CN110688757A - 一种基于大数据驱动下的oee动态化的实现方法 - Google Patents
一种基于大数据驱动下的oee动态化的实现方法 Download PDFInfo
- Publication number
- CN110688757A CN110688757A CN201910937612.6A CN201910937612A CN110688757A CN 110688757 A CN110688757 A CN 110688757A CN 201910937612 A CN201910937612 A CN 201910937612A CN 110688757 A CN110688757 A CN 110688757A
- Authority
- CN
- China
- Prior art keywords
- time
- product
- oee
- dynamic
- 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
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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明属于工厂生产设备生产能力水平的模型建立和改善技术领域,具体的说是一种基于大数据驱动下的OEE动态化的实现方法。本发明是一种基于大数据驱动下OEE动态化的计算方法,本方法中将OEE命名为OEEd。该方法目前主要适用于小型产品制造工厂,充分利用数据中的信息,筛选出其中的有效数据作为计算OEEd参数的依据,以更好地评价设备的性能,分析设备综合效率下降的原因,进而提高工厂设备生产率,克服传统静态OEE作为统计值的局限性。
Description
技术领域
本发明属于工厂生产设备生产能力水平的模型建立和改善技术领域,具体的说是一种基于大数据驱动下的OEE动态化的实现方法。
背景技术
如今,大数据时代已经到来,一个工厂的每台设备每天可产生成千上万的数据,数据量的丰富化意味着提供的信息量的多样化;但是,目前传统的OEE计算公式往往是基于工厂在较长一段时间间隔内的所采集到的最终的综合数据计算的,利用到的数据种类和数据总量都较少,计算出来的OEE是一段较长时间内的综合静态平均值,没有充分利用大数据的优势且不能实时反映设备的真实性能;
关于动态OEE的算法,前人已经做了研究,目前的动态OEE算法可以大致分为两种。第一种是通过采集累计数据来计算动态OEE,即随着时间的延长,每隔一段时间计算从生产开始时间点到当前时间点这段时间的OEE;第二种是将一定的固定时间长度作为标准时间段,对于生产过程中的每隔标准时间段进行OEE的计算来实现动态。这两种方法共有的特点是,其本质还是静态OEE的计算方法,不能够真正实时地反映出OEE的变化,另外第一种方法会随着生产时间的延长造成后期计算量过大,从而导致图像延迟显示。因此,提出一种实时性较强的动态OEE计算方法是必要的。
发明内容
本发明提供了一种适用小型产品制造工厂的基于大数据驱动下的OEE动态化的实现方法,该方法使得OEE能够实时反映出设备的运行状态和综合效能,实现提高工厂设备综合效能,促进工厂效益提高,解决了传统静态OEE作为统计值的局限性。
本发明技术方案结合附图说明如下:
一种基于大数据驱动下的OEE动态化的实现方法,该实现方法包括以下步骤:
步骤一、基于OEE建立了OEEd模型;
步骤二、采集动态OEEd计算模型中各项中间参数所用到的相关因子的数据;
步骤三、计算计划停机状态参数K、动态时间开动率EAd、动态性能效率PEd、动态合格品率RQω、设备动态综合效率的OEEd;
步骤四、由OEEd的计算值拟合出OEEd及其各参数随时间变化的曲线趋势图,可得到动态化的设备综合效率变化情况和出现的损失情况,根据曲线变化,分析设备运行状态。
步骤一中所述OEEd模型如下:
上述公式是以单个产品为单位进行动态OEE的计算。
步骤二所述中采集获取动态OEEd计算模型中各项参数时,是通过数据仓库技术及传感器技术进行数据采集并上传数据至数据库,对原始数据进行读取、筛选和处理后,提供给OEEd计算使用。
步骤三中所述计划停机状态系数该参数可以反映出设备此时是否处于计划停机状态;时间开动率其中,ti是在第(i-1)个产品离开加工程序后开始的新一轮计时,时间传感器每隔规定的单位时间向系统发送当前的时间累积值作为ti,第i个产品离开加工程序后则传感器停止此轮计时,并向系统发送ti的值作为第i个产品的总生产时长,也就是说此时ti的值相当于top,top为第i-1个产品离开生产程序到第i个产品离开生产程序的之间的时间间隔;t0是每个产品的理论生产时间,为常量,不包含在传送带上运输的时间,该数据由每个工厂自行决定数值,TK(TK>t0)定义为设备加工单个产品的最大允许时限,即考虑了实际生产活动中存有的可允许生产速度损失后,加工一个产品的最大耗时,TK是一个与理论生产周期t0及所生产的产品种类相关的时间常数,其中的R(ti-TK)是一个以为ti自变量的分段函数,函数定义如下:
当一个产品进入设备加工时,经过TK时间传感器还未停止向系统传送tpt时,表示产品加工未完成,认为设备处于非计划停机状态或速度损失严重的情况;这时候传感器开始每隔单位生产时间Δt(在本发明中的单位生产时间数Δt是根据所生产的产品正常生产周期所确定的一个最小单位值)向采集系统反馈截止到目前时刻该产品的加工时长ti,此时:
R(ti-TK)=1,
使得
此时,EAd呈指数下降,OEEd也相应下降,工厂管理人员可通过监控系统观察到EAd或OEEd的大幅度下降,得知设备正处于非计划停机状态或速度损失严重的状态,从而能够及时委派相关技术人员对设备进行检验维修,当问题解决后,图像上会相应体现出EAd及OEEd回升,也就是说动态的时间开动率EAd能够及时反映出超出正常范围内的速度损失及非计划停机状态;
动态性能效率其中,tpt表示第i个产品实际生产所用周期,即第i个产品进入设备进行加工到离开加工程序之间的时间间隔;又称PE1,能反映出设备的空转损失;又称PE2,能反映出设备的速度损失;当PEd降低时分析原因:①因子值的降低而导致PEd值降低,说明此时设备处于空转损失状态;②因子引起PEd值降低,说明此时设备处于速度损失状态;
式中,ωj为第j个产品所占的权重;
在距离当前时刻最近的生产出来的N个新产品中,取距离当前时刻最近的第一个产品为j=N,对于之前的产品j依次减一;每个产品是否合格用变量xj来表示,若第j个产品为合格品,则xj取值为1,否则xj为0;是一维权重向量,
显然,有ωj>ωj-1。
步骤四的具体方法如下:由OEEd的计算值拟合出OEEd及其各参数随时间变化的曲线趋势图,得到动态化的设备综合效率变化情况和出现的损失情况,根据曲线变化,分析设备运行状态:由于它们的曲线趋势图是随时间不断延长并且变化的,工作人员可以通过观察它们来及时对设备进行管理;下表是此种动态OEE计算方法判断损失的依据;
表1为OEEd、各个参数、t0和tpt之间的变化关系
其中,1表示机器的各参数状态与正常加工状态相似,但值并不相当于1;-表示数据不存在;箭头表示曲线将出现上升或者下降趋势。此外,设备外停机为当某个产品还未到达设备内时,设备发生非计划内的暂停性停机或大停机的情况。
本发明的有益效果为:
1)本发明提出的动态OEEd公式基于传统静态OEE公式进行改善,并添加了计划停机参数。相比于传统OEE,动态OEEd公式以单个生产加工零部件为单位,以动态形式显示设备的生产运行状态,使生产管理者能够更全面掌握设备生产状态。正常运行状态、非计划停机状态、速度损失与暂停机损失以及质量损失都能通过图像的显示实时反映到管理者面前,缩小故障确定的可能范围,从而帮助管理者更快地对设备的改善做出相应决策,提高设备生产力;
2)针对可利用时间参数效率,通过本发明提出的计算方法,弥补在较长时间停机时单位产品生产后显示数据的不足,采用单位设定时间值产出数据,以显示设备可能出现的停机状态;
3)针对合格品率参数,本发明提出了加权的方法,使得不合格产品的显示更加突出,此外,在减小偶尔出现不合格品对后续产品不合格品率影响的同时,若连续产生不合格品,OEEd图像将放大该损失,并对后续产品的不合格品率产生影响。
附图说明
图1是N个产品(取N=100时)的质量权重示意图;
图2是K随时间变化图;
图3是EAd随时间变化图;
图4是PE1随时间变化图;
图5是PE2随时间变化图;
图6是RQω随时间变化图;
图7是OEEd随时间变化图;
图8是所有参数综合分布图。
具体实施方式
参阅图1-图8,一种基于大数据驱动下的OEE动态化的实现方法,该实现方法包括以下步骤:
步骤一、基于OEE建立了OEEd模型;
OEEd模型如下:
此计算公式是以单个产品为单位,进行动态OEE的计算;
公式中动态OEEd的中间参数定义如下:
(1.1)计划停机状态系数Ki:
该参数可以反映出设备此时是否处于计划停机状态。
其中,ti是在第(i-1)个产品离开加工程序后开始的新一轮计时,时间传感器每隔规定的单位时间向系统发送当前的时间累积值作为ti,第i个产品离开加工程序后则传感器停止此轮计时,并向系统发送ti的值作为第i个产品的总生产时长,也就是说此时ti的值相当于top,top为第i-1个产品离开生产程序到第i个产品离开生产程序的之间的时间间隔,其值将在后文被进一步用到;t0是每个产品的理论生产时间,为常量,不包含在传送带上运输的时间,该数据由每个工厂自行决定数值;TK(TK>t0)定义为设备加工单个产品的最大允许时限,即考虑了实际生产活动中存有的可允许生产速度损失后,加工一个产品的最大耗时,TK是一个与理论生产周期t0及所生产的产品种类相关的时间常数,其中的R(ti-TK)是一个以为ti自变量的分段函数,函数定义如下:
当一个产品进入设备加工时,经过TK时间传感器还未停止向系统传送tpt时,表示产品加工未完成,可认为设备处于非计划停机状态或速度损失严重的情况。这时候传感器开始每隔单位生产时间Δt(在本发明中的单位生产时间数Δt是根据所生产的产品正常生产周期所确定的一个最小单位值)向采集系统反馈截止到目前时刻该产品的加工时长ti,此时:
R(ti-TK)=1使得
此时,呈指数下降,也相应下降,工厂管理人员可通过监控系统观察到或的大幅度下降,可得知设备正处于非计划停机状态或速度损失严重的状态,从而能够及时委派相关技术人员对设备进行检验维修,当问题解决后,图像上会相应体现出及回升。也就是说动态的时间开动率能够及时反映出超出正常范围内的速度损失及非计划停机状态。
其中,tpt表示第i个产品实际生产所用周期,即第i个产品进入设备进行加工到离开加工程序之间的时间间隔;又称PE1,能反映出设备的空转损失;又称PE2,能反映出设备的速度损失。当降低时分析原因:①因子值的降低而导致值降低,说明此时设备处于空转损失状态;②因子引起值降低,说明此时设备处于速度损失状态。
本发明对产品总量n、合格品数n′进行加权计算,其中距离当前时刻最近的产品的权重最大,以此方法就能了解到最新产品的合格情况。加权方法如下:
式中,ωj为第j个产品所占的权重;
在距离当前时刻最近的生产出来的N个新产品中,取距离当前时刻最近的第一个产品为j=N,对于之前的产品j依次减一;每个产品是否合格用变量xi来表示,若第j个产品为合格品,则xj取值为1,否则xj为0;是一维权重向量,
显然,有ωj>ωj-1。
步骤二、采集动态OEEd计算模型中各项中间参数:根据现有的先进数据采集设备,本文可以得到OEEd计算模型中的各项参数。数据一部分是从企业现有系统(如YMS、MES)的数据库中提取,即计划生产时间以及计划停机时间;另一部分是从设备系统中直接抓取,需要从设备上动态采集的数据有设备的加工实际时长tpt、设备的加工总时长top、最新加工产品ni是否合格。
步骤三、计算计划开动率K、动态时间开动率EAd、动态性能效率PEd、动态合格品率RQω、设备动态综合效率的OEEd:
首先需要获取Ki。Ki是用来计算的中间参数。若第i-1个产品生产完成到第i个产品生产完成的时间间隔内有计划停机时间,则此时的Ki=0;否则,Ki=1。Ki的数值可由工厂生产日程表获得。其他相关参数根据其定义进行相应采集。
步骤四、由的计算值拟合出OEEd及其各参数随时间变化的曲线趋势图,可得到动态化的设备综合效率变化情况和出现的损失情况,根据曲线变化,分析设备运行状态:由于它们的曲线趋势图是随时间不断延长并且变化的,工作人员可以通过观察它们来及时对设备进行管理。下表是此种动态OEE计算方法判断损失的依据。
表1为OEEd、各个参数、t0和tpt之间的变化关系
其中,1表示机器的各参数状态与正常加工状态相似,但值并不相当于1;-表示数据不存在;箭头表示曲线将出现上升或者下降趋势。此外,设备外停机为当某个产品还未到达设备内时,设备发生非计划内的暂停性停机或大停机的情况。
实施例
为证明本方法有实际意义,本文模拟加工340个产品,每个产品的理论加工时间t0为1分钟,规定最大允许加工时限TK为2分钟,当计时ti超过TK时,每隔Δt为1分钟向采集系统发送一个数据,正常在传输带上的传输时间为0.05分钟,将过程中系统得到的数据实时代入本文中提到的计算方法,再使计算得到的各个参数数据动态图表可视化,即附图2~8,体现设备运行状态,图表中曲线的变化趋势参照表1中的信息判断设备运行状态所处何种问题状态。
生产第50~55个产品时,有五个产品多生产约5分钟,时间区间体现在约52~83分钟,此状态为严重速度损失。
图6反映产品质量损失,下降程度尤其大时,代表此时间段连续出现多个不合格品。
时间区间约为160~200分钟为工厂计划停机时间,图2中的K值此时为0,显示该种情况,并且其他值皆不存在。
生产第210个产品时,对应时间段约为263~282分钟,发生产品处于设备外的非计划停机,即产品未进入设备。
生产第245~255个产品时,每个产品约多生产0.5分钟,为允许速度损失,时间段对应约为320~335分钟,此时对应图5中的PE2呈反函数式下降。
在生产第285个产品时,时间点为350分钟,发生0.7分钟的空转,对应图4中PE1的骤然下降。
在生产第300个产品时,时间段约为377~398分钟,发生产品位于设备内的非计划停机,此时对应图3中EA呈指数反函数式下降以及图5中PE2的反函数式下降。
综上所示,结合图2~8的曲线变化趋势结合表1信息可判断设备的生产运行状态,由此可知本方法有实际意义。
Claims (5)
3.根据权利要求1所述一种基于大数据驱动下的OEE动态化的实现方法,其特征在于,步骤二所述中采集获取动态OEEd计算模型中各项参数时,是通过数据仓库技术及传感器技术进行数据采集并上传数据至数据库,对原始数据进行读取、筛选和处理后,提供给OEEd计算使用。
4.根据权利要求2所述一种基于大数据驱动下的OEE动态化的实现方法,其特征在于,步骤三中所述计划停机状态系数该参数可以反映出设备此时是否处于计划停机状态;时间开动率其中,ti是在第(i-1)个产品离开加工程序后开始的新一轮计时,时间传感器每隔规定的单位时间向系统发送当前的时间累积值作为ti,第i个产品离开加工程序后则传感器停止此轮计时,并向系统发送ti的值作为第i个产品的总生产时长,也就是说此时ti的值相当于top,top为第(i-1)个产品离开生产程序到第i个产品离开生产程序的之间的时间间隔;t0是每个产品的理论生产时间,为常量,不包含在传送带上运输的时间,该数据由每个工厂自行决定数值,TK(TK>t0)定义为设备加工单个产品的最大允许时限,即考虑了实际生产活动中存有的可允许生产速度损失后,加工一个产品的最大耗时,TK是一个与理论生产周期t0及所生产的产品种类相关的时间常数,其中的R(ti-TK)是一个以为ti自变量的分段函数,函数定义如下:
当一个产品进入设备加工时,经过TK时间传感器还未停止向系统传送tpt时,表示产品加工未完成,认为设备处于非计划停机状态或速度损失严重的情况;这时候传感器开始每隔单位生产时间Δt(在本发明中的单位生产时间数Δt是根据所生产的产品正常生产周期所确定的一个最小单位值)向采集系统反馈截止到目前时刻该产品的加工时长ti,此时:
R(ti-TK)=1,
使得
此时,EAd呈指数下降,OEEd也相应下降,工厂管理人员可通过监控系统观察到EAd或OEEd的大幅度下降,得知设备正处于非计划停机状态或速度损失严重的状态,从而能够及时委派相关技术人员对设备进行检验维修,当问题解决后,图像上会相应体现出EAd及OEEd回升,也就是说动态的时间开动率EAd能够及时反映出超出正常范围内的速度损失及非计划停机状态;
动态性能效率其中,tpt表示第i个产品实际生产所用周期,即第i个产品进入设备进行加工到离开加工程序之间的时间间隔;又称PE1,能反映出设备的空转损失;又称PE2,能反映出设备的速度损失;当降低时分析原因:①因子值的降低而导致值降低,说明此时设备处于空转损失状态;②因子引起值降低,说明此时设备处于速度损失状态;
式中,ωj为第j个产品所占的权重;
在距离当前时刻最近的生产出来的N个新产品中,取距离当前时刻最近的第一个产品为j=N,对于之前的产品j依次减一;每个产品是否合格用变量xj来表示,若第j个产品为合格品,则xj取值为1,否则xj为0;是一维权重向量,
显然,有ωj>ωj-1。
5.根据权利要求1所述一种基于大数据驱动下的OEE动态化的实现方法,其特征在于,步骤四的具体方法如下:由的计算值拟合出OEEd及其各参数随时间变化的曲线趋势图,得到动态化的设备综合效率变化情况和出现的损失情况,根据曲线变化,分析设备运行状态:由于它们的曲线趋势图是随时间不断延长并且变化的,工作人员可以通过观察它们来及时对设备进行管理;下表是此种动态OEE计算方法判断损失的依据;
表1为OEEd、各个参数、t0和tpt之间的变化关系
其中,1表示机器的各参数状态与正常加工状态相似,但值并不相当于1;-表示数据不存在;箭头表示曲线将出现上升或者下降趋势。此外,设备外停机为当某个产品还未到达设备内时,设备发生非计划内的暂停性停机或大停机的情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910937612.6A CN110688757B (zh) | 2019-09-30 | 2019-09-30 | 一种基于大数据驱动下的oee动态化的实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910937612.6A CN110688757B (zh) | 2019-09-30 | 2019-09-30 | 一种基于大数据驱动下的oee动态化的实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110688757A true CN110688757A (zh) | 2020-01-14 |
CN110688757B CN110688757B (zh) | 2022-10-18 |
Family
ID=69111157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910937612.6A Active CN110688757B (zh) | 2019-09-30 | 2019-09-30 | 一种基于大数据驱动下的oee动态化的实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110688757B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915223A (zh) * | 2020-08-20 | 2020-11-10 | 龙岩烟草工业有限责任公司 | 用于加料设备生产能力的评估方法和评估装置 |
CN112488410A (zh) * | 2020-12-09 | 2021-03-12 | 浙江中控技术股份有限公司 | 基于设备综合效率的生产设备性能优化方法及装置 |
CN112859792A (zh) * | 2021-02-04 | 2021-05-28 | 杭州易闻科技有限公司 | 一种智能工厂管控系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202382765U (zh) * | 2011-12-28 | 2012-08-15 | 浙江力太科技有限公司 | 一种全局设备效率oee的自动测量单元 |
CN102981485A (zh) * | 2012-11-30 | 2013-03-20 | 武汉钢铁(集团)公司 | 生产线设备运转实时oee数据信息处理方法及系统 |
CN107358348A (zh) * | 2017-07-05 | 2017-11-17 | 成都电科智联科技有限公司 | 一种基于oee提高计划容错性的方法 |
CN108279632A (zh) * | 2018-02-09 | 2018-07-13 | 杭州亚大自动化有限公司 | 一种泵站智慧排水调度控制系统 |
-
2019
- 2019-09-30 CN CN201910937612.6A patent/CN110688757B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202382765U (zh) * | 2011-12-28 | 2012-08-15 | 浙江力太科技有限公司 | 一种全局设备效率oee的自动测量单元 |
CN102981485A (zh) * | 2012-11-30 | 2013-03-20 | 武汉钢铁(集团)公司 | 生产线设备运转实时oee数据信息处理方法及系统 |
CN107358348A (zh) * | 2017-07-05 | 2017-11-17 | 成都电科智联科技有限公司 | 一种基于oee提高计划容错性的方法 |
CN108279632A (zh) * | 2018-02-09 | 2018-07-13 | 杭州亚大自动化有限公司 | 一种泵站智慧排水调度控制系统 |
Non-Patent Citations (1)
Title |
---|
沈春申: ""基于A企业的OEE管理研究与实践"", 《产业与科技论坛》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915223A (zh) * | 2020-08-20 | 2020-11-10 | 龙岩烟草工业有限责任公司 | 用于加料设备生产能力的评估方法和评估装置 |
CN111915223B (zh) * | 2020-08-20 | 2022-08-30 | 龙岩烟草工业有限责任公司 | 用于加料设备生产能力的评估方法和评估装置 |
CN112488410A (zh) * | 2020-12-09 | 2021-03-12 | 浙江中控技术股份有限公司 | 基于设备综合效率的生产设备性能优化方法及装置 |
CN112859792A (zh) * | 2021-02-04 | 2021-05-28 | 杭州易闻科技有限公司 | 一种智能工厂管控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110688757B (zh) | 2022-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110688757B (zh) | 一种基于大数据驱动下的oee动态化的实现方法 | |
CN106408192B (zh) | 一种选矿设备运行状态监控系统及方法 | |
CN108562854B (zh) | 一种电机异常状态在线预警方法 | |
CN107850889A (zh) | 管理系统及管理方法 | |
CN113361139B (zh) | 一种基于数字孪生的产线仿真滚动优化系统及方法 | |
CN110764474B (zh) | 监测设备运行状态的方法和系统 | |
CN115034525B (zh) | 基于数据分析的钢管订单生产工期预测监管系统及方法 | |
CN101639687A (zh) | 一种集成化工艺质量控制系统及其实现方法 | |
SA04250398A (ar) | نظام لمراقبة التصنيع وطرق لتحديد الكفاءة | |
CN110513958A (zh) | 一种确定设备健康状况方法及装置 | |
CN115167222A (zh) | 一种设备监控的方法及相关设备 | |
CN111077863B (zh) | 一种定制式数字化监控系统 | |
CN116051037A (zh) | 基于数据分析的项目进度监管系统 | |
CN113762754A (zh) | 一种混合车间低熵自适应调度方法 | |
CN106560850A (zh) | 计划生成装置以及计划生成方法 | |
CN112255969A (zh) | 一种数控机床的数据采集分析展示系统及方法 | |
CN108665168B (zh) | 一种精益生产用主井提升系统综合效率评估与监测方法 | |
JP2011003126A (ja) | 製造工場における工程診断システム | |
CN115471092A (zh) | 食品生产报工方法、装置、电子设备及存储介质 | |
CN111915223B (zh) | 用于加料设备生产能力的评估方法和评估装置 | |
CN112462699A (zh) | 热轧生产电耗管理系统及方法 | |
Jiang | Analysis of a clearing queueing system with server maintenance after N negative feedbacks | |
TWI826087B (zh) | 派工系統和派工方法 | |
CN110782545A (zh) | 设备管理系统及方法 | |
CN112703515A (zh) | 维护管理装置、维护管理方法及程序 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |