Sammenligning av statistiske analysemetoder for termoelementfeil for verkstedkostnadsoptimalisering

Verksteder bør telle termoelementfeildata rutinemessig for å optimalisere innkjøpsmerker, tilpasse vedlikeholdssykluser og redusere omfattende reservedeler og tapskostnader. Det er tre standard statistiske analysetilnærminger, inkludert kategoriseringsstatistikk for feilfrekvens, sammenligning av ytelseskostnader- for levetid og korrelasjonsanalyse for produksjonsbelastningsfeil. Denne artikkelen analyserer gjeldende omstendigheter, kompleksiteten ved datainnsamling og beslutnings{3}}nytten for hver tilnærming.

Metode 1: Statistikk over klassifisering av feilfrekvens (grunnleggende daglig ledelsesmetode)

Datainnsamling: Månedlig total feilmengde, feiltype mengdeandel (drift, åpen krets, kortslutning, mekanisk skade, ledningsfeil).

Driftstrinn: For å registrere feilkode under hvert vedlikehold, for å summere en prosentandel av hver feilkategori ved månedsslutt-, for å lage et sektordiagram for feilprosent.

Beslutningsanvendelse: Når andelen av defekter forårsaket av termisk drift er mer enn 40 %, erstatt med N-type anti-drift termoelementer og reduser karbonrensesyklusen; når andelen av mekaniske skader på åpne-kretser er dominerende, forbedrer ledningsstrekkbeskyttelsen og vibrasjonsisolasjonen.

Fordeler: Enkel datainnsamling, minimale statistiske arbeidskostnader, egnet for små og mellomstore-verksteder med begrenset databehandlingsarbeidere.

Ulemper: Kan ikke måle økonomisk tap fra ulike problemer, kun kvalitative anbefalinger for forbedring uten numeriske kostnadsreferanser.

tilnærming 2: Levetid kostnad-sammenligning av fordeler (tilnærming til leverandørevaluering for innkjøp)

Data samlet inn: Pris betalt per merke termoelementenhet, gjennomsnittlig levetid, gjennomsnittlig antall timer brukt på månedlig vedlikehold, gjennomsnittlig inntektstap på grunn av nedetid forårsaket av feil, tap fra defekt produktskrot.

Beregningsindeks: Total daglig kostnad for hvert merke=(avskrivningskostnad for kjøp + vedlikeholdslønnskostnad + skraptap på grunn av nedetid) / faktiske dager med tjeneste.

Anvendelse av avgjørelse: Den samlede kostnaden for K-type innenlandske generiske, avanserte innenlandske alternative og utenlandske N-type termoelementer på en dag sammenlignes, og merket med den laveste daglige totalkostnaden velges under produksjonsbelastningen.

Fordeler: Alle de skjulte tapene kan kvantifiseres til numeriske kostnader. Datagrunnlaget for innkjøpsbudsjettjustering og merkeerstatning kan leveres direkte.

Ulemper: Arbeidsmengden med datainnsamling er enorm og MES-systemet må registrere nedetid og skrapmengde samtidig.

tilnærming 3: Korrelasjonsanalyse av produksjonsbelastningsfeil (tilnærming til optimalisering av vedlikeholdssyklus)

Data samlet inn: Type produksjonsbelastning (tre-skift kontinuerlig / to-skift intermitterende / ett-skiftprøve) Daglig gjennomsnittlig støpesyklustider Korrosivitet av prosessmateriale Termoelement gjennomsnittlig feilintervalldager

Driftstrinn: Etabler en korrelasjonskurve mellom produksjonsbelastningsintensitet og feilsyklus, og beregne den ideelle differensierte kalibrerings- og rensesyklusen for hver belastningsmodus.

Beslutningsapplikasjon: Høy-last tre-skifts produksjonslinje for korrosivt materiale reduserer kalibreringssyklusen til 30 dager; lav-last enkelt-prøveformer forlenger kalibreringssyklusen til 180 dager, og balanserer vedlikeholdsarbeidsinnsats og kontroll av feilrisiko.

Fordeler: Sørg for raffinert differensiert vedlikeholdsstyring, eliminer over-vedlikeholdsavfall eller under-vedlikeholdskvalitetsrisiko.

Ulemper: Lang dataakkumulert syklus, minst 3 måneders kontinuerlig feilregistrering for å utvikle god korrelasjonskurve.

Sammensatt statistisk applikasjonsideverksted

Små verksteder: baser daglig ledelse på den månedlige feilklassifiseringsstatistikken for metode 1.

Middels-store masseproduksjonsverksteder: Metode 1 + Metode 2, månedlig feilklassifisering + kvartalsvise merkekostnader-nytteevaluering for å endre innkjøps- og vedlikeholdsstrategier.

Intelligente workshops med full MES-datainnsamling Superimpose Method 3 laster korrelasjonsanalyse for å oppnå full digital raffinert termoelementkostnad og risikokontroll.