真的么？在云端计算OEE设备利用率竟然这么容易！

作者：与子同袍
首发：物联网前沿技术观察

今天我们来用亚马逊的工业4.0云服务AWS SiteWise，计算生产制造中非常重要的一个指标——整体设备效率OEE。

为了计算OEE，我们先要了解OEE的含义以及OEE的计算公式。

OEE 是生产效率的一个综合指标，这个指标反映了机器由于各种原因导致的浪费程度。

既然叫综合设备效率，那么OEE就要给机器的各方面综合打分加权。

OEE由三个部分组成，它们是可用率，表现指数，质量指数。有些公司，叫的实在点，也称之为时间开动率，性能开动率和合格品率。

这三个部分分别用来衡量:一，机器在不在干活；二，干活卖不卖力；三，干的活好不好。

下面是 OEE 计算公式：

OEE = 可用率(B/A) X 表现指数(D/C) X 质量指数(F/E)

OEE的本质，是实际有效的生产时间相对于计划时间的比率，就是打了三个折扣的实际设备效率。

第一个“折扣”可用率，是根据机器有没有开动打的折扣。

当机器由于故障、维修、停电等而停机，将会损失一部分计划运行时间。

可用率 = 实际生产时间 / 计划生产时间

第二个“折扣”表现指数，是机器生产速度有没有达到理想生产速度的折扣。

表现指数 =（理想节拍时间 * 产品生产数）/ 操作时间 = 生产数量 /（理想速度 * 工作时间）

理想节拍时间是指机器以最快速度生产的时间作为一个单位节拍时间。它有时也称为铭牌节拍时间。

第三个“折扣”质量指数，是由于质量问题而打的折扣。

质量指数 = 合格品数 / 生产总数

下面通过一个例子来说明如何计算OEE。

某设备 1 天工作时间为 8h, 
班前计划停机 20min, 故障停机 20min, 更换产品型号设备调整 40min, 
产品的理论加工周期为 0.5min/件, 实际加工周期为 0.8min/件, 
一天共加工产品 400 件, 有 8 件废品，
求这台设备的 OEE。

根据上面已知条件：

计划运行时间 = 8*60-20 = 460 min
实际运行时间 = 460-20-40 = 400 min
可用率 = 400/460 = 0.869(86.9%)

生产总量 = 400 件
理想速度 * 实际运行时间 = 1/0.5 * 400 = 2 * 400 = 800
表现性 = 400/800 = 0.5(50%)

质量指数 =（400—8）/ 400 = 0.98(98%)

OEE = 有效率 * 表现性 * 质量指数 = 42.6%

搞明白了OEE的定义，我们来看下SiteWise是啥。

AWS IoT SiteWise 它是一项云端服务，可以从工业设备采集数据、分析数据，并可视化显示。

AWS IoT SiteWise 的核心组件包括：

网关软件 – 可以在支持 AWS IoT Greengrass（版本 1.7 或更高版本）的任何边缘网关上运行的软件包。这个软件可以通过 OPC-UA 协议采集设备数据，再通过 Internet 连接将数据上传至 AWS IoT Analytics，并在 Internet 连接中断的情况下将数据缓存到本地。
网关管理 – AWS IoT SiteWise 控制台提供的用于配置边缘网关、查看要从各网关上传的数据流以及更改配置的工具。
视图生成器 – 用于对资产、流程和设施建模的点选式画布型工具。可以定义 AWS IoT SiteWise 基于上传的数据流计算的指标。
监控 – 用于在视图中探索任何或所有资产和组的原始数据或指标的数据浏览工具。
CLI 和开发工具包 – 用于创建、管理和更新网关和视图的控制层面开发工具包，以及用于从视图读取指标或原始数据的数据层面开发工具包。

下面我们用SiteWise来计算包装设备的OEE。

要用SiteWise计算OEE，需要先准备把数据准备好：

在视图生成器上创建一个资产，用来表示这台包装设备；
用网关软件实时采集如下三个测量值并上传到这个资产：

Equipment_State – 一个用数字代码指明包装设备当前状态的数据流（或测量值）：1024 表示机器闲置，1020 表示出现故障，1000 表示计划停机，1111 表示正常运转。
Good_Count – 一个提供成功填充包装数的数据流。
Bad_Count – 一个提供未成功填充包装数（包装失败）的数据流。

通过使用 Equipment\_State 测量数据流及其包含的代码，我们将创建以下派生的测量值。

Idle = EQ(Equipment_State, 1024) – 用于创建仅包含机器空闲状态信息的数据流（或派生的测量值）的函数。
Fault = EQ(Equipment_State, 1020) – 用于创建仅包含设备故障状态信息的数据流（派生的测量值）的函数。
Stop = EQ(Equipment_State, 1000) – 用于创建包含计划停机信息的派生的测量值的函数。
Running = EQ(Equipment_State, 1111) – 用于创建包含正常运行信息的派生的测量值的函数。

通过使用先前的测量值和派生的测量值，我们可以定义以下指标。注意，这里的指标是每个时间间隔的流数据的聚合值。

Idle_Time = STATETIME(Idle) – 对于用户指定的时间间隔，为包装设备经历的空闲时间。
Fault_Time = STATETIME(Fault) – 总故障时间（针对每个 AWS IoT SiteWise 时间间隔计算）。
Stop_Time = STATETIME(Stop) – 计划的包装设备停机时间。
Run_Time = STATETIME(Running) – 包装设备可正常运行的时间量。
Down_Time = Stop_Time + Fault_Time + Idle_Time – 通过使用加法运算符，计算设备的停机时间。

Availability = Run_Time / (Run_Time + Down_Time) – OEE 指标的一部分，表示设备可运行的计划时间（即正常运行时间）的百分比。

Quality = LAST(Good_Count) / ( LAST(Good_Count) + LAST(Bad_Count) ) – LAST 函数，它返回其参数的最后一个已知值。这是适当的，因为测量值 Good_Count 和Bad_Count 始终单调递增

Performance = (LAST(Good_Count) / Run_Time) / 57 – 在此示例中，57 表示理想的运行速率，它将根据您的过程而变化。适当调整以确保时间单位匹配指定的 AWS IoT SiteWise 时间间隔的时间单位。

最后，我们就可以得到OEE的最终结果了：

OEE = Availability * Quality * Performance – 包装设备的整体设备效率。

参考资料：

AWS IoT SiteWise 用户指南
OEE Toolkit简介，上海acesoft
oee的四大功能 https://new.abb.com/cpm/production-optimization/oee-overall-equipment-effectiveness/business-kpi

推荐阅读

目录