Termoparin vikojen tilastollisten analyysimenetelmien vertailu työpajan kustannusten optimointiin

Työpajojen tulee laskea termoparien vikatiedot rutiininomaisesti hankintamerkkien optimoimiseksi, huoltojaksojen mukauttamiseksi ja kokonaisvaltaisten varaosien ja hävikkikustannusten vähentämiseksi. Tavallisia tilastollisia analyysimenetelmiä on kolme, mukaan lukien vikatiheyden luokittelutilastot, käyttöiän kustannus-hyöty vertailu ja tuotantokuormitushäiriöiden korrelaatioanalyysi. Tässä artikkelissa analysoidaan sovellettavia olosuhteita, tiedonkeruun monimutkaisuutta ja kunkin lähestymistavan päätöksentekohyötyä.

Menetelmä 1: Vikataajuuden luokittelutilastot (peruspäivittäinen hallintamenetelmä)

Tiedonhankinta: Kuukausittainen kokonaisvian määrä, vian tyypin määrän suhde (ryömintä, avoin piiri, oikosulku, mekaaninen vaurio, johdotusvirhe).

Käyttövaiheet: Vikakoodin tallentaminen jokaisen huollon aikana, kunkin vikaluokan prosenttiosuuden laskeminen yhteen kuukauden lopussa, vikojen osuuden ympyräkaavion muodostaminen.

Päätöksen soveltaminen: Kun lämpökuluman aiheuttamien vikojen osuus on yli 40 %, vaihda N-tyyppisillä ajautumista estävissä termoelementeillä ja vähennä hiilen puhdistussykliä; kun avoimen piirin mekaanisten vaurioiden osuus on hallitseva, paranna johtojen jännityssuojaa ja tärinäneristystä.

Edut: Helppo tiedonkeruu, minimaaliset tilastolliset työvoimakustannukset, sopii pienille ja keskisuurille työpajoille, joissa on rajoitetusti tiedonhallintatyöntekijöitä.

Haitat: Erilaisten ongelmien aiheuttamaa taloudellista tappiota ei voida mitata, vain laadullisia parannussuosituksia ilman numeerisia kustannusviittauksia.

lähestymistapa 2: käyttöiän kustannus-hyöty vertailu (toimittajan arvioinnin lähestymistapa hankintaan)

Kerätyt tiedot: Tuotemerkin termopariyksikköä kohti maksettu hinta, keskimääräinen käyttöikä, kuukausittaiseen huoltoon käytetty keskimääräinen tuntimäärä, keskimääräinen tulonmenetys vian aiheuttamasta seisokista, menetys viallisen tuotteen romuista.

Laskentaindeksi: Jokaisen tuotemerkin päivittäiset kokonaiskustannukset=(ostokustannus + ylläpitotyökustannukset + seisokkien aiheuttama romun menetys) / todelliset palvelupäivät.

Päätöksen soveltaminen: K-tyypin kotimaisten geneeristen, korkealuokkaisten kotimaisten vaihtoehtoisten ja ulkomaisten N-tyyppisten termoparien kokonaiskustannusta verrataan päivässä ja tuotantokuorman alla valitaan tuotemerkki, jolla on alhaisin päivittäiset kokonaiskustannukset.

Edut: Kaikki piilotetut tappiot voidaan kvantifioida numeerisiksi kustannuksiksi. Hankintabudjetin mukauttamisen ja tuotemerkin vaihtamisen tietopohja voidaan toimittaa suoraan.

Haitat: Työmäärä tiedonkeruussa on valtava ja MES-järjestelmän pitää kirjata seisokit ja romun määrä samanaikaisesti.

lähestymistapa 3: Tuotantokuorman epäonnistumisen korrelaatioanalyysi (huoltosyklin optimointitapa)

Kerätyt tiedot: Tuotantokuormituksen tyyppi (kolmivuoro jatkuva / kahden vuoron jaksottainen / yhden vuoron koe) Päivittäiset keskimääräiset muovausjaksot Prosessointimateriaalin syövyttävyys Termoparin keskimääräinen vikaväli päivää

Käyttövaiheet: Määritä korrelaatiokäyrä tuotantokuormituksen intensiteetin ja vikajakson välille ja laske ihanteellinen eriytetty kalibrointi- ja puhdistussykli kullekin kuormitustilalle.

Päätössovellus: Suurikuormitus kolmivuoroinen syövyttävän materiaalin tuotantolinja lyhentää kalibrointijakson 30 päivään; Pienikuormitus yhden vuoron koemuotit pidentää kalibrointijakson 180 päivään tasapainottaen huoltotyöpanoksen ja vikariskin hallinnan.

Edut: Varmista hienostunut eriytetty kunnossapidon hallinta, eliminoi liikahuoltojätteet tai alihuollon laaturiskit.

Haitat: Pitkä tiedon kertynyt sykli, vähintään 3 kuukauden jatkuva vian tallennus hyvän korrelaatiokäyrän kehittämiseksi.

Yhdistelmätilastosovellusideapaja

Pienet työpajat: perustaa päivittäinen hallinta menetelmän 1 kuukausittaisten vianluokitustilastoihin.

Keskisuuret massatuotantopajat: Menetelmä 1 + Menetelmä 2, kuukausittainen vian luokittelu + neljännesvuosittain tuotemerkin kustannus-hyötyarviointi hankinta- ja ylläpitostrategioiden muuttamiseksi.

Älykkäät työpajat, joissa on täydellinen MES-tiedonkeruu Superimpose Method 3 -kuormituskorrelaatioanalyysi saavuttaa täyden digitaalisen jalostetun termoparin kustannus- ja riskienhallinnan.