專利名稱：求出生產設備效率、故障事件和故障事件原因的系統(tǒng)和方法
技術領域：
本發(fā)明涉及到求出生產設備效率(全部設備效率)、故障事件和造成生產率損失重要故障事件的原因的系統(tǒng)和方法。
關于效率在這里理解為概念“全部設備效率，OEE”，全部設備效率例如是敘述在Robert Hansen學習全部設備效率的功率，1999機械可靠性會議和展覽會的會議報告“機械可靠性會議”12-14日4月，辛辛那提，俄亥俄，19至30頁中，工業(yè)通信公司，1704 Natailie NehsDr.出版，Knoxville，TN 37931。
OEE是計算百分比的一種方法，這個百分比說明各個實際的生產率達到計劃的，即預先規(guī)定的生產率的多少。OEE也被稱為共同起作用的參數的乘積，這些參數定義一個過程“健康”，即OEE＝可用性×處理速度×質量。
由于經濟原因，以及生產質量安全性原因生產設備的驅動裝置對于計算沒有干擾運行時可達到的名義效率和與各個現實效率進行比較是感興趣的?，F實的效率與名義值有偏差，則意味著生產率損失。原因可能有物理，人員或管理范圍的根源。
對于故障分析(在生產率損失意義上的)可以使用不同的方法和技術。最重要的代表是FMEA(故障模式和效果分析)，故障樹分析，或統(tǒng)計計算方法，例如Pareto-分析(John Moubray，RCM2，Butterworth-Heinemann，第二版1997)。
當進行FMEA時應該進行以下步驟1.將設備進行功能分解2.說明主功能和輔助功能3.功能的故障狀態(tài)的說明和列表4.求出每個故障狀態(tài)的所有原因5.確定對生產目標的作用6.定量的評價其作用故障樹分析是從一個不希望的TOP-狀態(tài)出發(fā)的。對于這個初始事件求出導致這個狀態(tài)的所有事件狀態(tài)。
統(tǒng)計方法是以生產中的適當的數據基礎為先決條件的。例如可以用Pareto-分析求出其故障事件原因，這些故障事件原因是對于重要的生產故障負責的。FMEA和故障樹分析可以通過工具支持。這些工具引導使用者有步驟地通過數據計算和文件化的方法和支持得出結果。
統(tǒng)計方法當然是以適當的數據基礎為先決條件的，這些數據基礎常常是不存在的。或者從生產中根本沒有數據顯示出來或沒有求出對于故障分析必要的信息。
上述方法在設計理論中有其根源，也就是說將這些方法使用在將產品或設備設計成盡可能是故障安全的。產品所達到的高質量標準表明對于這種分析很高的時間花費和工作花費是有理的。
生產設備的損耗和故障“非常大的后”分析常常是受時間限制的，因為停機的生產率損失是與成本很高聯系在一起的。其他的缺點是，這些方法沒有一個是支持聚焦在現實干擾原因的處理方法的。
從文獻中已知，在故障事件和真正的故障事件原因之間可以存在7原因平面[John Moubrey，RCM2，Butterworth-Heinemann，第二版1997]。已知的方法中沒有方法可以說明，什麼時間找到確保持續(xù)地排除故障事件原因的這個適當的平面。
以下任務以本發(fā)明為基礎，規(guī)定一種方法和一個系統(tǒng)使自動求出現實的效率，故障事件和故障事件原因成為可能。
此任務是通過求出不同類型生產設備的效率，重要的故障事件和產生的原因的一個系統(tǒng)解決的，這個系統(tǒng)具有敘述在權利要求1中的特征。有益的結構形式敘述在從屬權利要求中。
此外此任務是通過敘述在權利要求14中的方法自動求出生產設備效率，重要的故障事件和原因的方法解決的。
按照本發(fā)明的系統(tǒng)包括一個服務裝置，將服務裝置有益地構成為移動裝置和可以各自連接在生產設備的主系統(tǒng)的數據服務器上。不僅所使用的方法而且還有作為系統(tǒng)的結構是建立在使用預先配置方法模型基礎上的。這種方法模型可以借助于脫機系統(tǒng)部分確定和可以在在線系統(tǒng)部分上使用。
將服務裝置以有益的方式可以使用在不同生產設備的原因分析上，例如不僅在造紙而且在食品工業(yè)灌裝機液體灌裝時分析生產效率損失或有缺陷的產品質量原因。這種萬能的可使用性是通過一系列生成的模型以及通過預先配置的評價模型和故障模型達到的。
借助于表示在附圖上的實施例在下面說明本發(fā)明和其優(yōu)點。
附圖表示附

圖1求出效率、故障事件和故障事件原因按照本發(fā)明的系統(tǒng)框圖，附圖2按照附圖1系統(tǒng)的在線系統(tǒng)部分和脫機系統(tǒng)部分的部件，附圖3系統(tǒng)的工作方法，附圖4典型的OEE-顯示包括形成報警顯示，附圖5證實故障假設的OEE-原稿，附圖6從控制系統(tǒng)或主系統(tǒng)可以調出的數據舉例，附圖7故障數據庫的舉例，附圖8示范性的事件種類，附圖9評價模型的舉例，附圖10 Pareto-分析的示范性的結果，附圖11故障模型的說明數據，附圖12故障事件“油泵關閉”的故障模型，和附圖13典型的OEE-計算公式。
按照附圖1框圖表示了與數據采集裝置2相連接的一個生產設備1。生產設備1可以是單個機器或具有很多生產設備的綜合設備?？梢陨婕安煌愋偷纳a設備，例如造紙機、釀造廠或者釀造廠的灌裝設備，或汽車制造范圍的生產設備。
數據采集裝置2包括為了分析目的所需要數據的數據服務器30(附圖2)，例如數據是從主系統(tǒng)或控制系統(tǒng)，生產規(guī)劃系統(tǒng)或維護系統(tǒng)來的。
為了效率計算，故障分析和原因分析將服務裝置3可以暫時或持續(xù)地連接在數據采集裝置2的數據服務器30上。
服務裝置3包括在線系統(tǒng)部分4和脫機系統(tǒng)部分5，其中在線系統(tǒng)部分4是與數據采集裝置2和與脫機系統(tǒng)部分5連接的。此外存在輸入裝置6和顯示裝置7，輸入裝置和顯示裝置各自是與系統(tǒng)部分4和5連接的。下面借助于附圖2說明服務裝置的這些部件。
附圖2表示了服務裝置3在線系統(tǒng)部分4和脫機系統(tǒng)部分5。
在線系統(tǒng)部分4使自動求出效率OEE，重要的故障事件和故障事件原因成為可能。為此它包括一個OEE-計算器21，將故障計算器構成為從故障數據庫31中存取準備好的數據。OEE-計算結果可以在OEE顯示器11上顯示。
將故障事件檢測器22構成為，從數據服務器30中將數據調出以及從OEE-原稿34中存取，OEE-原稿包括故障事件判據和為了故障事件檢測此外應該考慮的附加信息，借助于數據輸入12可以將附加信息輸入。故障檢測器22將被求出的故障事件按照時間順序可以存放在故障數據庫31中。
將故障事件處理器23構成為在故障數據庫31中存取故障事件-時間順序，在使用配置的計算模型32時計算單個的故障事件，和借助于統(tǒng)計顯示器13顯示結果。
故障事件原因測定器24從故障數據庫31中以及從配置的故障模型和推薦模型33中存取和顯示被求出的故障事件原因和必要時在故障事件原因顯示14中還顯示排除故障的推薦建議。
將在線系統(tǒng)部分5構成為是為了借助于模型編輯器15和模型搜索器27從被生成的模型36的儲備中將最佳適合的模型搜索出來和進行匹配。
將借助模型配置器25配置的模型35可以存放在服務裝置3的地方。將它們也可以借助于適當的接口地方分布地存儲在外部。借助于模型生成器26可以存儲被配置的模型35。在脫機系統(tǒng)部分5上和在脫機運行時將被制成的配置模型35提供給在線系統(tǒng)部分4作為被配置的計算模型32或者作為故障模型33使用。
借助于附圖3敘述了與附圖4至12有聯系的系統(tǒng)工作方式。
附圖3表示自動求出生產設備效率，重要的故障事件和與預先規(guī)定的名義狀態(tài)有偏差的效率的原因的方法的單個步驟。
在步驟200中從主系統(tǒng)或控制系統(tǒng)，即從數據服務器30(附圖2)中存取數據和將存放在故障數據庫31(附圖2)中的故障事件進行檢測。
附圖6表示了典型的可調出的數據組。在最簡單情況下數據組是由信號的識別字及其數值組成的。根據系統(tǒng)可以存取附加信息如數據類型，說明數據和系統(tǒng)時間。為了計算OEE常常詢問機器狀態(tài)，計數器水平和馬達轉速的信號。物理量的附加測量值和故障狀態(tài)信號對于干擾的文件化是有幫助的。
在步驟100中在調出數據和故障事件基礎上，以及在實現的OEE公式的基礎上進行OEE-數的計算。
附圖13表示OEE典型計算公式。這個OEE公式對于一種專門設備是可以配置的。在例子中公式的第一行表示可用性部分，第二行和第三行表示性能部分和第四行表示OEE質量部分。整個的OEE是由單個部分的乘積得到的。典型方式是將OEE用百分比表示。
將計算結果顯示在OEE顯示器11(附圖2)上。附圖4表示OEE顯示的例子，其中將OEE用百分比進行計算和作為趨勢表示了一個星期的。此外表示了報警形成。將OEE報警臨界線調整到40％。例如當超過臨界值時為了視覺報警將OEE趨勢改變顏色。
在步驟200中從控制系統(tǒng)或者主系統(tǒng)中對應于OEE原稿中的判據按照故障事件將數據進行全面搜索。附圖5表示了證實造紙機故障假設的這個OEE-原稿的例子。將已經識別的故障事件存儲在故障數據庫31(附圖2)中。
可以將附加的，通過用戶輸入的故障事件存儲在故障數據庫31中。
附圖7示范性地表示了已經存儲在故障數據庫31中的信息。將數據組按年月順序作為歷史存放。數據組是由所謂的時間印記(日期和鐘點)，出現故障事件的生產區(qū)域，故障事件說明和相應的事件分類以及事件的持續(xù)時間組成的。
附圖8表示了事件分類的例子ST操作表示操作處理的生產的已經計劃的停機。如機器的改裝和標準測試。
ST引起表示由于外部影響(不是由于技術設備)不在計劃內的停機，如材料太少，人員太少，不在計劃內的討論。
DT技術表示由于儀器故障或維護故障的所有不在計劃內的停機。
DT操作表示由于原材料和輔助材料質量不好以及由于過程或產品引起的不在計劃內的試驗或臟東西的不在計劃內的停機。
如果在OEE顯示器上顯示一個報警和釋放一個報警信號，步驟300開始原因分析。其中首先從故障數據庫31中存取和存取被配置的評價模型32(附圖2)情況下將重要的故障事件進行識別。將被選擇的時間段內存在的故障事件涉及到造成的用Pareto-分析的成本借助于評價模型32進行統(tǒng)計計算。
附圖9表示了評價模型32的例子。評價模型說明，由于一定的生產區(qū)域/機器的停機造成每個單位時間多大的成本。此外在示范性的評價模型上成本還由事件分類確定。
附圖10示范性地表示了進行Pareto-分析的結果。Pareto-分析將各種故障事件相加和涉及到造成的成本進行評價。因此將重要的故障事件進行識別。如在例子中將視覺化可能的形狀可以表示為柱形圖。在例子中故障事件“油泵關閉”造成的成本最高。
對于故障事件原因應該進行分析的確定的故障事件，在步驟400中將必要的數據進行采集。
在步驟500中從數據庫中的故障模型中將說明故障的數據進行存取。在自動運行的在線運行時使用在這之前配置的故障模型33(附圖2)。在脫機運行時可以搜索最適合的故障模型和為用戶進行視覺化。然后用戶可以編輯模型。
附圖11示范性地表示了故障事件“油泵關閉”故障模型的說明數據。將說明數據用于結構化地在數據庫中存放故障模型，如果重新需要模型時，可以用搜索詢問存取故障模型。故障模型典型的說明數據是由故障事件的名稱，其分類以及技術環(huán)境，如生產設備的型號，生產區(qū)域和進一步細化的機器和儀器和其類型得到的。
附圖12表示了故障事件“油泵關閉”的故障模型。模型是建立在邏輯樹結構基礎上的。最上面平面的框子代表故障事件。然后跟著原因/作用關系的多個平面?？梢詫⒃蚍诸悶槲锢淼模藛T的和管理的。這個例子表示了從故障事件直到真正的原因油泵關閉，油冷卻器，過濾器臟，低質量油，不符合質量標準。此外故障模型可以與推薦模型合作。在例子中對于原因規(guī)定了預先規(guī)定與購買有聯系的質量標準的推薦建議。
在步驟600中從上至下制定故障模型。將不同平面的故障假設借助于已經存在的說明數據進行證實，如果找到真正的故障原因，附加輸出給原因說明排除這個原因的推薦建議。
在步驟700中涉及到重復使用性將原因分析進行的結果進行評價。將故障模型可以通過這些過程擴展原因或減少原因。隨后將模型存放在數據庫中。
權利要求
1.系統(tǒng)，用于求出-不同類型生產設備(1)的效率(全部設備效率OEE)，-造成與預先規(guī)定的名義效率有偏差的重要的故障事件，-故障事件的原因，其中a)各個生產設備(1)是與數據采集裝置(2)相連接的，將數據采集裝置裝備成連續(xù)地采集和準備調出地存儲以設備為基礎和以生產為基礎的數據，和b)存在可以與各個生產設備(1)的數據采集裝置(2)連接的服務裝置(3)，服務裝置(3)有-輸入裝置(6，12)用于輸入附加的，不能從數據采集裝置(2)中調出的以設備為基礎和以生產為基礎的說明數據，-顯示裝置(7，11，13，14)用于顯示被求出的效率(11)，重要的故障事件(13)和故障原因(14)，-在線系統(tǒng)部分(4)，將其構成為從數據采集裝置(2)中調出以設備為基礎的數據和以生產為基礎的數據，借助于故障事件檢測器(22)在這些數據的基礎上以及借助于輸入裝置(12)輸入附加的說明數據和借助于OEE-原稿(34)識別故障事件，借助于被配置的評價模型(32)通過故障事件計算(23)求出重要的故障事件，和借助于重要的故障事件被配置的故障模型(33)求出各個故障原因(24)，和計算出效率(21)，-脫機系統(tǒng)部分(5)，脫機系統(tǒng)部分包括多個被生成的故障模型(36)和評價模型(36)和有在這個局部分布的模型(36)上的存取，和將脫機系統(tǒng)部分構成為，在被調出和/或被輸入的說明數據基礎上搜索(27)，配置(25)和局部或局部分布地存儲(35)這些模型(36)，和將作為被配置的評價模型(32)或者作為被配置的故障模型(33)存放在在線系統(tǒng)部分(4)中。
2.按照權利要求1的系統(tǒng)，其特征為，生產設備(1)是單個機器或有多個機器的設備。
3.按照權利要求1或2的系統(tǒng)，其特征為，數據采集裝置(2)是主系統(tǒng)或可編程存儲的控制系統(tǒng)的一部分。
4.按照上述權利要求之一的系統(tǒng)，其特征為，將服務裝置(3)構成為，經過環(huán)球網瀏覽器存取存放在環(huán)球網服務器中的模型(35)，和將被配置的模型存放在環(huán)球網服務器中。
5.按照上述權利要求之一的系統(tǒng)，其特征為，在在線系統(tǒng)部分(4)中包括OEE-計算器(21)，將OEE-計算器構成為通過使用被存儲的OEE-計算公式計算效率。
6.按照上述權利要求之一的系統(tǒng)，其特征為，在線系統(tǒng)部分(4)包括故障事件檢測器(22)，將故障事件檢測器構成為通過被配置的OEE-原稿(34)通過超過臨界值識別故障事件。
7.按照上述權利要求之一的系統(tǒng)，其特征為，將在線系統(tǒng)部分(4)構成為通過Pareto-分析和使用被配置的評價模型(32)求出重要的故障事件。
8.按照上述權利要求之一的系統(tǒng)，其特征為，在線系統(tǒng)部分(4)包括原因測定器，將原因測定器構成為通過使用故障事件數據(31)和被配置的推薦建議模型(33)或專家系統(tǒng)求出故障原因。
9.按照上述權利要求之一的系統(tǒng)，其特征為，將服務裝置(3)構成為求出排除故障的推薦建議，進行視覺化和/或為了繼續(xù)傳送將推薦建議輸出。
10.按照上述權利要求之一的系統(tǒng)，其特征為，脫機部分(5)為了尋找最佳的模型包括模型搜索器(27)和具有被生成的模型(36)的數據庫，其中最佳的模型是一個故障模型(36)，其故障數據說明與各個搜索詢問是最近似的。
11.按照上述權利要求之一的系統(tǒng)，其特征為，脫機部分(5)為了配置被生成的模型包括模型配置器(25)和模型編輯器(15)。
12.按照上述權利要求之一的系統(tǒng)，其特征為，脫機部分(5)包括模型生成器(26)，模型生成器生成被配置的模型(35)和為了重復使用存放在數據庫(36)中。
13.按照權利要求10的系統(tǒng)，其特征為，系統(tǒng)包括模型編輯器(15)，借助于它的幫助對于模型搜索器(27)可以將搜索詢問格式化。
14.自動求出生產設備(1)效率、重要的故障事件和與預先規(guī)定的名義狀態(tài)有偏差的效率的原因，其中a)用與生產設備(1)連接的數據采集裝置(2)借助于故障事件檢測器(22)將被采集的和被存儲的生產率重要的歷史數據調出，和附加地將以設備和以生產為基礎的數據輸入，b)借助于OEE-計算器(21)按照適當的方法進行效率的連續(xù)計算，c)借助于故障事件檢測器(2)涉及到故障事件-樣板的數據進行試驗，和將被識別的故障事件作為時間順序存放在故障數據庫(31)中，d)借助于故障事件處理器(23)從被存放的故障事件中通過使用被存儲的被配置的評價模型(32)識別重要的故障事件，e)借助于原因測定器(24)對于各個重要的故障事件，考慮到附加輸入的說明特殊環(huán)境條件的數據情況下求出故障原因，和f)將被求出的故障原因和將被求出的效率視覺化和/或輸出。
15.按照權利要求14的方法，其特征為，借助于OEE-計算器(21)在存取故障數據庫中被存儲的故障事件情況下進行效率的連續(xù)計算。
16.按照權利要求14或15的方法，其特征為，附加的、由故障事件檢測器(22)借助于被配置的OEE-計算原稿(34)借助于輸入的故障事件編輯不可識別的故障事件。
17.按照權利要求14至16之一的方法，其特征為，將借助于故障事件處理器(23)求出的重要故障事件視覺化成Pareto-圖。
18.按照權利要求14至17之一的方法，其特征為，使用模型搜索器(27)，模型搜索器借助于模型數據庫中的說明數據搜索那個最適合于專門的故障事件和適合于生產設備的被生成的模型(36)，和將那個模型輸入給形成被配置的模型(35)的模型編輯器(15)以及模型配置器(25)，將這些被配置的模型使用作為故障事件的計算和原因分析。
19.按照權利要求18的方法，其特征為，為了求出故障原因借助于原因測定器(24)借助于說明數據證實被配置的故障模型(35或者33)的原因假設，被配置的故障模型包括通過多個模型平面延伸的原因-作用圖，其中將模型有步驟地從一個平面至下一個進行處理，直到找到真正的原因。
20.按照權利要求14至19之一的方法，其特征為，使用故障模型(33)，這個故障模型是由推薦模型補充的，和借助于它的幫助求出排除故障的推薦建議，將這個推薦建議輸出。
21.按照權利要求18至20之一的方法，其特征為，在處理過程框架內為了重復使用目的將被配置的模型(35)借助于模型生成器(26)生成和存儲在模型數據庫(36)中，此時生成或刪除各個模型(35)的組成部分。
全文摘要
本發(fā)明涉及到求出不同類型生產設備(1)的效率(全部設備效率OEE)，引起與預先規(guī)定的名義效率有偏差的重要的故障事件，故障事件的原因。各個生產設備(1)是與數據采集裝置(2)相連接的，將數據采集裝置構成為連續(xù)地采集和準備調出地存儲以設備為基礎的和以生產為基礎的數據?？梢赃B接在各個生產設備(1)的數據采集裝置(2)上的服務裝置(3)具有輸入裝置(6，12)用于輸入附加的，不能從數據采集裝置(2)中調出的以設備為基礎和以生產為基礎的說明數據，顯示裝置(7，11，13，14)用于顯示被求出的效率(11)，重要的故障事件(13)和故障原因(14)，以及在線系統(tǒng)部分(4)，將這個構成為從數據采集裝置(2)中調出以設備為基礎的數據和以生產為基礎的數據，計算效率(21)，識別故障事件(22)，通過故障事件處理(23)求出重要的故障事件，和各自求出故障原因(24)，和脫機系統(tǒng)部分(5)，脫機系統(tǒng)部分包括多個被生成的故障模型(36)和評價模型(36)和構成為，在說明數據基礎上搜索(27)這些模型(36)，和作為被配置的評價模型(32)或者作為被配置的故障模型(33)存放在在線系統(tǒng)部分(4)中。
文檔編號G05B23/02GK1433534SQ00818697
公開日2003年7月30日 申請日期2000年1月29日 優(yōu)先權日2000年1月29日
發(fā)明者J·卡勒拉, G·沃爾馬, M·格羅伊利希, R·米蘭諾維 申請人:Abb研究有限公司