CN116167648A - 一种机械加工产线运行效率评定方法 - Google Patents
一种机械加工产线运行效率评定方法 Download PDFInfo
- Publication number
- CN116167648A CN116167648A CN202211740224.7A CN202211740224A CN116167648A CN 116167648 A CN116167648 A CN 116167648A CN 202211740224 A CN202211740224 A CN 202211740224A CN 116167648 A CN116167648 A CN 116167648A
- Authority
- CN
- China
- Prior art keywords
- time
- production
- equipment
- data acquisition
- index
- 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.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 169
- 238000000034 method Methods 0.000 title claims abstract description 145
- 238000003754 machining Methods 0.000 title claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 75
- 238000004458 analytical method Methods 0.000 claims description 53
- 238000012423 maintenance Methods 0.000 claims description 44
- 238000002360 preparation method Methods 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 39
- 230000002159 abnormal effect Effects 0.000 claims description 37
- 230000008859 change Effects 0.000 claims description 14
- 238000005520 cutting process Methods 0.000 claims description 14
- 230000002354 daily effect Effects 0.000 claims description 12
- 238000007599 discharging Methods 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 12
- 230000008439 repair process Effects 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 7
- 238000010924 continuous production Methods 0.000 claims description 4
- 230000007257 malfunction Effects 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000009966 trimming Methods 0.000 claims description 3
- 238000000227 grinding Methods 0.000 description 29
- 230000005540 biological transmission Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种机械加工产线运行效率评定方法，属于机械加工领域，通过将产线运行指标分类并确定分类后各运行指标的评价对象维度，建立了比较完善的生产线运行指标计算体系，底层指标根据实际生产需要进行了精细划分；通过确定指标体系中各子项数据的采集自动获取方法，使各项数据基于数据采集自动获取，减少了人工录入，提高了指标数据准确性和及时性。在前两项基础上，构造了可用于评价产线生产运行状况的效率指标，在机械加工产线具有良好的可复制性和普适性。
Description
技术领域
本发明属于机械加工领域，具体涉及一种机械加工产线运行效率评定方法。
背景技术
传统工厂核算产线、设备运行效率，如利用率、开动率、MTTR、MTTF、平衡率等指标，都是依赖人员事后填表记录各项数据，数据来源不及时、不完整、不准确，很难实现精准统计，得出的指标也无法反映运行效率真实水平。在数字工厂建设中，利用数字化手段统计机床的各项加工效率指标，达到精确指导生产过程，进行提质增效需求越来越突出。虽然目前市面上很多工厂也同样采用了设备状态监测、数据采集进行统计机床加工效率，但是识别、统计运行效率指标的各项数据比较笼统粗糙，参考性不强，得出的运行效率指标误差较大，仍不能满足精益生产和提质增效需要。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供一种机械加工产线运行效率评定方法，以解决现有技术中识别、统计运行效率指标的各项数据比较笼统粗糙，参考性不强，得出的运行效率指标误差较大的技术问题。
为了达到上述目的，本发明采用以下技术方案予以实现：
一种机械加工产线运行效率评定方法，包括：
S1：将产线运行指标分类；
S2：确定分类后各运行指标的评价对象维度；
S3：根据运行指标的评价对象维度建立指标体系确定各运行指标及子项的计算方法；
S4：确定指标体系中各子项数据的采集自动获取方法；
S5：根据获取方法获取各子项数据，各子项数据通过S3中的指标体系计算方法进行计算，得到各子项数据的评价指标。
优选地，所述S1中，运行指标分为三类，包括：生产运行效率、生产可靠性指标和生产平衡性指标。
优选地，所述生产运行效率类指标包括：时间开动率、性能开动率、设备利用率和程序切削效率；
优选地，所述生产可靠性类指标包括：平均故障修复时间MTTR、平均故障时间间隔MTBF和可动率；
优选地，所述生产平衡性类指标为产线平衡率。
优选地，所述S2中各运行指标的评价对象维度为：
生产运行效率类指标包括：
时间开动率：设备、产线、车间；
性能开动率：设备、产线、车间；
设备利用率：设备、产线、车间；
程序切削效率：设备；
生产可靠性类指标包括：
平均故障修复时间MTTR：设备；
平均故障时间间隔MTBF：设备；
可动率：设备、产线、车间；
生产平衡性类指标包括：
产线平衡率：产线。
优选地，S3中，分别建立生产运行效率、可靠性、生产平衡性、工厂日历时间的指标体系，在实际的计算过程中确定以上各类指标及子项的计算方法。
优选地，所述各类指标及子项包括：设备实际产量A、设备产量系数B、单次循环加工时间C、单次上下料准备时间D、单次切削时间E、单次加工节拍F、单次故障停机时间G、设备理论节拍H、工厂日历时间I、计划停机时间J、异常停机时间K、故障停机总时间L、异常待机总时间M、故障停机次数N、设备计划开动时间O、设备实际开动时间P、设备实际节拍Q、工序节拍R、瓶颈工序节拍Re和产线节拍S。
优选地，所述S4中，分析指标体系中各子项数据的采集自动获取方法如下：
1)设备实际产量A
在机床加工主程序循环结束位置，增加自定义变量，通过数据采集分析系统实时采集变量的值，通过计算某时间区间内变量差值，实现该时间段内设备实际产量统计；
2)设备产量系数B
依据程序每循环一次能加工出几个零件判断；
3)单次循环加工时间C
由数据采集分析系统采集程序循环启动信号得出，在加工零件主程序循环开始、结束位置，分别给自定义变量赋值为1、0，通过数据采集分析系统采集自定义变量保持为1的过程时长，即为程序循环时间C；
4)单次上下料准备时间D
由数据采集分析系统采集上下料准备信号得出；
5)单次切削时间E、单次加工节拍F
通过获取连续两次加工的有效间隔时间得出；
6)单次故障停机时间G
故障维修开始时间：通过数据采集系统实时采集故障停机报警，同时推送给设备管理系统生成维修工单；设备管理系统创建维修工单时，向数据采集分析系统同步维修工单创建时间；以维修工单创建时间作为故障维修开始时间；
故障维修结束时间：在机床上编写维修程序，机床故障修复以后，操作工第一时间运行维修程序验证机床已恢复正常，通过数据采集分析系统实时采集维修程序号执行记录，以维修程序号执行时间作为故障维修结束时间；
数采分析软件计算每个维修工单结束、开始时间间隔，即可得出单次故障停机时间G；
7)设备理论节拍H
产线设计阶段，给出每种加工零件号对应的理论节拍，录入数字化工艺平台，形成零件BOP数据，传递给数据采集分析系统得出理论节拍H；
8)工厂日历时间I
生产调度在MES系统中给出生产计划，每天对每条生产线进行排班，给出每班的具体开始、结束时间,并将数据同步给数据采集分析系统；
9)计划停机时间J
设备计划换产停机时间J1：在产线设计阶段给出不同产品之间换产标准时间，导入数据采集分析软件；数据采集分析系统根据MES系统当日工单执行的先后顺序，得出当日需要先后加工的零件号，结合换产标准表自动计算出当日换产计划停机时间；
设备维护计划停机J2：由设备管理系统给出每台设备每日计划维保开始、结束时间，同步给数据采集分析系统；
其他计划停机时间J3：由生产调度根据当日实际情况在MES系统录入，同步给数据采集分析系统；
计划停机总时间J：由数采系统统计J1、J2、J3之和得出；
10)异常停机时间K、故障停机总时间L、异常待机总时间M
故障停机总时间L：由数据采集分析系统采集故障停机状态时长得出；通过实时采集设备报警和设备自动运行状态，当故障停机报警发生时，设备从某一时刻开始由自动运行状态变为非自动运行状态，采集该停机报警开始、结束时间区间内，设备非自动运行状态持续时间，即为故障停机时间L；
异常待机时间M：由数据采集分析系统采集异常待机状态时长得出，；数据采集分析系统判断设备开机并且处于非故障停机状态时，进一步地，且非自动运行状态，且非上下料准备状态，且非程序循环状态，且非热机状态，且非刀具修整状态，即判断为异常待机状态；通过系统统计某一时间段内异常待机状态时长，即为异常待机时间M；
异常停机时间K：由数采系统统计L、M之和得出；
11)故障停机次数N
数采分析软件统计对应时间段内故障工单数量得出；
12)设备计划开动时间O
由工作日历时间I与计划停机时间J相减得出；
13)设备实际开动时间P
由所有加工过程的循环加工时间和上下料准备时间相加得出；
14)设备实际节拍Q
由所有单次节拍累加求平均值得出；
15)工序节拍R
由工序对应的设备节拍加权计算得出；
16)瓶颈工序节拍Re
由所有工序节拍取最大值得出；
17)产线节拍S
取瓶颈工序节拍Re作为产线节拍S。
优选地，所述单次上下料准备时间D由数据采集分析系统采集上下料准备信号得出，具体分为以下两种情况：
双工位机床：上下料准备包括工位交换旋转过程和机器人服务过程；通过数据采集分析系统采集工位交换旋转信号保持为1的过程时长，即为工位交换旋转过程时间；采集机床的机器人服务中信号保持为1的时长，即为机器人服务时间；统计每两次加工间隔的工位交换过程时间和机器人服务过程时间，求和即可得出上下料准备时间D；
单工位机床：上下料准备状态只包括机器人服务过程时间，统计每两次加工间隔的机器人服务过程时间，求和即可得出上下料准备时间D。
与现有技术相比，本发明具有以下有益效果：
本发明公开了一种机械加工产线运行效率评定方法，通过将产线运行指标分类并确定分类后各运行指标的评价对象维度，建立了比较完善的生产线运行指标计算体系，底层指标根据实际生产需要进行了精细划分；通过确定指标体系中各子项数据的采集自动获取方法，使各项数据基于数据采集自动获取，减少了人工录入，提高了指标数据准确性和及时性。在前两项基础上，构造了可用于评价产线生产运行状况的效率指标，在机械加工产线具有良好的可复制性和普适性。
附图说明
图1为本发明的产量统计示例；
图2为本发明的设备状态分布图；
图3为本发明的设备状态占比图；
图4为本发明设备节拍计算；
图5为本发明产线节拍计算；
图6为本发明产线运行效率；
图7为生产运行效率类指标涉及数据关系图；
图8为可靠性类指标涉及数据关系图；
图9为生产平衡性类指标涉及数据关系图；
图10为工厂日历时间与计划生产时间的关系图；
图11为工厂日历时间与实际生产时间的关系图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述：
本发明通过建立产线、设备运行指标体系，寻找基于数据采集的指标各子项数据精确识别和自动获取方法，最终完成产线运行效率、可靠性、平衡性精确评定。本发明提出的方法能够自动、精确计算利用率、开动率、MTTR、MTBF、可动率、平衡率等，较传统的人工统计能真实反映设备运行效率，且容易实现，能够广泛应用到机械加工领域。
为了达到上述目的，本发明包括以下步骤：
步骤1：将需要精确计算的产线运行指标分为三类，生产运行效率、生产可靠性指标、生产平衡性指标，具体包含：
1)生产运行效率类指标包括：时间开动率、性能开动率、设备利用率、程序切削效率
2)生产可靠性类指标包括：平均故障修复时间MTTR、平均故障时间间隔MTBF、可动率
3)生产平衡性类指标包括：产线平衡率
步骤2：根据不同类型的指标适用的对象不同，确定以上各类指标的评价对象维度；
1)生产运行效率类指标包括：
时间开动率：设备、产线、车间；
性能开动率：设备、产线、车间；
设备利用率：设备、产线、车间；
程序切削效率：设备。
2)生产可靠性类指标包括：
平均故障修复时间MTTR：设备；
平均故障时间间隔MTBF：设备；
可动率：设备、产线、车间。
3)生产平衡性类指标包括：
产线平衡率：产线。
步骤3：分别建立生产运行效率、可靠性、生产平衡性、工厂日历时间的指标体系，在实际的计算过程中确定以上各类指标及子项的计算方法，指标体系中涉及的具体数据关系参见图7～图11。
步骤4：分析指标体系中涉及各子项数据采集自动获取方法：
1)设备实际产量A
在机床加工主程序循环结束位置，增加自定义变量，通过数据采集分析系统实时采集变量的值，通过计算某时间区间内变量差值，实现该时间段内设备实际产量统计。
2)设备产量系数B
依据程序每循环一次能加工出几个零件判断。
3)单次循环加工时间C
由数据采集分析系统采集程序循环启动信号得出，在加工零件主程序循环开始、结束位置，分别给自定义变量赋值为1、0，通过数据采集分析系统采集自定义变量保持为1的过程时长，即为程序循环时间C；
4)单次上下料准备时间D
由数据采集分析系统采集上下料准备信号得出。具体分为以下两种情况：
双工位机床：上下料准备包括工位交换旋转过程和机器人服务过程。通过数据采集分析系统采集工位交换旋转信号保持为1的过程时长，即为工位交换旋转过程时间；采集机床的机器人服务中信号保持为1的时长，即为机器人服务时间；统计每两次加工间隔的工位交换过程时间和机器人服务过程时间，求和即可得出上下料准备时间D。
单工位机床：上下料准备状态只包括机器人服务过程时间，统计每两次加工间隔的机器人服务过程时间，求和即可得出上下料准备时间D。
5)单次切削时间E、单次加工节拍F
通过获取连续两次加工的有效间隔时间得出，具体以西门子系统机床为例，采集软件每秒采集1次数据，说明如下：
t1时刻，采集软件第一次采集到“设备实际产量”R501＝A1，采集到“切削总时间”为T1；
t2时刻，采集软件第一次采集到“设备实际产量”R501＝A2，采集到“切削总时间”为T2；
其中A1、A2数值是连续的。t1时刻，采集软件第一次出现“设备实际产量R501”为A1，代表一次加工循环开始；t2时刻，采集软件第一次出现“设备实际产量R501”为A2，代表该次加工循环结束。t1～t2时间区间内，机床循环加工状态时长为C，上下料准备时间为D。
单次加工节拍F＝C+D；
单次切削时间E＝Y2-Y1。
6)单次故障停机时间G
故障维修开始时间：通过数据采集系统实时采集故障停机报警，同时推送给设备管理系统生成维修工单；设备管理系统创建维修工单时，向数据采集分析系统同步维修工单创建时间。以维修工单创建时间作为故障维修开始时间
故障维修结束时间：在机床上编写维修程序，机床故障修复以后，操作工第一时间运行维修程序验证机床已恢复正常，通过数据采集分析系统实时采集维修程序号执行记录，以维修程序号执行时间作为故障维修结束时间。
数采分析软件计算每个维修工单结束、开始时间间隔，即可得出单次故障停机时间G。
7)设备理论节拍H
产线设计阶段，给出每种加工零件号对应的理论节拍，录入数字化工艺平台，形成零件BOP数据，传递给数据采集分析系统得出理论节拍H。
8)工厂日历时间I
生产调度在MES系统中给出生产计划，每天对每条生产线进行排班，给出每班的具体开始、结束时间,并将数据同步给数据采集分析系统；
9)计划停机时间J
设备计划换产停机时间J1：在产线设计阶段给出不同产品之间换产标准时间，导入数据采集分析软件；数据采集分析系统根据MES系统当日工单执行的先后顺序，得出当日需要先后加工的零件号，结合换产标准表自动计算出当日换产计划停机时间。
设备维护计划停机J2：由设备管理系统给出每台设备每日计划维保开始、结束时间，同步给数据采集分析系统；
其他计划停机时间J3：由生产调度根据当日实际情况在MES系统录入，同步给数据采集分析系统。
计划停机总时间J：由数采系统统计J1、J2、J3之和得出。
10)异常停机时间K、故障停机总时间L、异常待机总时间M
故障停机总时间L：由数据采集分析系统采集故障停机状态时长得出；通过实时采集设备报警和设备自动运行状态，当故障停机报警发生时，设备从某一时刻开始由自动运行状态变为非自动运行状态，采集该停机报警开始、结束时间区间内，设备非自动运行状态持续时间，即为故障停机时间L。
异常待机时间M：由数据采集分析系统采集异常待机状态时长得出，；数据采集分析系统判断设备开机并且处于非故障停机状态时，进一步地，且非自动运行状态，且非上下料准备状态，且非程序循环状态，且非热机状态，且非刀具修整状态，即判断为异常待机状态。通过系统统计某一时间段内异常待机状态时长，即为异常待机时间M。
异常停机时间K：由数采系统统计L、M之和得出。
11)故障停机次数N
数采分析软件统计对应时间段内故障工单数量得出。
12)设备计划开动时间O
由工作日历时间I与计划停机时间J相减得出。
13)设备实际开动时间P
由所有加工过程的循环加工时间和上下料准备时间相加得出。
14)设备实际节拍Q
由所有单次节拍累加求平均值得出。
15)工序节拍R
由工序对应的设备节拍加权计算得出。
16)瓶颈工序节拍Re
由所有工序节拍取最大值得出。
17)产线节拍S
取瓶颈工序节拍Re作为产线节拍S。
步骤5：数采分析软件按照步骤4中获取各子项数据，结合步骤3指标体系计算方法，进行计算展示。
【实施例】
参见图1～图6，以副箱传动齿轮1线为例说明产线运行指标精确评定方法；副箱传动齿轮1线包含1#车床、2#磨齿机、3#磨齿机，其中1#车床为发那科系统，2#、3#磨齿机为西门子系统。
步骤1：将需要精确计算的产线运行指标分为三类，运行效率、可靠性指标、平衡性指标，具体包含项及指标含义如下：
生产运行效率类指标包括：时间开动率、性能开动率、设备利用率、程序切削效率
时间开动率：衡量设备在计划开动时间内实际有效加工的占比，值越小反映设备在计划生产范围内的故障停机、异常待机造成的停机损失越大。
性能开动率：衡量设备实际加工水平达到理论加工水平的能力，值越小反映设备空转、短暂停机造成的速度损失越大。
设备利用率：衡量设备在工厂日历时间内实际有效的有效性，值越小反映设备在自然日内闲置未利用造成设备资源的浪费程度越高。
程序切削效率：衡量程序循环加工过程中有效切削的占比，值越大反映设备程序空行程越多。
生产可靠性类指标包括：MTTR、MTBF、可动率
平均故障修复时间MTTR：衡量设备在某时间范围内故障平均修复时长，值越大反映设备故障后恢复速度越快。
平均故障时间间隔MTBF：衡量设备在某时间范围内平均故障时间间隔，值越大反映设备可连续正常加工的能力越强。
可动率：衡量设备在工厂日历时间内可正常加工的能力，值越大反映设备整体正常运转水平越高。
3)生产平衡性类指标包括：产线平衡率
产线平衡率：衡量产线在加工过程中前后各工序产能与节拍均衡性，值越大反映产线平衡性越好。
步骤2：根据不同类型的指标适用的对象不同，确定以上各类指标的评价对象维度；
1)生产运行效率类指标包括：
时间开动率：设备、产线、车间；
性能开动率：设备、产线、车间；
设备利用率：设备、产线、车间；
程序切削效率：设备。
2)生产可靠性类指标包括：
平均故障修复时间MTTR：设备；
平均故障时间间隔MTBF：设备；
可动率：设备、产线、车间。
步骤3：分别建立生产运行效率、可靠性、生产平衡性、工厂日历时间的指标体系，在实际的计算过程中确定以上各类指标及子项的计算方法如下:
说明1：工序节拍计算方法举例；1)轮番式生产举例说明：
工序OP10生产某品种的产品，工序OP10的设备数为4个。4台设备命名为A1、A2、A3、A4。该零件加工过程中程序每循环1次产量为1。
计算过程：OP10工序节拍＝(A1设备节拍+A2设备节拍+A3设备节拍+A4设备节拍)/4/4/1。
2)混线生产举例说明：壳体生产线，工序OP10在同一时间生产两个品种的产品A、B，工序OP10的设备数为6个。其中4台设备生产产品A，2台设备生产产品B。该零件加工过程中程序每循环1次产量为1。
将生产产品A的4台设备命名为A1、A2、A3、A4，生产产品B的2台设备命名为B1、B2。
OP10工序节拍O1＝(O1+O2+O3+O4)/4/4/1*(4/6)+(B1设备节拍+B2设备节拍)/2/2/1*(2/6)。
步骤4：分析指标体系中各子项数据采集获取方法：
1)设备实际产量A
以1#车床为例，在加工主程序循环结束位置，增加自定义变量累加计数
#680＝#680+1。通过数据采集分析系统实时采集#680变量的值，通过计算某时间区间内#680变量差值，实现该时间段内设备实际产量统计。
按照该方法，以2022.11.8数据为例，分别得出：
1#车床设备产量A＝300
2#磨齿机设备产量A＝133
3#磨齿机设备产量A＝152
2)设备产量系数B
程序每循环一次生产一件活，B＝1；程序每循环一次生产两件活，B＝2；以此类推。
按照该方法，以2022.11.8数据为例，分别得出：
1#车床设备产量系数B＝1
2#磨齿机设备产量系数B＝1
3#磨齿机设备产量系数B＝1
3)单次循环加工时间C
以1#车床为例，在加工零件主程序循环开始、结束位置，分别增加自定义变量#680＝1、#680＝0，通过数据采集分析系统采集#680保持为1的过程时长，得出每一次加工过程中单次忙加工时间C；将每次循环加工时间C累加，即可得出程序循环总时间。
按照该方法，以2022.11.8数据为例，分别得出：
1#车床程序循环总时间
秒；
2#磨齿机程序循环总时间
秒；
3#磨齿机程序循环总时间
秒
4)单次上下料准备时间D
以1#车床为例，上下料准备状态分为机器人服务过程。采集机床控制器中的机器人服务中信号I800.4，I800.4保持为0的过程时长，即为机器人服务时间；统计每两次加工间隔的机器人服务时间，即可得出单次上下料准备时间D；通过累加某时间段内所有加工过程得出上下料准备总时间。
按照该方法，以2022.11.8数据为例，分别得出：
1#车床上下料准备总时间
秒；
2#磨齿机上下料准备总时间
秒；
3#磨齿机上下料准备总时间
秒
(5)单次切削时间E、单次加工节拍F
通过获取连续两次加工的间隔内循环加工和上下料准备状态时间得出单次加工节拍F；通过获取连续两次加工间隔内有效切削时间得出单次切削时间E。
具体以1#车床某次加工过程为例说明：
9点33分14秒时刻，采集软件第一次采集到“设备实际产量”#681＝600，同时采集到机床“切削总时间”t1为1050秒；9点35分14秒时刻，采集软件第一次采集到“设备实际产量”#681＝601，同时采集到机床“切削总时间”t2为1150秒。
该时间区间内，机床循环加工状态时长C为＝71秒；上下料准备时间D为＝38秒；
单次加工节拍F＝C+D＝109秒；
单次切削时间E＝t2-t1＝50秒。
以此类推，可计算出每一次加工过程节拍F和切削时间E。
6)单次故障停机时间G
数采分析软件计算每个维修工单结束、开始时间间隔，即可得出单次故障停机时间G。
维修工单开始时间以设备管理系统维修工单创建时间为准；维修工单结束时间以运行维修程序时间为准，以2#磨齿机为例维修程序代码如下：
编写维修程序号MACHINE_REPAIRED，维修程序内容示例如下：
％
MACHINE-REPAIRED
M03S100
G04X15.
M30
％
数采分析软件统计每次故障工单开始时间、维修程序运行时间，即可得出2#磨齿机单次故障停机时间G。
7)设备理论节拍H
以2022.11.8生产数据为例，由数字工艺平台发布的的主要加工零件品种及理论节拍数据如下:
数据采集分析系统通过集成接口接收。
8)工厂日历时间I
以2022.11.8生产数据为例，生产调度在MES系统中发布的的副箱传动齿轮1线排班时间为8点～23点30分，工厂日历时间I＝15.5h，数据采集分析系统通过集成接口接收。
9)计划停机时间J
计划换产停机时间J1：以1#车床为例，在产线设计阶段给出不同产品之间换产标准时间，导入数据采集分析软件，如下表所示；
| 零件号 | 换产零件号 | 标准换产时间 |
| 67121052 | 67111031-2 | 30分钟 |
| 67121052 | 11741051 | 30分钟 |
| 67121052 | 67051050 | 30分钟 |
| 67111031-2 | 11741051 | 30分钟 |
| 67111031-2 | 67051050 | 30分钟 |
| 11741051 | 67051050 | 30分钟 |
数据采集分析系统根据MES系统2022.11.8工单执行的先后顺序，得出当日只加工了零件号67051050，结合换产标准表自动计算出当日换产计划停机时间J1＝0。
维护计划停机J2：以1#车床为例，2022.11.8设备管理系统给出该机床维保计划10点开始，12点结束，同步给数据采集分析系统，得出维护计划停机J2＝2h；
其他计划停机时间J3：由生产调度根据当日实际情况在MES系统录入，同步给数据采集分析系统。以1#车床为例，2022.11.8的其他计划停机时间J3＝2h。
数据采集分析系统通过统计J1、J2、J3，得出1#车床2022.11.8计划停机总时间J＝J1+J2+J3＝4h。
按照该方法，以2022.11.8数据为例，分别得出：
1#车床计划停机总时间J＝4h
2#磨齿机计划停机总时间J＝4h
3#磨齿机计划停机总时间J＝4h
10)异常停机时间K、故障停机总时间L、异常待机总时间M
以2#磨齿机为例：
故障停机时间L，由数据采集分析系统采集故障停机状态时长得出L＝5000；
异常待机时间M，由数据采集分析系统采集异常待机状态时长得出M＝24192秒；
抛去计划停机时间内的异常停机，得出K＝29192-4x3600＝14792秒。
按照该方法，以2022.11.8数据为例，分别得出：
1#车床异常停机时间K＝18929秒,其中L＝3600秒；
2#磨齿机异常停机时间K＝14792秒,其中L＝5000秒；
3#磨齿机异常停机时间K＝25432秒,其中L＝7200秒；
11)故障停机次数N
由设备管理系统创建维修工单，数采分析软件统维修工单次数得出对应时间段内设备故障停机次数。
按照该方法，以2022.11.8数据为例，分别得出：
1#车床故障停机次数N＝2
2#磨齿机故障停机次数N＝2
3#磨齿机故障停机次数N＝2
12)设备计划开动时间O
以2022.11.8数据为例，分别得出：
1#车床计划开动时间O1＝I-J＝15.5-4＝11.5h
2#磨齿机计划开动时间O2＝I-J＝15.5-4＝11.5h
3#磨齿机计划开动时间O3＝I-J＝15.5-4＝11.5h
13)设备实际开动时间P
以2022.11.8数据为例，分别得出：
1#车床实际开动时间
2#磨齿机实际开动时间
3#磨齿机实际开动时间
14)设备实际节拍Q
由某时间段内所有加工过程的单次节拍F累加求平均值得出，以2022.11.8生产数据为例，分别得出：
1#车床实际节拍
2#磨齿机实际节拍
3#磨齿机实际节拍
15)工序节拍R
以副箱传递齿轮线2022.11.8生产数据为例，加工工序包括OP35硬车、OP40磨齿两个工序。OP35硬车工序对应加工设备为1#车床，OP40磨齿工序对应加工设备为2#磨齿机、3#磨齿机。
OP35工序节拍
OP40工序节拍
16)瓶颈工序节拍Re
Re＝MAX{R1,R2}＝MAX{71,82}＝82秒
17)产线节拍S
S＝Re＝82秒
步骤5：以副箱传递齿轮线为例，通过采集得出2022.11.8指标体系各子项数据，计算得出产线运行效率指标如下：
1)时间开动率T
1#车床：T1＝P/O＝21588/(11.5x3600)＝52.14％
2#磨齿机：T2＝P/O＝26597/(11.5x3600)＝64.24％
3#磨齿机：T3＝P/O＝22152/(11.5x3600)＝53.51％
2)性能开动率U
1#车床：U1＝A*H/P＝(300x70)/21588＝97.27％
2#磨齿机：U2＝A*H/P＝(133x130)/26597＝65.00％
3#磨齿机：U3＝A*H/P＝(152x130)/22152＝89.20％
3)设备利用率V
1#车床：V1＝P/I＝21588/(15.5x3600)＝38.69％
2#磨齿机：V2＝P/I＝26597/(15.5x3600)＝47.66％
3#磨齿机：V3＝P/I＝22152/(15.5x3600)＝36.70％
4)程序切削效率W1#车床：
5)产线时间开动率CT
副箱传递齿轮线
6)产线性能开动率CU
副箱传递齿轮线
7)产线利用率CV
副箱传递齿轮线
8)平均故障修复时间MTTR1#车床：
2#磨齿机：
3#磨齿机：
9)平均故障时间间隔MTBF
1#车床：
2#磨齿机：
3#磨齿机：
10)设备可动率Z
1#车床：
2#磨齿机：
3#磨齿机：
11)产线可动率Z
副箱传递齿轮线
12)产线平衡率CS
副箱传递齿轮线
综上所述，本发明公开的一种机械加工产线运行效率评定方法，建立了比较完善的生产线运行指标计算体系，底层指标根据实际生产需要进行了精细划分；各项数据基于数据采集自动获取，减少了人工录入，提高了指标数据准确性和及时性。在前两项基础上，构造了可用于评价产线生产运行状况的效率指标，在机械加工产线具有良好的可复制性和普适性。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种机械加工产线运行效率评定方法，其特征在于，包括：
S1：将产线运行指标分类；
S2：确定分类后各运行指标的评价对象维度；
S3：根据运行指标的评价对象维度建立指标体系确定各运行指标及子项的计算方法；
S4：确定指标体系中各子项数据的采集自动获取方法；
S5：根据获取方法获取各子项数据，各子项数据通过S3中的指标体系计算方法进行计算，得到各子项数据的评价指标。
2.根据权利要求1所述的一种机械加工产线运行效率评定方法，其特征在于，所述S1中，运行指标分为三类，包括：生产运行效率、生产可靠性指标和生产平衡性指标。
3.根据权利要求2所述的一种机械加工产线运行效率评定方法，其特征在于，所述生产运行效率类指标包括：时间开动率、性能开动率、设备利用率和程序切削效率。
4.根据权利要求2所述的一种机械加工产线运行效率评定方法，其特征在于，所述生产可靠性类指标包括：平均故障修复时间MTTR、平均故障时间间隔MTBF和可动率。
5.根据权利要求2所述的一种机械加工产线运行效率评定方法，其特征在于，所述生产平衡性类指标为产线平衡率。
6.根据权利要求2所述的一种机械加工产线运行效率评定方法，其特征在于，所述S2中各运行指标的评价对象维度为：
生产运行效率类指标包括：
时间开动率：设备、产线、车间；
性能开动率：设备、产线、车间；
设备利用率：设备、产线、车间；
程序切削效率：设备；
生产可靠性类指标包括：
平均故障修复时间MTTR：设备；
平均故障时间间隔MTBF：设备；
可动率：设备、产线、车间；
生产平衡性类指标包括：
产线平衡率：产线。
7.根据权利要求1所述的一种机械加工产线运行效率评定方法，其特征在于，S3中，分别建立生产运行效率、可靠性、生产平衡性、工厂日历时间的指标体系，在实际的计算过程中确定以上各类指标及子项的计算方法。
8.根据权利要求7所述的一种机械加工产线运行效率评定方法，其特征在于，所述各类指标及子项包括：设备实际产量A、设备产量系数B、单次循环加工时间C、单次上下料准备时间D、单次切削时间E、单次加工节拍F、单次故障停机时间G、设备理论节拍H、工厂日历时间I、计划停机时间J、异常停机时间K、故障停机总时间L、异常待机总时间M、故障停机次数N、设备计划开动时间O、设备实际开动时间P、设备实际节拍Q、工序节拍R、瓶颈工序节拍Re和产线节拍S。
9.根据权利要求8所述的一种机械加工产线运行效率评定方法，其特征在于，所述S4中，分析指标体系中各子项数据的采集自动获取方法如下：
1)设备实际产量A
在机床加工主程序循环结束位置，增加自定义变量，通过数据采集分析系统实时采集变量的值，通过计算某时间区间内变量差值，实现该时间段内设备实际产量统计；
2)设备产量系数B
依据程序每循环一次能加工出几个零件判断；
3)单次循环加工时间C
由数据采集分析系统采集程序循环启动信号得出，在加工零件主程序循环开始、结束位置，分别给自定义变量赋值为1、0，通过数据采集分析系统采集自定义变量保持为1的过程时长，即为程序循环时间C；
4)单次上下料准备时间D
由数据采集分析系统采集上下料准备信号得出；
5)单次切削时间E、单次加工节拍F
通过获取连续两次加工的有效间隔时间得出；
6)单次故障停机时间G
故障维修开始时间：通过数据采集系统实时采集故障停机报警，同时推送给设备管理系统生成维修工单；设备管理系统创建维修工单时，向数据采集分析系统同步维修工单创建时间；以维修工单创建时间作为故障维修开始时间；
故障维修结束时间：在机床上编写维修程序，机床故障修复以后，操作工第一时间运行维修程序验证机床已恢复正常，通过数据采集分析系统实时采集维修程序号执行记录，以维修程序号执行时间作为故障维修结束时间；
数采分析软件计算每个维修工单结束、开始时间间隔，即可得出单次故障停机时间G；
7)设备理论节拍H
产线设计阶段，给出每种加工零件号对应的理论节拍，录入数字化工艺平台，形成零件BOP数据，传递给数据采集分析系统得出理论节拍H；
8)工厂日历时间I
生产调度在MES系统中给出生产计划，每天对每条生产线进行排班，给出每班的具体开始、结束时间,并将数据同步给数据采集分析系统；
9)计划停机时间J
设备计划换产停机时间J1：在产线设计阶段给出不同产品之间换产标准时间，导入数据采集分析软件；数据采集分析系统根据MES系统当日工单执行的先后顺序，得出当日需要先后加工的零件号，结合换产标准表自动计算出当日换产计划停机时间；
设备维护计划停机J2：由设备管理系统给出每台设备每日计划维保开始、结束时间，同步给数据采集分析系统；
其他计划停机时间J3：由生产调度根据当日实际情况在MES系统录入，同步给数据采集分析系统；
计划停机总时间J：由数采系统统计J1、J2、J3之和得出；
10)异常停机时间K、故障停机总时间L、异常待机总时间M
故障停机总时间L：由数据采集分析系统采集故障停机状态时长得出；通过实时采集设备报警和设备自动运行状态，当故障停机报警发生时，设备从某一时刻开始由自动运行状态变为非自动运行状态，采集该停机报警开始、结束时间区间内，设备非自动运行状态持续时间，即为故障停机时间L；
异常待机时间M：由数据采集分析系统采集异常待机状态时长得出，；数据采集分析系统判断设备开机并且处于非故障停机状态时，进一步地，且非自动运行状态，且非上下料准备状态，且非程序循环状态，且非热机状态，且非刀具修整状态，即判断为异常待机状态；通过系统统计某一时间段内异常待机状态时长，即为异常待机时间M；
异常停机时间K：由数采系统统计L、M之和得出；
11)故障停机次数N
数采分析软件统计对应时间段内故障工单数量得出；
12)设备计划开动时间O
由工作日历时间I与计划停机时间J相减得出；
13)设备实际开动时间P
由所有加工过程的循环加工时间和上下料准备时间相加得出；
14)设备实际节拍Q
由所有单次节拍累加求平均值得出；
15)工序节拍R
由工序对应的设备节拍加权计算得出；
16)瓶颈工序节拍Re
由所有工序节拍取最大值得出；
17)产线节拍S
取瓶颈工序节拍Re作为产线节拍S。
10.根据权利要求9所述的一种机械加工产线运行效率评定方法，其特征在于，所述单次上下料准备时间D由数据采集分析系统采集上下料准备信号得出，具体分为以下两种情况：
双工位机床：上下料准备包括工位交换旋转过程和机器人服务过程；通过数据采集分析系统采集工位交换旋转信号保持为1的过程时长，即为工位交换旋转过程时间；采集机床的机器人服务中信号保持为1的时长，即为机器人服务时间；
统计每两次加工间隔的工位交换过程时间和机器人服务过程时间，求和得出上下料准备时间D；
单工位机床：上下料准备状态只包括机器人服务过程时间，统计每两次加工间隔的机器人服务过程时间，求和得出上下料准备时间D。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211740224.7A CN116167648A (zh) | 2022-12-30 | 2022-12-30 | 一种机械加工产线运行效率评定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211740224.7A CN116167648A (zh) | 2022-12-30 | 2022-12-30 | 一种机械加工产线运行效率评定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116167648A true CN116167648A (zh) | 2023-05-26 |
Family
ID=86417558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211740224.7A Pending CN116167648A (zh) | 2022-12-30 | 2022-12-30 | 一种机械加工产线运行效率评定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116167648A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117047870A (zh) * | 2023-10-12 | 2023-11-14 | 四川省致链数字科技有限公司 | 一种基于工业互联网的家具打孔工序柔性匹配系统及方法 |
-
2022
- 2022-12-30 CN CN202211740224.7A patent/CN116167648A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117047870A (zh) * | 2023-10-12 | 2023-11-14 | 四川省致链数字科技有限公司 | 一种基于工业互联网的家具打孔工序柔性匹配系统及方法 |
| CN117047870B (zh) * | 2023-10-12 | 2023-12-22 | 四川省致链数字科技有限公司 | 一种基于工业互联网的家具打孔工序柔性匹配系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101770219B (zh) | 一种车铣复合机床故障诊断知识库的知识获取方法 | |
| CN101334656B (zh) | 一种数控机床加工性能监控系统 | |
| CN110926809B (zh) | 一种基于大数据分析的风电机组传动链故障预警方法 | |
| Emec et al. | Online fault-monitoring in machine tools based on energy consumption analysis and non-invasive data acquisition for improved resource-efficiency | |
| CN110320893B (zh) | 一种基于rcm的火电机组设备检修方法 | |
| CN116167648A (zh) | 一种机械加工产线运行效率评定方法 | |
| CN113034306B (zh) | 一种在线判断火电机组启停机状态的方法 | |
| CN113608482A (zh) | 一种精密加工刀具智能监控方法、系统及管理系统 | |
| CN111159487A (zh) | 一种汽车发动机主轴预测性维护智能系统 | |
| CN113867299A (zh) | 基于数字孪生的不确定扰动下的ipps问题求解方法 | |
| CN112801313A (zh) | 基于大数据技术综采工作面故障判定方法 | |
| CN115344020A (zh) | 多并联装备互联重构生产控制系统 | |
| US20020138169A1 (en) | Device for calculating overall plant efficiency | |
| CN112418548B (zh) | 一种基于人工智能技术的智能车间管理方法和系统 | |
| CN116223000B (zh) | 一种机器故障智能在线自动检测系统 | |
| Nusraningrum et al. | Over all Equipment Effectiveness (OEE) Measurement Analysis on Gas Power Plant with Analysis of Six Big Losses | |
| CN114564518B (zh) | 一种火电机组多工况状态次数和非停率实时统计的方法 | |
| CN116335893A (zh) | 一种风力发电机组运行状态的分类方法和系统 | |
| Zhang | Analysis and optimization of bottlenecks via simulation | |
| CN114677100A (zh) | 厂级备件计划自动生成系统 | |
| CN118114884B (zh) | 一种自动化的设备精益管理系统 | |
| CN105446289A (zh) | 由制造执行系统收集工作状态的时间戳 | |
| CN110738423A (zh) | 一种卷接设备综合效能评价方法 | |
| CN113627802B (zh) | 基于缺陷单在线计算风场故障消缺停机台数的方法 | |
| CN213482933U (zh) | 一种基于状态的工件生产设备维护监测装置 |
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 |