提高机器利用率的方法

在加工车间工作多年的员工可能都记得在冲床停止工作时，老板突然闯进来问“为什么这么安静”的时刻。对管理层来说，工厂里冲压机的哐嚓声就相当于收银机的开合声。如果机器不能生产，工厂就赚不到钱。

而当机器正常运行时，员工们都会松一口气。但真是这样吗？这台机器产出的零件质量如何？机器是否处于健康的状态？什么时候会出问题？机器根据订单要求产出了正确数量的正确部件吗？生产效果如何？加工作业达到应有的效率了吗?

图片来源：Getty Images

近年来，机器供应商和第三方厂商引入了监控系统，旨在令车间运转更加透明。监控系统除可进行各种功能外，还配有显示实际机器正常运行时间和空闲时间的仪表板，直接与机器相联，无需人工输入。

通常，机器的正常运行状态只有两种：要么运行，要么停止。但是需要再次强调的是：我们获得的很多信息都建立在简单假设的基础上——我能听到、看到机器在运转，所以一切都没问题。但在加工作业日益紧密相联的车间中，实际情况并没那么简单。

连续监控

现今的机器制造商和第三方供应商会提供各种软件，追踪机器的实际使用情况，帮助钣金加工商识别之前隐藏的问题，立即提高机器利用率和生产效率。根据产品和服务水平，这些软件还可以将利用率数据与价值流或作业路径中的特定作业及其他机器相联，然后监控状态，深入分析机器层面的数据，以确定机器的健康状况，并在小问题升级为更大的问题之前就将它识别出来。

集成和感知智能的水平，取决于所使用的软件以及机器的使用时间和品牌。在一些现代机器上，制造商能够追踪特定的报警代码或特定部件的状况。尽管如此，即使是老旧机器上最简单的传感器也能提供许多有关操作效率的信息。

通常可以在单独的沙箱软件中查看机器利用率测量、作业追踪及机器状态监控等数据。也就是说，软件功能间的界限在未来几年可能会变模糊。具体的加工车间可能出现的问题多种多样，不能一概而论。例如，折弯机利用率低，可能不仅与机器的状况有关（例如液压油泄漏），还可能与机器在整个班次中（工作追踪和调度）中处理作业的顺序和性质有关。

俗话说，真理存在于车间。现今的软件可以追踪机器自动报告的各类

加工活动（不仅局限于正常运行时间）。图片来源：AMADA（美国）公司

那些思维开阔、善于以点带面的钣金加工商们可能会发现，自己能够从机器和所雇员工处获得更多收益。随着劳动力短缺现象的持续，其重要性将更加凸显。

生产率背后的细节

对机器的正常运行时间数据展开广泛调研后发现：金属加工业还有大量未被充分利用的资产。2022年1月，总部位于美国马萨诸塞州北安普顿市的MachineMetrics公司发布了一份报告，内有其众多客户的机器平均正常运行时间数据，包括机加工车间及各种钣金、板材制造厂。像自动激光切割中心等机器的正常运行时间比手动的高得多。不过2021年机器的平均正常运行时间仍然很低，只有28%。

MachineMetrics公司联合创始人兼首席客户官Eric Fogg表示，低利用率“是我们创办这家公司的真正原因。如果你问多家公司的老板‘你们的机器运转得怎么样？利用率是多少？’虽然都是些简单问题，但依然没有多少人能答得出。”

Fogg补充说，许多制造业人士认为机器意外停机的原因是“机器本身局限、机器维护问题或加工困难”。没错，这些都是很严重的问题，在这些领域还需要很多改进。但这与计划和组织的关系很大，‘我们有人力和机器来完成这项加工作业吗？我们能否组织安排加工作业，并确保其高效、有序地进行？’”

MachineMetrics公司收集的2021年全年意外停机原因，揭示了金属制造业的常见问题，包括劳动力短缺。超过52%的机器停工，只是因为操作人员不给力。还有超过22%的停工，是因为机器没有作业任务或没有物料——在2021这个需求剧烈波动、供应链面临巨大挑战的一年，这些问题并不出人意料。

Fogg说:“根据我们搜集到的数据，在这个行业领域，其实仍有很多容易实现的目标。”常被忽视的小故障累积起来可能导致严重的停机事故。“每个人都记得发生在机器上的大撞击，却很难记住小碰撞。我们还发现有时机器上其实已备好物料，可以运行了，需要的只是操作人员。”

这些数据揭示了这个行业领域劳动力短缺的严重程度。一个微小的意外事件——操作人员请病假，一个需要更长时间的设置，一个加急订单——都会影响生产，但加工车间没有立即可用的资源来解决这些问题，而且客户不会为它们造成的不良后果买单。

采用状态监视，可以在问题成问题之前就发现问题。图片来源：通快集团。

2021年11月，通快集团销售、软件和物联网解决方案主管Tobias Mauz在由美国制造商协会（FMA）主办的工业4.0线上会议上表示：“我们进行了一项将间接加工流程与实际处理时间进行比对的研究，发现间接流程约占生产时间的80%，而直接流程仅占20%。切割、折弯和焊接是增值流程，然后便是间接流程。客户不会付钱让我们把物料从一个工作场所搬到另一个工作场所，也不会付钱让我们报价、为订单排序或打印相关文件。这些流程中有些是间接的，但都不会增加价值，因此我们也不会获得报酬。”

更深入研究

一台机器因为没有操作人员而停机了，可是为什么没有操作人员呢？的确，可能因为人手太紧张，但是在这个特定的加工环节，究竟出了什么事？操作人员没来上班吗？还是去工厂的其他地方解决瓶颈问题了？如果是后者的话，为什么会出现瓶颈问题？如果有台机器没有作业安排或没有物料可加工，是因为外部供应链出问题了吗？如果这是个内部问题，是因为操作人员在等待叉车司机运送物料吗？还是只是因为需求下降了，机器没排上任何加工任务？

“对我来说，‘为什么？’这个问题没什么意思，因为每个人都可以回应一个不一样的答案，往往触及不到问题的核心。我想知道发生了什么，怎么发生的，何时发生的，是谁导致的。”AMADA美国公司驻芝加哥的工业物联网专业服务首席顾问Casey Greer如是说。Greer（曾在2021年11月的FMA工业4.0大会上做过演讲）使用公司的Influent平台来回答这些问题。该平台可以连接、分析来自不同机器和机器品牌的数据，还集成了车间的企业资源计划（ERP）平台。

“当看到一台加工效率不佳的机器时，你的脑海中会立刻出现一些疑问，”他说，“它在加工什么？谁在管理？什么时候管理的？”Influent平台配备的仪表板可以帮助加工车间立即找出这些问题的答案。“现在我们来看看这个零件。很难设置吗？操作人员需要怎么设置？所有这些信息都会帮你做出更好的决定。”

正如Greer在上文解释的那样，加工车间可以从测到的所有信息中最客观的那个开始，即：何时。如果加工车间不知道机器何时运行，就很难评估并解决问题。与“何时”有关的信息，可要比听到办公室里打卡机发出的咔嚓声透露的信息更多。

Greer描述了一种加工情形：焊接机器人无法按照预想的那样完成加工作业。问题出在作业顺序上。焊接机器人在双焊接台上作业。一个焊接台上的零件需要15秒的焊接时间，而另一个零件需要1分钟。显然，1分钟的焊接时间决定了焊接节奏，但它比经理们希望的节奏要慢。为了解决这个问题，公司最后为不同的零件设置了相应的加工次数，为加工次数差别很大的产品系列实现了有效的水平荷载（至少在某种程度上）。

“公司用相应的加工次数等方式组合，并给零件排序，通过焊接单元，保证2款零件的产量。”Greer说：这是现代机器监控和工业物联网应用的典型示例。“与拥有一套功能的软件产品无关。需要从制造者的角度了解问题，然后一起合作解决问题。”

这份加工作业用时多久？

机器运行情况与操作人员记录的工作交接之间的脱节，是制造商需要面临的一项挑战。通常ERP和制造执行系统（MES）软件会追踪操作员开始作业和结束作业的时间，但它们与机器本身的运行时间并无直接联系。一名操作人员在上午10点15分开始执行一项已设置好的折弯机作业，并在上午10点30分结束该作业。凭这条信息，说明操作员花了15分钟完成了这项加工任务，仅此而已。还需要计算实际的折弯循环时间，才能获得完整的情况。通过新收集到的信息可能发现，这台折弯机只花了五分钟就把冲压件折弯了。

加工时间比实际需要的时间长了三倍？实情很可能并非如此。毕竟操作人员还需要安排物料，执行加工中的检验及其他任务。但像这样收集信息是有助于提高效率的。通过获得机器的正常运行时间和操作人员的工作交接数据，操作员和管理人员可以共同努力，提高效率——用某种方式安排物料会有帮助吗？物料在纹路方向或厚度变化等方面是否存在问题？需要操作人员调整机器设置吗？坯料尺寸是否与所使用的工具不符？有没有校准问题，比如未去毛刺的凸舌在后挡料或侧挡料上晃动？

操作人员打卡操作的时间与实际机器运行周期之间的差异，可能是遗留问题。按照MES的工作交接数据，操作人员看到车间为这项作业分配了15分钟，他因此就确保这项作业打卡了15分钟。当然，他可能在占便宜，低效操作，但也可能只是遵守安排，以一定之规进行操作，因为……这是一贯做法。

Greer再次强调这为什么不是件小事。答案可能会因人而异，反而招致互相指责。把时间花在指责上，本身就是浪费。从采集到的关于“什么”、“怎样”以及“何时”等信息开始行动，可以为车间工作人员提供需要改进的点。

利用数据进行预测

在一家典型的加工厂里，机器监控软件几乎能识别所有机器——无论使用时间多久，无论哪种品牌——是开着还是关闭。当然，监控软件还知道现代机器的更多信息。

Greer解释说：“需要监控的因素太多。”监控程度取决于机器的品牌和使用时间。“采集到数据后，我们就能看到机器上发生的一切，包括程序何时启动，触发了哪种警报，在哪个加工环节出现了警报。”

对于希望在机器意外停工前就了解其状态的维护部门来说，这些数据非常有价值。也可以将它们输入到分析系统中，无论是离线系统还是基于云的系统（取决于软件设置和供应商），都有助于完善预测性维护计划。制造商们可以根据实际使用情况，检查、维护机器部件，从而延长机器寿命，降低整体运行成本，而不只是简单按照设定的时间表检查、维护项目（比如预防性维护）。现在，无论是通过机器供应商还是第三方，都可以利用监控服务，在问题成为问题之前就通知制造商。

通快集团TruServices和Smart Services主管Christine Benz表示:“有了现代化的状态监测系统后，我们可以更加主动了。获得完全自动化的数据分析，能够预测何时有可能发生问题。我们可以帮助制造商在发现问题之前就解决问题。”例如，过去操作人员可能先观察到切口质量差，然后去排除反应性故障。而现在，操作人员和技术人员可以从开始阶段就预防问题出现。

传感器可以检测到激光切割机冷却系统的水位或折弯机的液压液位变化，发送数据，促使制造商采取行动。Benz说：“我们的状态监测目标，是在车间出现问题之前实现零意外停机。”

通快集团连接领域研发经理Mathias Staiger表示:“在某些案例中，我们分析切割某些零部件的质量，优化技术表格。我们可以自动更新某一种类型机器的技术表格，令机器实现获得更好的效能。”他还补充说，在这种以及其他案例中，基于云的数据分析只处理机器层面的数据，而不处理零件层面的数据。

在某些情况下，机器可以读取分析结果并进行自我修正。这种机器学习场景在钣金制造中并不普遍，但确实是有的。一个不错的例子，是才刚开始出现的自动排产及零件拣选技术。末端执行器上的吸盘（集成了专用的浮料销），会尝试将某个零件从一套零件从取出，如检测到抓取失败，会再用另一种方法尝试。

“如果首次尝试失败，机器会自动切换到另一种不同的吸盘模式（在去除坯料的末端执行器上），将零件与套料分离，”Benz说，机器会考虑零件在套料中的位置及朝向。对位于套料角落、呈水平方向的零件的处理方式，很可能与位于套料中心的零件不同。“机器就是用这样的方式学习的。”

Benz补充说，制造商可以将状态监测收集的数据与其他能够自动制定生产计划并安排物料的软件结合起来使用。例如在某些应用中，机器上的以及在物料存储和在制品位置处的传感器，会触发指令，移动物料。她明确表示：通快集团的状态监测软件和生产计划软件是独立的平台，但是制造商可以从这两者中提取数据，辨别相关性。

“机床行业的数字化和自动化将变得越来越重要，”Benz表示，“钣金行业正在推动从下订单到付款整个流程的数字化进程。鉴于我们所看到的制造业回流的趋势，制造业需要实现的两个主要目标，为高质量的零部件设定标准，以及尽可能地高效。制造商们需要兼顾两者。”

计划外停机的根本原因

每家制造商都是不同的，所以不可能对所有停机的根本原因一概而论，但很多停机都可追溯到几条通用原因上。一个原因是没有设定一套关于如何制造钣金产品的设计准则。如果工程师们在使用K因子、折弯余量和折弯减量设计折弯流程时，不知道折弯机操作人员会使用何种工具，就可能出问题。

另一个根本原因与组织、培训和资源有关。可能是因为缺乏沟通，比如第一班的操作员与第二班之间沟通不良，或没人通知某个程序员应该如何、何时将作业移到车间去。可能是因为时好时坏的工作状态，因为那种“我们总是这么做”的僵化的模式。它本身包含了钣金设计问题（比如会设置K因子，却不知道操作人员会使用什么工具），以及糟糕的维护能力。

随着机器变得更快、更自动化，后果将变得更加复杂。自动下料系统可能会停机数小时甚至数天——不是因为某些微妙的电力驱动问题或切割头的光学系统问题，而是因为金属板脏了。切口上的熔融金属与金属板上堆积的熔渣焊接在一起，所以当自动板叉滑进来想举起切好的板材时，同时也会抬起整个操作台。不过，注意不要妄下结论。仅仅是金属板的原因吗？切割条件会不会有问题？也许零件的排序方式导致了问题的出现？或是凸舌的位置（或缺少凸舌）导致的？

这就是无论从生产角度还是从状态监测角度，研究机器数据都是非常有价值的原因。随着传感器和软件的发展，它们都将为加工车间带来更深入的操作理念。这种技术最终将帮助制造商辨别真相，共享事实，并以此作为迈向更智能进程的起点。

作者：Tim Heston

来源：荣格-《国际金属加工商情》

原创声明：
本站所有原创内容未经允许，禁止任何网站、微信公众号等平台等机构转载、摘抄，否则荣格工业传媒保留追责权利。任何此前未经允许，已经转载本站原创文章的平台，请立即删除相关文章。