不再担忧停机——采用无线技术提升整体设备效率〔OEE〕.docx

不再担忧停机采用无线技术提升整体设备效率OEE不再担忧停机采用无线技术提升整体设备效率OEEFritzCleveland;：控制工程网导语：现场设备的实时连接使更多操纵可见，并支持数据驱动的决策。通过使用与工业物联网IIoT)相关的技术，操纵员和工厂治理人员可以访问设备级数据，深化分析机器性能和经过效率低下的原因。【不再担忧停机采用无线技术提升整体设备效率OEE】现场设备的实时连接使更多操纵可见，并支持数据驱动的决策。通过使用与工业物联网IIoT)相关的技术，操纵员和工厂治理人员可以访问设备级数据，深化分析机器性能和经过效率低下的原因。由于可以实时远程监视机器状态，出现问题时，无论运行人员是否在场，都可以解决问题。工作人员可从一个方便的位置监视工厂车间内的多台机器。在小问题开展成大问题之前，运行人员就可以及时解决问题。无线技术可以为用户提供现场设备级别的远程监视功能，并帮助用户使用这些数据帮助进步整体设备效率OEE)。无线I/O设备的应用更轻易过去，无线系统安装困难、维护复杂。近年来，无线技术获得了显著的进步。如今，很多远程监控解决方案可以提供可靠的、集成到一个装置的无线通讯，而且价格低廉。这些无线I/O设备易于安装，假如监视要求发生变化，它还易于卸载并挪动到新位置。无线I/O设备可以采集数字和模拟传感器数据，并将此数据转发到中心采集点进展分析。多个传感器可以连接到单个节点，单一无线网络中最多可以安装47个节点。这意味着在转发到主机控制的系统进展分析之前，多个传感器读数会聚合到一个网关设备中。串行数据播送进一步扩展了无线I/O网络。串行数据播送是一种back-haul设备，它接收来自其它串行数据播送的数据，或者串行连接到网关，并将数据转发到另一个远程串行设备。链式数据播送可以扩展网络，以知足很多应用程序的远程监控需求。整体设备效率的考量OEE是消费制造经过效率的计算，涉及3个主要因素:可用性、性能和质量。可用性因素考虑减少总运行时间的事件，包括方案停机(如产品转换)和非方案停机。性能因素考虑在运行经过中降低制造流程速度的因素。质量因素那么是不符合质量标准的零件或者产品必须报废或者返工的部件，导致时间的浪费)。考虑这些因素的OEE计算结果，以百分比值表示，100%意味着消费出来的部件都是质量好的、高性能的、没有任何停机。计算结果为分析消费流程中主要的低效因素，提供了可操纵的数据支持。为了降低OEE损失，并尽量减少其影响，发现效率低下发生的时间和地点至关重要。这就是为什么从传感器和指示器灯访问数据变得非常重要。在机器上安装的传感器和指示器灯记录的数据可以帮助计算OEE并确定进步机器、经过和人员效率的步骤。在机器运行时，趋势跟踪设备和经过数据趋势，有助于确定损失发生的时间和地点。但是，手动监视消费机器的状态非常耗时。根据设备大小，手动监视机器状态会减慢消费速度，并需要更多的时间，而这些时间可以在其它方面获得更大的收益。例如，通过无线系统，使用带有无线电基座的塔灯，不仅可以提供机器状态的本地指示，而且还可以提供每个灯光模块的远程状态。通过记录机器状态指示器如塔灯)的状态，用户可以跟踪各个机器的运行时间和周期计数，以便及时更新。通过数据分析可以帮助确定瓶颈是由于机器还是人为造成的。采集机器状态，可帮助用户识别造成消费损失的原因。这些信息是用于识别和驱动效率改良所必须的，而在以前根本不可能存在。最近，制造商提供的准确的机器实时运行数据，可以帮助用户确定消费目的没有实现的原因。运行人员抱怨机器故障造成机器停机，而维护人员那么抱怨是运行人员造成的。通过数据，设施治理人员可以确定到底发生了什么。机器的预测性维护除了监控机器性能指标，无线传感器网络还可以检查机器的安康状况。机器的预测性维护很有挑战性，由于假如没有适当的工具，很难检测到微小的性能变化。使用无线系统进展远程状态监视，在预测性维护方面起着关键作用，并有助于防止代价高昂的停机。举一个简单的例子，振动是一个关键的机器参数。机器振动经常是由不平衡、错位、松动或者磨损的部件引起的。随着振动的增加，机器也会受到损坏。通过远程监控马达、水泵、压缩机、风扇、鼓风机和变速箱，当监测发现振动增加，就可以在它们变得严重之前及时处理问题。无线振动和温度传感器通过测量RMS速度作为机器的"检查指示灯"，可以在很宽的机器频率范围内最均匀的振动测量。安装振动传感器后，用户必须采集足够的振动数据，以便为机器建立基线。最初将阈值设置为基线的1.5或者2倍。当阈值超过期，无线振动和温度传感器可以提供部分问题的指示，信号可以发送到中心位置的无线塔灯，或者通过电子邮件，或者通过文本报警。振动和温度数据也可以发送到无线逻辑控制器或者可编程控制器进展采集和分析。远程监测才能使制造商更轻易识别和补救造成其设施内浪费的原因。通过使用无线技术，制造商可以快速、轻松地采集计算OEE所需的数据，并获得有价值的预测性维护指标，以最大限度地进步其机器性能。