CN103824119A - 利用性能指标和预测分析设置制造设备参数的系统及方法 - Google Patents

利用性能指标和预测分析设置制造设备参数的系统及方法 Download PDF

Info

Publication number
CN103824119A
CN103824119A CN201310559752.7A CN201310559752A CN103824119A CN 103824119 A CN103824119 A CN 103824119A CN 201310559752 A CN201310559752 A CN 201310559752A CN 103824119 A CN103824119 A CN 103824119A
Authority
CN
China
Prior art keywords
data
information
time
cost
equipment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201310559752.7A
Other languages
English (en)
Other versions
CN103824119B (zh
Inventor
J.塔纳
J.K.莫纳尼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SAP SE
Original Assignee
SAP SE
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SAP SE filed Critical SAP SE
Publication of CN103824119A publication Critical patent/CN103824119A/zh
Application granted granted Critical
Publication of CN103824119B publication Critical patent/CN103824119B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)

Abstract

一种方法包括：从内存计算模块接收第一数据，所述数据包括性能指标；从企业资源规划数据库接收第二数据；基于第一数据和第二数据预测每件的目标时间，基于第一数据和第二数据预测每件的目标成本；以及基于所述每件的目标时间和/或所述每件的目标成本设置设备速度。

Description

利用性能指标和预测分析设置制造设备参数的系统及方法
技术领域
实施例涉及利用性能指标和预测分析来设置制造设备参数的系统及方法。
背景技术
在许多类型的制造环境中，一般要收集大量数据。例如，收集关于产品质量和成本的数据（例如，在企业资源规划（ERP）系统中）。然而，由于这些数据（例如，数量）的性质，系统不能有效利用这些数据以便在实时的制造环境中最佳地设置制造设备参数。
发明内容
一个实施例包括一种用于设置设备速度的方法。所述方法包括：从内存计算模块接收第一数据，所述数据包括性能指标；从企业资源规划数据库接收第二数据；基于第一数据和第二数据预测每件的目标时间；以及基于所述每件的目标时间设置设备速度。预测的每件的目标时间可以是从新的设备速度的设置导出的最短可接受时间。
另一个实施例包括一种用于设置设备速度的方法。所述方法包括：从内存计算模块接收第一数据，所述数据包括性能指标；从企业资源规划数据库接收第二数据；基于第一数据和第二数据预测每件的目标成本；以及基于所述每件的目标成本设置设备速度。预测的每件的目标成本可以是从新的设备速度的设置导出的最低可接受成本。
又一个实施例包括一种用于设置设备速度的方法。所述方法包括：从内存计算模块接收第一数据，所述数据包括性能指标；从企业资源规划数据库接收第二数据；基于第一数据和第二数据预测每件的目标时间，基于第一数据和第二数据预测每件的目标成本；以及基于所述每件的目标时间和所述每件的目标成本设置设备速度。预测的每件的目标成本可以是从新的设备速度的设置导出的最低可接受成本。预测的每件的目标时间可以是从新的设备速度的设置导出的最短可接受时间。
附图说明
从以下给出的详细描述和附图将更充分地理解示例实施例，附图中，相同的参考标记表示相同的元件，附图仅以举例说明的方式给出，因此不限制所述示例实施例，并且附图中：
图1图示了根据示例实施例的使用性能指标和预测分析来设置制造设备参数的系统。
图2图示了根据示例实施例的使用图1的系统的制造系统。
图3图示了根据示例实施例的指示每件的时间和每件的成本的曲线图。
图4图示了根据至少一个示例实施例的设置设备速度的方法。
图5图示了根据示例实施例的显示器。
图6图示了根据示例实施例的显示器。
应该注意到这些图意图图示在某些示例实施例中利用的方法、结构和/或材料的一般特性并且意图补充下面提供的所写的描述。然而，这些附图没有按规定比例并且可能不能精确反映任何给定实施例的精确的结构或者性能特性，但将不会被解释为定义或者限制示例实施例包括的值或性质的范围。例如，为了清楚起见，可能会减小或夸大微粒、层、区域和/或结构元件的相对厚度和定位。在各个附图中类似的或者相同的参考数字的使用意图指示类似的或者相同的元件或者特征的存在。
具体实施方式
尽管示例实施例能够具有不同的修改和替换形式，但在附图中以举例的方式示出了示例实施例，并且将在这里详细描述示例实施例。然而，应当理解，并非意图将示例实施例局限于公开的具体形式，而是相反地，示例实施例应覆盖落入权利要求范围内的所有修改、等效物以及替换物。贯穿对附图的描述中，相同的数字指代相同的元件。
图1图示了根据示例实施例的利用性能指标和预测分析来设置制造设备参数的系统。如图1中所示，系统100包括设备105、设备控制器110、显示器115、高性能分析应用软件（HANA）120以及企业资源规划（ERP）应用135。HANA120可以具有关联的内存计算模块125并且ERP应用135可以具有关联的数据库140。
例如，设备105可以是制造设备（例如，车床、机器人、计算机数控（CNC）机床、烘焙设备等等）。设备控制器110可以提供用于操作设备105的所有必需的控制指令。例如，设备控制器可以包括存储器、处理器、总线、开关、接口及其它电路及设备（未示出）以控制设备105的操作。显示器115可以是例如LCD显示器，被配置成给设备105的操作者提供用户接口。
数据库140可以被配置成存储关于设备105的操作的信息。例如，数据库140可以存储关于设备105的实时信息和历史信息。实时信息和历史信息可以包括但是不局限于：运行速度、每小时的件数、质量统计数据、温度、运行时间(up-times)、停机时间(down-times)以及维护信息（例如，到下一服务的时间、组件运行时间等等）。
HANA120（例如，SAPTM HANA）可以是用于实时处理大量操作数据和事务数据的数据仓库应用软件。HANA可以使用内存分析，所述内存分析是查询存储在随机存取存储器（RAM）中而非存储在硬盘或者快闪存储器上的数据的方法。
HANA120可以使用复制服务器（replication server）（例如，SAP Sybase公司的复制服务器）来从数据仓库（例如，处于内存数据库的形式的HANA120）或者企业资源规划（ERP）应用（例如，ERP应用135）实时复制和同步数据。通过与源ERP应用和/或数据仓库并行运行，HANA120可以被配置成允许用户实时查询大量数据而不需要等待定期报告来运行。HANA120可以被配置成支持比如结构化查询语言（SQL）的公知标准。HANA120可以包括被配置成允许在HANA120之上创建（和编辑）以及运行定制应用的编程组件（未示出）。
企业资源规划（ERP）应用135可以是企业管理实践和信息技术（IT）架构（例如，计算机硬件和软件）的集成。IT架构将核心业务过程集成为流水线并且完成特定业务目标。例如，ERP应用135可以被配置成提供业务管理实践、IT以及业务目标的合并。
例如，ERP应用135可以被配置成管理被配置成从在通用计算平台上工作的分散的应用(fragmented application)获取信息并且将信息供应给这些分散的应用的集中数据储存库（例如，数据库140）。ERP应用135可以被配置成包括广泛的企业功能并且将所述功能集成到单个的统一数据库储存库（例如，数据库140）内。例如，比如人力资源、供应链管理、客户关系管理、财务、制造仓库管理、质量保证、以及后勤的功能可以被包括在ERP应用135中。
内存计算模块125和ERP应用135可以被配置成将数据提供给设备控制器。设备控制器可以使用所提供的数据来预测每件的目标时间和/或每件的目标成本。每件的目标时间和/或每件的目标成本可以分别是每件的最短时间和/或每件的最低成本。每件的目标时间和/或每件的目标成本可以被用来确定和设置设备105的速度。每件的目标时间/成本可以是从新的设备速度设置导出的最小的可接受时间/成本。
图2图示了根据示例实施例的使用图1的系统的制造系统。如图2中所示，制造系统200包括多个制造机器、站和/或设备205-245。制造机器、站和/或设备205-245中的一个或多个可以包括如上所述的设备105。制造系统200是示例性系统，并不是意图以任何方式限制这里描述的示例实施例。例如，制造系统200可以包括比如图2中所示的更多的或更少的制造机器、站和/或设备。
制造系统200可以被配置成生产产品。所述产品可以是根据示例实施例的任何制造产品。多个制造机器、站和/或设备205-245的操作对于理解示例实施例不是必须的，所以为了简短起见，将不详细描述它们。更多示例实施例中的一个针对多个制造机器、站和/或设备205-245的相互。例如，如果机器B205离线（例如，被执行维护），则可以改变（例如，增加）与机器A240关联的设备参数（例如，机器速度）以便把计算机器B205的损失考虑进去。
然而，改变与制造机器（例如，机器A240）关联的设备参数（例如，机器速度）可能有害地影响了所述制造机器和/或制造系统200中的其它机器。例如，增加机器A240的速度可能导致机器A240用光原料、过度磨损工具，引起更频繁的日常维护等等。虽然速度增加可能意图减少每件的时间和/或降低每件的成本，但是上述副作用可能导致每件的时间增加和/或每件的成本提高。
图3图示了根据示例实施例的指示每件的时间和每件的成本的曲线图。如图3中所示，与速度相关地将每件的总时间和每件的总成本结合并与其它时间和成本对照显示。
本领域技术人员将理解，正常的、甚至最大的运行参数可能对于设备不是真地正常或者最大。例如，设备的制造商可能指定制造设备（例如，机器A240）的最大运行速度。设备的制造商可能包括保守的余量(conservativemargin)以便为同一类型的许多设备的差异留出余地。然而，设备的用户可以收集与制造设备（例如，机器A240）关联的数据，所述数据建议制造设备可以例如以更高的速度运行。
曲线图305图示了每件的时间。如所示出的，随着速度的增加，每件的时间减小。然而，在实现了最短时间（大约在增量(delta)为2处）之后，每件的时间增加。在曲线图305中，这个每件的时间的增加可以归因于工具更换时间的增加。然而，示例实施例不局限于工具更换时间。根据示例实施例，运行速度应当被设置在增量为2（例如，两个百分比的增加）的附近的每件的目标时间处，如目标方框315所图示。每件的目标时间可以是从新的设备速度设置导出的最短可接受时间。
曲线图310图示了每件的成本。如所示出的，随着速度的增加，每件的成本减小。然而，在实现了最短时间（在增量大约为1.75处）之后，每件的成本增加。在曲线图310中，这个每件的成本的增加可以归因于工具更换成本的增加。然而，示例实施例不局限于工具更换成本。根据示例实施例，运行速度应当被设置在增量为1.75（例如，1.75个百分比的增加）的附近的每件的目标时间处，如目标方框320所图示。每件的目标成本可以是从新的设备速度设置导出的最低可接受成本。
根据示例实施例，可以将每件的时间和每件的成本一起考虑。目标方框325图示了基于每件的最短时间和每件的最低成本的每件的目标时间。
例如，在离散工业中，增加机器速度可能与每件的成本和每件的时间直接相关。例如在离散工业中，工厂可能具有十（10）个车床和十（10）个钻床。在给定时间点，必须决定改变这些机器的速度，以便例如减小每件的时间或者降低每件的成本，如图3中所示。
在机器中，速度经济（speed economics）会受许多变量影响。例如，这些变量可以包括机器相关成本（例如，劳动力成本、机器开销以及机器的时间）、闲置时间（例如，安装机器的成本、装载、卸载工具以及工件的成本）、工具相关成本（例如，工具成本、重新磨削工具的成本、工具重新磨削机器的成本）、以及维护成本（例如，维护活动的成本（例如，基于时间的常量和基于频率的变量）），仅举几个例子。
如图3中所示，在给定时间窗口中定义每件的时间和成本时涉及多个因素。可接受的速度范围可以从在一段时间内记录的数据集中导出并且可能会基于机器老化、设备老化以及过程变化而发生变化。
关于制造设备或者过程，过程指标（例如，每件的成本和每件的时间）可以指示总体设备效能（overall equipment effectiveness，OEE）。OEE对制造单元在它被安排运行的时段期间相对于其设计能力执行得有多好进行量化。例如，OEE可以对可用性、性能和质量进行量化。众所周知，可用性表示在其间操作可以被运行的计划时间的百分比。往往被称为运行时间(Up time)。众所周知，性能将机器或者过程运行的速度表示为其设计速度的百分比。众所周知，质量将生产的合格品表示为全部产品的百分比。
示例实施例涉及如使用HANA（例如，HANA120）所评价的OEE。示例实施例可以通过捕获和计算机器的性能、质量和可用性性能指标来提供实时的OEE。这个计算可以实现在更高组织层次上的抽象以及到机器层次的深入向下钻取。通过以OEE作为起点，示例实施例可以通过帮助对于关于时间和成本的校正步骤的结果的预测分析来实现协助关于跨跃各个性能指标的校正机制(corrective mechanism)的决定。比较各个可能的校正步骤以实现目标能够帮助更高效的（因此利润更高的）可替换方案浮出水面，所述可替换方案先前由于方案复杂（例如，数据量巨大）而不可识别。示例实施例使用通过比较预计成本和时间因素来协助决策的预测分析，来实现OEE的工厂目标，例如通过增加机器速度和/或提高机器生产质量来实现OEE的工厂目标。
企业资源规划（ERP）是用于广义的活动集合的行业术语，其帮助企业管理其业务的重要部分。通过ERP系统可得到的信息提供了满足公司目标所需的性能指标的可见性。ERP软件应用可用于管理产品规划、零部件采购、存货清单、与供应商交互、提供客户服务、跟踪订单、以及跟踪产品质量。典型地，ERP系统使用关系数据库系统或者与关系数据库系统集成。在上述预测分析中，示例实施例可以使用ERP数据。
当增加机器速度和生产量时，质量可以是作为性能指标之一来考虑的因素。例如，如果对于增加的速度/生产量保持相同的质量成本，则质量可能下降。可能有两部分的质量要考虑。第一部分可以是未能控制质量的成本，其包括内部故障成本（例如，报废、返工、损坏等等）以及外部故障（例如，保修成本(warranty cost)、现场服务(field servicing)等等）。第二部分可以是控制质量的成本（例如，预防成本以及鉴定成本）。
至少一个示例实施例可以包括方法。所述方法包括：从内存计算模块接收第一数据，所述数据包括性能指标；从企业资源规划数据库接收第二数据；基于第一数据和第二数据预测每件的目标时间；基于第一数据和第二数据预测每件的目标成本；以及基于每件的目标时间和/或每件的目标成本设置设备速度。
图4图示了根据至少一个示例实施例的设置设备速度的方法。当描述图4的步骤时，将在执行每一个步骤时参考设备控制器110。然而，示例实施例不局限于此。例如，一个或多个步骤可以由HANA120执行。本领域技术人员将会理解，关于图4所描述的方法步骤可以是存储在与设备控制器110关联的存储器中并且由与设备控制器110关联的处理器运行的软件代码。然而，可以设想出替换实施例。例如，方法步骤可以由专用集成电路(或称为ASIC)执行。
如图4中所示，在步骤S405中，设备控制器110从内存计算模块接收数据，所述数据包括性能指标。例如，内存计算模块125可以在本地存储器中加载多个性能指标。所述性能指标可以与设备控制器110所关联的设备（例如，机器A240）、两件或更多件的设备（例如，机器A240以及机器1220）和/或整个生产线（例如，制造系统200）关联。
内存计算模块125可以基于加载的性能指标确定概括的性能指标值。例如，内存计算模块125可以确定每个加载的性能指标的最小值、最大值、平均值、统计学意义上的范围(statistically significant range)等等。例如，内存计算模块125可以确定性能指标值（例如，时间和成本性能指标值）与机器参数（例如，机器速度）的比值。例如，内存计算模块125可以确定机器运行时间与速度的比值、工具更换时间与速度的比值、机器停机时间（非生产性时间）与速度的比值。例如，内存计算模块125可以确定机器成本与速度的比值、工具更换成本与速度的比值、机器维护成本与速度的比值。
内存计算模块125可以向设备控制器110发送概括的性能指标值，反过来，所述设备控制器110接收这些概括的性能指标值。可替换地（或者除此之外），内存计算模块125可以向HANA120内的另一个模块（未示出）发送概括的性能指标值。
在步骤S410中，设备控制器110从企业资源规划（ERP）数据库接收数据。上面更详细地讨论了ERP。所述数据可以包括产品规划信息（例如，材料单、机器维护规划、过程时间测量（例如，工具更换时间）等等）、存货清单信息（例如，库存原料）以及质量信息（例如，顾客退货）。所述数据可以与机器参数（例如，机器速度）关联。例如，可以在计算了ERP数据与机器参数的比值之后，经由内存计算模块125接收所述数据。可替换地（或者除此之外），内存计算模块125可以接收所述数据、进行计算以及将结果发送至HANA120内的另一个模块（未示出）。
在步骤S415中，设备控制器110基于来自内存计算模块的数据和来自ERP的数据来预测每件的目标时间。例如，如图3和曲线图305中所示，设备控制器110可以以总时间值的最小范围为基础来预测每件的目标时间，所述总时间基于概括的性能指标值和ERP数据。例如，如上面关于图3所讨论的，机器可能可以以比额定速度更快的速度运行。所述更快的速度可以基于一个或多个性能指标来确定并且被示出为机器时间。例如，如上面关于图3所讨论的，机器可能需要更换工具。工具更换时间可以基于ERP数据来确定并且被示出为工具更换时间。注意，随着增加机器的速度，在某个速度可能需要更多的工具更换，这导致时间增加。可以基于例如机器时间和工具更换时间来确定总时间。
在步骤S420中，设备控制器110基于来自内存计算模块的数据和来自ERP的数据来预测每件的目标成本。例如，如图3和曲线图310中所示，设备控制器110可以以总成本值的最小范围为基础来预测每件的目标成本，所述总成本值基于概括的性能指标值和ERP数据。预测的每件的目标成本可以是从新设备速度的设置导出的最低可接受成本。例如，如上面关于图3所讨论的，机器可能可以以比额定速度更快的速度运行。更快的速度可以基于一个或多个性能指标来确定并且被示出为机器成本。例如，如上面关于图3所讨论的，机器可能需要更换工具。工具更换成本可以基于ERP数据来确定并且被示出为工具更换成本。注意，随着机器速度的增加，在某个速度可能需要更多的工具更换，其导致成本增加。可以基于例如机器成本和工具更换成本来确定总成本。
在步骤S425中，设备控制器110基于（1）每件的目标成本或者（2）每件的目标时间来设置设备速度。例如，设备速度可以被设置在基于如上面所讨论的总时间值的最小范围的每件的目标时间内。例如，设备速度可以被设置在基于如上面所讨论的总成本值的最小范围的每件的目标时间内。例如，设备速度可以被设置在基于如图3中示出为目标方框325的总时间值的最小值和总成本值的最小值之间的范围的每件的目标时间内。
可以定期重复图4的方法步骤。例如，性能指标值和ERP数据可以实时地有规律地改变。结果，可以优选地更新每件的目标时间之一。例如，在其中性能指标值和ERP数据基于单个制造机器的情形下，比如原料的ERP数据可能改变（例如，耗尽、再分配或者新材料的接收）。在这种情况下，如果耗尽或者再分配原料，则单个制造机器的最短总时间可能减小，并且如果接收新原料，则单个制造机器的最短总时间可能增加。结果，可以使用图4的方法实时改变单个制造机器的速度。
性能指标可以包括与利用所述设备的制造过程中的其它设备关联的实时性能指标。ERP数据可以包括实时信息，所述实时信息包括与利用所述设备的制造过程中的其它设备关联的材料单信息、机器安装信息、工具信息以及维护信息中的至少一个。预测每件的目标成本或者每件的目标时间可以包括预测成本从而预测与制造过程关联的成本，从而基于实时性能指标和实时信息最小化与制造工过程关联的时间和/或成本。
例如，在其中性能指标值和ERP数据基于制造过程（例如，制造系统200）的情形下，性能指标值和ERP数据可能基于制造过程中的其它机器（例如，机器B205）而变化。例如，如果为了维护关闭了机器B205，则机器A240可以被配置为填充机器B205留下的空白。因此，原料可以被再分配到机器A240并且图4的步骤可能导致在机器A240上设置的速度增加。此外，机器A240的操作者可以监视过程中的其它设备（即使该设备远离操作者），例如，显示器115。
例如，出于任何原因，填充站(fill station)245都不可以被配置为长期从机器A240接收附加产品。因此，可以实时通知机器A240的操作者填充站245在某个性能指标值上达到极限并且相应地调整机器A240的速度。作为又一示例，机器B205可能出乎意料地提早回到线上。机器A240的操作者可以在显示器上看到关于这个的指示并且相应地调整机器A240的速度。例如，机器A240的操作者可以看到机器B205的一个或多个性能指标值增加的指示。例如，机器A240的操作者可以看到机器X210的一个或多个性能指标值增加、然后因为机器X210在上游被过度加载而减小的指示。结果，可以使用图4的方法并基于来自制造过程中的另一个机器或者过程的性能指标值或者ERP数据，来实时改变制造过程中的任何制造机器的速度。
图5和图6图示了根据示例实施例的显示器。如图5中所示，用于单个制造机器（例如，机器A240）的显示器可以显示各种机器参数值（例如，RPM）、OEE状态（例如，质量（Q））、每个单位的成本以及每个单位的时间的指示。如图6中所示，线上分析显示器（line analysis display）可以包括与多于一个的制造设备（例如，机器A205和机器B240）以及整个制造过程（例如，制造系统200）关联的指示。虽然在图5和图6中示出特定指标，但是示例实施例不局限于此。
上面的示例实施例中的一些示例实施例被描述为被描绘为流程图的过程或者方法。虽然流程图按照顺序的过程描述了操作，但是许多操作可以平行、并行、或者同时被执行。此外，可以重新安排操作的顺序。当完成过程的操作时，可以终止过程，但是所述过程也可以具有未包括在附图中的额外步骤。所述过程可以对应于方法、功能、工序、子例程、子程序等等。
其中一些由流程图图示的上面所讨论的方法可以由硬件、软件、固件、媒件、微码、硬件描述语言、或者它们的任意组合实现。当在软件、固件、媒件或者微码中实现时，执行必要的任务的程序代码或者代码段可以被存储在机器或者比如存储介质的计算机可读介质中。处理器可以执行必要的任务。
这里公开的特定结构细节和功能细节仅仅是代表性的，目的在于描述示例实施例。然而，示例实施例可以以许多替换形式来具体实现，并不应被看作仅仅局限于这里阐明的实施例。
将会理解，尽管这里可能使用术语“第一”、“第二”等等来描述不同的元件，但这些元件不应受到这些术语的限制。这些术语仅仅用于将一个元件与另一个元件区分开来。例如，第一元件可以被称为第二元件，并且类似地，第二元件也可以被称为第一元件，这样不会偏离示例实施例的范围。这里使用的术语“和/或”包括一个或多个相关列出项目中的任意一个以及所有组合。
将会理解，当一个元件被称为“连接”或“耦接”到另一元件时，它能够直接连接或耦接到所述另一元件，或者也能够存在居间的元件。相反，当一个元件被称为“直接连接到”或“直接耦接到”另一元件时，不存在居间的元件。应当以类似的方式解释用于描述元件之间关系的其它词汇（例如，“在…之间”相对于“直接在…之间”，“相邻”相对于“直接相邻”等等）。
这里使用的术语仅仅是出于描述具体实施例的目的，并非意图限制示例实施例。这里使用的单数形式也意图包括复数形式，除非上下文明确地给出相反指示。还将理解，当在这里使用术语“包括”和/或“包含”时，表明存在所描述的特征、整体、步骤、操作、元件和/或组件，但不排除存在或附加一个或多个其它特征、整体、步骤、操作、元件、组件和/或它们的组合。
还应注意到，在一些替换实现方式中，所提到的功能/动作可以不按附图中提到的顺序发生。例如，根据所涉及的功能/动作，相继示出的两个图可能实际上是同时运行的，或者有时可能以相反的顺序运行。
除非另外定义，否则这里使用的所有术语（包括技术术语和科学术语）所具有的含义与示例实施例所属领域的普通技术人员通常理解的含义相同。还将理解，术语，如通常使用的词典中定义的那些术语，应该被解释为所具有的含义与它们在相关领域上下文中的含义一致，而将不会理想化地或过分形式化地对其进行解释，除非这里明白地如此定义。
按照对于计算机存储器内的数据比特的操作的软件或算法以及符号表示呈现上述示例实施例以及相应详细描述的部分。本领域普通技术人员通过这些描述和表示将他们的工作内容有效地传达给本领域其他普通技术人员。算法，当在这里使用该术语之时，并如它被一般地那样使用时，被认为是引起期望的结果的自洽的步骤序列。所述步骤是需要物理量的物理操纵的那些步骤。通常，但是不一定，这些数值采用能够被存储、传送、组合、比较以及以其它方式操纵的光、电、或者磁信号的形式。主要出于对公共用途的考虑将这些信号称为比特、值、元件、符号、字符、术语、数量等等时常证明是便利的。
在上面的说明性的实施例中，可以被实现为程序模块或者功能过程的操作的动作和符号表示的说明（例如，以流程图的形式）包括例程、程序、对象、组件、数据结构等等，所述例程、程序、对象、组件、数据结构等等执行具体任务或者实现具体抽象数据类型并且可以在现有的结构元件中使用现有的硬件描述和/或实现。这样的现有的硬件可以包括中央处理单元（CPU）、数字信号处理器（DSP）、专用集成电路、现场可编程门阵列（FPGA）计算机等等中的一个或多个。
然而，应当记住，所有这些和类似术语将与适当的物理量关联并且仅仅是被施加到这些量的便利的标签。除非另有具体描述，否则如从讨论中明显的，比如“处理”或者“计算”或者“显示”的“确定”等等的术语是指计算机系统或者类似的电子计算设备的动作和过程，所述计算机系统或者类似的电子计算设备操纵在计算机系统的寄存器和存储器中被表示为物理量、电子量的数据并将它们变换成类似地被表示为计算机系统存储器或者寄存器或者其它的这样的信息存储、传输或者显示设备内的物理量的其它数据。
还应注意，示例实施例的软件实现的方面典型地在某种形式的程序存储介质上编码或者通过某种传输介质实现。程序存储介质可以是磁性的（例如，软盘或者硬盘）或者光学的（例如，致密盘只读存储器，或者“CD ROM”），并且可以是只读的或者随机存取的。类似地，所述传输介质可以是绞合线对、同轴电缆、光纤、或者本领域已知的其它的适当传输介质。示例实施例不由任何给定实现方式的这些方面限制。
最后，也应注意，虽然权利要求陈述了这里描述的特征的具体组合，但是本公开的范围不局限于所主张的特定组合，而是作为替代，扩展到包括这里公开的特征或者实施例的任意组合，而不管此时在权利要求中是否已经具体枚举那个特定组合。

Claims (20)

1.一种方法，包括：
从内存计算模块接收第一数据，所述数据包括性能指标；
从企业资源规划数据库接收第二数据；
基于第一数据和第二数据预测每件的目标时间；以及
基于所述每件的目标时间设置设备速度。
2.如权利要求1所述的方法，其中，所述内存计算模块与高性能分析应用软件（HANA）关联。
3.如权利要求1所述的方法，其中，所述第一数据包括与利用所述设备的制造过程中的其它设备关联的性能指标。
4.如权利要求1所述的方法，所述第二数据包括材料单信息、机器设置信息、工具信息和维护信息中的至少一个。
5.如权利要求1所述的方法，其中，所述第二数据包括与利用所述设备的制造过程中的其它设备关联的材料单信息、机器设置信息、工具信息和维护信息中的至少一个。
6.如权利要求1所述的方法，其中，所述预测每件的目标时间包括确定使每件的时间最小化所基于的设备速度。
7.如权利要求1所述的方法，其中
所述第一数据包括与利用所述设备的制造过程中的其它设备关联的实时性能指标；
所述第二数据包括实时信息，所述实时信息包括与利用所述设备的制造过程中的其它设备关联的材料单信息、机器设置信息、工具信息和维护信息中的至少一个；并且
所述预测每件的目标时间包括基于所述实时性能指标和所述实时信息确定使每件的时间最小化所基于的设备速度，从而使与所述制造过程关联的时间最小化。
8.一种方法，包括：
从内存计算模块接收第一数据，所述数据包括性能指标；
从企业资源规划数据库接收第二数据；
基于第一数据和第二数据预测每件的目标成本；以及
基于所述每件的目标成本设置设备速度。
9.如权利要求8所述的方法，其中，所述预测的每件的目标成本是从所述设备速度的设置导出的最低可接受成本。
10.如权利要求8所述的方法，其中，所述内存计算模块与高性能分析应用软件（HANA）关联。
11.如权利要求8所述的方法，其中，所述第一数据包括与利用所述设备的制造过程中的其它设备关联的性能指标。
12.如权利要求8所述的方法，所述第二数据包括材料单信息、机器设置信息、工具信息和维护信息中的至少一个。
13.如权利要求8所述的方法，其中，所述第二数据包括与利用所述设备的制造过程中的其它设备关联的材料单信息、机器设置信息、工具信息和维护信息中的至少一个。
14.如权利要求8所述的方法，其中，所述预测每件的目标成本包括确定使每件的成本最小化所基于的设备速度。
15.根据权利要求8所述的方法，其中
所述第一数据包括与利用所述设备的制造过程中的其它设备关联的实时性能指标；
所述第二数据包括实时信息，所述实时信息包括与利用所述设备的制造过程中的其它设备关联的材料单信息、机器设置信息、工具信息和维护信息中的至少一个；并且
所述预测每件的目标成本包括基于所述实时性能指标和所述实时信息预测成本从而预测与所述制造过程关联的成本，从而使所述与制造过程关联的成本最小化。
16.一种方法，包括：
从内存计算模块接收第一数据，所述数据包括性能指标；
从企业资源规划数据库接收第二数据；
基于第一数据和第二数据预测每件的目标时间；以及
基于第一数据和第二数据预测每件的目标成本；以及
基于所述每件的目标时间和所述每件的目标成本设置设备速度。
17.如权利要求16所述的方法，其中，所述预测的每件的目标成本是从所述设备速度的设置导出的最低可接受成本。
18.如权利要求16所述的方法，其中，所述内存计算模块与高性能分析应用软件（HANA）关联。
19.如权利要求16所述的方法，其中
所述性能指标包括设备性能指标、产品质量指标和设备可用性指标中的至少一个；并且
所述第二数据包括材料单信息、机器设置信息、工具信息和维护信息中的至少一个。
20.如权利要求16所述的方法，其中
所述第一数据包括与利用所述设备的制造过程中的其它设备关联的实时性能指标。
所述第二数据包括实时信息，所述实时信息包括与利用所述设备的制造过程中的其它设备关联的材料单信息、机器设置信息、工具信息和维护信息中的至少一个。
所述预测每件的目标成本包括基于所述实时性能指标和所述实时信息预测成本从而预测与所述制造过程关联的成本，从而使所述与制造过程关联的成本最小化。
所述预测每件的目标时间包括基于实时性能指标和实时信息确定使每件的时间最小化所基于的设备速度，从而使与所述制造过程关联的时间最小化。
CN201310559752.7A 2012-11-19 2013-11-12 利用性能指标和预测分析设置制造设备参数的系统及方法 Active CN103824119B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/680,602 2012-11-19
US13/680,602 US9189760B2 (en) 2012-11-19 2012-11-19 System, method and computer readable medium for using performance indicators and predictive analysis for setting manufacturing equipment parameters

Publications (2)

Publication Number Publication Date
CN103824119A true CN103824119A (zh) 2014-05-28
CN103824119B CN103824119B (zh) 2018-10-12

Family

ID=49230483

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310559752.7A Active CN103824119B (zh) 2012-11-19 2013-11-12 利用性能指标和预测分析设置制造设备参数的系统及方法

Country Status (3)

Country Link
US (1) US9189760B2 (zh)
EP (1) EP2733650A1 (zh)
CN (1) CN103824119B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117273400A (zh) * 2023-11-21 2023-12-22 领先未来科技集团有限公司 企业资源计划智能合并升级预警方法和系统

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2610695A1 (en) * 2011-12-29 2013-07-03 Siemens Aktiengesellschaft Method and web application for OEE - analysis
US9704118B2 (en) 2013-03-11 2017-07-11 Sap Se Predictive analytics in determining key performance indicators
US9619769B2 (en) 2014-04-01 2017-04-11 Sap Se Operational leading indicator (OLI) management using in-memory database
CA2916503C (en) * 2015-09-09 2023-06-13 Patrick Edward Norton Work project systems and methods
US10839076B2 (en) 2016-12-21 2020-11-17 3D Signals Ltd. Detection of cyber machinery attacks
CN107450491B (zh) * 2017-08-04 2021-02-23 杭州南江机器人股份有限公司 一种机器人调度系统、方法、电子设备和存储介质
US10916259B2 (en) * 2019-01-06 2021-02-09 3D Signals Ltd. Extracting overall equipment effectiveness by analysis of a vibro-acoustic signal
CN111652402B (zh) * 2019-03-04 2023-04-14 湖南师范大学 一种光纤预制棒沉积工序大数据智能优化方法
CN113932748B (zh) * 2020-06-29 2022-07-05 株洲中车时代电气股份有限公司 一种基于大数据的列车闸瓦磨耗评估方法及相关设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1591170A2 (en) * 2004-04-30 2005-11-02 Nordson Corporation Methods for regulating the placement of fluid dispensed from an applicator onto a workpiece
CN1692991A (zh) * 2004-04-30 2005-11-09 诺信公司 调节从敷涂器施放到工件上的流体的布置的方法
US20070174290A1 (en) * 2006-01-19 2007-07-26 International Business Machines Corporation System and architecture for enterprise-scale, parallel data mining
US20110218667A1 (en) * 2010-03-02 2011-09-08 Wafios Ag Forming machine for producing formed parts

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7613889B2 (en) * 2004-06-10 2009-11-03 International Business Machines Corporation System, method, and program for determining if write data overlaps source data within a data migration scheme
MX2008001785A (es) * 2005-08-05 2008-11-10 Pfizer Prod Inc Fabricacion en lotes automatizada.
US20100332404A1 (en) * 2009-06-29 2010-12-30 David Valin Method and mechanism for protection, sharing, storage, accessing, authentication, certification, attachment and tracking anything in an electronic network
US9053144B2 (en) * 2011-11-30 2015-06-09 Eaton Corporation System and method to automatically configure a component of the system
US9704118B2 (en) 2013-03-11 2017-07-11 Sap Se Predictive analytics in determining key performance indicators

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1591170A2 (en) * 2004-04-30 2005-11-02 Nordson Corporation Methods for regulating the placement of fluid dispensed from an applicator onto a workpiece
CN1692991A (zh) * 2004-04-30 2005-11-09 诺信公司 调节从敷涂器施放到工件上的流体的布置的方法
US20070174290A1 (en) * 2006-01-19 2007-07-26 International Business Machines Corporation System and architecture for enterprise-scale, parallel data mining
US20110218667A1 (en) * 2010-03-02 2011-09-08 Wafios Ag Forming machine for producing formed parts

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117273400A (zh) * 2023-11-21 2023-12-22 领先未来科技集团有限公司 企业资源计划智能合并升级预警方法和系统

Also Published As

Publication number Publication date
US20140142737A1 (en) 2014-05-22
US9189760B2 (en) 2015-11-17
EP2733650A1 (en) 2014-05-21
CN103824119B (zh) 2018-10-12

Similar Documents

Publication Publication Date Title
CN103824119A (zh) 利用性能指标和预测分析设置制造设备参数的系统及方法
Wang et al. Digital twin design for real-time monitoring–a case study of die cutting machine
US20220414590A1 (en) System and Method to Predict Service Level Failure in Supply Chains
Xia et al. Energy-oriented maintenance decision-making for sustainable manufacturing based on energy saving window
US20160217406A1 (en) Self-Learning Supply Chain System
US20160349737A1 (en) Manufacturing efficiency optimization platform and tool condition monitoring and prediction method
US11703851B2 (en) Planned maintenance based on sensed likelihood of failure
US20160132033A1 (en) Machine tool power consumption prediction system and method
Cheng et al. Joint optimisation of production rate and preventive maintenance in machining systems
CN109002944A (zh) 一种卷包车间备件需求的预测方法
CN103164771A (zh) 生命周期过时预测工具
JP6966857B2 (ja) 運転保守管理方法、プログラム、及び運転保守管理システム
US20150254687A1 (en) Analytics Driven End of Life Product Planning
US11556895B2 (en) System and computer program for providing high delivery performance in a value chain
CN114862296A (zh) 备件库存管理方法、装置、电子设备及计算机存储介质
CN110032154A (zh) 一种小批量产品的生产控制方法及系统
CN116228133A (zh) 一种核电备件的管理方法、系统、服务器及介质
Salmasnia et al. Integration of inventory control, maintenance policy, and quality control for selling products under warranty
Shcherbakova Service business model-a new approach to improving efficiency in the digital economy
Chen et al. Research on Calculating Method of Repairable Spare Parts and Non-repairable Spare Parts
JP6174098B2 (ja) 計画支援装置、サプライチェーン管理システム及び計画支援プログラム
US11340138B1 (en) Tooling audit platform
KR102682115B1 (ko) Cnc 가공설비를 모니터링 하기 위한 인공지능 기반 클라우드 서비스 제공 방법
Liao Spare Parts Management
US20200202298A1 (en) Cutting machine supplying & marketing dlt-based system and method thereof

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C53 Correction of patent of invention or patent application
CB02 Change of applicant information

Address after: German Waldo

Applicant after: SAP AG

Address before: German Waldo

Applicant before: SAP AG

COR Change of bibliographic data

Free format text: CORRECT: APPLICANT; FROM: SAP AG TO: SAP EUROPE AG

EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant