如何计算和提高机器可用性

保持设备高效运行需要管理正常运行时间、运行时间、完全生产时间和无数其他因素的动态平衡。做对了，就能以最低的成本和最高的效率生产出成品。搞错了，工厂性能会受到计划外停机、计划外维护和高故障率的影响。

这些变量都是机器可用性的一部分 .在所有生产环境中，提高可用性以充分利用生产时间对于成功至关重要。

什么是机器可用性？

机器可用性或正常运行时间是机器实际运行的总时间与计划运行的时间之比。可用性是机器运行时间的百分比。

计划时间基于了解可用产能、手头有适当数量的原材料以及运行所需的员工和销售订单。

在此预定时间内，停机可能会减慢或停止机器。总停机时间包括预防性维护、转换和其他受控的已知变量。计划外停机意味着破损、质量下降、堵塞或其他意外停机。

发生停机事件时，机器上的 MachineMetrics 平板电脑会提示操作员对停机事件进行分类。

例如，可以安排一台机器运行 8 小时，但只能运行 6 小时。在这种情况下，机器的可用性得分为 75%。

所有制造操作都应衡量可用性和停机时间，同时考虑停机时间和原因。但是，如果这是手动跟踪，则可能会非常不准确、严重延迟并且可操作性要低得多。

机器可用性函数

机器可用性是制造业中一个基本但至关重要的 KPI。通过测量停机时间、持续时间和原因，可用性被用作“锚”。了解可用性、特定设备的利用率以及它运行或不运行的原因有助于编译其他 KPI 以优化机器或工厂级别的流程。

在捕获停机时间数据时，最长时间、实际时间、故障率和计划生产时间等变量会直接影响设备在总体业务目标方面的表现以及员工和管理层如何做出决策。

机器可用性是用于确定整体设备效率 (OEE) 的三个 KPI 之一。另外两个 KPI 是性能和质量，我们将在下面讨论。每个 KPI 都有自己的公式，可帮助制造商了解其运营效率，同时确定需要优化的流程。

机器可用性的计算方法是什么？

机器可用性计算如下：

可用性=运行时间/计划生产时间

例如，如果一台机器在 12 小时轮班期间运行 8 小时，停机时间为 4 小时，那么该机器的可用性为 66.6%。

通过传统方式计算设备可用性的一个问题是必须记录每个实例。这包括停机时间、原因和实际持续时间。此过程假设操作员、技术人员和管理人员正确记录每个因素。

然而，实际应用表明频率被错误记录，原因是操作员主观的。实时机器数据和分析是确定可用性的更准确方法。

可用性和整体设备效率 (OEE) 之间的联系

整体设备效率 (OEE) 是用于衡量制造设备整体效率的指标。它还可以跨工厂或整个多工厂企业内的一组机器进行测量。 OEE 用于确定生产力如何随着时间的推移而提高。

OEE 分数由三个部分组成：可用性、质量和性能。质量和性能也由公式驱动并计算为：

性能 =（理想循环时间 X 总计数）/运行时间

和

质量=好计数/总计数

OEE 可以使用电子表格或机器数据平台（如 MachineMetrics）手动计算，该平台可以自动捕获和报告此信息。数据收集越准确，洞察力就越有价值。然而，手动和孤立的数据收集将缺乏工厂监控软件在单一平台中提供的深度分析的价值。

可用性是自动化需求的一个很好的例子。仅考虑可用性公式所需的元素。使用公式“可用性 =运行时间 / 计划生产时间 , 操作员、技术人员和管理人员需要完整记录意外停机的原因和持续时间。

即使手动捕获的数据是准确的，人工的分析也往往是有偏见的和支离破碎的；对于观察者来说，计划外维护的趋势和原因可能并不明显。可用性作为计算其他指标的锚点与 OEE 相关联，如果员工无法准确衡量可用性，那么质量和性能计算也会失效。

机器可用性和机器可靠性之间的区别

机器可用性不应与机器可靠性相混淆。它们都是有价值的指标，有助于确定可操作的策略以提高可用性，但有区别。

机器的可靠性得分低于可用性得分并不罕见。总而言之，它们发挥着重要作用，并且是多种指标可以推动流程改进的另一种方式。但是，在计算 OEE 时，只使用了可用性。

我们如何提高机器的可用性？

机器可用性与正常运行时间有关。增加它意味着广泛应用最佳实践、文化变革和软件。如果计划外停机时间很长，公司将遭受可用性损失。同样，如果计划停机时间效率低下，设备可用性也会降低。

以下是提高整体可用性的几种方法：

文化

许多运营商认为他们的 OEE 远高于实际水平。因为他们一直在使用相同的系统、SOP 和手动驱动的测量工具，所以管理人员错失 20% 或更多的情况并不少见。提高机器可用性始于文化变革。这要求管理人员想要了解生产的可用时间以及他们的系统需要如何改变以提高 OEE。这种变化通常是由竞争压力、成本、市场波动和其他因素驱动的自上而下的决策。

维护

大部分停机时间与维护事件有关。它通常是计划外的，例如设备维修、主轴维修、刀具破损或培训。但是，当零件分期、书面程序、工具组织和其他因素的低效导致维修时间超过应有的时间时，它也可能反映在计划停机时间中。

为了减少过度维护造成的不必要停机事件，制造商可以收集设备数据以更好地了解机器的性能和健康状况。但是，手动执行此操作不仅耗时，而且会导致数据延迟、不准确。

使用机器数据平台，数据收集和标准化可以自动化。通过这种方式，维护团队可以了解设备的性能和健康状况，并可以使用机器状态数据来了解停机的频率及其背后的原因。

然后，这些有价值的见解可用于优化维护策略，例如部署基于条件的方法、在发生停机时在 CMMS 中自动创建工作单，甚至完全预测即将发生的设备故障。

优化流程

许多停机事件与低效的 SOP 有关，例如由于 WIP 和暂存问题导致的等待时间。或者，不太理想的库存管理实践可能会增加时间。随着这些原因的等待时间增加，可用性降低。

培训也可能是过度停机的一个原因。如果操作员清除堵塞和重新启动机器的时间比其他班次的操作员多 14%，那么正确程序的标准化将使这些时间保持一致。通过准确的数据采集和分析，管理人员可以通过机器识别这些问题并转向制定更好的 SOP 或提供补救培训。

除了致力于改变文化和改进维护实践外，以数据为中心的全面流程改进计划将有助于发现问题。针对库存控制、暂存、WIP 和培训问题优化流程可以直接影响机器可用性。

工业物联网平台

虽然上述每一项都可以实施以提高机器可用性，但它们都可以使用软件更有效地实现。通过实时机器监控，工厂可以消除手动或零散数据采集所固有的工作量和错误。

使用一流的边缘设备（例如 MachineMetrics 的设备），可以捕获、结构化、清理数据并将其发送到基于云的分析引擎，而无需手动编译报告和输入数据。通过丢弃剪贴板，操作员可以获得丰富的可视化效果，有助于将数据情境化并提供可操作的见解。

实时机器状态和性能分析有助于减少计划内和计划外停机时间。数据可用于通过基于状态的维护来增强维护计划，从而降低成本并延长设备寿命。

IIoT 实时机器监控甚至可以分析机器产生的频率，以预测故障并在最佳时间范围内修复它们，例如在转换期间。他们还提供强大的定制报告，专注于最重要的问题。

通过访问这些见解，经理和高管可以快速了解他们真正的 OEE，并制定处理公正、完整数据的流程改进程序。

实时数据减少了手动流程改进的迭代性质，让操作员和技术人员能够专注于运行设备，而不是被手动数据捕获和容易出错的分析分心。

使用 MachineMetrics 提高机器可用性

MachineMetrics 是一个机器数据平台，可自动收集和标准化您的设备数据。借助我们的即插即用解决方案，您可以立即连接您的设备并开始为您的团队提供可行的见解。

利用仪表板查看设备何时落后于零件计数目标，使用通知提醒您的维护团队停机事件，制定跨周期时间、计划停机时间和其他 KPI 的准确基准。

借助 MachineMetrics，您可以快速识别最大的机会和浪费区域，帮助您减少机器停机时间并提高产量。立即预订演示以了解更多信息。