Termopaari rikke statistilise analüüsi meetodite võrdlus töökoja kulude optimeerimiseks
Jäta sõnum
Töökojad peaksid regulaarselt loendama termopaari rikkeandmeid, et optimeerida hankebrände, kohandada hooldustsükleid ning vähendada kõikehõlmavaid varuosade ja kadude kulusid. On kolm standardset statistilise analüüsi lähenemisviisi, sealhulgas rikete sageduse kategoriseerimise statistika, kasutusea kulude{1}}kasu võrdlus ja tootmiskoormuse rikete korrelatsioonianalüüs. Selles artiklis analüüsitakse kohaldatavaid asjaolusid, andmete kogumise keerukust ja iga lähenemisviisi{3}}kasulikkust otsuste tegemisel.
1. meetod: rikete sageduse klassifikatsiooni statistika (põhiline igapäevane haldusmeetod)
Andmehõive: igakuine rikke kogusumma, tõrketüübi koguse proportsioon (triiv, avatud vooluring, lühis, mehaaniline vigastus, juhtmestiku viga).
Toiminguetapid: veakoodi salvestamiseks iga hoolduse ajal, iga veakategooria protsendi summeerimiseks{0}}kuu lõpus, rikete osakaalu diagrammi loomiseks.
Otsuse rakendamine: kui termilise triivi põhjustatud defektide osakaal on üle 40%, asendage N--tüüpi triivimisvastased -termopaarid ja vähendage süsiniku puhastamise tsüklit; Kui avatud vooluahela mehaaniliste kahjustuste osakaal on domineeriv, parandage juhtmestiku pingekaitset ja vibratsiooniisolatsiooni.
Eelised: lihtne andmete kogumine, minimaalne statistiline tööjõukulu, sobib väikestele ja keskmise suurusega{0}}töökodadele, kus on piiratud andmehaldustöötajad.
Puudused: ei saa mõõta erinevatest probleemidest tulenevat majanduslikku kahju, on ainult kvalitatiivsed soovitused parandamiseks ilma arvuliste kuluviideteta.
2. lähenemisviis: kasutusea kulude{1}}kasu võrdlus (hanke tarnija hindamise lähenemisviis)
Kogutud andmed: brändi termopaari ühiku eest makstud hind, keskmine kasutusiga, igakuisele hooldusele kulutatud keskmine töötundide arv, rikkest põhjustatud seisakutest tingitud keskmine tulude kaotus, defektse tootejäägi tõttu tekkinud kahju.
Arvutusindeks: iga brändi päevane kogukulu=(ostu amortisatsioonikulu + hooldustööjõukulu + seisakutest tingitud vanametalli kadu) / tegelikud tööpäevad.
Otsuse rakendamine: võrreldakse K--tüüpi kodumaiste üldiste, kõrgekvaliteediliste kodumaiste alternatiivsete ja välismaiste N--tüüpi termopaaride terviklikku maksumust päevas ning tootmiskoormuse all valitakse välja madalaima igapäevase kogukuluga bränd.
Eelised: kõiki varjatud kaotusi saab kvantifitseerida numbrilisteks kuludeks. Hankeeelarve kohandamise ja kaubamärgi asendamise andmebaasi võib esitada otse.
Puudused: andmete kogumise töömaht on tohutu ja MES-süsteem peab registreerima seisakuid ja praagi kogust korraga.
3. lähenemisviis: tootmiskoormuse rikete korrelatsioonianalüüs (hooldustsükli optimeerimise lähenemisviis)
Kogutud andmed: tootmiskoormuse tüüp (kolm-vahetust pidev / kaks-vahetust katkendlik / ühe-vahetuse katse) Päevased keskmised vormimistsükli ajad Töötlemismaterjali söövitavus Termopaari keskmine rikete intervall päevad
Tööetapid: looge korrelatsioonikõver tootmiskoormuse intensiivsuse ja rikketsükli vahel ning arvutage iga laadimisrežiimi jaoks ideaalne diferentseeritud kalibreerimis- ja puhastustsükkel.
Otsuse rakendamine: suure-koormusega kolme-nihkega söövitava materjali tootmisliin vähendab kalibreerimistsüklit 30 päevani; Madala-koormusega ühe-vahetusega proovivormid pikendavad kalibreerimistsüklit 180 päevani, tasakaalustades hooldustöö ja rikkeriski kontrolli.
Eelised: tagage täiustatud diferentseeritud hooldushaldus, kõrvaldage üle-hooldusjäätmed või ala-hoolduse kvaliteedirisk.
Puudused: pikk andmete kogumise tsükkel, vähemalt 3-kuuline pidev rikete registreerimine hea korrelatsioonikõvera väljatöötamiseks.
Kombineeritud statistikarakenduse ideede töötuba
Väikesed töökojad: igapäevase juhtimise aluseks on meetodi 1 igakuine rikete klassifitseerimise statistika.
Keskmised-suured masstootmistöökojad: meetod 1 + 2. meetod, igakuine rikete klassifitseerimine + kvartaalne brändikulude-kasu hindamine hanke- ja hooldusstrateegiate muutmiseks.
Arukad töökojad koos täieliku MES-andmete kogumisega. Superimpose meetodi 3 koormuse korrelatsioonianalüüs, et saavutada täielik digitaalne rafineeritud termopaar kulude ja riskide kontrolli all.
