기계 가용성을 계산하고 개선하는 방법

장비를 효율적으로 실행하려면 가동 시간, 실행 시간, 완전한 생산 시간 및 기타 수많은 요소의 동적 균형을 관리해야 합니다. 제대로 하면 최저 비용과 최고 효율로 완제품을 생산할 수 있습니다. 잘못 이해하면 계획되지 않은 가동 중지 시간, 계획되지 않은 유지 관리 및 높은 고장률로 인해 플랜트 성능이 저하됩니다.

이러한 변수는 모두 기계 가용성의 일부입니다. . 모든 프로덕션 환경에서 완전한 생산성 시간을 포착하기 위해 가용성을 높이는 것이 성공에 가장 중요합니다.

머신 가용성이란 무엇입니까?

머신 가용성 또는 가동 시간은 머신이 실제로 실행되는 총 시간과 실행되도록 예약된 시간입니다. 가용성은 기계가 작동 중인 시간의 백분율입니다.

예정된 시간은 사용 가능한 용량을 이해하고, 적절한 수량의 원자재를 보유하고, 실행하는 데 필요한 직원 및 판매 주문을 기준으로 합니다.

다운타임으로 인해 이 예약된 시간 동안 시스템이 느려지거나 중지될 수 있습니다. 총 가동 중지 시간에는 예방 유지 관리, 전환 및 기타 통제되고 알려진 변수가 포함됩니다. 계획되지 않은 다운타임은 파손, 품질 저하, 용지 걸림 또는 기타 예상치 못한 중단을 의미합니다.

다운타임 이벤트가 발생하면 기계의 MachineMetrics 태블릿이 작업자에게 다운타임 이벤트를 분류하라는 메시지를 표시합니다.

예를 들어, 머신은 8시간 동안 실행되도록 예약하고 6시간 동안만 활성화될 수 있습니다. 이 경우 머신의 가용성 점수는 75%입니다.

모든 제조 작업은 가동 중지 시간과 이유를 고려하여 가용성과 가동 중지 시간을 측정해야 합니다. 그러나 이것을 손으로 추적하면 매우 부정확하고 심각하게 지연되며 실행 가능성이 훨씬 낮아질 수 있습니다.

머신 가용성의 기능

기계 가용성은 제조에서 기본적이지만 중요한 KPI입니다. 가동 중지 시간, 기간 및 이유를 측정하여 가용성을 "앵커"로 사용합니다. 가용성, 특정 장비의 활용, 실행 여부를 이해하면 다른 KPI를 컴파일하여 기계 또는 공장 수준에서 프로세스를 최적화하는 데 도움이 됩니다.

가동 중지 시간에 대한 데이터가 캡처되면 최대 시간, 실제 시간, 실패율 및 계획된 생산 시간과 같은 변수가 장비가 전체 비즈니스 목표에 대해 수행하는 방식과 직원 및 경영진이 의사 결정을 내리는 방식에 직접적인 영향을 미칠 수 있습니다.

기계 가용성은 OEE(전체 장비 효율성)를 결정하는 데 사용되는 세 가지 KPI 중 하나입니다. 다른 두 KPI는 성능과 품질이며, 이에 대해서는 아래에서 설명합니다. 각 KPI에는 고유한 공식이 있으며 제조업체에서 최적화가 필요한 프로세스를 식별하는 동시에 운영 효율성을 이해하는 데 도움이 됩니다.

기계 가용성 계산이란 무엇입니까?

기계 가용성은 다음과 같이 계산됩니다.

가용성 =실행 시간 / 계획된 생산 시간

예를 들어, 기계가 8시간 동안 작동되고 4시간의 가동 중지 시간이 있는 경우 12시간 교대 근무 중에 해당 기계의 가용성은 66.6%입니다.

기존 수단을 통해 장비 가용성을 계산할 때의 한 가지 문제는 각 인스턴스를 기록해야 한다는 것입니다. 여기에는 가동 중지 시간, 이유 및 실제 기간이 포함됩니다. 이 프로세스는 운영자, 기술자 및 관리자가 각 요소를 올바르게 기록한다고 가정합니다.

그러나 실제 응용 프로그램에서는 주파수가 잘못 기록되고 그 이유는 운영자에게 주관적임을 나타냅니다. 실시간 머신 데이터 및 분석은 가용성을 결정하는 보다 정확한 방법입니다.

가용성과 전체 장비 효율성(OEE) 간의 연결

전체 장비 효율성(OEE)은 제조 장비의 전반적인 효율성을 측정하는 데 사용되는 메트릭입니다. 또한 공장 내 기계 그룹 또는 전체 다중 공장 기업에서 측정할 수 있습니다. OEE는 시간이 지남에 따라 생산성이 어떻게 향상되는지 결정하는 데 사용됩니다.

OEE 점수는 가용성, 품질 및 성능의 세 가지 구성 요소로 구성됩니다. 품질과 성능도 공식 기반이며 다음과 같이 계산됩니다.

성능 =(이상적인 주기 시간 X 총 횟수) / 실행 시간

및

품질 =좋은 개수 / 총 개수

OEE는 스프레드시트를 사용하거나 이 정보를 자동으로 캡처하고 보고할 수 있는 MachineMetrics와 같은 기계 데이터 플랫폼을 사용하여 수동으로 계산할 수 있습니다. 데이터 수집이 정확할수록 인사이트의 가치도 높아집니다. 그러나 수동 및 사일로 데이터 수집은 단일 플랫폼에서 공장 모니터링 소프트웨어가 제공하는 심층 분석의 가치가 부족합니다.

가용성은 자동화의 필요성을 보여주는 좋은 예입니다. 가용성 공식에만 필요한 요소를 고려하십시오. "가용성 =실행 시간 / 계획된 생산 시간 공식 사용 ," 운영자, 기술자 및 관리자는 계획되지 않은 정지의 이유와 기간을 완전히 기록해야 합니다.

데이터의 수동 캡처가 정확하더라도 사람에 의한 분석은 종종 편향되고 단편화됩니다. 계획되지 않은 유지 관리의 경향과 원인은 관찰자에게 분명하지 않을 수 있습니다. 가용성은 다른 메트릭을 계산하기 위한 앵커로 OEE에 연결되며, 직원이 가용성을 정확하게 측정할 수 없으면 품질 및 성능 계산도 꺼집니다.

기계 가용성과 기계 안정성의 차이점

기계 가용성을 기계 신뢰성과 혼동해서는 안 됩니다. 둘 다 가용성을 개선하기 위해 실행 가능한 전략을 결정하는 데 도움이 되는 유용한 측정항목이지만 차이점이 있습니다.

시스템이 가용성 점수보다 낮은 안정성 점수를 갖는 것은 드문 일이 아닙니다. 종합하면 중요한 역할을 하며 여러 메트릭이 프로세스 개선을 주도할 수 있는 또 다른 방법입니다. 그러나 OEE를 계산할 때는 가용성만 사용됩니다.

기계 가용성을 어떻게 높일 수 있습니까?

기계 가용성은 가동 시간에 관한 것입니다. 이를 늘리는 것은 모범 사례, 문화 변화 및 소프트웨어의 광범위한 적용을 의미합니다. 계획되지 않은 다운타임이 높으면 회사는 가용성 손실을 겪을 것입니다. 마찬가지로 계획된 다운타임이 비효율적이면 장비 가용성이 낮아집니다.

전체 가용성을 높이는 몇 가지 방법은 다음과 같습니다.

문화

많은 작업에서 OEE가 현재보다 훨씬 높다고 생각합니다. 동일한 시스템, SOP 및 수동으로 구동되는 측정 도구로 운영되었기 때문에 관리자가 20% 이상 점수를 놓치는 것은 드문 일이 아닙니다. 기계 가용성 향상은 문화 변화에서 시작됩니다. 이를 위해서는 관리자가 생산에 사용할 수 있는 시간과 OEE를 개선하기 위해 시스템이 어떻게 변경되어야 하는지 이해하기를 원해야 합니다. 이러한 변화는 일반적으로 경쟁 압력, 비용, 시장 변동성 및 기타 요인에 의해 주도되는 하향식 결정입니다.

유지 관리

가동 중지 시간의 상당 부분은 유지 관리 이벤트와 관련이 있습니다. 장비 수리, 스핀들 수리, 도구 파손 또는 교육과 같이 계획되지 않은 경우가 많습니다. 그러나 부품의 비효율적인 준비, 서면 절차, 도구 구성 및 기타 요인으로 인해 수리 시간이 예상보다 오래 걸리는 경우 계획된 가동 중지 시간에도 반영될 수 있습니다.

과도한 유지 관리로 인한 불필요한 가동 중지 시간을 줄이기 위해 제조업체는 장비 데이터를 수집하여 기계의 성능과 상태를 더 잘 이해할 수 있습니다. 그러나 수동으로 이 작업을 수행하면 시간이 많이 소요될 뿐만 아니라 지연되고 부정확한 데이터가 생성됩니다.

머신 데이터 플랫폼을 사용하여 데이터 수집 및 표준화를 자동화할 수 있습니다. 이러한 방식으로 유지보수 팀은 장비의 성능과 상태를 인식하고 기계 상태 데이터를 사용하여 다운타임이 발생하는 빈도와 그 이유를 이해할 수 있습니다.

그런 다음 이러한 귀중한 통찰력을 사용하여 조건 기반 접근 방식 배포, 다운타임 발생 시 CMMS에서 작업 주문 자동 생성, 임박한 장비 고장 예측과 같은 유지 관리 전략을 최적화할 수 있습니다.

최적화된 프로세스

많은 다운타임 발생은 WIP 및 스테이징 문제로 인한 대기 시간과 같은 비효율적인 SOP와 관련이 있습니다. 또는 최적화되지 않은 재고 관리 방식으로 인해 시간이 소요될 수 있습니다. 이러한 원인에 대한 대기 시간이 늘어남에 따라 가용성이 감소합니다.

교육은 또한 과도한 다운타임의 원인이 될 수 있습니다. 작업자가 다른 교대조보다 잼을 제거하고 기계를 다시 시작하는 데 14% 더 오래 걸린다면 올바른 절차를 표준화하면 이러한 시간이 맞춰질 것입니다. 정확한 데이터 캡처 및 분석을 통해 관리자는 이러한 문제를 기계로 식별하고 더 나은 SOP를 개발하거나 개선 교육을 제공하기 위해 교대할 수 있습니다.

문화를 바꾸고 유지보수 관행을 개선하겠다는 약속과 함께 데이터를 중심으로 한 포괄적인 프로세스 개선 프로그램은 문제를 식별하는 데 도움이 될 것입니다. 재고 관리, 스테이징, WIP 및 교육 문제에 대한 프로세스를 최적화하면 장비 가용성에 직접적인 영향을 미칠 수 있습니다.

IIoT 플랫폼

위의 각각은 기계 가용성을 향상시키기 위해 구현할 수 있지만 소프트웨어를 사용하면 모두 더 효과적으로 달성할 수 있습니다. 실시간 기계 모니터링을 통해 공장은 수동 또는 단편화된 데이터 캡처에 내재된 노력과 실수를 없앨 수 있습니다.

MachineMetrics의 것과 같은 동급 최강의 에지 장치를 사용하여 보고서를 컴파일하고 수동으로 데이터를 입력하지 않고도 데이터를 캡처, 구조화, 정리하고 클라우드 기반 분석 엔진으로 보냅니다. 운영자는 클립보드를 버리면 데이터의 맥락을 파악하고 실행 가능한 통찰력을 제공하는 풍부한 시각화 기능을 활용할 수 있습니다.

실시간 장비 상태 및 성능 분석을 통해 계획되거나 계획되지 않은 다운타임을 줄일 수 있습니다. 데이터는 비용을 낮추고 장비 수명을 연장하는 상태 기반 유지 관리로 유지 관리 프로그램을 강화하는 데 사용할 수 있습니다.

IIoT 실시간 기계 모니터링은 기계에서 생성된 주파수를 분석하여 장애를 예측하고 전환 중과 같은 최적의 시간 프레임에 수리할 수도 있습니다. 또한 가장 중요한 문제에 집중하도록 맞춤화된 강력한 보고 기능을 제공합니다.

이러한 통찰력에 대한 액세스를 통해 관리자와 경영진은 실제 OEE를 빠르게 이해하고 편향되지 않은 완전한 데이터를 처리하는 프로세스 개선 절차를 제정할 수 있습니다.

실시간 데이터는 수동 프로세스 개선의 반복적인 특성을 줄여주고 작업자와 기술자가 수동 데이터 캡처 및 오류가 발생하기 쉬운 분석에 주의를 분산시키는 대신 장비 실행에 집중할 수 있도록 합니다.

MachineMetrics를 사용하여 시스템 가용성 향상

MachineMetrics는 장비 데이터를 자동으로 수집하고 표준화하는 머신 데이터 플랫폼입니다. 플러그 앤 플레이 솔루션을 사용하면 장비를 즉시 연결하고 팀에 실행 가능한 통찰력을 제공할 수 있습니다.

대시보드를 활용하여 장비가 부품 수 목표보다 떨어지는 시점을 확인하고, 알림을 사용하여 유지보수 팀에 가동 중지 시간 이벤트를 알리고, 주기 시간, 계획된 가동 중지 시간 및 기타 KPI 전반에 걸쳐 정확한 벤치마크를 개발하십시오.

MachineMetrics를 사용하면 가장 큰 기회와 낭비 영역을 신속하게 식별하여 기계 가동 중지 시간을 줄이고 처리량을 늘릴 수 있습니다. 지금 데모를 예약하여 자세히 알아보십시오.