工业厂房综合设备效率（OEE）追踪

Introduction
- Implementation plan
Getting started:
Summary

Introduction

某制造厂生产汽车零部件，24/7运行。工厂有3条组装线，OEE分别为85%、90%、75%。利用smart factory组装线旁iot sensors的数据，分析组装线实时数据，可跟踪全厂及单条线的Availability、Performance和Quality指标。实时、按日跟踪这些指标后，可分析设备downtime原因、定位低OEE根因，如计划外停机、低performance或低质量。

任务定义： 实时、按日跟踪全厂及每条组装线的OEE。

Implementation plan

通过跟踪downtime事件的数量和原因，计算组装线的Availability指标
确定每条组装线的top 5 downtime原因，进行根因分析
通过跟踪实际生产速度与计划速度的对比，分析Performance指标
基于不合格件数量及不合格原因计算Quality指标

Getting started:

Prerequisites

先了解方案涉及的ThingsBoard实体及其关系、传感器上报的原始telemetry。实体的provision及传感器配置不在本指南范围内。可参考文档。领域模型如下：

Manufacturing plant在ThingsBoard中注册为asset
Assembly line在ThingsBoard中注册为device，与manufacturing plant asset关联
现场Gateway通过modbus协议从组装线采集数据，作为telemetry发送至ThingsBoard
组装线上报的指标：
- powerUsageWh - 能耗（Wh）
- producedParts - 产量
- rejectedParts - 质检不合格数
- status - 当前状态（running、stopped、maintenance等）
- reason - 停机原因（maintenance、lack of materials等）

Step 1: Analyze equipment downtime duration and compute Availability metric

组装线提供了计算停机时长和原因所需的信息。每30秒收到能耗数据，格式{powerUsageWh: 10, ts: 1675421880000}。设备停机时操作员选择原因，ThingsBoard收到状态变更事件，格式{status: "stopped", reason: "maintenance", ts: 1675421880000}。

分析组装线运行或停机时长时，使用Trendz state fields。State field可根据简单布尔条件表示设备处于某state的时长。开始配置：

在Trendz创建Line chart
在X-axis区域添加Date字段——按月、周、日或小时拆分数据
在Series区域添加assemblyLine字段——按组装线拆分
在Y-axis区域添加State字段
- 聚合改为Duration percent——显示每条组装线运行时间占比
- 标签改为Availability score
- 用下列javascript公式定义运行state

var state = none(assemblyLine.status);
return state == "running";

以名称OEE Availability line chart保存视图

可得到展示各组装线OEE Availability score的实时折线图。后续可添加阈值，当Availability score低于目标时高亮，以便快速响应。

Step 2: Build bar chart with top 5 downtime reasons for each assembly line.

分析不同设备的最常见停机原因。数据以stacked bar chart展示，每根柱代表一条组装线，每根柱按top 5停机原因拆分。

在Trendz创建Bar chart
在X-axis区域添加assemblyLine——按组装线拆分
在Series区域添加assemblyLine.status，聚合选UNIQ——按status分组
在Values区域添加assemblyLine.status，聚合选COUNT——统计各status事件数
在Filters中添加assemblyLine.status，选择代表downtime的所有status
打开view settings
- 排序设为Descending
- 排序列设为assemblyLine.status
- Limit设为5
- 勾选Stacked bar
以名称Availability: Top 5 downtime reasons保存

Step 3: Compare current and planned production speed

OEE框架中，Performance score为实际生产速度与计划速度之比。每条组装线的计划速度存于attribute，实际速度可根据产量计算。组装线传感器每60秒上报产量，格式{producedParts: 10, ts: 1675421880000}。创建展示各线performance score的折线图。

在Trendz创建Line chart
在X-axis区域添加Date——按月、周、日或小时拆分
在Series区域添加assemblyLine——按组装线拆分
在Y-axis区域添加Calculated字段
- 标签改为Perfromance score
- 勾选Batch calculation——使用原始telemetry计算performance score
- 使用AVG聚合——因用户可切换hour、day、week、month，需计算各时间间隔的平均performance score
- 用下列javascript公式计算performance score

var plannedSpeed = uniq(assemblyLine.plannedSpeed)[0].value;
var rawProducedPartsArray = none(assemblyLine.producedParts);

var performanceScore = [];
for (var i = 0; i < rawProducedPartsArray.length; i++) {
  var point = rawProducedPartsArray[i];
  var score = point.value * 100 / plannedSpeed;
  performanceScore.push({ts: point.ts, value: score});
}

return performanceScore;

以名称OEE Performance score line chart保存

本视图使用batch calculated fields以访问传感器上报的原始值。 transformation完成后，Trendz对结果数组应用所选聚合函数（本例为AVG），得到每个时间间隔、每条线的单一值。而简单calculated field在transformation前先应用聚合。

Step 4: Compute Quality score based on amount of rejected parts

最后分析Quality score——不合格件数量及各组装线差异。部分设备可能有机械损耗或操作员经验不足导致更多不合格件。传感器上报格式：{rejectedParts: 10, ts: 1675421880000}。创建展示各线quality score的折线图。

在Trendz创建Line chart
在X-axis区域添加Date——按月、周、日或小时拆分
在Series区域添加assemblyLine——按组装线拆分
在Y-axis区域添加Calculated字段
- 标签改为Quality score
- 用下列javascript公式计算quality score

var producedParts = sum(assemblyLine.producedParts);
var rejectedParts = sum(assemblyLine.rejectedParts);

var qualityScore = 100 - rejectedParts * 100 / producedParts;
return qualityScore;

以名称OEE Quality score line chart保存

字段计算公式中，计算的是组装线生产合格件的百分比。

Summary

通过跟踪每条组装线的OEE及其构成，可定位影响效率的具体因素、找到改进空间。工厂管理者可针对每条线实施针对性方案，最终提升效率和生产能力。分析Availability、Performance、Quality数据可定位低OEE根因并制定改进措施。通过持续监测和改进，可优化组装线、减少停机、提高产量和质量。随着技术发展，实时数据采集与分析对制造厂的成功和竞争力将更加重要。