Calcular OEE en AWS IoT SiteWise - AWS IoT SiteWise

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Calcular OEE en AWS IoT SiteWise

Este tutorial proporciona un ejemplo de cómo calcular la eficacia general del equipo (OEE) para un proceso de fabricación. Como resultado, sus OEE cálculos o fórmulas pueden diferir de los que se muestran aquí. En general, OEE se define comoAvailability * Quality * Performance. Para obtener más información sobre el cálculoOEE, consulte la eficacia general del equipo en Wikipedia.

Requisitos previos

Para completar este tutorial, debe configurar la ingesta de datos para un dispositivo que tenga los tres flujos de datos siguientes:

  • Equipment_State: un código numérico que representa el estado de la máquina como inactiva, averiada, parada planificada o funcionamiento normal.

  • Good_Count: un flujo de datos donde cada punto de datos contiene el número de operaciones exitosas desde el último punto de datos.

  • Bad_Count: un flujo de datos donde cada punto de datos contiene el número de operaciones fallidas desde el último punto de datos.

Para configurar la ingesta de datos, consulte Ingiera datos para AWS IoT SiteWise. Si no tiene una operación industrial disponible, puede escribir un script que genere y cargue datos de muestra a través del. AWS IoT SiteWise API

¿Cómo calcular OEE

En este tutorial, creará un modelo de activos que calcula OEE a partir de tres flujos de entrada de datos: Equipment_StateGood_Count, yBad_Count. En este ejemplo, considere una máquina de envasado genérica, como una que se utiliza para empaquetar azúcar, patatas fritas o pintura. En la AWS IoT SiteWise consola, cree un modelo de AWS IoT SiteWise activos con las siguientes medidas, transformaciones y métricas. A continuación, puede crear un activo para representar la máquina de embalaje y observar cómo se AWS IoT SiteWise calculaOEE.

Defina las siguientes mediciones para representar los flujos de datos sin formato de la máquina de envasado.

Mediciones
  • Equipment_State: un flujo de datos (o medición) que proporciona el estado actual de la máquina de envasado en códigos numéricos:

    • 1024: la máquina está inactiva.

    • 1020: un fallo, como un error o un retraso.

    • 1000: una parada planificada.

    • 1111: funcionamiento normal.

  • Good_Count: un flujo de datos donde cada punto de datos contiene el número de operaciones exitosas desde el último punto de datos.

  • Bad_Count: un flujo de datos donde cada punto de datos contiene el número de operaciones fallidas desde el último punto de datos.

Con el flujo de datos de medida Equipment_State y los códigos que contiene, defina las siguientes transformaciones (o medidas derivadas). Las transformaciones tienen una one-to-one relación con las medidas sin procesar.

Transformaciones
  • Idle = eq(Equipment_State, 1024): un flujo de datos transformado que contiene el estado de inactividad de la máquina.

  • Fault = eq(Equipment_State, 1020): un flujo de datos transformado que contiene el estado de fallo de la máquina.

  • Stop = eq(Equipment_State, 1000): un flujo de datos transformado que contiene el estado de parada planificada de la máquina.

  • Running = eq(Equipment_State, 1111): un flujo de datos transformado que contiene el estado de funcionamiento normal de la máquina.

Utilizando las medidas sin formato y las medidas transformadas, defina las siguientes métricas que agreguen los datos de la máquina a lo largo de los intervalos de tiempo especificados. Seleccione el mismo intervalo de tiempo para cada métrica cuando defina las métricas en esta sección.

Métricas
  • Successes = sum(Good_Count): el número de envases llenados con éxito durante el intervalo de tiempo especificado.

  • Failures = sum(Bad_Count): el número de envases llenados sin éxito durante el intervalo de tiempo especificado.

  • Idle_Time = statetime(Idle): el tiempo total de inactividad de la máquina (en segundos) por intervalo de tiempo especificado.

  • Fault_Time = statetime(Fault): el tiempo total de fallo de la máquina (en segundos) por intervalo de tiempo especificado.

  • Stop_Time = statetime(Stop): el tiempo total de parada planificada de la máquina (en segundos) por intervalo de tiempo especificado.

  • Run_Time = statetime(Running): el tiempo total de la máquina (en segundos) funcionando sin problemas por intervalo de tiempo especificado.

  • Down_Time = Idle_Time + Fault_Time + Stop_Time: el tiempo total de inactividad de la máquina (en segundos) durante el intervalo de tiempo especificado, calculado como la suma de los estados de la máquina distintos de Run_Time.

  • Availability = Run_Time / (Run_Time + Down_Time): el tiempo de actividad de la máquina o el porcentaje de tiempo programado que la máquina está disponible para funcionar durante el intervalo de tiempo especificado.

  • Quality = Successes / (Successes + Failures): el porcentaje de envases llenados con éxito de la máquina durante los intervalos de tiempo especificados.

  • Performance = ((Successes + Failures) / Run_Time) / Ideal_Run_Rate: el rendimiento de la máquina a lo largo del intervalo de tiempo especificado como porcentaje de la tasa de ejecución ideal (en segundos) de su proceso.

    Por ejemplo, su Ideal_Run_Rate podría ser de 60 envases por minuto (1 envase por segundo). Si su Ideal_Run_Rate es por minuto o por hora, deberá dividirlo por el factor de conversión de unidades apropiado porque Run_Time es en segundos.

  • OEE = Availability * Quality * Performance: la eficacia general de los equipos de la máquina a lo largo del intervalo de tiempo especificado. Esta fórmula OEE se calcula como una fracción de 1.

nota

Si OEE se define como una transformación, los valores de salida se calculan para cada uno de los valores de entrada. Existe la posibilidad de que se generen valores inesperados, ya que la evaluación de la transformación considera los últimos valores disponibles para todas las propiedades que contribuyen a la fórmula. En el caso de las actualizaciones de propiedades con la misma marca de tiempo, es posible que las actualizaciones de otras propiedades entrantes sobrescriban los valores de salida. Por ejemplo, cuando se calculan la disponibilidad, la calidad y el rendimiento, OEE se calcula con los últimos puntos de datos disponibles para las otras dos propiedades. Estos valores contribuyentes comparten marcas de tiempo y provocan valores de salida incorrectos para. OEE El orden no está garantizado para el cálculo de las transformaciones.