专利名称：求出生产设备效率、故障事件和故障事件原因的系统和方法
技术领域：
本发明涉及到求出生产设备效率(全部设备效率)、故障事件和造成生产率损失重要故障事件的原因的系统和方法。
关于效率在这里理解为概念“全部设备效率，OEE”，全部设备效率例如是叙述在Robert Hansen学习全部设备效率的功率，1999机械可靠性会议和展览会的会议报告“机械可靠性会议”12-14日4月，辛辛那提，俄亥俄，19至30页中，工业通信公司，1704 Natailie NehsDr.出版，Knoxville，TN 37931。
OEE是计算百分比的一种方法，这个百分比说明各个实际的生产率达到计划的，即预先规定的生产率的多少。OEE也被称为共同起作用的参数的乘积，这些参数定义一个过程“健康”，即OEE＝可用性×处理速度×质量。
由于经济原因，以及生产质量安全性原因生产设备的驱动装置对于计算没有干扰运行时可达到的名义效率和与各个现实效率进行比较是感兴趣的。现实的效率与名义值有偏差，则意味着生产率损失。原因可能有物理，人员或管理范围的根源。
对于故障分析(在生产率损失意义上的)可以使用不同的方法和技术。最重要的代表是FMEA(故障模式和效果分析)，故障树分析，或统计计算方法，例如Pareto-分析(John Moubray，RCM2，Butterworth-Heinemann，第二版1997)。
当进行FMEA时应该进行以下步骤1.将设备进行功能分解2.说明主功能和辅助功能3.功能的故障状态的说明和列表4.求出每个故障状态的所有原因5.确定对生产目标的作用6.定量的评价其作用故障树分析是从一个不希望的TOP-状态出发的。对于这个初始事件求出导致这个状态的所有事件状态。
统计方法是以生产中的适当的数据基础为先决条件的。例如可以用Pareto-分析求出其故障事件原因，这些故障事件原因是对于重要的生产故障负责的。FMEA和故障树分析可以通过工具支持。这些工具引导使用者有步骤地通过数据计算和文件化的方法和支持得出结果。
统计方法当然是以适当的数据基础为先决条件的，这些数据基础常常是不存在的。或者从生产中根本没有数据显示出来或没有求出对于故障分析必要的信息。
上述方法在设计理论中有其根源，也就是说将这些方法使用在将产品或设备设计成尽可能是故障安全的。产品所达到的高质量标准表明对于这种分析很高的时间花费和工作花费是有理的。
生产设备的损耗和故障“非常大的后”分析常常是受时间限制的，因为停机的生产率损失是与成本很高联系在一起的。其他的缺点是，这些方法没有一个是支持聚焦在现实干扰原因的处理方法的。
从文献中已知，在故障事件和真正的故障事件原因之间可以存在7原因平面[John Moubrey，RCM2，Butterworth-Heinemann，第二版1997]。已知的方法中没有方法可以说明，什麽时间找到确保持续地排除故障事件原因的这个适当的平面。
以下任务以本发明为基础，规定一种方法和一个系统使自动求出现实的效率，故障事件和故障事件原因成为可能。
此任务是通过求出不同类型生产设备的效率，重要的故障事件和产生的原因的一个系统解决的，这个系统具有叙述在权利要求1中的特征。有益的结构形式叙述在从属权利要求中。
此外此任务是通过叙述在权利要求14中的方法自动求出生产设备效率，重要的故障事件和原因的方法解决的。
按照本发明的系统包括一个服务装置，将服务装置有益地构成为移动装置和可以各自连接在生产设备的主系统的数据服务器上。不仅所使用的方法而且还有作为系统的结构是建立在使用预先配置方法模型基础上的。这种方法模型可以借助于脱机系统部分确定和可以在在线系统部分上使用。
将服务装置以有益的方式可以使用在不同生产设备的原因分析上，例如不仅在造纸而且在食品工业灌装机液体灌装时分析生产效率损失或有缺陷的产品质量原因。这种万能的可使用性是通过一系列生成的模型以及通过预先配置的评价模型和故障模型达到的。
借助于表示在附图上的实施例在下面说明本发明和其优点。
附图表示附
图1求出效率、故障事件和故障事件原因按照本发明的系统框图，附图2按照附图1系统的在线系统部分和脱机系统部分的部件，附图3系统的工作方法，附图4典型的OEE-显示包括形成报警显示，附图5证实故障假设的OEE-原稿，附图6从控制系统或主系统可以调出的数据举例，附图7故障数据库的举例，附图8示范性的事件种类，附图9评价模型的举例，附图10 Pareto-分析的示范性的结果，附图11故障模型的说明数据，附图12故障事件“油泵关闭”的故障模型，和附图13典型的OEE-计算公式。
按照附图1框图表示了与数据采集装置2相连接的一个生产设备1。生产设备1可以是单个机器或具有很多生产设备的综合设备。可以涉及不同类型的生产设备，例如造纸机、酿造厂或者酿造厂的灌装设备，或汽车制造范围的生产设备。
数据采集装置2包括为了分析目的所需要数据的数据服务器30(附图2)，例如数据是从主系统或控制系统，生产规划系统或维护系统来的。
为了效率计算，故障分析和原因分析将服务装置3可以暂时或持续地连接在数据采集装置2的数据服务器30上。
服务装置3包括在线系统部分4和脱机系统部分5，其中在线系统部分4是与数据采集装置2和与脱机系统部分5连接的。此外存在输入装置6和显示装置7，输入装置和显示装置各自是与系统部分4和5连接的。下面借助于附图2说明服务装置的这些部件。
附图2表示了服务装置3在线系统部分4和脱机系统部分5。
在线系统部分4使自动求出效率OEE，重要的故障事件和故障事件原因成为可能。为此它包括一个OEE-计算器21，将故障计算器构成为从故障数据库31中存取准备好的数据。OEE-计算结果可以在OEE显示器11上显示。
将故障事件检测器22构成为，从数据服务器30中将数据调出以及从OEE-原稿34中存取，OEE-原稿包括故障事件判据和为了故障事件检测此外应该考虑的附加信息，借助于数据输入12可以将附加信息输入。故障检测器22将被求出的故障事件按照时间顺序可以存放在故障数据库31中。
将故障事件处理器23构成为在故障数据库31中存取故障事件-时间顺序，在使用配置的计算模型32时计算单个的故障事件，和借助于统计显示器13显示结果。
故障事件原因测定器24从故障数据库31中以及从配置的故障模型和推荐模型33中存取和显示被求出的故障事件原因和必要时在故障事件原因显示14中还显示排除故障的推荐建议。
将在线系统部分5构成为是为了借助于模型编辑器15和模型搜索器27从被生成的模型36的储备中将最佳适合的模型搜索出来和进行匹配。
将借助模型配置器25配置的模型35可以存放在服务装置3的地方。将它们也可以借助于适当的接口地方分布地存储在外部。借助于模型生成器26可以存储被配置的模型35。在脱机系统部分5上和在脱机运行时将被制成的配置模型35提供给在线系统部分4作为被配置的计算模型32或者作为故障模型33使用。
借助于附图3叙述了与附图4至12有联系的系统工作方式。
附图3表示自动求出生产设备效率，重要的故障事件和与预先规定的名义状态有偏差的效率的原因的方法的单个步骤。
在步骤200中从主系统或控制系统，即从数据服务器30(附图2)中存取数据和将存放在故障数据库31(附图2)中的故障事件进行检测。
附图6表示了典型的可调出的数据组。在最简单情况下数据组是由信号的识别字及其数值组成的。根据系统可以存取附加信息如数据类型，说明数据和系统时间。为了计算OEE常常询问机器状态，计数器水平和马达转速的信号。物理量的附加测量值和故障状态信号对于干扰的文件化是有帮助的。
在步骤100中在调出数据和故障事件基础上，以及在实现的OEE公式的基础上进行OEE-数的计算。
附图13表示OEE典型计算公式。这个OEE公式对于一种专门设备是可以配置的。在例子中公式的第一行表示可用性部分，第二行和第三行表示性能部分和第四行表示OEE质量部分。整个的OEE是由单个部分的乘积得到的。典型方式是将OEE用百分比表示。
将计算结果显示在OEE显示器11(附图2)上。附图4表示OEE显示的例子，其中将OEE用百分比进行计算和作为趋势表示了一个星期的。此外表示了报警形成。将OEE报警临界线调整到40％。例如当超过临界值时为了视觉报警将OEE趋势改变颜色。
在步骤200中从控制系统或者主系统中对应于OEE原稿中的判据按照故障事件将数据进行全面搜索。附图5表示了证实造纸机故障假设的这个OEE-原稿的例子。将已经识别的故障事件存储在故障数据库31(附图2)中。
可以将附加的，通过用户输入的故障事件存储在故障数据库31中。
附图7示范性地表示了已经存储在故障数据库31中的信息。将数据组按年月顺序作为历史存放。数据组是由所谓的时间印记(日期和钟点)，出现故障事件的生产区域，故障事件说明和相应的事件分类以及事件的持续时间组成的。
附图8表示了事件分类的例子ST操作表示操作处理的生产的已经计划的停机。如机器的改装和标准测试。
ST引起表示由于外部影响(不是由于技术设备)不在计划内的停机，如材料太少，人员太少，不在计划内的讨论。
DT技术表示由于仪器故障或维护故障的所有不在计划内的停机。
DT操作表示由于原材料和辅助材料质量不好以及由于过程或产品引起的不在计划内的试验或脏东西的不在计划内的停机。
如果在OEE显示器上显示一个报警和释放一个报警信号，步骤300开始原因分析。其中首先从故障数据库31中存取和存取被配置的评价模型32(附图2)情况下将重要的故障事件进行识别。将被选择的时间段内存在的故障事件涉及到造成的用Pareto-分析的成本借助于评价模型32进行统计计算。
附图9表示了评价模型32的例子。评价模型说明，由于一定的生产区域/机器的停机造成每个单位时间多大的成本。此外在示范性的评价模型上成本还由事件分类确定。
附图10示范性地表示了进行Pareto-分析的结果。Pareto-分析将各种故障事件相加和涉及到造成的成本进行评价。因此将重要的故障事件进行识别。如在例子中将视觉化可能的形状可以表示为柱形图。在例子中故障事件“油泵关闭”造成的成本最高。
对于故障事件原因应该进行分析的确定的故障事件，在步骤400中将必要的数据进行采集。
在步骤500中从数据库中的故障模型中将说明故障的数据进行存取。在自动运行的在线运行时使用在这之前配置的故障模型33(附图2)。在脱机运行时可以搜索最适合的故障模型和为用户进行视觉化。然后用户可以编辑模型。
附图11示范性地表示了故障事件“油泵关闭”故障模型的说明数据。将说明数据用于结构化地在数据库中存放故障模型，如果重新需要模型时，可以用搜索询问存取故障模型。故障模型典型的说明数据是由故障事件的名称，其分类以及技术环境，如生产设备的型号，生产区域和进一步细化的机器和仪器和其类型得到的。
附图12表示了故障事件“油泵关闭”的故障模型。模型是建立在逻辑树结构基础上的。最上面平面的框子代表故障事件。然后跟着原因/作用关系的多个平面。可以将原因分类为物理的，人员的和管理的。这个例子表示了从故障事件直到真正的原因油泵关闭，油冷却器，过滤器脏，低质量油，不符合质量标准。此外故障模型可以与推荐模型合作。在例子中对于原因规定了预先规定与购买有联系的质量标准的推荐建议。
在步骤600中从上至下制定故障模型。将不同平面的故障假设借助于已经存在的说明数据进行证实，如果找到真正的故障原因，附加输出给原因说明排除这个原因的推荐建议。
在步骤700中涉及到重复使用性将原因分析进行的结果进行评价。将故障模型可以通过这些过程扩展原因或减少原因。随后将模型存放在数据库中。
权利要求
1.系统，用于求出-不同类型生产设备(1)的效率(全部设备效率OEE)，-造成与预先规定的名义效率有偏差的重要的故障事件，-故障事件的原因，其中a)各个生产设备(1)是与数据采集装置(2)相连接的，将数据采集装置装备成连续地采集和准备调出地存储以设备为基础和以生产为基础的数据，和b)存在可以与各个生产设备(1)的数据采集装置(2)连接的服务装置(3)，服务装置(3)有-输入装置(6，12)用于输入附加的，不能从数据采集装置(2)中调出的以设备为基础和以生产为基础的说明数据，-显示装置(7，11，13，14)用于显示被求出的效率(11)，重要的故障事件(13)和故障原因(14)，-在线系统部分(4)，将其构成为从数据采集装置(2)中调出以设备为基础的数据和以生产为基础的数据，借助于故障事件检测器(22)在这些数据的基础上以及借助于输入装置(12)输入附加的说明数据和借助于OEE-原稿(34)识别故障事件，借助于被配置的评价模型(32)通过故障事件计算(23)求出重要的故障事件，和借助于重要的故障事件被配置的故障模型(33)求出各个故障原因(24)，和计算出效率(21)，-脱机系统部分(5)，脱机系统部分包括多个被生成的故障模型(36)和评价模型(36)和有在这个局部分布的模型(36)上的存取，和将脱机系统部分构成为，在被调出和/或被输入的说明数据基础上搜索(27)，配置(25)和局部或局部分布地存储(35)这些模型(36)，和将作为被配置的评价模型(32)或者作为被配置的故障模型(33)存放在在线系统部分(4)中。
2.按照权利要求1的系统，其特征为，生产设备(1)是单个机器或有多个机器的设备。
3.按照权利要求1或2的系统，其特征为，数据采集装置(2)是主系统或可编程存储的控制系统的一部分。
4.按照上述权利要求之一的系统，其特征为，将服务装置(3)构成为，经过环球网浏览器存取存放在环球网服务器中的模型(35)，和将被配置的模型存放在环球网服务器中。
5.按照上述权利要求之一的系统，其特征为，在在线系统部分(4)中包括OEE-计算器(21)，将OEE-计算器构成为通过使用被存储的OEE-计算公式计算效率。
6.按照上述权利要求之一的系统，其特征为，在线系统部分(4)包括故障事件检测器(22)，将故障事件检测器构成为通过被配置的OEE-原稿(34)通过超过临界值识别故障事件。
7.按照上述权利要求之一的系统，其特征为，将在线系统部分(4)构成为通过Pareto-分析和使用被配置的评价模型(32)求出重要的故障事件。
8.按照上述权利要求之一的系统，其特征为，在线系统部分(4)包括原因测定器，将原因测定器构成为通过使用故障事件数据(31)和被配置的推荐建议模型(33)或专家系统求出故障原因。
9.按照上述权利要求之一的系统，其特征为，将服务装置(3)构成为求出排除故障的推荐建议，进行视觉化和/或为了继续传送将推荐建议输出。
10.按照上述权利要求之一的系统，其特征为，脱机部分(5)为了寻找最佳的模型包括模型搜索器(27)和具有被生成的模型(36)的数据库，其中最佳的模型是一个故障模型(36)，其故障数据说明与各个搜索询问是最近似的。
11.按照上述权利要求之一的系统，其特征为，脱机部分(5)为了配置被生成的模型包括模型配置器(25)和模型编辑器(15)。
12.按照上述权利要求之一的系统，其特征为，脱机部分(5)包括模型生成器(26)，模型生成器生成被配置的模型(35)和为了重复使用存放在数据库(36)中。
13.按照权利要求10的系统，其特征为，系统包括模型编辑器(15)，借助于它的帮助对于模型搜索器(27)可以将搜索询问格式化。
14.自动求出生产设备(1)效率、重要的故障事件和与预先规定的名义状态有偏差的效率的原因，其中a)用与生产设备(1)连接的数据采集装置(2)借助于故障事件检测器(22)将被采集的和被存储的生产率重要的历史数据调出，和附加地将以设备和以生产为基础的数据输入，b)借助于OEE-计算器(21)按照适当的方法进行效率的连续计算，c)借助于故障事件检测器(2)涉及到故障事件-样板的数据进行试验，和将被识别的故障事件作为时间顺序存放在故障数据库(31)中，d)借助于故障事件处理器(23)从被存放的故障事件中通过使用被存储的被配置的评价模型(32)识别重要的故障事件，e)借助于原因测定器(24)对于各个重要的故障事件，考虑到附加输入的说明特殊环境条件的数据情况下求出故障原因，和f)将被求出的故障原因和将被求出的效率视觉化和/或输出。
15.按照权利要求14的方法，其特征为，借助于OEE-计算器(21)在存取故障数据库中被存储的故障事件情况下进行效率的连续计算。
16.按照权利要求14或15的方法，其特征为，附加的、由故障事件检测器(22)借助于被配置的OEE-计算原稿(34)借助于输入的故障事件编辑不可识别的故障事件。
17.按照权利要求14至16之一的方法，其特征为，将借助于故障事件处理器(23)求出的重要故障事件视觉化成Pareto-图。
18.按照权利要求14至17之一的方法，其特征为，使用模型搜索器(27)，模型搜索器借助于模型数据库中的说明数据搜索那个最适合于专门的故障事件和适合于生产设备的被生成的模型(36)，和将那个模型输入给形成被配置的模型(35)的模型编辑器(15)以及模型配置器(25)，将这些被配置的模型使用作为故障事件的计算和原因分析。
19.按照权利要求18的方法，其特征为，为了求出故障原因借助于原因测定器(24)借助于说明数据证实被配置的故障模型(35或者33)的原因假设，被配置的故障模型包括通过多个模型平面延伸的原因-作用图，其中将模型有步骤地从一个平面至下一个进行处理，直到找到真正的原因。
20.按照权利要求14至19之一的方法，其特征为，使用故障模型(33)，这个故障模型是由推荐模型补充的，和借助于它的帮助求出排除故障的推荐建议，将这个推荐建议输出。
21.按照权利要求18至20之一的方法，其特征为，在处理过程框架内为了重复使用目的将被配置的模型(35)借助于模型生成器(26)生成和存储在模型数据库(36)中，此时生成或删除各个模型(35)的组成部分。
全文摘要
本发明涉及到求出不同类型生产设备(1)的效率(全部设备效率OEE)，引起与预先规定的名义效率有偏差的重要的故障事件，故障事件的原因。各个生产设备(1)是与数据采集装置(2)相连接的，将数据采集装置构成为连续地采集和准备调出地存储以设备为基础的和以生产为基础的数据。可以连接在各个生产设备(1)的数据采集装置(2)上的服务装置(3)具有输入装置(6，12)用于输入附加的，不能从数据采集装置(2)中调出的以设备为基础和以生产为基础的说明数据，显示装置(7，11，13，14)用于显示被求出的效率(11)，重要的故障事件(13)和故障原因(14)，以及在线系统部分(4)，将这个构成为从数据采集装置(2)中调出以设备为基础的数据和以生产为基础的数据，计算效率(21)，识别故障事件(22)，通过故障事件处理(23)求出重要的故障事件，和各自求出故障原因(24)，和脱机系统部分(5)，脱机系统部分包括多个被生成的故障模型(36)和评价模型(36)和构成为，在说明数据基础上搜索(27)这些模型(36)，和作为被配置的评价模型(32)或者作为被配置的故障模型(33)存放在在线系统部分(4)中。
文档编号G05B23/02GK1433534SQ00818697
公开日2003年7月30日 申请日期2000年1月29日 优先权日2000年1月29日
发明者J·卡勒拉, G·沃尔马, M·格罗伊利希, R·米兰诺维 申请人:Abb研究有限公司