广告

提高生产流程的效率,传感器很重要

时间:2024-02-06 作者:Robin Mitchell 阅读:
对于任何工业流程而言,确保机器高效率运行是实现盈利的关键,但要衡量这种效率,却不是一件容易的事情。本文将探讨制造商在测量和维持效率方面所面临的挑战、研究整体设备效率 (OEE) 指标,并介绍Banner Engineering的Q4X光电传感器如何帮助工程师提高机器效率。

对于任何工业流程而言,确保机器高效率运行是实现盈利的关键,但要衡量这种效率,却不是一件容易的事情。得益于先进传感器和预测算法等新技术的出现,工程师们现在可以实时监控工业系统的效率,并通过紧密耦合的反馈回路改变它们的工作方式。

本文中,我将探讨制造商在测量和维持效率方面所面临的挑战、研究整体设备效率 (OEE) 指标,并介绍Banner Engineering的Q4X光电传感器如何帮助工程师提高机器效率。

为何难以衡量制造业的生产率?

自18世纪下半叶工业革命开始以来,制造业取得了突飞猛进的发展。例如,冲压、成型、印刷和挤压等制造技术提高了零件成品的一致性,并且打造出了新的形状和功能。与此同时,蒸汽动力消除了某些工作对人工的需求,让机器可以全年无休地运转。

生产线的发展,也使得复杂的产品通过几个基本步骤就可以生产出来。这些基本步骤不仅有助于简化产品的生产阶段,还能让操作人员熟练掌握自己的工作,从而提高质量。

然而,随着技术的进步,制造工作的复杂性也在不断提高,以往只需几个基本步骤的生产线,早已变得极其复杂。一件现代产品往往要经历成百上千个单独步骤才能制造出来,只要其中一个步骤出现问题,整条生产线就会停摆。

而且,每增加一个生产步骤,流程中的低效率问题就会进一步浮现出来,并波及整个生产周期的其余部分。正如链条的强度取决于最薄弱的环节一样,生产线的效率也取决于最低效的工序。

面对如此复杂的生产线,工程师们开始利用物联网 (IoT) 和人工智能 (AI) 来收集尽可能多的数据,并通过分析这些数据,找出效率低下的潜在原因。尤其是在引入预测性维护后,技术人员可以主动监控机器,并在故障发生前找出潜在问题。

然而,智能算法和预测系统的好坏取决于提供给它们的数据。如果系统使用分辨率不高的低质量传感器来监控性能,就很难充分地发挥潜能。为了尽可能避免让系统依赖无效数据,工程师可以使用高质量的传感器并采用OEE指标。

什么是OEE?

OEE是衡量机器效率的指标。该指标考虑了产品合格率、生产速率,以及流程中断的频率。要计算特定流程的OEE值,需要将这些因素相乘。

OEE以百分比来衡量,100%为最佳,0%为最差。例如,如果一个流程的零件合格率为80%,在理论最大值90%的生产速率下,正常运行时间约为70%,则OEE值为0.8 × 0.9 × 0.7 = 0.504,即50.4%。

这一指标表明,即使一个流程能够在100%的时间内正常工作,并以100%的速率生产产品,但如果零件的最终合格率只有50%,就会直接导致100%的得分降低到50%,从而凸显出流程中存在的严重问题。

哪些因素会影响OEE?

找到产量、速度和质量之间的最佳平衡点,对机器来说至关重要。如果有很大一部分零件不符合质量标准,那么即便把机器的生产速率提高到绝对极限,也依然是徒劳。同样,大幅降低生产速率以获得高质量零件也是毫无意义的,因为这会导致生产过程耗时太长。

这种平衡也适用于维护工作。如果维护间隔时间过长,可能会导致机器故障,从而耗费大量资金并造成不必要的停机维修。然而,过于频繁的维护也会造成不必要的耗时。

由于维护工作在生产线中至关重要,因而许多工程师正求助于人工智能来预测执行此类工作的最佳时间。通过一系列传感器,工程师可以观察机器的运行情况,从而发现异常行为。例如,如果发生了正常情况下不应该出现的振动,就可能预示着电机轴承存在故障;虽然这样的振动在当下可能并无大碍,但工程师此时就可以适时地安排好轴承更换作业,避免因轴承故障导致的更大问题(如设备损坏)所带来的停机时间和成本。

传感器与OEE之间有何关联?

在计算OEE时,最大的挑战之一是找到测量每个因素的方法。虽然工程师可以从每台机器上人工读取数据,将这些数据填到一张表里面,然后在开会时把这张表展示出来,但这种方法并不实用,因为它无法让利益相关者查看、处理实时数据或根据实时数据采取行动。而OEE可以让系统能够实时确定自身的性能,然后做出决策来提高这项指标。这就是传感器发挥关键作用的地方。

得益于众多先进技术,现代传感器可以收集有关机械和流程的各种数据,包括电机每分钟转数 (RPM)、轴向定位、零件方向、环境温湿度等。此外,由于传感器可以在100%的时间内工作,无需休息,也很少产生错误结果,因此工程师可以获得实时数据流和实时性能报告。

不过,工程师能做的不只是实时查看数据。他们还可以在机器或流程的本地反馈回路中使用这些数据,以监控其真实的OEE值,然后就可以对流程进行调整,从而提高这项指标。结合先进的人工智能算法后,这样的流程就可以实现智能化,让系统能够了解流程的产出如何随着各种传感器读数的变化而变化。

例如,如果使用转速传感器来测量电机轴的转速,所得到的数据就可以与自动光学检测系统相结合,从而找到两者之间的关系(通过人工智能系统)。在此基础上,系统就可以确定最佳操作点,而无需人工干预。

总而言之,传感器为工程师提供了大量有关机械和流程的详尽信息。通过这些信息,工程师就能在如何调整系统以提高效率方面做出更明智的决策。此外,这些信息还能帮助工程师获取到基本观察方法难以发现的潜在收获。

Banner Engineering的Q4X如何提升OEE?

激光测距是一种对确定零件质量非常有用的传感技术。激光可以精确测量物体表面细微的形状、颜色和方向变化。然而,要在短时间内对一定的距离范围进行测量,就不是一件容易的事情,要做到精确测量更是难上加难。

这正是Banner Engineering Q4X系列光电传感器的优势所在。这些高精度传感器可以检测到物体表面亚毫米级的变化,使用范围可达500毫米。同时,这些传感器还能对距离变化做出快速响应(快至300µs),从而实现快速操作(例如铣削系统定位、零件厚度测量)。

Q4X传感器具有高度的可重复性,能在不同的测量任务中为工程师提供一致的测量结果,从而帮助提高零件的产出质量——这正是影响OEE的主要因素之一。Q4X传感器对反射和非反射目标均适用,因此非常适合用于有特殊涂层的零件。

Q4X传感器同时具有数字和模拟输出,可在各种系统中实现出色的自由度。数字输出有助于降低复杂性,而4-20mA输出则是纯模拟输出,这意味着工程师可以使用高精度模数转换器 (ADC) 进行更精确的测量,或使用更小的ADC进行高速读数。

总之,Q4X传感器系列为工程师提供了实时测量数据、计算性能和准确确定质量的能力,所有这些都对OEE有直接影响。

结语

包括Banner Engineering Q4X系列在内,各种传感器的精度不断提高,从而能够对机械和工艺设置进行更精确的建模。改进后的传感器系统将有助于预测性维护算法更好地识别问题,同时为机器停机提供更好的计划安排。因此,单个工位的OEE和生产线的OEE指标都将得到提升,因为所有机器和流程都是相互依赖的。

作者简介

Robin Mitchell是一名电子工程师,自13岁起就涉足电子行业。在华威大学 (University of Warwick) 获得学士学位后,Robin转入在线内容创作领域,潜心创作针对专业人士和创客的文章、新闻和项目。目前,Robin经营着一家提供教育套件和资源的小型电子企业MitchElectronics。

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
您可能感兴趣的文章
相关推荐
    广告
    近期热点
    广告
    广告
    可能感兴趣的话题
    广告
    广告
    向右滑动:上一篇 向左滑动:下一篇 我知道了