Porovnání metod statistické analýzy selhání termočlánku pro optimalizaci nákladů na workshop

Dílny by měly rutinně počítat údaje o poruchách termočlánků, aby se optimalizovaly značky nákupu, přizpůsobily se cykly údržby a snížily se komplexní náklady na náhradní díly a ztráty. Existují tři standardní přístupy statistické analýzy, včetně statistiky kategorizace četnosti poruch, srovnání nákladů a přínosů životnosti a korelační analýzy poruch výrobní zátěže. Tento článek analyzuje příslušné okolnosti, složitost shromažďování dat a užitečnost každého přístupu pro rozhodování.

Metoda 1: Statistika klasifikace četnosti poruch (základní metoda denního řízení)

Sběr dat: Celkový měsíční rozsah poruchy, podíl druhu poruchy a množství (drift, otevřený obvod, zkrat, mechanické poškození, chyba zapojení).

Provozní kroky: Zaznamenat chybový kód během každé údržby, sečíst procento každé kategorie poruch na konci měsíce, sestavit koláčový graf podílu poruch.

Použití rozhodnutí: Pokud je podíl defektů způsobených tepelným driftem větší než 40 %, vyměňte termočlánky proti driftu typu N a snižte cyklus čištění uhlíku; pokud je dominantní podíl mechanického poškození s otevřeným obvodem, zlepšete ochranu proti tahu vedení a izolaci vibrací.

Výhody: Snadný sběr dat, minimální náklady na statistickou práci, vhodné pro malé a středně velké dílny s omezeným počtem pracovníků správy dat.

Nevýhody: Nelze měřit ekonomické ztráty z různých problémů, pouze kvalitativní doporučení pro zlepšení bez číselných referencí nákladů.

přístup 2: Srovnání nákladů a přínosů životnosti (přístup hodnocení dodavatelů pro nákup)

Shromážděná data: Cena zaplacená za jednotku termočlánku značky, průměrná doba životnosti, průměrný počet hodin strávených měsíční údržbou, průměrná ztráta příjmů v důsledku prostojů způsobených poruchou, ztráta ze zmetků vadných produktů.

Index výpočtu: Celkové denní náklady každé značky=(náklady na amortizaci nákupu + náklady na údržbu + ztráta šrotu v důsledku prostojů) / skutečné dny služby.

Aplikace rozhodnutí: Porovná se komplexní cena domácích generických, špičkových domácích alternativních termočlánků typu N a zahraničních termočlánků typu N za den a podle výrobního zatížení se vybere značka s nejnižšími denními komplexními náklady.

Výhody: Všechny skryté ztráty lze vyčíslit do číselných nákladů. Přímo lze poskytnout datovou základnu pro úpravu rozpočtu nákupu a nahrazení značky.

Nevýhody: Množství práce při shromažďování dat je obrovské a systém MES potřebuje zaznamenávat prostoje a množství zmetků současně.

přístup 3: Korelační analýza selhání výrobní zátěže (přístup optimalizace cyklu údržby)

Shromážděná data: Typ výrobní zátěže (třísměnný nepřetržitý / dvousměnný přerušovaný / jednosměnný pokus) Denní průměrné doby lisovacího cyklu Korozivita zpracovávaného materiálu Termočlánek průměrný interval selhání dní

Provozní kroky: Sestavte korelační křivku mezi intenzitou výrobního zatížení a cyklem selhání a vypočítejte ideální diferencovaný kalibrační a čisticí cyklus pro každý režim zatížení.

Rozhodovací aplikace: Třísměnná výrobní linka na výrobu korozivních materiálů s vysokým zatížením zkracuje kalibrační cyklus na 30 dní; Jednosměnné zkušební formy s nízkým zatížením prodlužují kalibrační cyklus na 180 dní, čímž vyvažují náklady na údržbu a kontrolu rizika selhání.

Výhody: Zajistěte rafinované a diferencované řízení údržby, eliminujte plýtvání nadměrnou údržbou nebo riziko nedostatečné údržby.

Nevýhody: Dlouhý cyklus shromažďování dat, nejméně 3 měsíce nepřetržité zaznamenávání chyb pro vytvoření dobré korelační křivky.

Workshop nápadů na složené statistické aplikace

Malé workshopy: založte každodenní řízení na měsíční statistice klasifikace poruch podle metody 1.

Středně velké masové výrobní závody: Metoda 1 + Metoda 2, měsíční klasifikace chyb + čtvrtletní hodnocení nákladů a přínosů značky za účelem změny strategií nákupu a údržby.

Inteligentní workshopy s úplným sběrem dat MES Překrývající metodu 3 korelační analýzu zátěže pro dosažení plně digitálně rafinovaného termočlánku řízení nákladů a rizik.