանոնադրությանը, ոչ թե միայն տեխնոլոգիային: Լավագույն արդյունքները պահպանվում են կայանների համաժամանակյա աշխատանքի, ռոբոտական հերմետիկի կանխատեսող սպասարկման և թվային կրկնօրինակով նյութերի հոսքի օպտիմալացման շնորհիվ:

Այս տարբերությունը համարժեք է մոտ տարեկան 740 հազար դոլար խնայողության ամեն մի գծի համար բարձր ծավալով կառույցների համար (Ponemon 2023): Կարևոր է, որ 85% և ավելի OEE-ի հասնելը կապված չէ առանձին արդիականացումների հետ՝ այն պահանջում է ավտոմատացված ապակու հարթակների, շրջանակների միացման և ստուգման կայանների ճշգրիտ համաձայնեցում, ինչը ցույց է տալիս, որ փոխկախված բարելավումները կտրուկ են ազդում:

Ցիկլային Ժամանակի, Տակտային Ժամանակի և Վարույթի Ժամանակի համաձայնեցումը Բարդ Ավտոմատացված Պատուհանների Գործընթացում

Մասերի միջև ցիկլային ժամանակի կրճատում՝ շարժման օպտիմալացման և գործիքների փոխանակման համակարգի ինտեգրման միջոցով

Ամբողջական պատուհանի միավորի ստեղծման ընթացքում պահանջվող ժամանակը, սկզբից մինչև վերջ, հավանաբար ամենակարևոր գործոնն է, որն ազդում է այդ բարդ ավտոմատացված արտադրական գծերում արտադրվող միավորների քանակի վրա: Երբ արտադրողները օպտիմալացնում են ռոբոտների շարժումները և տեղադրում են ավտոմատ գործիքների փոխանակման համակարգեր, նրանք կրճատում են ավելորդ շարժումներն ու կանգները տեղափոխման ընթացքում: Սա սովորաբար նվազեցնում է ընդհանուր ցիկլային ժամանակը մոտ 15%-ից 25%: Ինչպե՞ս է սա իրականում արտահայտվում: Ռոբոտները կարող են փոխել գործիքները՝ շարժվելով տարբեր աշխատանքային կայանների միջև, օրինակ՝ կնքման և ապակու տեղադրման հատվածներում, առանց նախ կանգ առնելու: Սա ապահովում է անընդհատ և հարթ ընթացք՝ առանց ընդմիջումների: Ընկերությունների համար, որոնք առնչվում են շատ տարբեր արտադրանքների տարբերակների հետ և որոնց պահանջվում է անընդհատ կարգավորումների փոփոխություն, այս բարելավումները մեծ տարբերություն են կազմում: Դրանք զգալիորեն ավելացնում են ամենօրյա արտադրության ցուցանիշները և օգնում են պահպանել այն կարևոր աշխատանքային մետրիկները, որոնք այնքան կարևոր են պատուհանների արտադրության գործընթացում:

Տակտ-թայմի համընկնում հաճախորդի պահանջարկի հետ՝ առանց զիջելու ճկունությանը կամ որակին

Տակտի ժամանակը, որը հիմնականում սպառողների պահանջներին համապատասխան արտադրանքների միջև թույլատրելի առավելագույն ժամանակն է, պետք է անընդհատ կարգավորվի՝ հաշվի առնելով փոփոխվող շուկայական պահանջարկը, միաժամանակ պահպանելով ճշգրտությունն ու ճկուն արձագանքումը: Լավագույն արտադրական գծերը այս մարտահրավերին դիմում են ինտելեկտուալ հերթականության միջոցով, որն ի վիճակի է ինքնուրույն կարգավորվել՝ կախված տարբեր չափերից, շրջանակների տեսակներից կամ առանձնահատուկ ապակու դասավորություններից: Այս գործընթացներին ներդրված տեսողական համակարգերը արտադրության ընթացքում ստուգում են այն, թե որտեղ են տեղադրվում կապարները և արդյոք կնիքները ճիշտ են ձևավորվել, այլ ոչ թե հետագա փուլերում: Սա օգնում է պահպանել 95%-ից բարձր որակային ցուցանիշներ՝ նույնիսկ արագացված արտադրության դեպքում: Ճիշտ կազմակերպված այս գործընթացը թույլ է տալիս արտադրողներին խուսափել անպետք պատուհանների չափազանց շատ արտադրությունից, ինչը խնայում է պահեստավորման ծախսերը և ապահովում է արտադրության անխափան ընթացքը՝ առանց այն խցանումների, որոնք վնասում են արդյունքներին այսօրվա պատուհանների արդյունաբերության ընթացքում:

Ումնտի աշխատաժամանակի ինտելեկտուալ դիագնոստիկա՝ աշխատանքային տվյալները վերածելով գործնական ավտոմատացված տեղեկությունների

Ճշգրիտ դասակարգում անդադրության ընթացքում՝ ինչու՞ «պլանավորված» դադարը հաճախ թաքցնում է կանխարգելելի կորուստներ

Կարևոր է ճիշտ դասակարգել դադարները։ Երբ ընկերությունները կանխվող կանգերը դասակարգում են որպես «նախատեսված», դա իրենց գործողությունները իրականում ավելի լավ տեսքով է ներկայացնում՝ թաքցնելով այն, թե ինչ է իրականում կատարվում։ Ըստ արդյունաբերական տվյալների՝ բոլոր այսպես կոչված նախատեսված դադարների մոտ մեկ երրորդը առաջանում է այն հարցերից, որոնք կարող էին խուսափել։ Փոքր խնդիրների մասին մտածեք, որոնք ոչ ոք չի նկատում, մինչև դրանք հետագայում մեծ խնդիրներ չեն առաջացնում։ Օրինակ՝ որոշ գործարաններ դեռևս դժվարանում են այն բանի հետ, որ ռոբոտային բազկերը կալիբրացիայից դուրս են գալիս, կամ գործիքները շատ ուշ են փոխվում, քանի որ ոչ ոք ճիշտ կերպով չի նախատեսել դրանք։ Այդ խնդիրների կրկնվող դեպքերը վերլուծելը այլ պատմություն է պատմում։ Վերցրեք, օրինակ, այն կնճռոտված հերմետիկի կիրառումները, որոնք շաբաթեր շարունակ կրկնվում են։ Սովորաբար դա վերաբերում է վերևուստ գտնվող ինչ-որ բանին, ինչպես օրինակ՝ չափազանց խիտ գորշդ կամ ճիշտ կերպով չհարմարեցված անոթներ։ Խելացի գործարանները տեղափոխվում են խնդիրները հետո ուղղելուց դեպի այնպիսի համակարգեր, որոնք իրական ժամանակում հսկում են պայմանները։ Անհրաժեշտությունից կախված ամեն X ժամը մեկ վերակալիբրացնելու փոխարեն, որոշ արտադրողներ այժմ օգտագործում են սենսորներ՝ անընդհատ հետևելու խտությանը և փոփոխությունները հայտնաբերելու այն բանից առաջ, քան դրանք արտադրության մեծ խնդիրներ դառնան:

Վերջնական հավաքման կայաններում IIoT-ով ղեկավարվող՝ իրական ժամանակում դադարների կատեգորացում

Արդյունաբերական ինտերնետ օբյեկտները (IIoT) սենսորները տալիս են մանրամասն տեղեկություն այն մասին, թե երբ է կանգնում արտադրությունը՝ արտադրական գործընթացի տարբեր կետերում, ինչպիսիք են ապակու հատվածները, շրջանակների հատվածները և զննման կետերը: Այս ինտելեկտուալ սենսորները ավտոմատ կերպով որոշում են սարքավորումների կանգնելու պատճառները՝ վերլուծելով տարբեր գործոններ, ինչպիսիք են սարքավորումների աշխատանքը, օգտագործվող նյութերը և որակի ստուգումները: Օրինակ՝ երբ լուսանկարչական համակարգը նկատում է սերտավորման սխալ կիրառման մի քանի դեպք, այն այն չի դասակարգում որպես մեխանիկական խնդիր, այլ համակարգը դա ճանաչում է որպես որակի հետ կապված խնդիր, որն անհրաժեշտ է որակի վերահսկողության թիմերի ուշադրությանը: Վերահսկող անձնակազմը անմիջապես տեղեկացվում է իրենց սարքերի միջոցով՝ ցանկացած աշխատատեղում թույլատրելի սահմաններից դուրս գալու դեպքում: Այս վաղ զգուշացումը օգնում է փոքր խնդիրները հայտնաբերել, մինչև դրանք մեծ խնդիրներ դառնան: Ուսումնասիրությունները ցույց են տալիս, որ անսպասելի արտադրական կանգերը ֆաբրիկաներին կարող են ամեն ժամը արժենալ մոտ 125 հազար դոլար, և այդ պատճառով այս ախտորոշման գործիքները շատ արագ են վերադառնում: Շատ գործարաններ զեկուցել են, որ վերանորոգման ժամանակը կրճատվել է գրեթե կեսով՝ այս ինտեգրված կառավարման համակարգերը ներդնելուց հետո, որոնք հավաքված բոլոր տվյալները վերածում են գործողությունների համար պահանջվող սպասարկման առաջադրանքների՝ հիմնվելով առաջնահերթության մակարդակների վրա:

Որակին հիմնված արդյունավետություն. Առաջին անցման եկամտաբերությունը և մերժման չափը որպես ծախսերին զգայուն հիմնարար ցուցանիշներ

Առաջնային պիտանի ելքը, կամ ՖՊՈՒ (FPY), էությամբ ցույց է տալիս, թե ինչպես է ավտոմատացված պատուհանների հավաքման գիծը հայտնաբերում թերությունները՝ նախքան դրանք շտկելը: Դրա հետևող մաթեմատիկան բավականին պարզ է. վերցրեք պիտանի միավորների քանակը, բաժանեք արտադրված բոլոր միավորների վրա և բազմապատկեք 100-ով: Երբ FPY-ն իջնում է 95%-ից ներքև, ըստ 2023 թվականի արդյունաբերական զեկույցների, ընկերությունները սովորաբար տեսնում են, որ իրենց թափոնների ծախսերը տարեկան մոտ 740,000 դոլարով աճում են: Մերժման մակարդակների վերլուծությունը խնդրի վերաբերյալ մեկ այլ տեսանկյուն է տալիս, քանի որ այն հաշվում է այն միավորները, որոնք ամբողջությամբ նետվում են: Այս թվերը ցույց են տալիս, թե որտեղ է գնում գումարը, երբ նյութերը, էներգիան և աշխատանքային ժամերը անվերադարձ կորցվում են: Լավագույն աշխատող պատուհանների արտադրողները սովորաբար պահում են իրենց FPY-ն 92%-ից բարձր, մինչդեռ շատերը դժվարանում են և միջինը մնում է մոտ 85%: Երկու այս մետրիկների հետևումը օգնում է գործողությունները տեղափոխել անընդհատ վերացումներից դեպի ավելի լավ կանխարգելման ռազմավարություններ: Այս մոտեցումը որակի ստուգումները կապում է անմիջականորեն ռեսուրսների խնայողության, արտադրության հոսքի կայունության և վերջապես՝ ավտոմատացման տեխնոլոգիաների ներդրումների ավելի լավ եկամտի հետ:

FAQ բաժին

Ինչ է Ընդհանուր սարքավորումների արդյունավետությունը (OEE)
Ընդհանուր սարքավորումների արդյունավետությունը (OEE) արտադրական գործողությունների արդյունավետ ընթացքի չափման միջոց է, որն առկայությունը, արդյունավետությունը և որակը միավորում է մեկ մետրիկում:

Ինչու՞ է OEE-ն կարևոր ավտոմատացված պատուհանների հավաքման գծերում:
OEE-ն կարևոր է, քանի որ նա նույնականացնում է անարդյունավետություններն ու կորուստները, ինչպիսիք են ռոբոտների անբավարար կալիբրացումը կամ անհամաչափ գազօղի տեղադրումը, որոնք զգալիորեն ազդում են ներդրումների եկամտաբերության վրա այս հավաքման գծերում:

Ինչպե՞ս են ընկերությունները հասնում բարձր OEE ցուցանիշների:
Ընկերությունները բարձր OEE ցուցանիշների են հասնում կայանների համաձայնեցված աշխատանքի, կանխատեսողական սպասարկման և նյութերի շարժի օպտիմալացման միջոցով, ինչը բերում է ընդհանուր ավելի բարձր արդյունավետության:

Ո՞ր արդյունքի է հանգեցնում արտադրական գործընթացում ցիկլային ժամանակի օպտիմալացումը:
Ցիկլային ժամանակի օպտիմալացումը նվազեցնում է ավելորդ շարժումներն ու կանգառները, ինչը բերում է արտադրության արդյունավետության աճի և ցիկլային ժամանակի կրճատման մինչև 25%:

Ինչպե՞ս են IIoT սենսորները բարելավում կանգառների դասակարգումը:
IIoT սենսորները բարելավում են դադարեցման դասակարգումը՝ իրական ժամանակում նույնականացնելով կանգնեցման պատճառները, մեխանիկական խափանումներից մինչև որակի հետ կապված խնդիրներ, ինչը թույլ է տալիս կանխատեսվող սպասարկում և ավելի արագ վերականգնում։