OEE 總體設備效率

 


 

總體設備效率 Overall Equipment Effectiveness

 

# 為什麼智慧工廠只聞樓梯響

2014年底,德國政府率先提出了「工業4.0」的高科技計畫,吸引全世界工業巨頭的目光,借用了章魚神經元傳導的概念,具象化了對於智慧工廠的想像:設備產線彼此相連接,構築出完整繁複的物聯網,產線即時回饋的數據累積出完善的數據資料庫,管理者可依據數據彙整的報告即時因應,做出正確的決策。
 

科幻片般的藍圖現出,瞬間掀起了浪潮,相關概念在世界各國逐漸落地深根,慢慢也開始有成長的苗頭。
但也只是苗頭。雖然雲儲存、邊緣運算、物聯網、AI人工智慧等多項技術已臻化境,但是智慧工廠的推進力還是差了點什麼。
 

──就是差在第一線的生產數據,究竟要怎麼傳輸。
 

# 為什麼數據無法流通

智慧製造關鍵在於數據的溝通,若要有效應用數據,第一步得將 Layer 1 控制層的種種生產工況數據化,才能將數據往Layer 2 監控層傳送。

 

儘管數據的重要性是被認可的,但是工廠產線設備多元且複雜,控制層有各種不同的生產設備,如 PLC、CNC車床、機器手臂、工具加工機,加深了採集數據的難度。再加上有些工廠仍採用傳統的手工抄報模式,不僅記錄方式耗費人力時間效率差,還有可能出現缺漏錯誤等潛在風險,導致成本的白白浪費。
 
所以正需要一套數據採集平台,讓OT與IT得以聯通,建立起OT與M2M之間的信心,而這正是iNeurons Microservices的存在價值。
 

# 讓專業的來

商場如戰場,局勢變化莫測,當產能逼近滿載時,突然客戶下了一筆出口急單,身為工廠管理者,該如何判斷 整體設備效率(OEE) 與 設備綜合生產力(TEEP) 是否能消化?
 

iNeurons Microservices將協助製造業從Layer 1走向Layer 2,將採集後數據視覺處理,以柱狀圖、雷達圖、圓餅圖等形式呈現,可提供所有管理者需求的關鍵資料,如:設備稼動率、生產管理訊息、工單製程履歷、產能利用率等現場資訊,即時顯示的數據及完善的輸出報表可協助管理在第一時間做出對企業最有利的判斷。
 

如若遇到緊急加單的情形,管理層便可根據生產數據因應,比如決定導入三班制提高產能率來消化急單;又或者遇到客戶提出客製條件的配方,可優先輸入系統,先行判斷生產過程中可能會出現哪些不穩定因素,投入生產時還能同步進行設備即時監控及預知保養,大幅降低設備耗損、停機時間過長等額外損失。
 

同時這些第一線所搜集的資料,再向上傳輸至Layer 3及Layer 4,可與MES、ERP資源層連線,正式進入智慧製造階段,銜接起智慧聯網、邊緣運算、雲運算等第一線的技術。
 

全面採集第一線數據,掌握人、機、料、法、環現場管理五大關鍵因素,如同紮好穩定的地基,才得以往上層層疊疊,建構出完整健全的智慧工廠。
 
 


 

OEE總體設備效率.專案型.解決方案

 

# 為什麼是最強OEE攻擊型兵器

 
產線設備總數量看板:顯示正常運作、異常故障、故障停機、關機修復數量
null
null
 
 
OEE總設備稼動率、總產能效率:四色燈狀態顯示圖,產線問題一目瞭然
null
 
 
同期比較看板:包含年、季、月、日比較圖。可依據需求篩選OEE、產能效率等比較項目
null
 
 

# 為什麼是最強OEE攻擊型兵器

數據可視化:清楚掌握即時生產狀況
戰情室分析:自動化機台、設備聯網、工作站資訊(SCADA/HMI/PLC)、電子看板整合
生產情報管理:生產履歷追溯、品質異常管理、提高良率
製程訊息管理:生產網路數據透明、異常數值告警推播
停機時間分析:降低停機時間節約成本、提升產能

 

# 來看一下有哪些成功案例

.

看老加工廠如何成功轉型

 


Date

2020 年 9 月 2 日

Category

產品方案