[发明专利]一种基于大数据驱动下的OEE动态化的实现方法

权利要求书

1.一种基于大数据驱动下的OEE动态化的实现方法，其特征在于，该实现方法包括以下步骤：

步骤一、基于OEE建立了OEE_d模型；

步骤二、采集动态OEE_d计算模型中各项中间参数所用到的相关因子的数据；

步骤三、计算计划停机状态参数K、动态时间开动率EA_d、动态性能效率PE_d、动态合格品率RQ_ω、设备动态综合效率的OEE_d；

步骤四、由的计算值拟合出OEE_d及其各参数随时间变化的曲线趋势图，可得到动态化的设备综合效率变化情况和出现的损失情况，根据曲线变化，分析设备运行状态；

步骤一中所述OEE_d模型如下：

上述公式是以单个产品为单位进行动态OEE的计算；

第i个产品的计划停机状态系数该参数可以反映出设备此时是否处于计划停机状态；第i个产品的动态时间开动率其中，t_i是在第(i-1)个产品离开加工程序后开始的新一轮计时，时间传感器每隔规定的单位时间向系统发送当前的时间累积值作为t_i，第i个产品离开加工程序后则传感器停止此轮计时，并向系统发送t_i的值作为第i个产品的总生产时长，也就是说此时t_i的值相当于t_op，t_op为第(i-1)个产品离开生产程序到第i个产品离开生产程序的之间的时间间隔；t₀是每个产品的理论生产时间，为常量，不包含在传送带上运输的时间，该数据由每个工厂自行决定数值，T_K，T_K＞t₀，定义为设备加工单个产品的最大允许时限，即考虑了实际生产活动中存有的可允许生产速度损失后，加工一个产品的最大耗时，T_K是一个与理论生产周期t₀及所生产的产品种类相关的时间常数，其中的R(t_i-T_K)是一个以为t_i自变量的分段函数，函数定义如下：

当一个产品进入设备加工时，经过T_K时间传感器还未停止向系统传送t_pt时，表示产品加工未完成，认为设备处于非计划停机状态或速度损失严重的情况；这时候传感器开始每隔单位生产时间Δt向采集系统反馈截止到目前时刻该产品的加工时长t_i，生产时间数Δt是根据所生产的产品正常生产周期所确定的一个最小单位值，此时：

R(t_i-T_K)＝1，

使得

此时，EA_d呈指数下降，OEE_d也相应下降，工厂管理人员可通过监控系统观察到EA_d或OEE_d的大幅度下降，得知设备正处于非计划停机状态或速度损失严重的状态，从而能够及时委派相关技术人员对设备进行检验维修，当问题解决后，图像上会相应体现出EA_d及OEE_d回升，也就是说动态的时间开动率EA_d能够及时反映出超出正常范围内的速度损失及非计划停机状态；

第i个产品的动态性能效率其中，t_pt表示第i个产品实际生产所用周期，即第i个产品进入设备进行加工到离开加工程序之间的时间间隔；又称PE₁，能反映出设备的空转损失；又称PE₂，能反映出设备的速度损失；当降低时分析原因：①因子值的降低而导致值降低，说明此时设备处于空转损失状态；②因子引起值降低，说明此时设备处于速度损失状态；

第i个产品的动态合格率对产品总量n、合格品数n′进行加权计算，其中距离当前时刻最近的产品的权重最大，以此方法就能了解到最新产品的合格情况，加权方法如下：

式中，ω_j为第j个产品所占的权重；

在距离当前时刻最近的生产出来的N个新产品中，取距离当前时刻最近的第一个产品为j＝N，对于之前的产品j依次减一；每个产品是否合格用变量x_j来表示，若第j个产品为合格品，则x_j取值为1，否则x_j为0；是一维权重向量，

显然，有ω_j＞ω_j-1。