工业整体设备有效性OEE指南与 AWS IoT SiteWise

关键要点

引言

整体设备有效性OEE是衡量制造生产力的标准，涵盖三个因素：质量、性能和可用性。OEE 为100意味着制造系统在没有停机的情况下，生产出合格的产品速度最快；换句话说，就是一个完美利用的生产线。

OEE 提供了通过识别损失、增强效率和检测设备问题来改进制造过程的重要见解。在本博文中，我们以行李处理系统BHS为例，尽管它并不是传统的制造案例，但通过正确识别影响质量、性能和可用性的因素，我们仍可以利用 OEE 监控 BHS 的运作。我们使用 AWS IoT SiteWise 来收集、存储、转换和展示 OEE 计算结果，形成端到端的解决方案。

用例

在本博文中，我们将探索位于中东某大型机场的行李处理系统BHS。客户需要主动监控该系统，通过将现场现有设备与可以提供所需数据的解决方案进行集成，并具备将数据流向云端以进行进一步处理的能力。需要强调的是，此项目要求快速执行，因为该实施的成功关系到多个客户站点的后续部署。

客户与合作集成商 Northbay Solutions在 AirisSolutionsai 下合作，并与 AWS 合作伙伴 CloudRail 一起简化了机器连接以加速数据采集，同时也方便与 AWS IoT 服务进行数据输入。

架构和连接

为了获取进行 OEE 计算所需的数据点，Northbay Solutions 在行李处理系统上添加了额外传感器。与工业环境相似，安置在传送带上的硬件需要能够承受灰尘、水和机械冲击等恶劣条件。因此，Northbay Solutions 采用了符合 IP67/69K 保护等级的 IFM Electronics 工业级传感器。

当地机场维护团队安装了四个传感器：两个用于电机监控的振动传感器、一个用于监控传送带速度的速度传感器，以及一个用于计算行李流量的光电传感器。物理硬件安装完成后，使用 CloudRailDMC设备管理云来配置传感器并设置与客户 AWS 帐号中的 AWS IoT SiteWise 的通信连接。对于超过12000个工业级传感器，该解决方案能自动识别相应的数据点，并将其标准化为 JSON 格式。这种简单的配置和清晰的数据结构使IT人员能够轻松地将工业资产连接到 AWS IoT。这些数据随后可以用于报告、状态监测、AI/ML 和3D数字双胞胎等服务。

除了快速连接节省 IoT 项目的时间和成本外，CloudRail的设备管理还为数千个网关提供功能更新以确保长期兼容性和安全性修补。

行李处理系统解决方案的架构如下：

传感器数据由 CloudRail 收集并格式化，然后通过 AWS API 调用使其可用于 AWS IoT SiteWise。这种集成通过 CloudRail 简化，并可直接通过 CloudRailDMC设备管理云 配置在 AWS IoT SiteWise 中，首先需要创建为传送带准备的模型和资产模型。该架构包括其他组件，使传感器数据可通过 S3 桶提供给其他 AWS 服务，用于与 Amazon Lookout for Equipment 进行集成，以实施预测性维护，但这超出了本博文的范围。如需了解有关如何为 BHS 集成预测性维护解决方案的更多信息，请访问此 链接。

我们将讨论如何在 AWS IoT SiteWise 中获得 BHS 传感器数据，我们可以定义一个模板，从中创建资产，并监视所有传输到云的传感器数据。通过在 AWS IoT SiteWise 中提供这些数据，我们可以定义指标和数据转换转化，以测量 OEE 的三个组成部分：可用性、性能和质量。最后，我们将使用 AWS IoT SiteWise 创建一个仪表盘，显示 BHS 的生产效率。该仪表盘可以实时洞察 BHS 的各个方面，并提供有助于进一步优化的信息。

数据模型定义

在将数据发送到 AWS IoT SiteWise 之前，您必须先 创建一个模型 并定义其属性。如前所述，我们有四个传感器，将这些传感器分组到一个模型中，并包含以下测量来自设备的数据流：

除了测量之外，我们还将向资产模型添加几个属性静态数据。这些属性代表 OEE 计算中所需的不同值，比如振动传感器的最大温度和 BHS 的速度的接受值。

计算OEE

标准 OEE 公式为：

其中：

定义了这些参数后，下一步是识别组成 OEE 公式的各个元素，这些元素来自传输到 AWS IoT SiteWise 的传感器数据。

可用性

可用性 = 运行时间 /运行时间 停机时间

要计算运行时间和停机时间，您必须定义机器状态及决定当前状态的变量。在 AWS IoT SiteWise 中，我们有 转化，这是将属性数据点从一种形态映射到另一形态的数学表达式。由于我们在 BHS 上有四个传感器，因此需要定义我们希望在计算中包含的传感器的测量温度、振动等，这些可能会非常复杂，包括数十或数百个变量。然而，我们定义的主要指示器是来自两个振动传感器的温度和振动强度以摄氏度和 m/s 计以及来自速度传感器的传送带速度以米/秒计。

为了定义正确操作的可接受值，我们将使用先前定义资产模型的属性。属性充当常量，使公式更易于阅读，并且允许我们在资产模型级别更改数值，而无需去每个单独资产进行多次更改。

最后，计算一段时间内的可用性参数时，我们将添加 指标，以便聚合模型属性的数据。

质量

质量 = 成功 /成功 失败

对于 OEE 的质量，我们需要定义什么构成成功，什么构成失败。在我们的案例中，生产单元是计算的行李，因此我们如何定义何时行李计数成功、何时不成功呢？可以通过使用外部系统如图像识别来增强此质量流程，但为了简单起见，我们仅使用来自四个传感器的测量和数据。首先，设定行李通过光电传感器时，检测到的物体比基面距离短，从而确定该物体被计数。这是计算通行行李的简单方法，但同样可能受到多种条件影响，进而影响测量的精确性。

成功 = sum(行李计数) sum(疑似行李计数)

失败 = sum(疑似行李计数)

质量 = 成功 /成功 失败

记得在所有计算中使用相同的指标间隔。

性能

性能 = ((成功 失败) / 运行时间) / 理想运行速率

我们已经从质量计算中得到了成功和失败，同时也获得了可用性中的运行时间。因此，我们只需定义理想运行速率。如前所述，我们的系统在每小时为 300 个行李时理想运行，相当于 00833333 个行李/秒。

为捕获此值，我们将使用资产模型级别定义的理想运行速率属性。

OEE值：

在获得可用性、质量和性能后，我们继续定义 OEE 的最后一个指标。

OEE = 可用性 质量 性能

在 AWS IoT SiteWise 中可视化 OEE

一旦将 OEE 数据合并到 AWS IoT SiteWise 中，我们可以通过 AWS IoT SiteWise 门户创建仪表盘，以提供数据的一致视图，并定义用户所需的访问权限。有关更多详细信息，请参考 AWS 文档。

OEE 仪表盘

结论

在本博文中，我们探讨了如何使用来自 BHS 的传感器数据提取系统中的重要信息，并利用这些数据全面了解我们的物理系统，通过整体设备有效性OEE计算。

通过 CloudRail 连接解决方案，我们能够在几分钟内将安装在 BHS 上的传感器集成到 AWS IoT SiteWise 等 AWS 服务中。实现此集成后，我们可以存储、转换和可视化来自系统传感器的数据，并生成实时反馈关于系统的性能、可用性和质量的仪表板。

如需了解有关 AWS IoT 服务和合作伙伴解决方案的更多信息，请访问此 链接。

关于作者

Juan Aristizabal

Juan Aristizabal 是亚马逊网络服务的解决方案架构师。他协助加拿大西部的新客户进行云迁移。他在 IT 转型方面有超过10年的经验，涉及从 数据中心技术、虚拟化到云计算等多个领域。在业余时间，他喜欢与家人旅行以及玩电子合成器和模块化系统。

Syed Rehan

Syed Rehan 是亚马逊网络服务AWS的一名高级全球 IoT 网络安全专家，隶属于 AWS IoT 服务团队，常驻伦敦。他与全球客户合作，覆盖从初创企业到大型企业，帮助他们构建基于 AWS 生态系统的 IoT 解决方案，擅长网络安全、IoT和云等领域。