CN116362454A - 产能分析系统及方法、电子设备、存储介质、产品 - Google Patents
产能分析系统及方法、电子设备、存储介质、产品 Download PDFInfo
- Publication number
- CN116362454A CN116362454A CN202310650263.6A CN202310650263A CN116362454A CN 116362454 A CN116362454 A CN 116362454A CN 202310650263 A CN202310650263 A CN 202310650263A CN 116362454 A CN116362454 A CN 116362454A
- Authority
- CN
- China
- Prior art keywords
- equipment
- shutdown
- information
- production
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 440
- 238000004458 analytical method Methods 0.000 title claims abstract description 408
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000004519 manufacturing process Methods 0.000 claims abstract description 634
- 238000007726 management method Methods 0.000 claims abstract description 70
- 238000013439 planning Methods 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims description 317
- 239000000463 material Substances 0.000 claims description 65
- 230000002159 abnormal effect Effects 0.000 claims description 50
- 238000012544 monitoring process Methods 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 34
- 238000007405 data analysis Methods 0.000 claims description 31
- 230000004044 response Effects 0.000 claims description 24
- 230000000903 blocking effect Effects 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 239000000047 product Substances 0.000 description 257
- 229910052734 helium Inorganic materials 0.000 description 20
- 239000001307 helium Substances 0.000 description 20
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 20
- 230000006872 improvement Effects 0.000 description 19
- 230000005856 abnormality Effects 0.000 description 17
- 238000012423 maintenance Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 238000001514 detection method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000007689 inspection Methods 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000005491 wire drawing Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 239000002994 raw material Substances 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 239000002671 adjuvant Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 4
- 238000010835 comparative analysis Methods 0.000 description 4
- 239000013072 incoming material Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012797 qualification Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 229920002799 BoPET Polymers 0.000 description 2
- 239000005041 Mylar™ Substances 0.000 description 2
- -1 adapter piece Substances 0.000 description 2
- 239000002390 adhesive tape Substances 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000013064 process characterization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012958 reprocessing Methods 0.000 description 2
- 239000011265 semifinished product Substances 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
- 238000005493 welding type Methods 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
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (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)
Abstract
本申请提供一种产能分析系统及方法、电子设备、存储介质、产品,属于工业智能制造领域。产能分析系统包括设备管理系统、生产执行系统、企业资源计划系统和分析模型,设备管理系统用于获取产线所包括的多个设备的停机信息,生产执行系统用于获取多个设备的产出信息,产出信息包括设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识,企业资源计划系统用于配置产线名称、工序名称、设备资源号和产品型号之间的关系匹配表,分析模型根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析,产能分析结果包括时间稼动率、性能稼动率和质量稼动率中的至少一者,通过分析模型进行产能分析,有利于提高生产效率,优化生产过程。
Description
技术领域
本申请涉及工业智能制造领域,尤其涉及一种产能分析系统及方法、电子设备、存储介质、产品。
背景技术
随着制造企业生产信息化和管理精细化过程的推进,获得生产过程相关的生产信息,并基于此对现有生产决策提出改进措施,以达到增加产量、降低成本的目的,是企业现在迫切需要解决的问题。设备综合效率OEE(Overall Equipment Effectiveness)是生产设备的重要的生产信息,常用来表征实际的生产能力相对于理论产能的比率,通过分析OEE的相关指标,可以找到生产过程中现存的问题,为改善生产过程提供信息支撑,相关技术中仅对OEE的原始数据初步统计,无法进行产能分析。
发明内容
本申请旨在至少解决背景技术中存在的技术问题之一。为此,本申请的一个目的在于提供一种产能分析系统及方法、电子设备、存储介质、产品,以解决现有设备管理系统仅对OEE的原始数据初步统计,无法进行产能分析的问题。
本申请第一方面的实施例提供一种产能分析系统,包括设备管理系统、生产执行系统、企业资源计划系统和分析模型,设备管理系统用于获取产线所包括的多个设备的停机信息,生产执行系统用于获取多个设备的产出信息,产出信息包括设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识,企业资源计划系统用于配置产线名称、工序名称、设备资源号和产品型号之间的关系匹配表,分析模型与设备管理系统、生产执行系统和企业资源计划系统连接,分析模型用于根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析,产能分析结果包括时间稼动率、性能稼动率和质量稼动率中的至少一者。
本申请实施例的技术方案中,由于分析模型与设备管理系统、生产执行系统和企业资源计划系统连接,分析模型用于根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析,产能分析结果包括时间稼动率、性能稼动率和质量稼动率中的至少一者,从而可以基于产能分析结果进行产能分析,提高生产效率,优化生产过程。
在一些实施例中,停机信息包括设备的停机时长和停机类别。通过设备管理系统获取产线所包括的多个设备的停机时长和停机类别,有利于分析模型基于多个设备的停机时长和停机类别进行细致分析,从而获得更加深入的产能分析结果。
在一些实施例中,停机类别包括以下各项中的至少一者:设备故障停机、物料异常停机、缺辅料停机、计划和固定停机、待料停机、堵料停机、厂房设施停机、网络停机、待人工操作处理停机和其它停机。根据不同停机类别,分析模型进行具体地进行分析,以获得不同停机类别下的分析结果,便于后续根据不同的停机类别对生产过程、生产设备进行相应的改进或完善。
在一些实施例中,时间稼动率包括设备的时间稼动率,分析模型包括时间稼动率模块,时间稼动率模块用于根据设备的停机时长和停机类别确定时间稼动率及其解释信息。通过时间稼动率模块确定时间稼动率及其解释信息,从而便于后续根据不同停机时长和停机类别对设备进行相应的改进、维修或更换。
在一些实施例中,性能稼动率包括设备的性能稼动率,分析模型包括性能稼动率模块,性能稼动率模块用于根据设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识确定设备的性能稼动率。通过性能稼动率模块确定设备的性能稼动率,从而可以分析设备的性能状况,便于后续对设备的性能状况进行改善,从而优化产品的产出时间。
在一些实施例中,性能稼动率模块包括划分单元、获取单元和确定单元,划分单元用于将第一预设时长划分为多个时间段,获取单元用于从多个时间段中获取设备产出产品数量最多并且产出产品均合格的目标时间段,确定单元用于根据目标时间段内设备所产出的产品数量、目标时间段的时长和预设设备节拍确定设备的性能稼动率,预设设备节拍是指设备每产出一件合格产品所需的时长。由于划分单元将第一预设时长划分为多个时间段,获取单元从多个时间段中获取设备产出产品数量最多并且产出产品均合格的目标时间段,使得确定单元确定设备的性能稼动率更为精准,提高设备的性能稼动率的准确度。
在一些实施例中,时间段的时长大于等于1分钟,且小于等于10分钟,兼顾时间段的数量与设备的性能稼动率的准确程度,从而能够提高确定单元的分析效率,节约时间。
在一些实施例中,质量稼动率包括设备的质量稼动率,分析模型包括质量稼动率模块,质量稼动率模块用于根据设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识确定设备的质量稼动率,质量稼动率为设备所产出的合格产品的数量和设备所产出的所有产品的总数量之间的比值。通过质量稼动率模块确定设备的质量稼动率,从而便于后续调整设备,提高合格产品数量。
在一些实施例中,产能分析结果还包括设备的第一产能信息,第一产能信息包括设备的总产量、合格产品数量和不合格产品数量,分析模型包括设备产能获取模块,设备产能获取模块用于根据设备的产出信息,获取设备的第一产能信息。通过设备产能获取模块获取设备的总产量、合格产品数量和不合格产品数量,从而对设备的总产量与产品质量进行管理,便于后续对设备进行优化,提高设备的总产量与合格产品数量。
在一些实施例中,时间稼动率包括工序的时间稼动率,性能稼动率包括工序的性能稼动率,质量稼动率包括工序的质量稼动率,产能分析结果还包括工序的第二产能信息,分析模型还包括工序产能获取模块、工序综合效率获取模块和数据分析表构建模块,工序产能获取模块用于根据关系匹配表和多个设备的产出信息,获取产线所包括的多个工序的第二产能信息,第二产能信息包括工序的总产量、合格产品数量和不合格产品数量,工序综合效率获取模块用于根据关系匹配表、工序的第二产能信息,以及工序所包括的多个设备的时间稼动率、质量稼动率和性能稼动率,确定工序的时间稼动率、质量稼动率和性能稼动率,数据分析表构建模块用于根据关系匹配表、产线所包括的多个工序的第二产能信息,以及多个工序的时间稼动率、质量稼动率和性能稼动率,构建产线工序线平衡分析表。通过产线工序线平衡分析表对产线工序线进行分析,从而便于对产线的工序进行改善,优化,提高工序的生产效率。
在一些实施例中,产能分析结果还包括产线瓶颈工序信息,分析模型包括产线产能分析模块,产线产能分析模块用于根据产线所包括的多个工序的产线工序线平衡分析表,确定产线瓶颈工序信息。通过产线产能分析模块确定产线瓶颈工序信息,便于对产线瓶颈工序进行调整,改善,从而提高产线的产能。
在一些实施例中,产能分析结果还包括工序、产线、工厂、基地或集团的目标生产信息,目标生产信息包括停机率、产出信息和性能稼动率;分析模型包括数据分析模块,数据分析模块用于根据关系匹配表以及多个设备的停机信息、产出信息和性能稼动率,获取工序、产线、工厂、基地或集团的目标生产信息,并将目标生产信息和预设生产信息进行对比分析。通过数据分析模块将目标生产信息和预设生产信息进行对比分析,根据目标生产信息优化工序、产线、工厂、基地或集团的生产,从而提高工序、产线、工厂、基地或集团的产能。
在一些实施例中,分析模型用于基于多个设备的停机时长和停机类别确定多个停机类别的目标停机时长,便于后续根据目标停机时长与机时长、停机类别进行对比分析,从而对设备进行调整、维修,减少停机时长,提高设备的生产效率。
在一些实施例中,产能分析结果还包括停机率,分析模型还用于基于多个停机类别的目标停机时长和预设生产时长,确定多个停机类别的停机率。通过分析模型确定多个停机类别的停机率,便于后续根据不同的停机率对设备进行相应的调整,降低停机率。
在一些实施例中,对于停机时长大于第二预设时长的第一停机类别,分析模型用于基于第一停机类别中停机时长大于第二预设时长的多个停机时长确定第一停机类别的目标停机时长,对于停机时长不大于第二预设时长的第二停机类别,分析模型用于基于第二停机类别中的所有停机时长确定第二停机类别的目标停机时长。分析模型根据停机时长与第二预设时长之间的大小关系,采用不同的方式确定目标停机时长,从而提高目标停机时长的准确度,更好地与实际停机时长相符。
在一些实施例中,第二预设时长大于等于1分钟,且小于等于60分钟,从而在确定目标停机时长的过程中兼顾目标停机时长的准确度与效率。
在一些实施例中,第二预设时长大于等于5分钟,且小于等于10分钟,进一步在确定目标停机时长的过程中提高目标停机时长的准确度与效率。
在一些实施例中,关系匹配表包括产线名称、工序名称、生产工单、设备资源号和产品型号之间的关系,产能分析系统还包括任务下发模块,任务下发模块用于根据分析模型的产能分析结果、生产工单和停机类别下发产能异常任务,便于后续处理中根据不同的产能分析结果、生产工单和停机类别,任务下发模块下发不同的任务,不同的操作人员对产线的设备进行具体调整,从而优化产线的生产效率。
在一些实施例中,产能分析结果包括停机率,任务下发模块用于响应于停机率大于预设阈值,根据分析模型的产能分析结果、生产工单和停机类别下发停机率异常任务。任务下发模块对停机率大于预设阈值的情况下发停机率异常任务,便于操作人员后续进行处理,降低停机率。
在一些实施例中,关系匹配表包括产线名称、工序名称、生产工单、设备资源号和产品型号之间的关系,产能分析系统还包括任务管理模块,任务管理模块用于根据分析模型的产能分析结果、生产工单和停机类别,获取产线生产的监控信息,监控信息包括产品生产完成的时长和/或停机异常响应时长。通过任务管理模块获取产线生产的监控信息,对产线生产过程进行监控,有利于对产线生产过程进行及时响应,便于及时对产线进行调整。
本申请第二方面的实施例提供一种利用上述任一项的系统进行产能分析的方法,包括:获取产线所包括的多个设备的停机信息;获取多个设备的产出信息,产出信息包括设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识;配置产线名称、工序名称、设备资源号和产品型号之间的关系匹配表;根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析,产能分析结果包括时间稼动率、性能稼动率和质量稼动率中的至少一者。
本申请实施例的技术方案中,根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析,产能分析结果包括时间稼动率、性能稼动率和质量稼动率中的至少一者,从而可以基于产能分析结果进行产能分析,提高生产效率,优化生产过程。
在一些实施例中,停机信息包括设备的停机时长和停机类别,通过设备管理系统获取产线所包括的多个设备的停机时长和停机类别,有利于分析模型基于多个设备的停机时长和停机类别进行细致分析,从而获得更加深入的产能分析结果。
在一些实施例中,根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析的步骤,包括:根据设备停机时长和停机类别确定时间稼动率及其解释信息;根据设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识确定设备的性能稼动率;根据设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识确定设备的质量稼动率。通过时间稼动率及其解释信息,便于对设备停机状况进行相应的改进,通过性能稼动率分析设备的性能状况,便于后续对设备的性能状况进行改善,优化产品的产出时间,通过质量稼动率分析设备生产的产品质量,便于后续调整设备,提高合格产品数量。
在一些实施例中,根据设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识确定设备的性能稼动率,包括:将第一预设时长划分为多个连续的时间段;从多个时间段中获取设备产出产品数量最多并且产出产品均合格的目标时间段;根据目标时间段内设备所产出的产品数量、目标时间段的时长和预设设备节拍确定设备的性能稼动率,其中,预设设备节拍是指设备每产出一件合格产品所需的时长,从而使得设备的性能稼动率更为精准,提高设备的性能稼动率的准确度。
在一些实施例中,产能分析结果还包括设备的第一产能信息,根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析,还包括根据设备的产出信息,获取设备的第一产能信息,第一产能信息包括设备的总产量、合格产品数量和不合格产品数量。通过获取设备的总产量、合格产品数量和不合格产品数量,从而对设备的总产量与产品质量进行管理,便于后续对设备进行优化,提高设备的总产量与合格产品数量。
在一些实施例中,根据所述多个设备的停机信息和产出信息以及所述关系匹配表进行产能分析,还包括:根据关系匹配表和多个设备的产出信息,获取产线所包括的多个工序的第二产能信息,第二产能信息包括工序的总产量、合格产品数量和不合格产品数量;根据关系匹配表、工序的第二产能信息,以及工序所包括的多个设备的时间稼动率、质量稼动率和性能稼动率,确定工序的时间稼动率、质量稼动率和性能稼动率;根据关系匹配表、产线所包括的多个工序的第二产能信息,以及多个工序的时间稼动率、质量稼动率和性能稼动率,构建工序线平衡分析表,从而便于根据产线工序线平衡分析表对产线工序线进行分析,从而便于对产线的工序进行改善、优化,提高工序的生产效率。
在一些实施例中,构建工序线平衡分析表的步骤之后,根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析包括根据产线所包括的多个工序的工序线平衡分析表,确定产线瓶颈工序信息,从而便于对产线瓶颈工序进行调整,改善,从而提高产线的产能。
在一些实施例中,产能分析结果还包括工序、产线、工厂、基地或集团的目标生产信息,目标生产信息包括停机率、产出信息和性能稼动率,根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析包括:根据关系匹配表以及多个设备的停机信息、产出信息和性能稼动率,获取工序、产线、工厂、基地或集团的目标生产信息,并将目标生产信息和预设生产信息进行对比分析,从而能够根据目标生产信息和预设生产信息的对比分析结果,便于后续对设备进行相适应调整,提高设备的生产效率。
在一些实施例中,根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析包括:基于多个设备的停机时长和停机类别确定多个停机类别的目标停机时长。根据目标停机时长与机时长、停机类别进行对比分析,从而对设备进行调整、维修,减少停机时长,提高设备的生产效率。
在一些实施例中,基于多个设备的停机时长和停机类别确定多个停机类别的目标停机时长包括:对于停机时长大于第二预设时长的第一停机类别,并基于第一停机类别中停机时长大于第二预设时长的多个停机时长确定第一停机类别的目标停机时长;对于停机时长不大于第二预设时长的第二停机类别,并基于第二停机类别中的所有停机时长确定第二停机类别的目标停机时长。根据停机时长与第二预设时长之间的大小关系,采用不同的方式确定目标停机时长,从而提高目标停机时长的准确度,更好地与实际停机时长相符。
在一些实施例中,关系匹配表包括产线、工序、生产工单、设备和产品型号之间的关系,方法还包括:根据产能分析结果、生产工单和停机类别下发产能异常任务,便于后续处理中针对不同的产能分析结果、生产工单和停机类别,下发不同的任务,不同的操作人员对产线的设备进行具体调整,从而优化产线的生产效率。
在一些实施例中,关系匹配表包括产线名称、工序名称、生产工单、设备资源号和产品型号之间的关系,方法还包括:根据分析模型的产能分析结果、生产工单和停机类别,获取产线生产的监控信息,监控信息包括产品生产完成的时长和/或停机异常响应时长。通过获取产线生产的监控信息,对产线生产过程进行监控,有利于对产线生产过程进行及时响应,便于及时对产线进行调整。
本申请第三方面的实施例提供一种电子设备,其包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有能够被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如前进行产能分析的方法。
本申请第四方面的实施例提供一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现如前所述进行产能分析的方法。
本申请第五方面的实施例提供计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述任一项进行产能分析的方法。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本申请公开的一些实施方式,而不应将其视为是对本申请范围的限制。
图1为本申请一些实施例的第一种产能分析系统的示意图;
图2为本申请一些实施例的分析模型的示意图;
图3为本申请一些实施例的性能稼动率模块的示意图;
图4为本申请一些实施例的第二产能分析系统的示意图;
图5为本申请一些实施例的第三产能分析系统的示意图;
图6为本申请一些实施例的另一种分析模型的示意图;
图7为本申请一些实施例的第四产能分析系统的示意图;
图8为本申请一些实施例的第一种产能分析的方法的流程图;
图9为本申请一些实施例的第二种产能分析的方法的流程图;
图10为本申请一些实施例的第三种产能分析的方法的流程图;
图11为本申请一些实施例的第四种产能分析的方法的流程图;
图12为本申请一些实施例的第五种产能分析的方法的流程图;
图13为本申请一些实施例的第六种产能分析的方法的流程图;
图14为本申请一些实施例的第七种产能分析的方法的流程图;
图15为本申请一些实施例的第八种产能分析的方法的流程图;
图16为本申请一些实施例的第九种产能分析的方法的流程图;
图17为本申请一些实施例的第十种产能分析的方法的流程图;
图18为本申请一些实施例的第十一种产能分析的方法的流程图;
附图标记说明:
1000、产能分析系统;
100、设备管理系统;200、生产执行系统;300、企业资源计划系统;
400、分析模型;41、时间稼动率模块;42、性能稼动率模块;421、划分单元;422、获取单元;423、确定单元;43、质量稼动率模块;44、产线产能分析模块;45、数据分析模块;46、设备产能获取模块;47、工序产能获取模块;48、工序综合效率获取模块;49、数据分析表构建模块;
500、任务下发模块;600、任务管理模块。
具体实施方式
下面将结合附图对本申请技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本申请的技术方案,因此只作为示例,而不能以此来限制本申请的保护范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。
在本申请实施例的描述中,技术术语“第一”“第二”等仅用于区别不同对象,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量、特定顺序或主次关系。在本申请实施例的描述中,“多个”的含义是两个以上,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
在本申请实施例的描述中,术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在本申请实施例的描述中,术语“多个”指的是两个以上(包括两个),同理,“多组”指的是两组以上(包括两组),“多片”指的是两片以上(包括两片)。
在本申请实施例的描述中,技术术语“中心”“纵向”“横向”“长度”“宽度”“厚度”“上”“下”“前”“后”“左”“右”“竖直”“水平”“顶”“底”“内”“外”“顺时针”“逆时针”“轴向”“径向”“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请实施例和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请实施例的限制。
在本申请实施例的描述中,除非另有明确的规定和限定,技术术语“安装”“相连”“连接”“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;也可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请实施例中的具体含义。
随着制造企业生产信息化和管理精细化过程的推进,获得生产过程相关的生产信息,并基于此对现有生产决策提出改进措施,以达到增加产量、降低成本的目的,是企业现在迫切需要解决的问题。设备综合效率OEE(Overall Equipment Effectiveness)是生产设备的重要的生产信息,常用来表征实际的生产能力相对于理论产能的比率,通过分析OEE的相关指标,可以找到生产过程中现存的问题,为改善生产过程提供信息支撑。
由于OEE对企业生产的重要性,针对传统人工统计存在的明显缺陷,已有相关研究提出改进措施。对于OEE中时间稼动率、性能稼动率和合格率来说,要获得其结果,在已有生产信息的基础上,还需要先得到设备实际工作时间,实际生产周期和合格率。由于设备的动作运行往往按设定程序进行,并且一个加工周期内的短时间待机状态应该属于正常加工时间,故上述方式的准确性还有待改善。同时,目前也缺少关于合格率的获取方式,通常需要人工统计,或者从生产部门获得后输入。
现有的设备管理系统仅对OEE的原始数据进行初步统计,无法进行对数据作进一步地分析,不利于提高生产效率。例如,生产异常的数据需要人工上报,并需要人工填写异常信息。现有的设备管理系统仅对OEE的原始数据进行初步统计,无数据下钻和原因分析功能,设备数据收集不准确,降低操作员维修效率。
本申请实施例公开的产能分析系统和产能分析的方法可以但不限用于生产电池单体、用电装置、灯具、玩具、家用电器、穿戴设备等。可以使用具备本申请公开的产能分析系统对电池单体的产能进行分析,调整,优化电池生产的产线工艺等,这样,有利于提高电池生产的效率,提高电池生产设备的生产效率,提高产能。
本申请实施例提供一种产能分析系统和产能分析的方法,产能分析系统的分析对象可以为但不限于手机、平板、笔记本电脑、电动玩具、电动工具、电瓶车、电动汽车、轮船、航天器等等。其中,电动玩具可以包括固定式或移动式的电动玩具,例如,游戏机、电动汽车玩具、电动轮船玩具和电动飞机玩具等等。
以下实施例为了方便说明,以本申请一实施例的产能分析系统用于锂电池生产制造为例进行说明。
请参照图1,图1为本申请一些实施例提供的第一种产能分析系统的示意图。产能分析系统1000包括设备管理系统100、生产执行系统200、企业资源计划系统300和分析模型400。通过本申请实施例的设备管理系统100获取产线所包括的多个设备的停机信息,设备管理系统100负责设备停机时间、报警信息和停机类别的自动采集。生产执行系统200用于获取多个设备的产出信息,产出信息包括设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识。生产执行系统200的英文是MES系统(Manufacturing ExecutionSystem),生产执行系统200包括对生产过程的监控,MES系统的生产过程监视侧重于生产流程和工艺过程之间物料输送、质量指标的监控。它以生产过程的实时数据为基础,利用MES系统的组态技术,实现对生产车间、动力能源车间、辅料库、成品库等生产区域的生产进度、工艺质量、物料消耗情况进行实时监控。生产过程监控系统发现异常时可以按照预先设置做出报警。帮助企业的生产指挥调度部门进行生产协调、合理调度,提高生产的快速反应能力。
MES系统在生产过程监控的基础上,生产管理就是在生产计划的指导下,根据各行业生产工艺特点组织协调生产,跟踪生产过程数据,考核各项生产指标。并通过数据分析,优化生产过程。实现计划的编制、跟踪,生产数据的分析以及考核管理等。管理者能够实时掌握全厂的投入和产出,优化决策生产,借此最大可能缩短生产时间,减少失误,降低手工和重复录入数据的相关成本。主要功能包括生产计划管理、生产组织、车间考核和人员管理、生产数据分析等子系统。
企业资源计划系统300用于配置产线名称、工序名称、设备资源号和产品型号之间的关系匹配表。企业资源计划系统也叫做ERP系统(Enterprise Resource Planning),ERP系统包括生产资源计划、制造、财务、销售、采购等功能外,还有质量管理,实验室管理,业务流程管理,产品数据管理,存货、分销与运输管理,人力资源管理和定期报告系统。在我国ERP所代表的含义已经被扩大,用于企业的各类软件,已经统统被纳入ERP的范畴。从供应链范围去优化企业的资源,是基于网络经济时代的新一代信息系统,其主要用于改善企业业务流程以提高企业核心竞争力。
应该注意的是,现有的产能系统包括设备管理系统100、生产执行系统200、企业资源计划系统300中至少一个,其作用仅能够对OEE的原始数据进行初步统计,无法对数据深入分析。
本申请实施例提供了一种产能分析系统1000,如图1所示,产能分析系统1000包括设备管理系统100、生产执行系统200、企业资源计划系统300和分析模型400,其中,设备管理系统100用于获取产线所包括的多个设备的停机信息,生产执行系统200用于获取多个设备的产出信息,产出信息包括设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识,企业资源计划系统300用于配置产线名称、工序名称、设备资源号和产品型号之间的关系匹配表,分析模型400与设备管理系统100、生产执行系统200和企业资源计划系统300连接,分析模型用于根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析,产能分析结果包括时间稼动率、性能稼动率和质量稼动率中的至少一者。
产线所包括的多个设备,多个设备共同形成产线,例如,产线包括多个不同生产、加工的设备,多个设备设置在同一产线上,通过每个设备对工件的加工,制造后,在产线的末端形成加工后的成品,或者在产线的末端形成用于其他工艺中再次加工,处理的半成品。应该注意的是,产线所包括的多个设备,不经表征不同工艺、加工的设备种类不同,其还表征在同一工艺上采用多个相同或相近的设备进行工艺处理,提高加工效率。而产线上的设备由于长期使用导致停机,或偶然因素下停机,或需要维护保养下停机等情况,通过设备管理系统100获取产线所包括的多个设备的停机信息。
生产执行系统200用于获取多个设备的产出信息,产出信息包括设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识。例如,产线上的多个设备共同完成一个工件或产品的产出,每个设备完成一道工序,对于每台设备而言,在其完成该工序的情况下,存在生产合格品与不合格品,同时,在不同的时间段内,设备的运行时间长短情况存在不同。通过生产执行系统200获取产线上多个设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识,通过标识判定设备产出产品是否为合格品,设备所产出的多个产品的时间则表征在某一阶段该设备运行正常。
企业资源计划系统300用于配置产线名称、工序名称、设备资源号和产品型号之间的关系匹配表。由于在制造车间,加工工厂、加工基地内存在多个不同的产线,或者为了提高生产速度设置多条相同的产线。原材料经过多个不同的产线进行加工后,最后制造形成产品,企业资源计划系统300对产线名称、工序名称、设备资源号和产品型号之间配置关系匹配表。例如,企业资源计划系统300通过编号的形式记录不同产线的名称,工序名称,设备资源号(包括设备的种类,型号等)进行记录配置。
应该注意的是,由于产品的更新迭代,或产线生产不同的产品,企业资源计划系统300对产品型号进行记录,配置。
为了优化产线、制造车间、加工工厂、加工基地的产出,需要对产能数据进行分析,以便更好地进行优化,例如,更换设备,对设备进行保养维修。现有的产能系统通常仅关注OEE(设备综合效率),并不会对设备之间关系,优化配置,进行深入分析研究。而在本申请实施例的产能分析系统中,分析模型400与设备管理系统100、生产执行系统200和企业资源计划系统300连接,分析模型400用于根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析,产能分析结果包括时间稼动率、性能稼动率和质量稼动率中的至少一者。通过时间稼动率、性能稼动率和质量稼动率更好地表征设备的运行情况,以及所生产产品的质量。
由于设备存在停机与运行的两种不同状态,设备在停机过程中的效能为0,设备并不能进行产出。设备的停机包括来料的品质不合格、缺辅料、产线堵料类、待人工操作处理等。设备综合效率:OEE=时间稼动率AE*性能稼动率PE*质量稼动率QE;时间稼动率:AE=正常生产时间/计划生产时间,其中,OEE为设备综合效率,AE为时间稼动率。
在设备运行情况下,设备的性能有所不同,例如,设备以较快的速率进行工作,设备以常规的速率进行运行,其二者中的设备虽均在运行,但其产出不同。而在产线上,通常以节拍表征设备的性能,生产节拍由客户需求所决定,即是客户要求产线每天生产多少产品。为了更好地理解节拍,下面以一个实际例子进行说明。
如果每天有8小时的实际生产时间(即28800秒),客户要求是每天1000件产品,那么,生产的节拍就是28.8秒。如果生产线每一个工序刚好都需要28.8秒,而整个产线的工序时间都是平衡的,就是每28.8秒都会生产出一件产品。性能稼动率:PE=设备设计节拍/设备实际节拍。
质量稼动率表征设备生产的产品质量情况,其表征不合格品数量、合格品数量与总产量之间的关系,质量稼动率QE=合格品数量/总产量。
由于分析模型400与设备管理系统100、生产执行系统200和企业资源计划系统300连接,分析模型400能够根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析,产能分析结果包括时间稼动率、性能稼动率和质量稼动率中的至少一者,从而可以基于时间稼动率、性能稼动率和质量稼动率,提高生产效率,优化生产过程。通过分析模型400实现所有数据的自动采集,节约了人员统计和收集数据的时间,并通过分析模型400的搭建和对大数据分析处理,呈现设备综合效率精益分析的结果驱动现场改善和提升产能。
应该注意的是,现有的产能系统往往仅以OEE为参考量进行分析,其难以对设备停机信息,设备产出的产品数量与质量进行管控,更加难以针对不同的时间稼动率、性能稼动率和质量稼动率进行具体的优化设备操作。而在本申请实施例的产能分析系统中,根据分析模型400的产能分析结果,从而能够获取设备的运行情况,产出情况,运行状态的具体信息,根据具体信息反馈出具体的产能问题,从而便于针对性地进行优化,从而可以基于时间稼动率、性能稼动率和质量稼动率,提高生产效率,优化生产过程。
根据本申请的一些实施例,停机信息包括设备的停机时长和停机类别。
通过设备管理系统100获取设备的停机时长和停机类别,例如,设备管理系统100获取设备的停机时间、报警信息和停机类别的自动采集,结合设备的状态信号和各传感器或执行机构的报警信息,将设备状态和报警信息传递给设备管理系统100,从而实现所有设备停机信息、停机起始和结束时间的自动采集。
分析模型400根据设备的停机时长和停机类别进行具体分析,得出更为精准的产能分析结果,从而对于不同停机类别、停机时长下进行不同的优化设备操作。设备故障类包括:设备本身机械、电气相关异常故障导致停机等,例如,感应器异常、气缸异常、机器人报警、伺服报警、吸真空异常、状态记忆异常、防呆防撞异常等所导致的设备停机,分析模型400的产能分析结果从时间稼动率或性能稼动率体现出来,从而便于对故障的设备进行检修。
通过设备管理系统100获取产线所包括的多个设备的停机时长和停机类别,有利于分析模型400基于多个设备的停机时长和停机类别进行细致分析,从而获得更加深入的产能分析结果。
根据本申请的一些实施例,停机类别包括以下各项中的至少一者:设备故障停机、物料异常停机、缺辅料停机、计划和固定停机、待料停机、堵料停机、厂房设施停机、网络停机、待人工操作处理停机和其它停机。
设备管理系统100按照报警信息对设备的停机类别进行划分为:设备故障停机、物料异常停机、缺辅料停机类、计划和固定停机、待料停机、堵料停机、厂房设施停机、网络停机、待人工操作处理停机和其他停机。设备故障类表征设备本身机械、电气相关异常故障导致停机等,例如:感应器异常、气缸异常、机器人报警、伺服报警、吸真空异常、状态记忆异常、防呆防撞异常等所导致设备停机。物料异常停机表征进入产线或加工工序的物料存在异常,以电池制造过程为例进行说明。例如,电芯的极片破损、波浪边、黄标检测异常均表明物料异常,此时造成设备停机,归属为物料异常停机。
缺辅料停机由于生产制造过程中,需要主原料的同时还需要其他辅助的材料,而当辅助类材料缺少时导致设备停机,例如,电池加工过程中贴胶胶带、转接片、Mylar、铝壳等辅料备用全部用完报警停机等。
计划和固定停机包括产线操作人员进行交接班时需要例行清洁及点检,或者,操作人员在连班时,操作人员响应不及时损失的时间。计划和固定停机还包括:做实验料/验证影响的停机。
待料停机的类型包括上料机构在取料位准备取料,物流线无可取料信号,设备处于待机状态。
堵料停机类型包括出料机构送料至出料位,物流线无可下料信号,设备停止生产等停机情况。
厂房设施停机包括设备主气源、主真空源、动力电源、供应冷却水、温湿度异常等厂房影响导致设备停机报警。
网络停机包括设备控制系统信息交互异常,上位机与MES系统交互异常等通讯相关报警类,例如:MES系统无网络连接,MES系统的网络异常等。
待人工操作处理停机包括首件或定期抽检未执行导致设备超时报警停机、设备正常运行中员工按停止按钮导致设备停止导致设备停机、急停按钮触发导致设备停机。
其它停机包括各产线、基地有特殊工艺要求监控项,例如,焊接类设备的补焊,涂布的断带等导致设备停机。
根据不同停机类别,分析模型400进行具体地进行分析,以获得不同停机类别下的分析结果,便于后续根据不同的停机类别对生产过程、生产设备进行相应的改进或完善。例如,分析模型400的产能分析表明设备停机类型为待料停机,此时产能分析系统1000通知及时补充物料。
图2为本申请一些实施例的分析模型的示意图,根据本申请的一些实施例,时间稼动率包括设备的时间稼动率,如图2所示,分析模型400包括时间稼动率模块41,时间稼动率模块41用于根据设备的停机时长和停机类别确定时间稼动率AE及其解释信息。
应该注意的是,时间稼动率AE =正常生产时间/计划生产时间,时间稼动率AE表征设备的停机与运行的情况,例如,不同的时间稼动率AE对应着不同情况下设备的停机时长、停机原因,通过时间稼动率AE能够反映出设备的停机时长、停机原因,便于操作人员根据时间稼动率AE的解释信息及时进行相关处理。
设备在运行过程中存在不同情况下的停机,例如,设备发生故障导致停机,或者,由于物料的质量不合格导致对该物料进行加工的设备停机。由于设备存在停机与运行的两种不同状态,设备在停机过程中的效能为0,时间稼动率AE=正常生产时间/计划生产时间,其中,AE为时间稼动率。例如,时间稼动率模块41确定的时间稼动率及其解释信息表征该情况下的设备处于缺辅料停机,则便于操作人员根据该时间稼动率及其解释信息及时添加辅料。
通过时间稼动率模块41确定时间稼动率及其解释信息,从而便于后续根据不同停机时长和停机类别对设备进行相应的改进、维修或更换。
根据本申请的一些实施例,性能稼动率包括设备的性能稼动率,分析模型400包括性能稼动率模块42,性能稼动率模块42用于根据设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识确定设备的性能稼动率。
设备在不同的时间段内的运行状态存在不同,例如,注重产品的质量的情况下,设备往往运行在较低的速度效率下,而在侧重最大产出产品数量的情况下,设备运行在最大速度效率下。通常设备在一般的情况下进行运行,以兼顾产品的质量与数量。应该注意的是,在设备运行情况下,设备的性能有所不同,设备的性能表征设备的产出速率情况,单位时间内产出产品的数量。例如,设备以较快的速率进行工作或者设备以常规的速率进行运行,其二者中的设备虽均在运行,但其产出不同。在产线上,通常以节拍表征设备的性能,生产节拍由客户需求所决定,即客户要求产线每天生产多少产品。
例如,将一天(共1440min)按照时间段切割成144个10min→取一天中在MES系统设备最高产出的10min产出,且该10min内的所有产出产品均合格→利用以下关系式计算:最高产出的10min产出/10min→计算得出设备节拍→降噪处理后获取该天设备实际节拍值。性能稼动率PE=设备设计节拍/设备实际节拍。
通过性能稼动率模块确定设备的性能稼动率,从而可以分析设备的性能状况,便于后续对设备的性能状况进行改善,从而优化产品的产出时间。
图3为根据本申请的一些实施例的性能稼动率模块的示意图,如图3所示,根据本申请的一些实施例,性能稼动率模块42包括划分单元421、获取单元422和确定单元423,其中,划分单元421用于将第一预设时长划分为多个时间段,获取单元422用于从多个时间段中获取设备产出产品数量最多并且产出产品均合格的目标时间段,确定单元423用于根据目标时间段内设备所产出的产品数量、目标时间段的时长和预设设备节拍确定设备的性能稼动率,预设设备节拍是指设备每产出一件合格产品所需的时长。
划分单元421将第一预设时长划分为多个时间段,例如,第一预设时长为1天,时间段的长度为5min,将1天时间划分为288段。统计从每个时间段中设备产出产品数量与产品质量是否合格,获取单元422从每一段的数据中多个时间段中获取设备产出产品数量最多并且产出产品均合格的目标时间段,确定单元423根据目标时间段内设备所产出的产品数量、目标时间段的时长计算设备的预设设备节拍,并根据预设设备节拍和设备实际节拍计算设备的性能稼动率,性能稼动率PE=设备设计节拍/设备实际节拍。
应该注意的是,第一预设时长可以为1天,也可以为其他的数值,例如,第一预设时长为1周。时间段的数量也可以根据实际情况进行合适的选择,例如,时间段的长度为10min或15min。
由于划分单元421将第一预设时长划分为多个时间段,获取单元422从多个时间段中获取设备产出产品数量最多并且产出产品均合格的目标时间段,使得设备的性能稼动率更为精准,提高设备的性能稼动率的准确度。
根据本申请的一些实施例,时间段的时长大于等于1分钟,且小于等于10分钟。
时间段的时长过大或过小均不利于性能稼动率模块42的运行,当时间段的长度过大时,从每个时间段中设备产出产品数量与产品质量是否合格的数据准确度有所减少,例如,时间段的长度为3h,此时每个时间段中设备产出产品数量与产品质量是否合格的数据容易受到设备停机的影响,导致数据的准确度有所减少,进而降低性能稼动率的准确度。
但时间段的长度过大时,从每个时间段中设备产出产品数量与产品质量是否合格的数据准确度提高,例如,时间段的长度为30s,此时每个时间段中设备产出产品数量与产品质量是否合格的数据较大,影响计算速度,降低性能稼动率的计算效率,降低产能分析系统1000的分析效率。
当划分单元421将第一预设时长划分为多个时间段,每个时间段的时长大于等于1分钟,且小于等于10分钟的情况下,能够兼顾每个时间段中数据量大小和性能稼动率的准确度,每个时间段中数据包括设备产出产品总数量、合格品数量和不合格品数量。
时间段的时长大于等于1分钟,且小于等于10分钟,兼顾时间段的数量与设备的性能稼动率的准确程度,从而能够提高性能稼动率的分析效率,节约时间。
如图2所示,根据本申请的一些实施例,质量稼动率包括设备的质量稼动率,分析模型400包括质量稼动率模块43,质量稼动率模块43用于根据设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识确定设备的质量稼动率,质量稼动率为设备所产出的合格产品的数量和设备所产出的所有产品的总数量之间的比值。
质量稼动率包括设备的质量稼动率,质量稼动率模块43根据设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识确定设备的质量稼动率,质量稼动率QE=合格品数量/总产量。质量稼动率表征设备生产的产品质量情况,其表示不合格品数量、合格品数量与总产量之间的关系。
例如,根据MES系统获取设备资源号、产品工单信息、产品型号、产品信息(合格品与不合格品数量),质量稼动率模块43获取在个设备资源号下的总产量,和在该设备资源号下不合格品的产出数量,质量稼动率模块43计算设备的质量稼动率QE。
应该注意的是,产线具有多个设备,对于产线上多个设备的质量稼动率可以通过同一质量稼动率模块43进行计算设备的质量稼动率QE,例如,质量稼动率模块43根据不同设备的资源号进行统计设备所生产的产品总数量、合格品数量和不合格品数量,基于设备所生产的产品总数量和合格品数量计算该设备的质量稼动率。
通过质量稼动率模块43确定设备的质量稼动率,从而便于根据设备的质量稼动率情况对设备进行调整,提高设备产出合格品的数量与合格品的占比。
图4为本申请一些实施例的第二种产能分析系统的示意图,其中,显示设备产能获取模块46。如图5所示,根据本申请的一些实施例,产能分析结果还包括设备的第一产能信息,第一产能信息包括设备的总产量、合格产品数量和不合格产品数量,分析模型400包括设备产能获取模块46,设备产能获取模块46用于根据设备的产出信息,获取设备的第一产能信息。
产线包括多个工序,每个工序包括多个设备,设备产能获取模块46根据设备的产出信息,获取设备的第一产能信息,第一产能信息包括设备的总产量、合格产品数量和不合格产品数量,通过设备产能获取模块46能够直观地获取设备的生产产品的数量、产品的质量情况。
应该理解的是,在某些工序中可以采用一套设备,在另外的工序中可以通过多套设备进行同一工序,以提高该工序的生产效率。尤其在产品包括1个主部件、和多个相同的其他部件进行组装时,对数量较大的部件采用多套设备执行同一工序的操作,从而提高该工序的生产效率。
通过设备产能获取模块46获取设备的总产量、合格产品数量和不合格产品数量,从而对设备的总产量与产品质量进行管理,便于后续对设备进行优化,提高设备的总产量与合格产品数量。
图5为本申请一些实施例的第三产能分析系统的示意图,其中,显示工序产能获取模块47、工序综合效率获取模块48和数据分析表构建模块49。根据本申请的一些实施例,时间稼动率包括工序的时间稼动率,性能稼动率包括工序的性能稼动率,质量稼动率包括工序的质量稼动率,产能分析结果还包括工序的第二产能信息,分析模型400还包括工序产能获取模块47、工序综合效率获取模块48和数据分析表构建模块49,其中,工序产能获取模块47用于根据关系匹配表和多个设备的产出信息,获取产线所包括的多个工序的第二产能信息,第二产能信息包括工序的总产量、合格产品数量和不合格产品数量,工序综合效率获取模块48用于根据关系匹配表、工序的第二产能信息,以及工序所包括的多个设备的时间稼动率、质量稼动率和性能稼动率,确定工序的时间稼动率、质量稼动率和性能稼动率,数据分析表构建模块49用于根据关系匹配表、产线所包括的多个工序的第二产能信息,以及多个工序的时间稼动率、质量稼动率和性能稼动率,构建产线工序线平衡分析表。
工序产能获取模块47根据关系匹配表和多个设备的产出信息,获取产线所包括的多个工序的第二产能信息,通过工序产能获取模块47能够获取产线所包括的多个工序的第二产能信息,应该注意的是,工序产能获取模块47能够将多个工序的第二产能信息进行统计,例如,工序产能获取模块47获取同一工序中多个设备的产出信息(总产量、合格产品数量和不合格产品数量),并与关系匹配表中设备资源号进行对应,从而得到该工序下总产量、合格产品数量和不合格产品数量,从而得到该工序下的多个设备的产出信息,依次类似的获取其他工序的第二产能信息,将产线工序的第二产能信息全部统计。
工序综合效率获取模块48根据关系匹配表、工序的第二产能信息,以及工序所包括的多个设备的时间稼动率、质量稼动率和性能稼动率,确定工序的时间稼动率、质量稼动率和性能稼动率。例如,根据多个设备的时间稼动率、质量稼动率和性能稼动率,ERP系统中关系匹配表,以及根据工序产能获取模块47的工序的第二产能信息进行计算,得到工序的时间稼动率、质量稼动率和性能稼动率,基于工序的时间稼动率、质量稼动率和性能稼动率对设备进行故障诊断,维修包养或迭代更新,从而提高工序的产能。
数据分析表构建模块49根据关系匹配表、产线所包括的多个工序的第二产能信息,以及多个工序的时间稼动率、质量稼动率和性能稼动率,构建产线工序线平衡分析表,产线工序线平衡分析表中体现多个工序的时间稼动率、质量稼动率和性能稼动率,多个工序的第二产能信息,通过产线工序线平衡分析表反映出产线工序的一致性,适配性情况,从而便于对产线工序进行调整。例如,产线包括多个工序,在产线工序线平衡表中多个工序的时间稼动率、质量稼动率和性能稼动率并不一致,使得产线效率低的工序直接限制了产线的产出,通过产线工序线平衡分析表,对产线效率低的工序进行优化,从而提高产线产能。
通过产线工序线平衡分析表对产线工序线进行分析,从而便于对产线的工序进行改善,优化,提高工序的生产效率。应该理解的是,产线包括多个工序,工序包括多个设备,产能分析结构中的时间稼动率不仅计算工序的时间稼动率,还对于某一设备计算设备的时间稼动率,同理,对于性能稼动率和质量稼动率也均包括工序的质量稼动率,以及设备的质量稼动率。对单一设备计算时间稼动率、性能稼动率和质量稼动率进行计算,从而能够对该设备进行维修,改善。而对工序的时间稼动率、性能稼动率和质量稼动率计算后,根据工序的时间稼动率、性能稼动率和质量稼动率能够对工序进行优化,改进,例如,将执行该工序的全部设备进行替换成更为先进的设备,与技术创新同步。
图6为本申请一些实施例的另一种分析模型的示意图,其中,显示产线产能分析模块44和数据分析模块45。如图6所示,根据本申请的一些实施例,产能分析结果还包括产线瓶颈工序信息,分析模型400包括产线产能分析模块44,产线产能分析模块44用于根据产线所包括的多个工序的产线工序线平衡分析表,确定产线瓶颈工序信息。
数据分析表构建模块49根据关系匹配表、产线所包括的多个工序的第二产能信息,以及多个工序的时间稼动率、质量稼动率和性能稼动率,构建产线工序线平衡分析表,产线产能分析模块44根据产线所包括的多个工序的产线工序线平衡分析表,确定产线瓶颈工序信息,通过产线产能分析模块44对产线所包括的多个工序的产线工序线平衡分析表进行分析,找到工序中的瓶颈工序,并记录该产线瓶颈工序信息。瓶颈产线瓶颈工序表征在某一产线存在有多个工序,每个工序的产出信息,工序的时间稼动率、性能稼动率和质量稼动率往往难以达到理想地同一效率,因此,数据分析表构建模块49构建产线工序线平衡分析表后,产线产能分析模块44用于根据产线工序线平衡分析表确定产线瓶颈工序信息,从而便于后续对该瓶颈工序进行改善。
通过产线产能分析模块44确定产线瓶颈工序信息,便于对产线瓶颈工序进行调整,改善,从而提高产线的产能。应该注意的是,在车间、工厂或生产基地中,往往包含了多条产线,多条产线可以为相同,也可以为不同(上游和下游),多条产线的产线工序线平衡分析表可以在同一产线产能分析模块44进行分析,避免每个产线均设置一产线产能分析模块的情况,节约资源。
如图6所示,根据本申请的一些实施例,产能分析结果还包括工序、产线、工厂、基地或集团的目标生产信息,目标生产信息包括停机率、产出信息和性能稼动率,分析模型400包括数据分析模块45:数据分析模块45用于根据关系匹配表以及多个设备的停机信息、产出信息和性能稼动率,获取工序、产线、工厂、基地或集团的目标生产信息,并将目标生产信息和预设生产信息进行对比分析。
在实际生产过程中,工序、产线、工厂、基地或集团的生产计划往往根据客户订单进行,在与客户约定的期限内生产出客户需求数量的产品,因此,在产线上将客户的需求转换成预设生产信息。应该注意的是,客户订单信息往往从公司或集团—基地—工厂—产线—工序逐级量化地分配,以至在工序上将客户订单细化为实际的预设产出数据。
分析模型400的数据分析模块45根据关系匹配表以及多个设备的停机信息、产出信息和性能稼动率,获取工序、产线、工厂、基地或集团的目标生产信息,并将目标生产信息和预设生产信息进行对比分析。通过数据分析模块45将目标生产信息和预设生产信息进行对比分析,从而有目的将低于预设生产信息的工序进行升级,优化,从而在约定的期限内交付客户预期数量的产品。
通过数据分析模块45将目标生产信息和预设生产信息进行对比分析,根据目标生产信息优化工序、产线、工厂、基地或集团的生产,从而提高工序、产线、工厂、基地或集团的产能。
根据本申请的一些实施例,分析模型400用于基于多个设备的停机时长和停机类别确定多个停机类别的目标停机时长。
由于设备在不同的情况下存在不同的停机,不同情况下停机时长往往不同,例如,产线在生产过程中往往需要进行交接班,而在交接班时设备需要暂停运行,设备故障类停机,缺辅料停机,待料停机和堵料停机等等,缺辅料停机由于生产制造过程中,需要主原料的同时还需要其他辅助的材料,而当辅助类材料缺少时导致设备停机,例如,电池加工过程中贴胶胶带、转接片、Mylar、铝壳等辅料备用全部用完报警停机等。
在生产过程中,针对设备在不同的情况下设定目标停机时长,当设备的目标停机时长超过设定目标停机时长,表征需要安排相应的人员对该设备进行处理停机,而本申请实施例的分析模型400基于多个设备的停机时长和停机类别确定多个停机类别的目标停机时长。
分析模型400基于多个设备的停机时长和停机类别确定多个停机类别的目标停机时长,便于后续根据目标停机时长与机时长、停机类别进行对比分析,从而对设备进行调整、维修,减少停机时长,提高设备的生产效率。
根据本申请的一些实施例,产能分析结果还包括停机率,分析模型400还用于基于多个停机类别的目标停机时长和预设生产时长,确定多个停机类别的停机率。
停机率用来评价设备因固定损耗停机、故障停机、非计划停机等停机类别所带来的时间稼动率的损失,分析模型400的所有数据均基于TOM系统采集的正常生产时间和停机时间作为依据。固定损耗停机用来评价设备因清洁/点检/5S/首件/过程监控/交接班/连班/停机换料等每班相对固定的停机类别所带来的时间稼动率的损失。例如,对于设备/工序/拉线/工厂/基地/MU/集团:停机率=(固定损耗>5min故障率)+(≤5min故障率)+(>5min非计划停机率)+(≤5min非计划停机率)。拉线停机率:采用隧道炉至一次氦检段的停机率来表征整线停机率。
固定损耗用来评价设备因清洁/点检/5S/首件/过程监控/交接班/连班/停机换料等每班相对固定的停机类别所带来的时间稼动率的损失;所有数据均基于TOM系统采集的正常生产时间和停机时间作为依据。对于设备而言,固定损耗= ∑(清洁/点检/5S/首件/过程监控/交接班/连班/停机换料等停机时长) / 计划生产时间。计划生产时间需要根据TOM系统自动计算,剔除计划停机,包含维护保养、切拉换型、无生产计划、其他计划停机。对于工序而言,该工序段所有设备固定损耗以计划生产时间加权平均(假设一个工序两台设备,该工序的损耗=(设备1的停机时间+设备2的停机时间)/(设备1的计划生产时间+设备2的计划生产时间)。对于拉线而言,采用隧道炉至一次氦检段的固定损耗来表征整线固定损耗,将隧道炉至一次氦检段按照5min去重的方式计算。拉线固定损耗=∑(每五分钟最大的工序固定损耗的时长) /计划生产时间。以上公式分子中各“工序每5min的时长”采用工序内所有设备固定损耗时长按照计划生产时间加权平均进行计算,即假设一个工序两台设备,该工序的停机时长=(设备1的停机时间*设备1计划生产时间+设备2停机时长*设备2计划生产时间)/(设备1的计划生产时间+设备2的计划生产时间)。其中, “计划生产时间”采用入壳工序最大单机计划生产时间(以入壳工序为准,剔除计划停机)。应该注意的是,工厂:工厂内所有拉线的停机率按生产天数进行加权平均。基地:基地内所有拉线的停机率按生产天数进行加权平均。MU:MU内所有拉线的停机率按生产天数进行加权平均。集团:集团内所有拉线的停机率按生产天数进行加权平均(展示时,看各基地、工厂、拉线与集团均值的波动情况)。拉线生产天数=∑入壳工序所有设备计划生产时间/(1440*入壳工序设备数量)。
对于>5min故障率的类型,用来评价设备因>5min设备故障等停机类别所带来的时间稼动率的损失;所有数据均基于TOM系统采集的正常生产时间和停机时间作为依据。对于设备而言,>5min故障率= ∑>5min故障时长 / 计划生产时间,其中,计划生产时间需要根据TOM系统自动计算,剔除计划停机,包含维护保养、切拉换型、无生产计划、其他计划停机。对于工序而言,该工序段所有设备>5min故障率按计划生产时间加权平均(假设一个工序两台设备,该工序的损耗=(设备1的停机时间+设备2的停机时间)/(设备1的计划生产时间+设备2的计划生产时间)。对于拉线:采用隧道炉至一次氦检段的>5min故障率来表征整线>5min故障率,将隧道炉至一次氦检段按照5min去重的方式计算。拉线>5min故障率=∑(每五分钟最大的工序故障时长) /计划生产时间。以上公式分子中各“工序每5min的时长”采用工序内所有设备>5min设备故障时长按照计划生产时间加权平均进行计算。
对于≤5min故障率的类型,用来评价设备因≤5min设备故障等停机类别所带来的时间稼动率的损失;所有数据均基于TOM系统采集的正常生产时间和停机时间作为依据。对于设备而言,≤5min故障率= ∑≤5min故障时长 / 计划生产时间,计划生产时间需要根据TOM系统自动计算,剔除计划停机,包含维护保养、切拉换型、无生产计划、其他计划停机。对于工序而言,该工序段所有设备≤5min故障率按计划生产时间加权平均(假设一个工序两台设备,该工序的损耗=(设备1的停机时间+设备2的停机时间)/(设备1的计划生产时间+设备2的计划生产时间)。对于拉线:采用隧道炉至一次氦检段≤5min故障率来表征整线≤5min故障率,将隧道炉至一次氦检段按照均值的方式计算,拉线≤5min故障率=∑隧道炉至一次氦检所有设备≤5min故障时长 /∑隧道炉至一次氦检所有设备的计划生产时间。
对于>5min非计划停机率的类型,用来评价设备因>5min设备非计划停机(含:>5min网络异常/厂房设施异常/待操作员处理/来料品质异常/其它非计划停机)等停机类别所带来的时间稼动率的损失;所有数据均基于TOM系统采集的正常生产时间和停机时间作为依据。对于设备而言,>5min非计划率= ∑>5min非计划停机时长 / 计划生产时间,计划生产时间需要根据TOM系统自动计算,剔除计划停机,包含维护保养、切拉换型、无生产计划、其他计划停机。对于工序:该工序段所有设备>5min非计划率以计划生产时间加权平均(假设一个工序两台设备,该工序的损耗=(设备1的停机时间+设备2的停机时间)/(设备1的计划生产时间+设备2的计划生产时间)。对于拉线:采用隧道炉至一次氦检段的>5min非计划停机率来表征整线>5min非计划停机率,将隧道炉至一次氦检段按照5min去重的方式计算,拉线>5min非计划停机率=∑(每五分钟最大的>5min非计划停机时长) /计划生产时间。
对于≤5min非计划停机率的类型:用来评价设备因≤5min设备非计划停机(含:>5min网络异常/厂房设施异常/待操作员处理/来料品质异常/其它非计划停机)等停机类别所带来的时间稼动率的损失;所有数据均基于TOM系统采集的正常生产时间和停机时间作为Base。对于设备:≤5min非计划停机率= ∑≤5min非计划停机时长 / 计划生产时间,计划生产时间需要根据TOM系统自动计算,剔除计划停机,包含维护保养、切拉换型、无生产计划、其他计划停机。对于工序:该工序段所有设备≤5min非计划停机率均值(假设一个工序两台设备,该工序的损耗=(设备1的停机时间+设备2的停机时间)/(设备1的计划生产时间+设备2的计划生产时间)。对于拉线:采用隧道炉至一次氦检段的≤5min非计划停机率来表征整线≤5min非计划停机率,将隧道炉至一次氦检段按照均值的方式计算。拉线≤5min非计划停机率=∑隧道炉至一次氦检所有设备≤5min非计划停机时长 /∑隧道炉至一次氦检所有计划生产时间。
对于联动损耗的类型:用来评价设备因堵料&待料的停机类别所带来的时间稼动率的损失;所有数据均基于TOM系统采集的正常生产时间和停机时间作为依据。对于设备:联动损耗= ∑(堵料/待料等停机时长) / 计划生产时间,计划生产时间需要根据TOM系统自动计算,剔除计划停机,包含维护保养、切拉换型、无生产计划、其他计划停机。对于工序:该工序段所有设备联动损耗率以计划生产时间加权平均(假设一个工序两台设备,该工序的损耗=(设备1的停机时间+设备2的停机时间)/(设备1的计划生产时间+设备2的计划生产时间)。对于拉线:采用隧道炉至一次氦检段的联动损耗来表征整线联动损耗,将隧道炉至一次氦检段按照5min去重的方式计算,拉线>5min联动损耗=∑(每五分钟最大的工序>5min联动损耗时长) /计划生产时间。
对于其他停机的类型,设备/工序/拉线/工厂/基地/MU/集团:其他停机率=(≤5min设备故障率)+(>5min非计划停机率)+(≤5min非计划停机率)。
对于计划停机类型,设备:计划停机率= ∑(计划停机时长) / 日历时间(包含计划生产时长,以及计划停机时长;比如一个班次是720,一天是1440)。工序:该工序段所有计划停机率均值(假设一个工序两台设备,该工序的LOSS=(设备1的停机时间+设备2的停机时间)/(设备1的日历时间+设备2的日历时间)。拉线:采用隧道炉至一次氦检段的计划停机率来表征整线计划停机率,将隧道炉至一次氦检段按照5min去重的方式计算,计划停机率=∑(每五分钟最大的工序计划停机时长) /日历时间。
当分析模型400基于多个设备的停机时长和停机类别确定多个停机类别的目标停机时长后,将目标停机时长和预设生产时长关联,通过分析模型400确定多个停机类别的停机率。
应该注意的是,上述以固定损耗停机确定停机率为例进行示例性说明,不应理解为对本申请试试的产能分析系统的范围限定,在其他停机类型下,分析模型400相应地确定该停机类别下的停机率,例如,缺辅料停机、待料停机、堵料停机类型等。
通过分析模型400确定多个停机类别的停机率,便于后续根据不同的停机率对设备进行相应的调整,降低停机率。
根据本申请的一些实施例,对于停机时长大于第二预设时长的第一停机类别,分析模型400用于基于第一停机类别中停机时长大于第二预设时长的多个停机时长确定第一停机类别的目标停机时长,对于停机时长不大于第二预设时长的第二停机类别,分析模型400用于基于第二停机类别中的所有停机时长确定第二停机类别的目标停机时长。
基于第二预设时长对停机时长进行划分第一停机类别和第二停机类别,分析模型400基于第一停机类别和第二停机类别采用不同的方式计算目标停机时长,当停机时长大于第二预设时长时,将其划分为第一停机类别,分析模型400基于第一停机类别中停机时长大于第二预设时长的多个停机时长确定第一停机类别的目标停机时长。当停机时长不大于第二预设时长时,将其划分为第二停机类别,分析模型400基于第二停机类别中停机时长小于等于第二预设时长的多个停机时长确定第二停机类别的目标停机时长。
例如,对于目标停机时长,对于大于第二预设时长的各类停机按照第二预设时长去掉重复项的方式计算拉线这类停机类别的具体数值;对于小于等于第二预设时长的各类停机按照平均值的方式计算拉线这类停机类别的具体数值。
应该注意的是,在不同的停机时长下,对设备的改进方式不同,例如,当设备处于小于等于5min的停机情况下,分析模型400通过对数据分析确定停机类型为堵料停机,此时,需要告知产线的设备操作人员进行处理。当设备处于大于5min的停机情况下,分析模型400通过对数据分析确定停机类型为设备故障停机,此时,告知设备工程师对设备进行维修。对于这2种不同情况下的停机时长,分析模型400对其进行不同方式下的确定目标停机时长,从而有利于目标停机时长与预设停机时长的比对分析。
分析模型400根据停机时长与第二预设时长之间的大小关系,采用不同的方式确定目标停机时长,从而提高目标停机时长的准确度,更好地与实际停机时长相符。
根据本申请的一些实施例,第二预设时长大于等于1分钟,且小于等于60分钟。
第二预设时长过大或过小均不利于分析模型400对于目标停机时长的确定,当时间段的长度过大时,从多个设备、多个工艺的停机时长中引入其他因素,使得目标停机时长的数值受到外在因素影响,降低分析模型400分析的准确度。
但时间段的长度过小时,从多个设备、多个工艺的停机时长进行分门别类的统计分析,数据量较大,影响计算速度,降低分析模型400的分析效率。
当第二预设时长大于等于1分钟,且小于等于60分钟的情况下,能够兼顾多个设备、多个工艺的停机时长下分析模型400的准确度和计算效率。
根据本申请的一些实施例,第二预设时长大于等于5分钟,且小于等于10分钟。
由于第二预设时长过大或过小均不利于分析模型400对于目标停机时长的确定,在产线生产制造过程中,往往将第二预设时长的设定与对设备不同的处置人员关联,例如,当设备处于停机时长大于15min的故障停机时,此时需要设备工程师对该设备进行检修;当设备处于停机时长小于等于5min的堵料停机时,此时需要设备操作人员对该设备的堵料进行疏导。
当第二预设时长大于等于5分钟,且小于等于10分钟,分析模型400基于第二预设时长确定标停机时长,进一步在确定目标停机时长的过程中提高目标停机时长的准确度与效率。
图7为本申请一些实施例的第四产能分析系统的示意图,其中,显示任务下发模块500和任务管理模块600。如图7所示,根据本申请的一些实施例,关系匹配表包括产线名称、工序名称、生产工单、设备资源号和产品型号之间的关系,产能分析系统1000还包括任务下发模块500,任务下发模块500用于根据分析模型400的产能分析结果、生产工单和停机类别下发产能异常任务。
产能分析系统1000还包括任务下发模块500,任务下发模块500根据分析模型400的产能分析结果、生产工单和停机类别下发产能异常任务,其中,关系匹配表包括产线名称、工序名称、生产工单、设备资源号和产品型号之间的关系,例如,当设备处于停机时长大于15min的故障停机时,此时任务下发模块500对设备工程师下发任务,提醒工程师对该设备进行检修。当设备处于停机时长小于等于5min的堵料停机时,任务下发模块500对产线的管理人员下发任务,提醒产线管理人员对该设备进行管理,例如,产线管理人员或设备操作人员对该设备的堵料进行疏导。
任务下发模块500根据分析模型的产能分析结果、生产工单和停机类别下发产能异常任务,便于后续处理中根据不同的产能分析结果、生产工单和停机类别,任务下发模块500下发不同的任务,不同的操作人员对产线的设备进行具体调整,从而优化产线的生产效率。
根据本申请的一些实施例,产能分析结果包括停机率,任务下发模块500用于响应于停机率大于预设阈值,根据分析模型400的产能分析结果、生产工单和停机类别下发停机率异常任务。
在实际生产过程中,设备的停机存在偶然性,并且设备的停机率达到一定数值时,才表征该设备需要进行维护保养,并非设备从停机开始便需要设备工程师进行维护保养。例如,新设备在使用过程中,往往需要进行磨合,在磨合期出现短暂的意外停机,此时,仅需要再次开启设备即可,其无需对设备进行维修。因此,通过停机率与预设阈值之间进行比较,任务下发模块500响应于停机率大于预设阈值,任务下发模块500根据分析模型400的产能分析结果、生产工单和停机类别下发停机率异常任务。
任务下发模块500用于响应于停机率大于预设阈值,根据分析模型400的产能分析结果、生产工单和停机类别下发停机率异常任务,便于操作人员后续进行处理,降低停机率。
如图7所示,根据本申请的一些实施例,关系匹配表包括产线名称、工序名称、生产工单、设备资源号和产品型号之间的关系,产能分析系统1000还包括任务管理模块600,任务管理模块600用于根据分析模型400的产能分析结果、生产工单和停机类别,获取产线生产的监控信息,监控信息包括产品生产完成的时长和/或停机异常响应时长。
产线收到相关生产任务后,需要对产能的生产过程进行监控,包括产品生产完成时长,尤其在生产过程中设备发生停机的情况下,需要对停机异常进行响应。例如,分析模型400的结果表明设备停机率异常,任务管理模块600下发设备停机率异常任务至相关操作人员。任务管理模块600还可对任务进行闭环管理,包括:任务完成时长监控;响应时长监控;生成任务档案,自动存档,并记录改善前后数据对比;任务长时间无人接单自动升级等功能等。任务管理模块600根据分析模型400的产能分析结果、生产工单和停机类别,获取产线生产的监控信息,监控信息包括产品生产完成的时长和/或停机异常响应时长。
通过任务管理模块600获取产线生产的监控信息,对产线生产过程进行监控,有利于对产线生产过程进行及时响应,便于及时对产线进行调整。
图8为本申请一些实施例的第一种产能分析的方法的流程图。如图8所示,本申请实施例提供了一种利用上述产能分析系统进行产能分析的方法,包括:
S100、获取产线所包括的多个设备的停机信息;
S200、获取多个设备的产出信息,产出信息包括设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识;
S300、配置产线名称、工序名称、设备资源号和产品型号之间的关系匹配表;
S400、根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析,产能分析结果包括时间稼动率、性能稼动率和质量稼动率中的至少一者。
获取产线所包括的多个设备的停机信息,例如,产线所包括的多个设备,多个设备共同形成产线,例如,产线包括多个不同生产、加工的设备,多个设备设置在同一产线上,通过每个设备对工件的加工,制造后,在产线的末端形成加工后的成品,或者在产线的末端形成用于其他工艺中再次加工,处理的半成品。设备管理系统100获取产线所包括的多个设备的停机信息,其中,停机信息包括设备的停机时长和停机类别。
获取多个设备的产出信息,产出信息包括设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识,例如,产线上的多个设备共同完成一个工件或产品的产出,每个设备完成一道工序,对于每台设备而言,在其完成该工序的情况下,存在生产合格品与不合格品,同时,在不同的时间段内,设备的运行时间长短情况存在不同。通过生产执行系统200获取产线上多个设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识,通过标识判定设备产出产品是否为合格品,设备所产出的多个产品的时间则表征在某一阶段该设备运行正常。
在制造车间,加工工厂、加工基地内存在多个不同的产线,或者为了提高生产速度设置多条相同的产线。原材料经过多个不同的产线进行加工后,最后制造形成产品,企业资源计划系统300对产线名称、工序名称、设备资源号和产品型号之间配置关系匹配表。例如,企业资源计划系统300通过编号的形式记录不同产线的名称,工序名称,设备资源号(包括设备的种类,型号等)进行记录配置。
根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析,产能分析结果包括时间稼动率、性能稼动率和质量稼动率中的至少一者,例如,分析模型400与设备管理系统100、生产执行系统200和企业资源计划系统300连接,分析模型400根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析。其中,设备的停机包括来料的品质不合格、缺辅料、产线堵料类、待人工操作处理等。设备综合效率:OEE=时间稼动率AE*性能稼动率PE*质量稼动率QE;时间稼动率:AE=正常生产时间/计划生产时间,其中,OEE为设备综合效率,AE为时间稼动率。质量稼动率表征设备生产的产品质量情况,其表征不合格品数量、合格品数量与总产量之间的关系,质量稼动率QE=合格品数量/总产量。
根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析,从而可以改善时间稼动率、性能稼动率和质量稼动率,提高生产效率,优化生产过程。例如,通过分析模型400实现所有数据的自动采集,节约了人员统计和收集数据的时间,并通过分析模型400的搭建和对大数据分析处理,呈现设备综合效率精益分析的结果驱动现场改善和提升产能。根据分析模型400的产能分析结果,从而能够获取设备的运行情况,产出情况,运行状态的具体信息,根据具体信息反馈出具体的产能问题,从而便于针对性地进行优化,从而可以基于时间稼动率、性能稼动率和质量稼动率,提高生产效率,优化生产过程。
停机信息包括设备的停机时长和停机类别。
通过设备管理系统100获取设备的停机时间、报警信息和停机类别的自动采集,结合设备的状态信号和各传感器或执行机构的报警信息,将设备状态和报警信息传递给设备管理系统100,从而实现所有设备停机信息、停机起始和结束时间的自动采集。
根据设备的停机时长和停机类别进行具体分析,得出更为精准的产能分析结果,从而对于不同停机类别、停机时长下进行不同的优化设备操作。
通过获取产线所包括的多个设备的停机时长和停机类别,有利于分析模型400基于多个设备的停机时长和停机类别进行细致分析,从而获得更加深入的产能分析结果。
图9为本申请一些实施例的第二种产能分析的方法的流程图,其中,显示S400的具体步骤。如图9所示,根据本申请的一些实施例,S400、根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析的步骤,包括:
S410、根据设备停机时长和停机类别确定时间稼动率及其解释信息;
S420、根据设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识确定设备的性能稼动率;
S430、根据设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识确定设备的质量稼动率。
在设备发生故障导致停机,或者,由于物料的质量不合格的情况下,设备处于停机状态,设备在停机过程中的(产出)效能为0,根据设备停机时长和停机类别确定时间稼动率及其解释信息,通过分析模型400的时间稼动率模块41确定时间稼动率及其解释信息,从而便于后续根据不同停机时长和停机类别对设备进行相应的改进、维修或更换。例如,时间稼动率模块41确定的时间稼动率及其解释信息表征该情况下的设备处于缺辅料停机,则便于操作人员根据该时间稼动率及其解释信息及时添加辅料。
在设备运行情况下,设备的性能有所不同,设备的性能表征设备从产生速率,单位时间内产出产品的数量。设备在不同的时间段内的运行状态存在不同,例如,注重产品的质量的情况下,设备往往运行在较低的速度效率下,而在侧重最大产出产品数量的情况下,设备运行在最大速度效率下。通常设备在一般的情况下进行运行,以兼顾产品的质量与数量。通过分析模型400的性能稼动率模块42根据设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识确定设备的性能稼动率。
质量稼动率QE=合格品数量/总产量,质量稼动率表征设备生产的产品质量情况,其表示不合格品数量、合格品数量与总产量之间的关系。根据MES系统获取设备资源号、产品工单信息、产品型号、产品质量(合格品与不合格品数量)信息,通过分析模型400的质量稼动率模块43获取在个设备资源号下的总产量,和在该设备资源号下不合格品的产出数量,质量稼动率模块43计算设备的质量稼动率QE。
通过时间稼动率及其解释信息,从而便于后续根据不同停机时长和停机类别对设备进行相应的改进、维修或更换。通过设备的性能稼动率,从而可以分析设备的性能状况,便于后续对设备的性能状况进行改善,从而优化产品的产出时间。通过设备的质量稼动率,从而便于后续调整设备,提高合格产品数量。
图10为本申请一些实施例的第三种产能分析的方法的流程图,其中,显示S420的具体过程。如图10所示,根据本申请的一些实施例,S420、根据设备所产出的多个产品的产出时间和用于指示多个产品是否合格的标识确定设备的性能稼动率,包括:
S421、将设备所产出的多个产品的产出时间按第一预设时长划分为多个连续的时间段;
S422、从多个时间段中获取设备产出产品数量最多并且产出产品均合格的目标时间段;
S423、根据目标时间段内设备所产出的产品数量、目标时间段的时长和预设设备节拍确定设备的性能稼动率,其中,预设设备节拍是指设备每产出一件合格产品所需的时长。
将第一预设时长划分为多个时间段,例如,第一预设时长为1天,时间段的长度为5min,将1天时间划分为288段。统计从每个时间段中设备产出产品数量与产品质量是否合格,从每一段的数据中多个时间段中获取设备产出产品数量最多并且产出产品均合格的目标时间段,根据目标时间段内设备所产出的产品数量、目标时间段的时长计算设备的预设设备节拍,并根据预设设备节拍和设备实际节拍计算设备的性能稼动率,性能稼动率PE=设备设计节拍/设备实际节拍。
由于将第一预设时长划分为多个时间段,从多个时间段中获取设备产出产品数量最多并且产出产品均合格的目标时间段,使得设备的性能稼动率更为精准,提高设备的性能稼动率的准确度。
图11为本申请一些实施例的第四种产能分析的方法的流程图。如图11所示,根据本申请的一些实施例,产能分析结果还包括设备的第一产能信息,根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析,还包括:
S500、根据设备的产出信息,获取设备的第一产能信息,第一产能信息包括设备的总产量、合格产品数量和不合格产品数量。
产线包括多个工序,每个工序包括多个设备,根据设备的产出信息,获取设备的第一产能信息,第一产能信息包括设备的总产量、合格产品数量和不合格产品数量,例如,通过产能分析系统1000的设备产能获取模块46直观地获取设备的生产产品的数量、产品的质量情况。在某些工序中可以采用一套设备,在另外的工序中可以通过多套设备进行同一工序,以提高该工序的生产效率。
通过获取设备的总产量、合格产品数量和不合格产品数量,从而对设备的总产量与产品质量进行管理,便于后续对设备进行优化,提高设备的总产量与合格产品数量。
图12为本申请一些实施例的第五种产能分析的方法的流程图。如图12所示,根据本申请的一些实施例,根据多个设备的停机信息和产出信息以及关系匹配表进行产能分析,还包括:
S600、根据关系匹配表和多个设备的产出信息,获取产线所包括的多个工序的第二产能信息,第二产能信息包括工序的总产量、合格产品数量和不合格产品数量;
S700、根据关系匹配表、工序的第二产能信息,以及工序所包括的多个设备的时间稼动率、质量稼动率和性能稼动率,确定工序的时间稼动率、质量稼动率和性能稼动率;
S800、根据关系匹配表、产线所包括的多个工序的第二产能信息,以及多个工序的时间稼动率、质量稼动率和性能稼动率,构建工序线平衡分析表。
根据关系匹配表和多个设备的产出信息,获取产线所包括的多个工序的第二产能信息,例如,通过产能分析系统1000的工序产能获取模块47能够获取产线所包括的多个工序的第二产能信息,应该注意的是,工序产能获取模块47获取同一工序中多个设备的产出信息(总产量、合格产品数量和不合格产品数量),并与关系匹配表中设备资源号进行对应,从而得到该工序下总产量、合格产品数量和不合格产品数量,从而得到该工序下的多个设备的产出信息,依次类似的获取其他工序的第二产能信息,将产线工序的第二产能信息全部统计。
根据多个设备的时间稼动率、质量稼动率和性能稼动率,ERP系统中关系匹配表,以及第二产能信息进行计算,得到工序的时间稼动率、质量稼动率和性能稼动率,基于工序的时间稼动率、质量稼动率和性能稼动率对设备进行故障诊断,维修包养或迭代更新,从而提高工序的产能。
根据关系匹配表、产线所包括的多个工序的第二产能信息,以及多个工序的时间稼动率、质量稼动率和性能稼动率,构建产线工序线平衡分析表,产线工序线平衡分析表中体现多个工序的时间稼动率、质量稼动率和性能稼动率,多个工序的第二产能信息,通过产线工序线平衡分析表反映出产线工序的一致性,适配性情况,从而便于对产线工序进行调整。
通过产线工序线平衡分析表对产线工序线进行分析,从而便于对产线的工序进行改善,优化,提高工序的生产效率。应该理解的是,产线包括多个工序,工序包括多个设备,产能分析结构中的时间稼动率不仅计算工序的时间稼动率,还对于某一设备计算设备的时间稼动率,同理,对于性能稼动率和质量稼动率也均包括工序的质量稼动率,以及设备的质量稼动率。对单一设备计算时间稼动率、性能稼动率和质量稼动率进行计算,从而能够对该设备进行维修,改善。而对工序的时间稼动率、性能稼动率和质量稼动率计算后,根据工序的时间稼动率、性能稼动率和质量稼动率能够对工序进行优化,改进。
图13为本申请一些实施例的第六种产能分析的方法的流程图。如图12所示,根据本申请的一些实施例,S800、构建工序线平衡分析表的步骤之后,方法还包括:
S900、根据产线所包括的多个工序的工序线平衡分析表,确定产线瓶颈工序信息。
通过对产线所包括的多个工序的产线工序线平衡分析表进行分析,找到工序中的瓶颈工序,并记录该产线瓶颈工序信息。瓶颈产线瓶颈工序表征在某一产线存在有多个工序,每个工序的产出信息,工序的时间稼动率、性能稼动率和质量稼动率往往难以达到理想地同一效率,通过产能分析系统1000的数据分析表构建模块49构建产线工序线平衡分析表后,根据产线工序线平衡分析表确定产线瓶颈工序信息,从而便于后续对该瓶颈工序进行改善。
通过确定产线瓶颈工序信息,便于对产线瓶颈工序进行调整,改善,从而提高产线的产能。应该注意的是,在车间、工厂或生产基地中,往往包含了多条产线,多条产线可以为相同,也可以为不同(上游和下游),多条产线的产线工序线平衡分析表可以在同一产线产能分析模块44进行分析,节约资源。
图14为本申请一些实施例的第七种产能分析的方法的流程图。如图14所示,根据本申请的一些实施例,方法还包括:
S1100、根据关系匹配表以及多个设备的停机信息、产出信息和性能稼动率,获取工序、产线、工厂、基地或集团的目标生产信息,并将目标生产信息和预设生产信息进行对比分析。
根据关系匹配表以及多个设备的停机信息、产出信息和性能稼动率,获取工序、产线、工厂、基地或集团的目标生产信息,并将目标生产信息和预设生产信息进行对比分析。在实际生产过程中,工序、产线、工厂、基地或集团的生产计划往往根据客户订单进行,在与客户约定的期限内生产出客户需求数量的产品,因此,在产线上将客户的需求转换成预设生产信息。由于设备在不同的情况下存在不同的停机,不同情况下停机时长往往不同,例如,产线在生产过程中往往需要进行交接班,而在交接班时设备需要暂停运行,设备故障类停机,缺辅料停机,待料停机和堵料停机等等,缺辅料停机。
通过将目标生产信息和预设生产信息进行对比分析,根据目标生产信息优化工序、产线、工厂、基地或集团的生产,从而提高工序、产线、工厂、基地或集团的产能。
图15为本申请一些实施例的第八种产能分析的方法的流程图。如图15所示,根据本申请的一些实施例,方法还包括:
S1200、基于多个设备的停机时长和停机类别确定多个停机类别的目标停机时长。
由于设备在不同的情况下存在不同的停机类型,不同停机类型下停机时长往往不同,例如,产线在生产过程中出现设备故障,而从设备故障开始至设备维修完成之间的时间段,设备处于停机状态,其停机时长直接影响生产情况,甚至延误产品的交付数量和交付时间。因此,在设备在不同情况下停机,基于多个设备的停机时长和停机类别确定多个停机类别的目标停机时长,通过目标停机时长与实际生产过程汇中设备的停机情况进行对比,便于及时调整生产速率,以便更好对生产过程进行管理。
针对设备在不同的情况下设定目标停机时长,当设备的目标停机时长超过设定目标停机时长,表征需要安排相应的人员对该设备进行处理停机,而本申请实施例基于多个设备的停机时长和停机类别确定多个停机类别的目标停机时长。
基于多个设备的停机时长和停机类别确定多个停机类别的目标停机时长,便于后续根据目标停机时长与机时长、停机类别进行对比分析,从而对设备进行调整、维修,减少停机时长,提高设备的生产效率。
图16为本申请一些实施例的第九种产能分析的方法的流程图,其中,显示S1200的具体过程。如图16所示,根据本申请的一些实施例,S1200基于多个设备的停机时长和停机类别确定多个停机类别的目标停机时长的步骤,包括:
S1210、若停机时长大于第二预设时长,则将停机类别确认为第一停机类别,并基于第一停机类别中停机时长大于第二预设时长的多个停机时长确定第一停机类别的目标停机时长;
S1220、对于停机时长不大于第二预设时长,则将停机类别确认为第二停机类别,并基于第二停机类别中的所有停机时长确定第二停机类别的目标停机时长。
停机率用来评价设备因固定损耗停机、故障停机、非计划停机等停机类别所带来的时间稼动率的损失,基于多个设备的停机时长和停机类别确定多个停机类别的目标停机时长后,将目标停机时长和预设生产时长关联,确定多个停机类别的停机率。
应该注意的是,上述以固定损耗停机确定停机率为例进行示例性说明,不应理解为对本申请试试的产能分析系统的范围限定,在其他停机类型下,相应地确定该停机类别下的停机率,例如,缺辅料停机、待料停机、堵料停机类型等。
基于第二预设时长对停机时长进行划分第一停机类别和第二停机类别,基于第一停机类别和第二停机类别采用不同的方式计算目标停机时长,当停机时长大于第二预设时长时,将其划分为第一停机类别,通过产能分析系统1000的分析模型400基于第一停机类别中停机时长大于第二预设时长的多个停机时长确定第一停机类别的目标停机时长。当停机时长不大于第二预设时长时,将其划分为第二停机类别。基于第二停机类别中停机时长小于等于第二预设时长的多个停机时长确定第二停机类别的目标停机时长。
例如,当设备处于小于等于5min的停机情况下,分析模型400通过对数据分析确定停机类型为堵料停机,此时,需要告知产线的设备操作人员进行处理。当设备处于大于5min的停机情况下通过对数据分析确定停机类型为设备故障停机,此时,告知设备工程师对设备进行维修。对于这2种不同情况下的停机时长,对其进行不同方式下的确定目标停机时长,从而有利于目标停机时长与预设停机时长的比对分析。
通过确定多个停机类别的停机率,便于后续根据不同的停机率对设备进行相应的调整,降低停机率。根据停机时长与第二预设时长之间的大小关系,采用不同的方式确定目标停机时长,从而提高目标停机时长的准确度,更好地与实际停机时长相符。
图17为本申请一些实施例的第十种产能分析的方法的流程图,其中,显示S1300的具体过程。如图17所示,根据本申请的一些实施例,关系匹配表包括产线、工序、生产工单、设备和产品型号之间的关系,方法还包括:
S1300、根据产能分析结果、生产工单和停机类别下发产能异常任务。
根据产能分析结果、生产工单和停机类别下发产能异常任务,其中,关系匹配表包括产线名称、工序名称、生产工单、设备资源号和产品型号之间的关系,例如,当设备处于停机时长大于15min的故障停机时,此时对设备工程师下发任务,提醒工程师对该设备进行检修。当设备处于停机时长小于等于5min的堵料停机时,对产线的管理人员下发任务,提醒产线管理人员对该设备进行管理,例如,产线管理人员或设备操作人员对该设备的堵料进行疏导。
当设备处于小于等于5min的停机情况下,通过对数据分析确定停机类型为堵料停机,此时,需要告知产线的设备操作人员进行处理。当设备处于大于5min的停机情况下通过对数据分析确定停机类型为设备故障停机,此时,告知设备工程师对设备进行维修。
根据分析模型的产能分析结果、生产工单和停机类别下发产能异常任务,便于后续处理中根据不同的产能分析结果、生产工单和停机类别,下发不同的任务,不同的操作人员对产线的设备进行具体调整,从而优化产线的生产效率。
图18为本申请一些实施例的第十一种产能分析的方法的流程图,其中,显示S1400的具体过程。如图18所示,根据本申请的一些实施例,关系匹配表包括产线名称、工序名称、生产工单、设备资源号和产品型号之间的关系,方法还包括:
S1400、根据分析模型的产能分析结果、生产工单和停机类别,获取产线生产的监控信息,监控信息包括产品生产完成的时长和/或停机异常响应时长。
分析模型400的结果表明设备停机率异常,下发设备停机率异常任务至相关操作人员。例如,根据分析模型的产能分析结果、生产工单和停机类别,获取产线生产的监控信息,监控信息包括产品生产完成的时长和/或停机异常响应时长,对任务进行闭环管理。监控信息包括:任务完成时长监控;响应时长监控;生成任务档案,自动存档,并记录改善前后数据对比;任务长时间无人接单自动升级等功能等。根据产品生产完成的时长和/或停机异常响应时长,及时跟踪异常任务响应的情况和产品生产完成的进度。
通过产线生产的监控信息,对产线生产过程进行监控,有利于对产线生产过程进行及时响应,便于及时对产线进行调整。
本申请第三方面的实施例提供一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器,其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如前所述的进行产能分析的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置和该至少一个输出装置。
本申请第四方面的实施例提供一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现如前所述的进行产能分析的方法。
计算机可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
本申请第五方面的实施例提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述任一项进行产能分析的方法。
下面结合图1-图5对本申请的实施例做进一步描述。产能分析系统1000的数据基于MES系统和TOM系统;产出和产能信息、时间稼动率、质量稼动率、性能稼动率均通过分析模型400对MES数据进行处理后获得;设备的时间稼动率是通过分析模型对TOM数据进行处理后获得。然后结合设备、拉线和产品的信息,生产拉线层级的数据,对以上数据生产设备、工序和拉线层级的报表及监控系统,通过数据对标基准值、极限值和标杆拉线,生成对应任务并实现任务自动下发和任务闭环管理功能。
设备节拍是以MES系统出站的过站数据为基础,通过搭建的数据分析模型,计算得出设备实际节拍。例如:将一天(共1440min)按照时间段切割成360个4min→取一天中MES最高产出的4min产出,且该4min内的所有产出产品均合格→利用公式计算( 最高产出的4min产出/4min)→计算得出设备节拍→降噪处理→获取该天设备实际节拍值。其中,降噪处理的判断基于计算得出设备节拍与设备设计节拍之间关系,若计算得出设备节拍小于设备设计节拍,则获取该天设备实际节拍值。
通过对各设备产出、时间稼动率、性能稼动率、质量稼动率等信息的自动采集,结合拉线-工序-设备-产品型号的关系匹配表,可以得出包含拉线各工序产出、OEE,以及时间稼动率、性能稼动率和质量稼动率等信息,构建拉线、工序线平衡分析表,或者,构建拉线、工序线平衡分析表图,从而分析得出拉线瓶颈工序信息及各类数据。
通过对停机类别、停机时长、停机率分类别统计和分析,根据各停机类别责任部门划分直接驱动改善,将设备停机率分为:设备固定损耗、>5min故障率、≤5min故障率、>5min非计划停机率、≤5min非计划停机率、>5min计划停机率、联动损耗、管理损耗等等类别,而且可通过系统自动采集和汇总分析,还可进行各种体系维度和时间维度的分类汇总信息,同时,可以对标标杆拉线的详细信息,找差距,以使其他产线(拉线)的产能与标杆拉线相一致。应该理解的是,标杆拉线为诸多拉线(产线)中时间稼动率、性能稼动率和质量稼动率均为最优的拉线(产线)。通过将众多的拉线(产线)进行横向对比,使得不断提高产线的产出与产品质量。
应该注意的是,本申请实施例的产能分析系统具有以下几方面的优势:
(1)停机率自动采集
现有的设备停机率采集是通过人工填写异常信息表格来收集设备停机数据;而本申请实施例的设备停机率采集由TOM系统负责设备停机时间、报警信息和停机类别的自动采集。其具体通过结合设备PLC(Programmable Logic Controller,可编程逻辑控制器)的三色灯状态信号和各传感器或执行机构的报警信息,通过C-Link软件将设备状态和报警信息传递给TOM系统,从而实现所有设备停机信息、停机起始和结束时间的自动采集。
(2)设备节拍自动采集
现有的设备节拍在设备不堵料和待料的情况下,采用人工卡秒表的方式,用秒表连续测量10组的节拍数据,然后取均值来获得设备节拍。
本申请实施例的产能分析系统的设备节拍是以MES系统出站的过站数据为基础,通过搭建的数据分析模型,计算得出设备实际节拍。例如:将一天(共1440min)按照时间段切割成360个4min→取一天中MES最高产出的4min产出,且该4min内的所有产出产品均合格→利用公式计算:4min/最高产出的4min产出→计算得出设备节拍→降噪处理→获取该天设备实际节拍值。
(3)产出数据自动采集
现有的原设备产出数据时通过人工在MES系统查过站的产出数据获得,而本申请实施例的产能分析系统以MES系统出站的过站数据为基础,结合MES系统设备资源号信息、产品工单信息、产品型号、产品质量(合格与不合格)等,计算得出在个设备资源号下过站的总产量,和在该资源号下记录不合格品产出数量,从而计算得出该资源号的总产量、一次良品数量和一次不合格品数量。
(4)拉线线平衡自动分析、瓶颈自动分析、工序产能自动分析
现有的工序产能表通过人工采集设备节拍、停机率、产出等数据,通过人工造表的方式来进行分析,瓶颈工序通过人工分析得出。
本申请实施例的产能分析系统通过对各设备产出、时间稼动率、性能稼动率、质量稼动率等信息的自动采集,结合拉线-工序-设备-产品型号的关系匹配表,可以得出包含拉线各工序产出、OEE、以及时间稼动率、性能稼动率和质量稼动率等信息的拉线工序线平衡分析表,从而分析得出拉线瓶颈工序信息及各类数据。
(5)停机率分类别统计和分析,根据各停机类别责任部门划分直接驱动改善
现有的各设备停机类别无法区分,各停机类别吴具体数据,无法有效驱动改善。本申请实施例的产能分析系统中停机率分为:设备固定损耗、>5min故障率、≤5min故障率、>5min非计划停机率、≤5min非计划停机率、>5min计划停机率、联动损耗、管理损耗等等类别,而且可通过系统自动采集和汇总分析,还可进行各种体系维度和时间维度的分类汇总信息,同时,可以对标标杆拉线的详细信息,找差距,提升现场产能管理水平。
(6)拉通TOM、MES、ERP等系统,减少人工数据维护工作量
为了实现各软件模块的数据自动采集和各设备的匹配,本申请实施例的产能分析系统将设备管理软件TOM系统、制造执行系统MES系统、企业资源计划ERP系统的数据库全部打通;通过TOM系统实现各设备停机率信息和时间的自动获取;通过MES系统实现产出数据、产品质量(合格与不合格)等信息的自动获取;通过ERP系统实现工单、设备资源号、产品型号、设备数量等信息的自动获取;同时,通过3个系统数据库的同步实现各类数据的匹配关系。从而实现了各种体系维度和时间维度的分类汇总信息。
(7)完善了对拉线、工厂、基地等维度的OEE分析模型的搭建
对于停机率,均采用隧道炉至一次氦检段来表征拉线的水平,对于>5min的各类停机按照5min去重的方式计算拉线这类停机类别的具体数值;对于<5min的各类停机按照平均值的方式计算拉线这类停机类别的具体数值。拉线的停机率=拉线固定损耗+拉线>5min故障率+拉线≤5min故障率+拉线>5min非计划停机率+拉线≤拉线5min非计划停机率。工厂、基地、集团等按所有拉线计划生产时间加权平均计算得出。
对于电芯的产能管理,采用入壳工序和自动外观结束来表征整线的产出水平,工厂、基地、集团等按所有拉线入壳产出加权平均计算得出。
对于质量稼动率,均采用核心工序段隧道炉至一次氦检段来表征拉线的水平,即采用隧道炉至一次氦检段的一次良品率乘积来表征整线的一次良品率。工厂、基地、集团等按所有拉线入壳产出加权平均计算得出。
(8)实现了任务闭环管理功能
各指标对标基准值、极限值各集团标杆拉线将产对应任务并实现任务自动下发,具体包含:设备产出异常任务下发;设备停机率异常任务下发;TOM校准异常任务下发;TOM掉线异常任务下发;对标标杆拉线生成横展任务;工艺优化任务生产;目标达成率低异常任务下发。任务管理模块可对任务进行闭环管理,主要包含:任务完成时长监控;响应时长监控;生成任务档案,自动存档,并记录改善前后数据对比;任务长时间无人接单自动升级等功能,实现了管理自动化。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,其均应涵盖在本申请的权利要求和说明书的范围当中。尤其是,只要不存在结构冲突,各个实施例中所提到的各项技术特征均可以任意方式组合起来。本申请并不局限于文中公开的特定实施例,而是包括落入权利要求的范围内的所有技术方案。
Claims (35)
1.一种产能分析系统,其特征在于,包括:
设备管理系统,用于获取产线所包括的多个设备的停机信息;
生产执行系统,用于获取所述多个设备的产出信息,所述产出信息包括所述设备所产出的多个产品的产出时间和用于指示所述多个产品是否合格的标识;以及
企业资源计划系统,用于配置产线名称、工序名称、设备资源号和产品型号之间的关系匹配表;
分析模型,与所述设备管理系统、所述生产执行系统和所述企业资源计划系统连接,所述分析模型用于根据所述多个设备的停机信息和所述产出信息以及所述关系匹配表进行产能分析,产能分析结果包括时间稼动率、性能稼动率和质量稼动率中的至少一者。
2.根据权利要求1所述的产能分析系统,其特征在于,所述停机信息包括设备的停机时长和停机类别。
3.根据权利要求2所述的产能分析系统,其特征在于,所述停机类别包括以下各项中的至少一者:
设备故障停机、物料异常停机、缺辅料停机、计划和固定停机、待料停机、堵料停机、厂房设施停机、网络停机、待人工操作处理停机和其它停机。
4.根据权利要求2所述的产能分析系统,其特征在于,所述时间稼动率包括所述设备的时间稼动率,所述分析模型包括:
时间稼动率模块,用于根据所述设备的停机时长和所述停机类别确定所述设备的时间稼动率及其解释信息。
5.根据权利要求1-4中任一项所述的产能分析系统,其特征在于,所述性能稼动率包括所述设备的性能稼动率,所述分析模型包括:
性能稼动率模块,用于根据所述设备所产出的多个产品的产出时间和用于指示所述多个产品是否合格的标识确定所述设备的性能稼动率。
6.根据权利要求5所述的产能分析系统,其特征在于,所述性能稼动率模块包括:
划分单元,用于将第一预设时长划分为多个时间段;
获取单元,用于从所述多个时间段中获取所述设备产出产品数量最多并且产出产品均合格的目标时间段;以及
确定单元,用于根据所述目标时间段内所述设备所产出的产品数量、所述目标时间段的时长和预设设备节拍确定所述设备的性能稼动率,所述预设设备节拍是指所述设备每产出一件合格产品所需的时长。
7.根据权利要求6所述的产能分析系统,其特征在于,所述时间段的时长大于等于1分钟,且小于等于10分钟。
8.根据权利要求1-4中任一项所述的产能分析系统,其特征在于,所述质量稼动率包括所述设备的质量稼动率,所述分析模型包括:
质量稼动率模块,用于根据所述设备所产出的多个产品的产出时间和用于指示所述多个产品是否合格的标识确定所述设备的质量稼动率,所述质量稼动率为所述设备所产出的合格产品的数量和所述设备所产出的所有产品的总数量之间的比值。
9.根据权利要求1所述的产能分析系统,其特征在于,所述产能分析结果还包括所述设备的第一产能信息,所述第一产能信息包括所述设备的总产量、合格产品数量和不合格产品数量,所述分析模型包括:
设备产能获取模块,用于根据所述设备的产出信息,获取所述设备的第一产能信息。
10.根据权利要求1所述的产能分析系统,其特征在于,所述时间稼动率包括工序的时间稼动率,所述性能稼动率包括所述工序的性能稼动率,所述质量稼动率包括所述工序的质量稼动率,所述产能分析结果还包括所述工序的第二产能信息,
所述分析模型还包括:
工序产能获取模块,用于根据所述关系匹配表和所述多个设备的产出信息,获取所述产线所包括的多个工序的第二产能信息,所述第二产能信息包括所述工序的总产量、合格产品数量和不合格产品数量;
工序综合效率获取模块,用于根据所述关系匹配表、所述工序的第二产能信息,以及所述工序所包括的多个设备的时间稼动率、质量稼动率和性能稼动率,确定所述工序的时间稼动率、质量稼动率和性能稼动率;
数据分析表构建模块,用于根据所述关系匹配表、所述产线所包括的多个工序的第二产能信息,以及所述多个工序的时间稼动率、质量稼动率和性能稼动率,构建产线工序线平衡分析表。
11.根据权利要求10所述的产能分析系统,其特征在于,所述产能分析结果还包括产线瓶颈工序信息,
所述分析模型包括:
产线产能分析模块,用于根据产线所包括的多个工序的所述产线工序线平衡分析表,确定所述产线瓶颈工序信息。
12.根据权利要求1所述的产能分析系统,其特征在于,所述产能分析结果还包括工序、产线、工厂、基地或集团的目标生产信息,所述目标生产信息包括停机率、产出信息和性能稼动率;
所述分析模型包括:
数据分析模块,用于根据所述关系匹配表以及所述多个设备的停机信息、产出信息和性能稼动率,获取所述工序、所述产线、所述工厂、所述基地或所述集团的所述目标生产信息,并将所述目标生产信息和预设生产信息进行对比分析。
13.根据权利要求2所述的产能分析系统,其特征在于,所述分析模型用于基于所述多个设备的停机时长和停机类别确定多个停机类别的目标停机时长。
14.根据权利要求13所述的产能分析系统,其特征在于,所述产能分析结果还包括停机率,所述分析模型还用于基于所述多个停机类别的目标停机时长和预设生产时长,确定所述多个停机类别的停机率。
15.根据权利要求13所述的产能分析系统,其特征在于,对于所述停机时长大于第二预设时长的第一停机类别,所述分析模型用于基于所述第一停机类别中所述停机时长大于所述第二预设时长的多个所述停机时长确定所述第一停机类别的目标停机时长;
对于所述停机时长不大于所述第二预设时长的第二停机类别,所述分析模型用于基于所述第二停机类别中的所有停机时长确定所述第二停机类别的目标停机时长。
16.根据权利要求15所述的产能分析系统,其特征在于,所述第二预设时长大于等于1分钟,且小于等于60分钟。
17.根据权利要求16所述的产能分析系统,其特征在于,所述第二预设时长大于等于5分钟,且小于等于10分钟。
18.根据权利要求2所述的产能分析系统,其特征在于,所述关系匹配表包括产线名称、工序名称、生产工单、设备资源号和产品型号之间的关系,所述产能分析系统还包括:
任务下发模块,用于根据所述分析模型的所述产能分析结果、所述生产工单和所述停机类别下发产能异常任务。
19.根据权利要求18所述的产能分析系统,其特征在于,所述产能分析结果包括停机率,所述任务下发模块用于响应于所述停机率大于预设阈值,根据所述分析模型的所述产能分析结果、所述生产工单和所述停机类别下发停机率异常任务。
20.根据权利要求2所述的产能分析系统,其特征在于,所述关系匹配表包括产线名称、工序名称、生产工单、设备资源号和产品型号之间的关系,所述产能分析系统还包括:
任务管理模块,用于根据所述分析模型的所述产能分析结果、所述生产工单和所述停机类别,获取产线生产的监控信息,所述监控信息包括产品生产完成的时长和/或停机异常响应时长。
21.一种利用权利要求1-20中任一项所述的系统进行产能分析的方法,其特征在于,包括:
获取产线所包括的多个设备的停机信息;
获取所述多个设备的产出信息,所述产出信息包括所述设备所产出的多个产品的产出时间和用于指示所述多个产品是否合格的标识;以及
配置产线名称、工序名称、设备资源号和产品型号之间的关系匹配表;
根据所述多个设备的停机信息和产出信息以及所述关系匹配表进行产能分析,产能分析结果包括时间稼动率、性能稼动率和质量稼动率中的至少一者。
22.根据权利要求21所述的方法,其特征在于,所述停机信息包括设备的停机时长和停机类别。
23.根据权利要求22所述的方法,其特征在于,根据所述多个设备的停机信息和产出信息以及所述关系匹配表进行产能分析的步骤,包括:
根据所述设备的停机时长和所述停机类别确定时间稼动率及其解释信息;
根据所述设备所产出的多个产品的产出时间和用于指示所述多个产品是否合格的标识确定所述设备的性能稼动率;
根据所述设备所产出的多个产品的产出时间和用于指示所述多个产品是否合格的标识确定所述设备的质量稼动率。
24.根据权利要求23所述的方法,其特征在于,所述根据所述设备所产出的多个产品的产出时间和用于指示所述多个产品是否合格的标识确定所述设备的性能稼动率,包括:
将第一预设时长划分为多个连续的时间段;
从所述多个时间段中获取所述设备产出产品数量最多并且产出产品均合格的目标时间段;
根据所述目标时间段内所述设备所产出的产品数量、目标时间段的时长和预设设备节拍确定所述设备的性能稼动率,其中,所述预设设备节拍是指所述设备每产出一件合格产品所需的时长。
25.根据权利要求21所述的方法,其特征在于,所述产能分析结果还包括所述设备的第一产能信息,所述根据所述多个设备的停机信息和产出信息以及所述关系匹配表进行产能分析,还包括:
根据所述设备的产出信息,获取所述设备的第一产能信息,所述第一产能信息包括设备的总产量、合格产品数量和不合格产品数量。
26.根据权利要求21所述的方法,其特征在于,所述根据所述多个设备的停机信息和产出信息以及所述关系匹配表进行产能分析,还包括:
根据所述关系匹配表和所述多个设备的产出信息,获取所述产线所包括的多个工序的第二产能信息,所述第二产能信息包括所述工序的总产量、合格产品数量和不合格产品数量;
根据所述关系匹配表、所述工序的第二产能信息,以及所述工序所包括的多个设备的时间稼动率、质量稼动率和性能稼动率,确定所述工序的时间稼动率、质量稼动率和性能稼动率;
根据所述关系匹配表、所述产线所包括的多个工序的第二产能信息,以及所述多个工序的时间稼动率、质量稼动率和性能稼动率,构建工序线平衡分析表。
27.根据权利要求26所述的方法,其特征在于,构建工序线平衡分析表的步骤之后,根据所述多个设备的停机信息和产出信息以及所述关系匹配表进行产能分析包括:
根据所述产线所包括的多个工序的所述工序线平衡分析表,确定产线瓶颈工序信息。
28.根据权利要求21所述的方法,其特征在于,所述产能分析结果还包括工序、产线、工厂、基地或集团的目标生产信息,所述目标生产信息包括停机率、产出信息和性能稼动率,根据所述多个设备的停机信息和产出信息以及所述关系匹配表进行产能分析包括:
根据所述关系匹配表以及所述多个设备的停机信息、产出信息和性能稼动率,获取所述工序、所述产线、所述工厂、所述基地或所述集团的目标生产信息,并将所述目标生产信息和预设生产信息进行对比分析。
29.根据权利要求22所述的方法,其特征在于,根据所述多个设备的停机信息和产出信息以及所述关系匹配表进行产能分析包括:
基于所述多个设备的停机时长和停机类别确定多个停机类别的目标停机时长。
30.根据权利要求29所述的方法,其特征在于,基于所述多个设备的停机时长和停机类别确定多个停机类别的目标停机时长包括:
对于所述停机时长大于第二预设时长的第一停机类别,并基于所述第一停机类别中所述停机时长大于所述第二预设时长的多个停机时长确定所述第一停机类别的目标停机时长;
对于所述停机时长不大于所述第二预设时长的第二停机类别,并基于所述第二停机类别中的所有停机时长确定所述第二停机类别的目标停机时长。
31.根据权利要求22所述的方法,其特征在于,所述关系匹配表包括产线、工序、生产工单、设备和产品型号之间的关系,所述方法还包括:
根据所述产能分析结果、所述生产工单和所述停机类别下发产能异常任务。
32.根据权利要求22所述的方法,其特征在于,所述关系匹配表包括产线名称、工序名称、生产工单、设备资源号和产品型号之间的关系,所述方法还包括:
根据所述产能分析结果、所述生产工单和所述停机类别,获取产线生产的监控信息,所述监控信息包括产品生产完成的时长和/或停机异常响应时长。
33.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有能够被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求21至32中任一项所述进行产能分析的方法。
34.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求21至32中任一项所述进行产能分析的方法。
35.一种计算机程序产品,其特征在于,包括计算机程序,该计算机程序被处理器执行时实现权利要求21至32中任一项所述进行产能分析的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310650263.6A CN116362454B (zh) | 2023-06-03 | 2023-06-03 | 产能分析系统及方法、电子设备、存储介质、产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310650263.6A CN116362454B (zh) | 2023-06-03 | 2023-06-03 | 产能分析系统及方法、电子设备、存储介质、产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116362454A true CN116362454A (zh) | 2023-06-30 |
CN116362454B CN116362454B (zh) | 2023-10-20 |
Family
ID=86929093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310650263.6A Active CN116362454B (zh) | 2023-06-03 | 2023-06-03 | 产能分析系统及方法、电子设备、存储介质、产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116362454B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116643547A (zh) * | 2023-07-27 | 2023-08-25 | 宁德时代新能源科技股份有限公司 | 生产系统的调控方法、生产系统、电子设备及存储介质 |
CN116739312A (zh) * | 2023-08-11 | 2023-09-12 | 超网实业(成都)股份有限公司 | 一种用于智慧厂务的多需求监测方法及系统 |
CN116820055A (zh) * | 2023-08-25 | 2023-09-29 | 北京寄云鼎城科技有限公司 | 产品生产的监控方法、计算机设备及计算机可读存储介质 |
CN117273283A (zh) * | 2023-11-20 | 2023-12-22 | 济南科德智能科技有限公司 | 一种工业生产mes分析数据智能管理方法及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010027350A1 (en) * | 2000-03-28 | 2001-10-04 | Yasutaka Koga | Manufacturing management system, manufacturing management method, and recording medium storing programs for executing the method |
CN104076770A (zh) * | 2014-06-12 | 2014-10-01 | 珠海格力电器股份有限公司 | 生产线监控方法及系统 |
CN104392311A (zh) * | 2014-11-14 | 2015-03-04 | 浙江力太科技有限公司 | 基于状态驱动的智能排产方法 |
CN107272572A (zh) * | 2017-08-18 | 2017-10-20 | 大连美恒时代科技有限公司 | 一种通过mhcims分析起重机效能/能效的方法 |
CN109002015A (zh) * | 2018-06-15 | 2018-12-14 | 河南中烟工业有限责任公司 | 一种自动化生产线设备故障停机率计算方法 |
US20190278261A1 (en) * | 2016-05-16 | 2019-09-12 | Jabil Inc. | Apparatus, engine, system and method for predictive analytics in a manufacturing system |
CN113379266A (zh) * | 2021-06-21 | 2021-09-10 | 苏州长城开发科技有限公司 | 一种生产线效率自动监控分析系统及方法 |
CN113391148A (zh) * | 2021-06-10 | 2021-09-14 | 杭州捷配信息科技有限公司 | 一种稼动率监测系统 |
CN114359818A (zh) * | 2022-03-16 | 2022-04-15 | 深圳市华付信息技术有限公司 | 稼动率分析方法、装置、计算机设备及存储介质 |
CN114519169A (zh) * | 2020-11-18 | 2022-05-20 | 深南电路股份有限公司 | 产线节拍合格率的统计方法、智能终端及存储装置 |
CN114693157A (zh) * | 2022-04-18 | 2022-07-01 | 浙江伟星实业发展股份有限公司 | 排产计划系统、方法、设备及存储介质 |
CN114819448A (zh) * | 2021-01-29 | 2022-07-29 | 凌华科技股份有限公司 | 生产线的稼动率与异常分析系统及方法 |
CN115169876A (zh) * | 2022-07-06 | 2022-10-11 | 东莞市鑫华翼自动化科技有限公司 | 磁性元器件产线闭环管理方法、计算机设备及存储介质 |
CN115471048A (zh) * | 2022-08-26 | 2022-12-13 | 安捷利(番禺)电子实业有限公司 | 基于数字孪生的产线设备综合效率的监控与协同优化方法 |
-
2023
- 2023-06-03 CN CN202310650263.6A patent/CN116362454B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010027350A1 (en) * | 2000-03-28 | 2001-10-04 | Yasutaka Koga | Manufacturing management system, manufacturing management method, and recording medium storing programs for executing the method |
CN104076770A (zh) * | 2014-06-12 | 2014-10-01 | 珠海格力电器股份有限公司 | 生产线监控方法及系统 |
CN104392311A (zh) * | 2014-11-14 | 2015-03-04 | 浙江力太科技有限公司 | 基于状态驱动的智能排产方法 |
US20190278261A1 (en) * | 2016-05-16 | 2019-09-12 | Jabil Inc. | Apparatus, engine, system and method for predictive analytics in a manufacturing system |
CN107272572A (zh) * | 2017-08-18 | 2017-10-20 | 大连美恒时代科技有限公司 | 一种通过mhcims分析起重机效能/能效的方法 |
CN109002015A (zh) * | 2018-06-15 | 2018-12-14 | 河南中烟工业有限责任公司 | 一种自动化生产线设备故障停机率计算方法 |
CN114519169A (zh) * | 2020-11-18 | 2022-05-20 | 深南电路股份有限公司 | 产线节拍合格率的统计方法、智能终端及存储装置 |
CN114819448A (zh) * | 2021-01-29 | 2022-07-29 | 凌华科技股份有限公司 | 生产线的稼动率与异常分析系统及方法 |
CN113391148A (zh) * | 2021-06-10 | 2021-09-14 | 杭州捷配信息科技有限公司 | 一种稼动率监测系统 |
CN113379266A (zh) * | 2021-06-21 | 2021-09-10 | 苏州长城开发科技有限公司 | 一种生产线效率自动监控分析系统及方法 |
CN114359818A (zh) * | 2022-03-16 | 2022-04-15 | 深圳市华付信息技术有限公司 | 稼动率分析方法、装置、计算机设备及存储介质 |
CN114693157A (zh) * | 2022-04-18 | 2022-07-01 | 浙江伟星实业发展股份有限公司 | 排产计划系统、方法、设备及存储介质 |
CN115169876A (zh) * | 2022-07-06 | 2022-10-11 | 东莞市鑫华翼自动化科技有限公司 | 磁性元器件产线闭环管理方法、计算机设备及存储介质 |
CN115471048A (zh) * | 2022-08-26 | 2022-12-13 | 安捷利(番禺)电子实业有限公司 | 基于数字孪生的产线设备综合效率的监控与协同优化方法 |
Non-Patent Citations (2)
Title |
---|
吴云桂;吴萍;: "提高自动化生产线的稼动率", 科学技术创新, no. 29 * |
李启航: "连接器制造设备管理中OEE的分析研究", 硕士论文 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116643547A (zh) * | 2023-07-27 | 2023-08-25 | 宁德时代新能源科技股份有限公司 | 生产系统的调控方法、生产系统、电子设备及存储介质 |
CN116643547B (zh) * | 2023-07-27 | 2023-11-14 | 宁德时代新能源科技股份有限公司 | 生产系统的调控方法、生产系统、电子设备及存储介质 |
CN116739312A (zh) * | 2023-08-11 | 2023-09-12 | 超网实业(成都)股份有限公司 | 一种用于智慧厂务的多需求监测方法及系统 |
CN116739312B (zh) * | 2023-08-11 | 2023-12-01 | 超网实业(成都)股份有限公司 | 一种用于智慧厂务的多需求监测方法及系统 |
CN116820055A (zh) * | 2023-08-25 | 2023-09-29 | 北京寄云鼎城科技有限公司 | 产品生产的监控方法、计算机设备及计算机可读存储介质 |
CN116820055B (zh) * | 2023-08-25 | 2023-11-28 | 北京寄云鼎城科技有限公司 | 产品生产的监控方法、计算机设备及计算机可读存储介质 |
CN117273283A (zh) * | 2023-11-20 | 2023-12-22 | 济南科德智能科技有限公司 | 一种工业生产mes分析数据智能管理方法及存储介质 |
CN117273283B (zh) * | 2023-11-20 | 2024-03-12 | 济南科德智能科技有限公司 | 一种工业生产mes分析数据智能管理方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116362454B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116362454B (zh) | 产能分析系统及方法、电子设备、存储介质、产品 | |
CN108614526B (zh) | 一种可重构的生产过程管理系统 | |
CN110852624A (zh) | 一种面向企业执行层的智能制造管理系统及其运作方法 | |
CN109858786B (zh) | 基于物联网的机电设备管理系统 | |
CN112100264B (zh) | 一种电力项目合同监控系统及方法 | |
CN111459116B (zh) | 一种高效的管子智能生产线数字化管理系统 | |
CN112488446A (zh) | 一种智能制造mes系统 | |
CN110633916A (zh) | 煤矿企业能效管控系统 | |
CN116468204A (zh) | 工业产品碳足迹在线监测方法、系统、设备和存储介质 | |
CN115496408A (zh) | 产品质量控制方法、装置、存储介质及电子设备 | |
CN115330404A (zh) | 用于电力营销稽查的系统及方法 | |
CN117610871A (zh) | 一种用于mes系统的生产流程执行方法及装置 | |
CN112700095A (zh) | 电池包生产管理系统 | |
CN108279641A (zh) | 一种cnc调机方法及其系统 | |
CN104899725A (zh) | 一种决策支持与事件反馈的智能工作流系统及其流转方法 | |
CN112052281A (zh) | 一种刀具管理系统及操作方法 | |
CN116843367A (zh) | 一种面向复杂加工过程的工序标准成本核算方法 | |
CN103676872B (zh) | 一种生产管理的方法和系统 | |
CN109828545A (zh) | Ai智能过程异常识别闭环控制方法、主机及装备系统 | |
CN115471048A (zh) | 基于数字孪生的产线设备综合效率的监控与协同优化方法 | |
Zhang | Analysis and optimization of bottlenecks via simulation | |
Chuning et al. | Design and analysis of intelligent operation and maintenance platform system | |
CN110659844A (zh) | 一种面向邮轮舾装车间装配资源调度的优化方法 | |
CN112379644A (zh) | 成形智能单元控制管理系统、控制管理方法及存储介质 | |
Oppenheim | Energy Conservation: Lean Manufacturing |
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 |