سلام، oee داده هایی رو از نت، کیفی و تولید لازم داره، فارغ از اینکه دیتا ها رو از کجا جمع آوری کنین و کیفیتشون رو چطور چک کنین که بنظرم بحث خیلی مفصلی هست من فقط یک تجربه کلیدی دارم و اونهم اینه که در نهایت داده ها از هر کجا که جمع شدن پیاده سازی oee رو ببرین نرم افزارهای داشبوردینگ مثل power bi یا qlikview. بنده خودم یه پروژه ای رو ران کردم و علیرغم اینکه همه دیتاهای فوق در erp شرکت بودن ولی استفاده از qlikview یک تصمیم و تجربه هوشمندانه بود که اکیدا به بقیه توصیه می کنم. حالا اگر دلایل جزیی رو خواستین بدونین میتونین باهام تماس بگیرین. ۰۹۱۲۲۴۲۶۹۲۶

با سلام

برای پیاده‌سازی دقیق سیستم جمع‌آوری داده‌های OEE، ابتدا سیستم‌های اتوماسیون صنعتی مانند PLC و SCADA را نصب کنید تا داده‌ها به‌صورت لحظه‌ای و خودکار از تجهیزات دریافت شوند. سپس، یک سیستم MES برای یکپارچه‌سازی این داده‌ها و ارائه گزارش‌های دقیق راه‌اندازی کنید. سنسورهای IoT را به تجهیزات کلیدی متصل کنید تا داده‌های حیاتی مانند زمان کارکرد، توقف‌ها، و کیفیت تولید را بدون نیاز به ورود دستی ثبت کنند. از داشبوردهای نظارت بلادرنگ استفاده کنید تا داده‌های OEE و وضعیت عملکرد تجهیزات به‌صورت تصویری و لحظه‌ای نمایش داده شوند. در نهایت، با تحلیل داده‌ها ، ناهنجاری‌ها و روندهای عملکردی را شناسایی کرده و جهت بهینه‌سازی تجهیزات اقدامات اصلاحی انجام دهید. 

برخی راهکارها و تجربیات در این زمینه:

1-اتوماسیون و استفاده از سنسورها

سنسورها و سیستم‌های IoT سنسورها می‌توانند داده‌های مختلف مانند زمان کارکرد، زمان خرابی، تعداد محصولات تولیدی، سرعت خط تولید و کیفیت محصول را به صورت لحظه‌ای ثبت کنن سنسورها می‌توانند داده‌ها را با دقت بالا و بدون دخالت انسانی فراهم کنند که این کار باعث کاهش خطاهای دستی می‌شود.

2-استفاده از نرم‌افزارهای یکپارچه و سیستم‌های مدیریت تولید 

سیستم‌های(Manufacturing Execution System) داده‌های تولیدی را به صورت خودکار از تجهیزات و فرآیندهای تولیدی جمع‌آوری و ذخیره می‌کنند. این سیستم‌ها قابلیت یکپارچه‌سازی با سنسورها، PLC‌ها و سیستم‌های ERP را دارند و داده‌های جامعی برای محاسبه OEE ارائه می‌دهند.

3-استفاده از تکنیک‌های بهبود داده دستی و آموزش کارکنان

برای داده‌هایی که هنوز باید دستی ثبت شوند، می‌توانید با آموزش کارکنان و استفاده از چک‌لیست‌های دقیق‌تر، دقت داده‌ها را بهبود دهید.

4-یکپارچه‌سازی سیستم‌ها و تجزیه و تحلیل دقیق داده‌ها

اگر داده‌ها از منابع مختلفی جمع‌آوری می‌شوند، استفاده از سیستم‌های یکپارچه مدیریت دادهبرای ذخیره‌سازی و تجمیع داده‌ها می‌تواند کمک‌کننده باشد.

داشبوردهای نظارت برای نمایش بلادرنگ OEE و مؤلفه‌های آن (دسترسی، عملکرد، و کیفیت) می‌توانند وضعیت فعلی تجهیزات را به صورت تصویری نمایش دهند و به شناسایی سریع مشکلات کمک کنند.

با سلام و احترام. تجربه ای که اخیرا با آن مواجه شدم رو برای شما میگویم: در کارخانه ای براساس یک فرم استاندارد OEE محاسبه شده ۳.۵ بود مدیرعامل به شدت نت و برنامه ریزی رو مواخذه کرده بود و میخواست دلیل این مطلب روشن شود وقتی از آن کارخانه بازدید کردم متوجه شدم به دلیل کسری قطعه و مشکلات ارزی و بازرگانی و… خطوط دچار توقفهای پی درپی میشود به آنها گفتم باید OEE بر اساس اتلافات ناشی از خرابی و توقفات دستگاهها وSET UP مجدد و دانش کم اپراتورها و کاهش کیفیت قطعات و کاهش سرعت دستگاهها به دلیل مشکلات فنی و… محاسبه شود نه اینکه مشکلات سایر بخشها در آن لحاظ گردد. خلاصه اینکه محاسبه OEE باید با در نظر گرفتن کلیه جوانب باشد و نمیتوان آنرا با سنسور و بصورت فرمهای استاندارد در همه جا محاسبه کرد.

باسلام

بسیاری از موارد را دوستان فرمودند لیکن یکی از مزایای شاخص OEE این است که وقتی درست تحلیلش کنید می بینید که کجاها داده ها با هم همخوانی ندارند مثلا توقفات فنی را کمتر از واقع ثبت می کنند وقتی امار تولید را بررسی می کنید مشاهده می کنید که سرعت واقعی تولید حتی از سرعت اسمی بیشتر شده پس داده ها اشتباه ثبت شده من خودم بارها بعد از تحلیل اشتباهات در ثبت داده سهوی یا عمدی را بررسی کردم با یک جلسه اطلاع رسانی کردم نتیجه این شد که پرسنل متوجه شدند که صحت داده ها یک جایی رصد می شود و بعد از ان داده ها بدرستی ثبت شد این تجربه بنده بود باید پس از محاسبه خیلی با دقت بالا بتوانید تحلیل کنید

سلام دوست عزیز،
مسئله دقت داده‌ها در محاسبه OEE یک چالش رایج است، به خصوص زمانی که داده‌ها به صورت دستی جمع‌آوری می‌شوند. خوشبختانه راهکارهای مختلفی برای بهبود کیفیت و دقت داده‌ها وجود دارد.
راهکارهایی برای بهبود کیفیت داده‌ها:
• استانداردسازی فرم‌های جمع‌آوری داده: با تعریف فرم‌های استاندارد و مشخص کردن دقیق فیلدها و نوع داده‌های مورد نیاز، اطمینان حاصل کنید که همه افراد داده‌ها را به یک شکل ثبت می‌کنند.
• آموزش پرسنل: آموزش کافی به افرادی که داده‌ها را جمع‌آوری می‌کنند، در مورد اهمیت دقت و روش‌های صحیح ثبت داده‌ها بسیار مهم است.
• بررسی و اعتبارسنجی داده‌ها: به صورت دوره‌ای داده‌های جمع‌آوری شده را بررسی و اعتبارسنجی کنید تا از وجود خطاها و ناسازگاری‌ها جلوگیری شود.
• استفاده از چک‌لیست‌ها: با استفاده از چک‌لیست‌های دقیق، اطمینان حاصل کنید که همه اطلاعات مورد نیاز جمع‌آوری شده است.
• خودکارسازی فرآیند جمع‌آوری داده‌ها: تا حد امکان فرآیند جمع‌آوری داده‌ها را خودکار کنید. به عنوان مثال، می‌توانید از سیستم‌های بارکدخوان یا RFID برای شناسایی قطعات و ثبت اطلاعات استفاده کنید. 
• استفاده از سنسورها و سیستم‌های اتوماسیون: استفاده از سنسورها و سیستم‌های اتوماسیون یکی از بهترین راه‌ها برای بهبود دقت و کیفیت داده‌ها است. این سیستم‌ها می‌توانند به صورت خودکار داده‌هایی مانند زمان تولید، تعداد قطعات تولید شده، میزان خرابی‌ها و ... را جمع‌آوری کنند. این کار می‌تواند شامل استفاده از PLC ها یا SCADA باشد که به صورت آنلاین داده‌ها را ثبت می‌کنند.
• نرم‌افزارهای مدیریت تولید: بسیاری از نرم‌افزارهای مدیریت تولید (MES) قابلیت جمع‌آوری داده‌ها به صورت خودکار و آنلاین را دارند. این نرم‌افزارها می‌توانند داده‌های مختلفی از جمله داده‌های تولید، نگهداری و تعمیرات را جمع‌آوری و تجزیه و تحلیل کنند. نرم‌افزارهایی مانند MES می‌توانند داده‌های تولید را به صورت یکپارچه جمع‌آوری و تحلیل کنند. این سیستم‌ها معمولاً با ماشین‌آلات و سیستم‌های دیگر ادغام می‌شوند.
• کیفیت داده‌ها: ایجاد پروسه‌های استاندارد برای ورود داده‌های دستی، مانند آموزش کارکنان و استفاده از چک‌لیست‌ها برای تأیید دقت داده‌ها.
• تحلیل و بازخورد: تحلیل دوره‌ای داده‌ها و ارائه بازخورد به کارکنان برای شناسایی و اصلاح مشکلات.
• سیستم‌های IoT: استفاده از اینترنت اشیاء (IoT) برای نظارت و جمع‌آوری داده‌ها در زمان واقعی، که می‌تواند دقت و سرعت جمع‌آوری داده‌ها را بهبود بخشد.

با این روش‌ها می‌توانید دقت و کیفیت داده‌ها را به طور چشمگیری افزایش دهید.

مزایای استفاده از سیستم‌های اتوماسیون و نرم‌افزارهای MES:
• دقت بالا: داده‌ها به صورت خودکار و بدون دخالت انسان جمع‌آوری می‌شوند، بنابراین احتمال خطای انسانی کاهش می‌یابد.
• سرعت بالا: داده‌ها به صورت بلادرنگ جمع‌آوری و پردازش می‌شوند، بنابراین امکان تحلیل سریع‌تر داده‌ها و تصمیم‌گیری بهتر فراهم می‌شود.
• کامل بودن داده‌ها: تمامی داده‌های مورد نیاز برای محاسبه OEE به صورت یکپارچه در دسترس خواهد بود.
• کاهش هزینه‌ها: با خودکارسازی فرآیند جمع‌آوری داده‌ها، هزینه‌های نیروی انسانی کاهش می‌یابد.

انتخاب نرم‌افزار مناسب:
انتخاب نرم‌افزار مناسب به عوامل مختلفی مانند اندازه سازمان، نوع تولید، بودجه و نیازهای خاص شما بستگی دارد. برخی از نرم‌افزارهای معروف در این زمینه عبارتند از:
• Microsoft Dynamics: یک نرم‌افزار قابل تنظیم است که برای کسب‌وکارهای کوچک و متوسط مناسب است.
• نرم‌افزارهای تخصصی MES: نرم‌افزارهای تخصصی MES برای صنایع مختلف طراحی شده‌اند و قابلیت‌های خاصی برای هر صنعت دارند.
• ما در مپنا از پکیج نرم افزاری MapCS و مپنت شامل DSAS و OMID برای گرد آوری و مدیریت داده های تولید استفاده می کنیم.
نتیجه‌گیری:
برای اطمینان از دقت و کیفیت داده‌ها در محاسبه OEE، بهتر است ترکیبی از روش‌های دستی و خودکار را به کار ببرید. با استفاده از سنسورها، سیستم‌های اتوماسیون و نرم‌افزارهای مناسب، می‌توانید داده‌های دقیق و جامعی را جمع‌آوری کرده و از آن‌ها برای بهبود بهره‌وری تولید استفاده کنید.
توصیه می‌شود:
• نیازسنجی دقیق: قبل از انتخاب هرگونه نرم‌افزار یا سیستم، نیازهای دقیق خود را مشخص کنید.
• مشاوره با کارشناسان: از کارشناسان خبره در زمینه OEE و سیستم‌های اتوماسیون کمک بگیرید.
• پیاده‌سازی تدریجی: فرآیند پیاده‌سازی سیستم‌های جدید را به صورت تدریجی انجام دهید.
امیدوارم این اطلاعات برای شما مفید باشد. در صورت داشتن سوال دیگر، در خدمتتان هستم.

سلام و عرض ادب

به نظر من داده‌های پرت رو با روش‌های آماری از محاسباتتون خارج کنید. ساده ترین راهش ۵درصد بالا و ۵ درصد پایین داده‌ها حذف کنید

سلام و عرض ادب

به نظر من داده‌های پرت رو با روش‌های آماری از محاسباتتون خارج کنید. ساده ترین راهش ۵درصد بالا و ۵ درصد پایین داده‌ها حذف کنید

سلام 
به نظرم یکی از راهکارهایی که میتونید برای اطمینان از دقت و کیفیت بخشی از داده‌ها به کار بگیرید محدود کردن ورود داده ها توسط کاربر هست (منظورم اینه که کاربر به جای ورود داده از لیستی که در اختیارش قرار داده میشه انتخاب کنه). به عنوان مثال زمانی که میخواهیم کاربر FM ثبت کنه لیستی از FMهای اون تجهیز رو در اختیار کاربر قرار بدیم که انتخاب کنه
حتی تعیین فرمت داده هم در برخی موارد میتونه مفید باشه 
 

1. تعریف دقیق شاخص‌ها
2. استفاده از روش‌های استاندارد
3. آموزش پرسنل
4. کنترل کیفیت داده‌ها
5. جمع‌آوری داده‌های متنوع و از منابع مختلف
6. تحلیل داده‌ها
7. بازخورد و اصلاح
8. مستندسازی
 

سلام واحترام

چالش فوق دراکثرکارخانه ها وجوددارد.

معمولا کیفیت حداقل مورد تایید ، ۱-استانداردموردنظر درهر تولیدی است.همانطورکه می دانید، استانداردایران نیز این کیفیت مورد تایید را مشخص کرده است. حال اگر نتیجه بهتربخواهیم بایستی فرای استاندارد. کاری انجام دهیم.۲- حال اگردراستاندارد نباشد، کمک ازاستانداردهای بین المللی را طلب می کند. ۳- درخصوص پارامترهای ناشناخته (ازنظرکارخانه ها) بایستی ازمراجع معتبرکمک گرفت. مثال تنش برشی در محصولات فولادی مهم است. یکی ممکن است f/a برایش کفایت کند ویکی ملاک را محاسبه براساس فرمول با ضرایب موثررا بگیرد.البته نظرشخصی است.

سلام واحترام

چالش فوق دراکثرکارخانه ها وجوددارد.

معمولا کیفیت حداقل مورد تایید ، ۱-استانداردموردنظر درهر تولیدی است.همانطورکه می دانید، استانداردایران نیز این کیفیت مورد تایید را مشخص کرده است. حال اگر نتیجه بهتربخواهیم بایستی فرای استاندارد. کاری انجام دهیم.۲- حال اگردراستاندارد نباشد، کمک ازاستانداردهای بین المللی را طلب می کند. ۳- درخصوص پارامترهای ناشناخته (ازنظرکارخانه ها) بایستی ازمراجع معتبرکمک گرفت. مثال تنش برشی در محصولات فولادی مهم است. یکی ممکن است f/a برایش کفایت کند ویکی ملاک را محاسبه براساس فرمول با ضرایب موثررا بگیرد.البته نظرشخصی است.