亚马逊云科技 IoT SiteWise 提供的工业整体设备效率 (OEE) 指南

简介

整体设备效率 (OEE) 是衡量制造生产率的标准。它包括三个因素：质量、性能和可用性。因此，100% 的设备综合效率分数意味着制造系统只能以尽可能快的速度生产出优质的零件，而且没有停机时间；换句话说，这是一条充分利用的生产线。

OEE 通过识别损失、提高效率以及通过性能和基准测试识别设备问题，提供了有关如何改进制造流程的重要见解。在这篇博客文章中，我们将介绍行李处理系统（BHS），这是机场中常见的系统，乍一看，它并不是使用OEE的传统制造示例。但是，通过正确识别影响质量、性能和可用性的要素，我们可以使用 OEE 来监控 BHS 的运营。我们使用 亚马逊云科技 IoT SiteWise 作为端 到端解决方案来收集、存储、转换和显示 OEE 计算结果。

用例

在这篇博客文章中，我们将探讨位于中东地区主要机场的BHS。客户需要主动监控系统，方法是将现场现有设备与解决方案集成，该解决方案可以提供分析所需的数据，并具有将数据流式传输到云端进行进一步处理的能力。必须强调的是，该项目需要迅速执行，因为该实施的成功需要在其他客户站点进行多次部署。

该客户与合作伙伴集成商 Northbay Solut ions （在 Airis-Solutions.ai 下）合作，在机器连接方面，与亚马逊云科技合作伙伴 CloudRail 合作，简化部署和加速数据采集，并通过亚马逊云科技 IoT服务促进数据采集。

CloudRail 的标准架构支持标准化 OT/IT 连接

架构和连接

为了获得计算OEE所需的数据点，Northbay Solutions向BHS添加了额外的传感器。与工业环境类似，安装在旋转木马上的硬件必须能够承受灰尘、水和物理冲击等恶劣条件。因此，Northbay Solutions使用了IFM Electronics的专业工业级传感器，具有相应的防护等级（IP67/69K）。

当地机场维护团队安装了四个传感器：两个用于电机监控的振动传感器，一个用于输送机监控的速度传感器，以及一个用于计算行李吞吐量的光电传感器。安装物理硬件后，使用 CloudRail.dmc（设备管理云）在客户的 亚马逊云科技 账户上配置传感器并配置与 亚马逊云科技 IoT SiteWise 的通信。对于超过 12,000 个工业级传感器，该解决方案会自动识别相应的数据点并自动将其标准化为 JSON 格式。这种易于配置和清晰的数据结构使 IT 人员可以轻松地将工业资产连接到 亚马逊云科技 IoT。然后，这些数据可以用于报告、状态监测、AI/ML 和 3D 数字双胞胎等服务。

除了在物联网项目中节省时间和金钱的快速连接外，CloudRail的舰队管理还为数千个网关提供长期兼容性和安全补丁的功能更新。

BHS 解决方案的架构如下所示：

传感器数据由 CloudRail 收集和格式化，这反过来又允许使用 亚马逊云科技 API 调用将其提供给 亚马逊云科技 IoT SiteWise。CloudRail 简化了这种集成，可以 直接通过 C loudRail.DMC（设备管理云） 进行配置（需要先在 亚马逊云科技 IoT SiteWise 中创建旋转木马的模型和资产模型，我们将在本博客的下一节中看到）。该架构包括其他组件，用于通过 S3 存储桶将传感器数据提供给其他 亚马逊云科技 服务，该存储桶存储原始数据，以便与 A mazon Lookout for Eq uipment 集成 以进行预测性维护，但是，这超出了本博客文章的范围。有关如何为 BHS 集成预测性维护解决方案的更多信息，请访问此 链接 。

我们将讨论如何通过在 亚马逊云科技 IoT SiteWise 中存储 BHS 传感器数据来定义模型、从中创建资产并监控所有到达云端的传感器数据。在 亚马逊云科技 IoT SiteWise 中提供这些数据将使我们能够定义指标和数据转换（转换），这些指标和数据转换（转换）可以衡量 OEE 组成部分：可用性、性能和质量。最后，我们将使用 亚马逊云科技 IoT SiteWise 来创建一个显示 BHS 工作效率的控制面板。该仪表板可以提供有关我们BHS各个方面的实时见解，并为进一步优化提供有用的信息。

数据模型定义

在向 亚马逊云科技 IoT SiteWise 发送数据之前，您必须 创建模型 并定义其属性。如前所述，我们有四个传感器将分组为一个模型，其测量结果如下（来自设备的数据流）：

除了测量结果外，我们还将在资产模型中添加一些属性（静态数据）。这些属性代表我们在 OEE 计算中所需的不同值，例如振动传感器的最高温度和 BHS 速度的可接受值。

计算 OEE

标准的 OEE 公式是：

在哪里：

• run_time（秒）：计算机在指定时间间隔内无问题运行的总时间。
• down_time（秒）：计算机总停止时间，即机器在指定时间间隔内由于计划活动、故障和/或处于空闲状态而未运行的总和。
• 成功：在指定时间间隔内成功填充的单位数。
• 失败次数：在指定时间间隔内未成功填充的单位数。
• Ideal_Run_Rate：计算机在指定时间间隔内的性能占理想运行速率（以秒为单位）的百分比。在我们的例子中，理想的运行速度为每小时 300 袋。该值取决于系统，应从制造商那里获得或基于现场观测性能。

定义这些参数后，下一步是根据到达亚马逊云科技 IoT SiteWise的传感器数据识别构造 OEE 公式的元素。

可用性

可用性 = 运行时间/（运行时间 + 停机时间）

要计算 run_time 和 Down_Time，必须定义计算机状态和决定当前状态的变量。在 亚马逊云科技 IoT SiteWise 中 ，我们有 变换 ，即将属性的数据点从一种形式映射到另一种形式的数学表达式。鉴于我们在BHS上有4个传感器，我们需要定义要在计算中包括来自传感器的哪些测量值（温度、振动等），这可能会变得非常复杂，包括10或100个变量。但是，我们定义旋转木马正确运行的主要指标是来自两个振动传感器（分别以摄氏度和 m/s^2 为单位）的温度和振动强度，以及来自速度传感器的旋转木马速度（m/s）。

为了定义哪些值可以用于正确操作，我们将使用先前定义的资产模型中的属性。属性充当常量，使公式更易于阅读，也允许我们在资产模型级别上更改值，而无需对每项资产进行多项更改。

最后，为了计算一段时间内的可用性参数，我们添加了 指标 ，这使我们能够汇总来自模型属性的数据。

质量

质量 = 成功/（成功+失败）

对于 OEE 质量，我们需要定义什么是成功和失败。在我们的例子中，我们的生产单位是已计数的袋子，那么我们如何定义何时成功计算袋子，何时不成功计数呢？可以通过使用外部系统（例如图像识别）来提高质量过程的方法有多种，但为了简单起见，让我们仅使用4个传感器提供的测量结果和数据。首先，让我们假设行李是通过查看光电传感器提供的距离来计数的。当物体通过波段时，测量的距离小于基本距离，因此可以检测到物体。这是计算行李通过量的一种非常简单的方法，但同时容易出现多种情况，从而影响测量的准确性。

成功次数 = 总和（行李数）— 总和（Dubious_Bag_Count）

失败次数 = 总和（Dubious_Bag_Count）

质量 = 成功/（成功+失败）

请记住在所有计算中使用相同的指标间隔。

性能

性能 =（（成功次数 + 失败次数）/运行时间）/Ideal_Run_Rate

我们已经从质量计算中得出了成功和失败的结果，从可用性中得出了 Run_Time。因此，我们只需要定义 Ideal_Run_Rate 即可。如前所述，我们的系统以每小时 300 袋的速度表现理想，相当于 0.0833333 袋/秒。

为了获取这个值，我们使用在资产模型级别定义的属性 Ideal_Run_Rate。

OEE 值：

有了可用性、质量和性能，我们着手定义 OEE 的最后一个指标。

OEE = 可用性 * 质量 * 性能

在 亚马逊云科技 IoT SiteWise 中可视化 OEE

将 OEE 数据整合到 亚马逊云科技 IoT SiteWise 中后，我们就可以通过 亚马逊云科技 IoT SiteWise 门户创建控制面板，以提供一致的数据视图，并为用户定义必要的访问权限。有关更多详细信息，请参阅 亚马逊云科技 文档 。

OEE 控制面板

结论

在这篇博客文章中，我们探讨了如何使用来自 BHS 的传感器数据从系统中提取有见地的信息，并利用这些数据在整体设备效率 (OEE) 计算的帮助下全面了解我们的物理系统。

使用 CloudRail 连接解决方案，我们能够在几分钟之内将安装在 BHS 上的传感器集成到 亚马逊云科技 IoT SiteWise 等 亚马逊云科技 服务中。通过这种集成，我们能够存储、转换和可视化来自系统传感器的数据，并生成仪表板，提供有关系统性能、可用性和质量的实时信息。

要了解有关 亚马逊云科技 IoT 服务和合作伙伴解决方案的更多信息，请访问此 链接 。

作者简介