2021年4月19日消息，生产中联网的增加也增加了生产的复杂性。需要数据分析方面的专业知识，以便在早期阶段预测系统故障并确定有效性损失的原因。借助MOEE，弗劳恩霍夫制造工程与自动化学院IPA的研究团队最近在汉诺威工业博览会上展示了一种工具，该工具可以识别链接系统中生产力损失的原因，并能够快速消除故障。
总体系统效率（OEE）是生产中的决定性指标。它定义了工厂以给定速度生产优质产品的百分比。同时，它通过识别生产损失构成了改进流程的基础。斯图加特Fraunhofer IPA的研究人员使用MOEE（最大化整体设备效率）的缩写，开发了一种软件工具，该工具可以检测与复杂，网络化的自动化系统中性能、质量和可用性这三个参数有关的生产损失。
实施的算法会自动分析系统的行为，然后创建一个单独的过程模型。可视化和评估生产周期的各个过程步骤。算法计算出何时，按什么顺序进行哪些过程以及花费多长时间。如果工艺步骤没有以期望的速度发生，并且如果它们没有得到最佳的协调，那么这说明了性能。例如，通常无法识别机器人的短期停止，并且其影响难以量化。如果加起来有多个这样的停靠点，则会导致错误。
Fraunhofer IPA的“自主生产优化”小组负责人Brandon Sai解释了一个例子，解释了该软件的工作原理。如果机器静止不动，这将说明可用性，这是系统有效性不足的另一个标准。此外，专门开发的自学习算法还提供了有关所达到质量的信息。目的是将识别出的损耗分配给组件，从而识别出特定的弱点。
结合机器学习过程的自动过程建模
过度计算的安全缓冲区是导致故障的常见原因。MOEE肉眼听不见，它记录了最少的停机时间以及动态瓶颈，这是由生产积压引起的。由于软件会详细编码每个状态，因此也会记录故障，例如机器部件的卡住或润滑脂层的使用不充分。
工程师说：“结合使用自动过程模型创建和机器学习方法，我们可以识别出生产力损失，从而迅速消除故障。 不应让工人负担所有这些信息，只有在出现问题时才直接通知他。”
在信号级别检测生产力损失
“MOEE使用控制器的I / O接口进行分析。输入/输出接口是机器的大脑。直接在控制器上监视系统。在这里，行为可以以最佳和细粒度的方式记录下来。” Sai说：“这样就可以在信号级别分配生产力损失，提高可用性、性能并确定质量偏差。性能和质量的损失可以记录到组件级别，例如阀门。”
