大数据,机器学习,人工智能大数据玩转大数据

数据可视化助你提早发现设备存在的隐患

2018-07-16  本文已影响7人  数据观数据分析平台

来自:数据观https://www.shujuguan.cn/?from=jianshu

设备正常运行是保证正常生产的前提。尽管现在的物联网、安全生产预警系统等先进设备已经能够帮助企业快速发现问题并提供成熟的解决方案,但是,我国的许多企业当前并不具备引进这些先进手段的条件,对于设备的维护检修还停留在当设备发生故障或处于维修状态时,车间管理层、计划人员及相关人员才开始采取措施调整解决。今天,我们就与大家分享一个案例,介绍一下如何使用一些来源简单的数据,通过可视化分析,实现对设备的监控,帮助企业及早发现设备存在的隐患,保证生产的正常运行。完整数据可视化分析见下图:

接下来,我们详述一下分析思路。

首先,我们需要对某企业中各个设备的历史状态记录进行数据分析,从检修次数与检修类型角度找出其使用特点以及常见故障特点:

从上图中可以看到,该车间有XY-500T、XY-150T、XY-350T、XY220T、XY-300T、AA、XY-250T、XY-120T共8台设备,设备检修的次数最多达34次,最少也在16次之多。再比较解决方案可以发现,更换零件的次数最多,其次还有报错重启、大修、清理等。为了方便比较,我们用颜色对8台设备分别进行了标记。检修次数较多的设备普遍存在频繁更换零件,让我们对设备可能存在的隐患有了一定了解。

然后,我们看一下排产计划,看看这些设备的负荷情况,可以发现当天共有51单参加排产,涉及产品约35万件:

接着,我们针对当天完成的产品,分别统计不同时段各设备的产量,以此来考察这些设备的负荷情况,如“设备生产现状”的条图所示,从上午10点到下午17点间,设备XY-150T承载了近7万的产量,特别是12点时承载的数量最大。而其他设备的产量都不足1万。至此,可以很明显看出这台XY-150T设备的特殊之处,这时我们再进一步考察这台设备的负荷状态,可以看到,该设备当天承载的大部分产量均是近期需要交货的,一旦该设备发生故障,极有可能影响正常交货:

当我们通过数据可视化分析发现了问题,那么就可以提前制定计划以保证生产。比如我们可以调整排产计划,在如12点、16点、17点这些产量差距很大的时间段,调配生产,降低设备XY-150T的负荷量。如果不能调整排产计划,那么可以结合各机器检修数据分析结果,事先预备充足的替换零件,并派相关的技术人员定时检查系统问题也可从减少维修次数和时间的角度,最大程度地保障生产。

上一篇下一篇

猜你喜欢

热点阅读