Calcular OEE em AWS IoT SiteWise - AWS IoT SiteWise

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Calcular OEE em AWS IoT SiteWise

Este tutorial fornece um exemplo de como calcular a eficácia geral do equipamento (OEE) para um processo de fabricação. Como resultado, seus OEE cálculos ou fórmulas podem ser diferentes dos mostrados aqui. Em geral, OEE é definido comoAvailability * Quality * Performance. Para saber mais sobre cálculoOEE, consulte Eficácia geral do equipamento na Wikipedia.

Pré-requisitos

Para concluir este tutorial, você deve configurar o consumo de dados para um dispositivo que tenha os seguintes três fluxos de dados:

  • Equipment_State – um código numérico que representa o estado da máquina, como ocioso, com falha, interrupção planejada ou operação normal.

  • Good_Count – um fluxo de dados em que cada ponto de dados contém o número de operações bem-sucedidas desde o último ponto de dados.

  • Bad_Count – um fluxo de dados em que cada ponto de dados contém o número de operações mal sucedidas desde o último ponto de dados.

Para configurar o consumo de dados, consulte Ingerir dados para AWS IoT SiteWise. Se você não tiver uma operação industrial disponível, poderá escrever um script que gere e carregue dados de amostra por meio do AWS IoT SiteWise API.

Como calcular OEE

Neste tutorial, você cria um modelo de ativo que calcula a OEE partir de três fluxos de entrada de dados: Equipment_StateGood_Count, e. Bad_Count Neste exemplo, considere uma máquina de empacotamento genérica, como uma que é usada para embalar açúcar, batatas fritas ou tinta. No AWS IoT SiteWise console, crie um modelo AWS IoT SiteWise de ativo com as seguintes medidas, transformações e métricas. Em seguida, você pode criar um ativo para representar a máquina de embalagem e observar como AWS IoT SiteWise calculaOEE.

Defina as medições a seguir para representar os fluxos de dados brutos da máquina de empacotamento.

Medições
  • Equipment_State – um fluxo de dados (ou medição) que fornece o estado atual da máquina de empacotamento em códigos numéricos:

    • 1024 – a máquina está ociosa.

    • 1020 – uma falha, como um erro ou atraso.

    • 1000 – uma interrupção planejada.

    • 1111 – uma operação normal.

  • Good_Count – um fluxo de dados em que cada ponto de dados contém o número de operações bem-sucedidas desde o último ponto de dados.

  • Bad_Count – um fluxo de dados em que cada ponto de dados contém o número de operações mal sucedidas desde o último ponto de dados.

Usando o fluxo de dados de medição Equipment_State e os códigos que ele contém, defina as transformações a seguir (ou medições derivadas ). As transformações têm uma one-to-one relação com as medições brutas.

Transformações
  • Idle = eq(Equipment_State, 1024) – um fluxo de dados transformados que contém o estado ocioso da máquina.

  • Fault = eq(Equipment_State, 1020) – um fluxo de dados transformados que contém o estado de falha da máquina.

  • Stop = eq(Equipment_State, 1000) – um fluxo de dados transformados que contém o estado de interrupção planejada da máquina.

  • Running = eq(Equipment_State, 1111) – um fluxo de dados transformados que contém o estado operacional normal da máquina.

Usando as medições brutas e as medições transformadas, defina as métricas a seguir que agregam dados da máquina em intervalos de tempo especificados. Escolha o mesmo intervalo de tempo para cada métrica ao definir as métricas nesta seção.

Metrics
  • Successes = sum(Good_Count) – o número de pacotes preenchidos com sucesso durante o intervalo de tempo especificado.

  • Failures = sum(Bad_Count) – o número de pacotes preenchidos sem sucesso durante o intervalo de tempo especificado.

  • Idle_Time = statetime(Idle) – o tempo total de ociosidade da máquina (em segundos) por intervalo de tempo especificado.

  • Fault_Time = statetime(Fault) – o tempo total de falha da máquina (em segundos) por intervalo de tempo especificado.

  • Stop_Time = statetime(Stop) – o tempo total de interrupção planejada da máquina (em segundos) por intervalo de tempo especificado.

  • Run_Time = statetime(Running) – o tempo total de execução sem problemas da máquina (em segundos) por intervalo de tempo especificado.

  • Down_Time = Idle_Time + Fault_Time + Stop_Time – o tempo de inatividade total da máquina (em segundos) durante o intervalo de tempo especificado, calculado como a soma dos estados da máquina diferentes de Run_Time.

  • Availability = Run_Time / (Run_Time + Down_Time) – o tempo de atividade da máquina ou a porcentagem de tempo programado que a máquina está disponível para operar durante o intervalo de tempo especificado.

  • Quality = Successes / (Successes + Failures) – a porcentagem de pacotes preenchidos com êxito da máquina durante o intervalo de tempo especificado.

  • Performance = ((Successes + Failures) / Run_Time) / Ideal_Run_Rate – o desempenho da máquina durante o intervalo de tempo especificado como uma porcentagem da taxa de execução ideal (em segundos) para o processo.

    Por exemplo, a Ideal_Run_Rate pode ser 60 pacotes por minuto (1 pacote por segundo). Se a Ideal_Run_Rate for por minuto ou por hora, você precisará dividi-la pelo fator de conversão de unidade apropriado porque Run_Time está em segundos.

  • OEE = Availability * Quality * Performance – a eficácia geral do equipamento da máquina durante o intervalo de tempo especificado Essa fórmula é calculada OEE como uma fração de 1.

nota

Se OEE for definido como uma transformação, os valores de saída serão calculados para cada um dos valores de entrada. Existe a possibilidade de gerar valores inesperados, pois a avaliação da transformação considera os valores mais recentes disponíveis para todas as propriedades contribuintes na fórmula. Para atualizações de propriedades com o mesmo timestamp, os valores de saída podem ser substituídos por atualizações de outras propriedades de entrada. Por exemplo, quando a disponibilidade, a qualidade e o desempenho são calculados, eles OEE são calculados com os últimos pontos de dados disponíveis para as outras duas propriedades. Esses valores contribuintes compartilham registros de data e hora e causam valores de saída incorretos do. OEE O pedido não é garantido para o cálculo de transformações.