Table of Contents
התפתחות איסוף הנתונים במחקרים
מחקרים של זמן הנדסה כבר זמן רב אבן הפינה של יעילות תעשייתית, מתן הבסיס הכמותי עבור אופטימיזציה של זרימת עבודה, תקני עבודה, והפחתה עלות. שיטות מסורתיות כגון תזמון שעון ידני והתבוננות מבוססת לוח נתונים שימשה את התעשייה במשך דורות, אבל הם באים עם מגבלות טבועות טבע טבועה אנוש, הטיה צופה, ואת האופי פולשני של תזמון ידני יכול לפשרה נתונים וביצועים עובדתיים.
צוותי ההנדסה של היום מתמודדים עם לחץ לעשות יותר עם פחות תוך שמירה על איכות ובטיחות תקניות.היכולת לאסוף נתונים מדויקים בזמן לימוד ללא משבש זרימת עבודה היא קריטית.כפי שסביבות הייצור הופכות מורכבות יותר ופעולות למדידה וניתוח עבודה חייב לשמור על הקצב. מאמר זה חוקר את הטכניקות המודרניות היעילות ביותר עבור איסוף נתונים במחקרי זמן הנדסיים, מספק הדרכה מעשית על יישום, ולבחון את היתרונות ואת האתגרים הבאים עם אימוץ אסטרטגיות חדשות, אם אתה יכול לשפר את איסוף נתונים חדשים, או תוכניות.
טכניקות איסוף נתונים מודרניות
ההתקדמות הטכנולוגית האחרונה העניקה למהנדסים ארסנל רב עוצמה של כלים ללכידת מידע בזמן עם דיוק חסר תקדים ויעילות.שיטות אלה ממינוף חיישנים דיגיטליים, תוכנה אוטומטית ואינטליגנציה מלאכותית כדי לחסל שגיאות הקלטה ידניות, להפחית את ההטיה של הצופה ולספק חשיפה גרפית לכל אלמנט של תהליך עבודה. להלן הן הטכניקות המשפיעות ביותר הקיימות כיום, יחד עם הדרכה כיצד ליישם אותן ביעילות בהגדרות האמיתיות.
וידאו Recording and Analysis
מצלמות וידאו ברזולוציה גבוהה שינו את הדרך בה מהנדסים ללכוד ולנתח תהליכים עבודה.על ידי הקלטת משימות מזווית מרובות, אנליסטים יכולים לבחון מסגרת צילום מסגרת-על-ידי מסגרת כדי למדוד את זמני התנועה, לזהות פעילויות שאינן מבוססות ערך, ולאתר סיכונים ארגונומיים.פלטפורמות תוכנה מתקדמות מציעים כעת מעקב אוטומטי, ספירת החזרה, וזמני זמן מטשטשים את המאמץ הנדרש למהנדסים, יכולים להתחיל במיקומים מדויקים של עיבוד וידאו, אפילו כדי להפחית את המקלדת של משימות הפעלה, תוך כדי הפעלת לחץ על מנת להשפיע על כל פרק זמן, תוך כדי שימוש בגרסאות הפעלה, תוך כדי הפעלת רכיבי עיבוד ידניות, תוך כדי שימוש בגרסאות הפעלה פשוטות, תוך כדי שימוש בגרסאות מעקב, תוך כדי הפעלת לחץ וידאו.
חיישן לבוש ומכשירי IoT
טכנולוגיה לבישת עברה מעבר למעקב אחר כושר לתוך הזרם התעשייתי. Accelerometers,gyroscopes, ומגנטometers שחוקים על כף היד, המותניים, או הקרסול יכולים ללכוד תנועות עובדים בזמן אמת, יצירת זרמי נתונים שחושפים דפוסים תנועה, זמן idle, ושינויים תפעוליים של מערכות מידע לא יכולות לשנות את הביצועים של מערכות ההפעלה באופן קבוע.
תוכנת קידוד נתונים אוטומטית
יישומים מיוחדים תוכנה עכשיו להתאים את לכידת נתונים זמן ישירות מתחנות דיגיטליות, מכונות ומערכות ארגוניות. כלים אלה משתלבים עם בקרים לוגיים הניתנים לתוכנה (PLCs), מערכות ייצור (MES), ותכנון משאבים ארגוניים (ERP) כדי ללכוד זמני מחזור, אירועים בזמן השבתה, והגדרת משך זמן ללא כל קלט ידני.מהנדסים יכולים להגדיר כללים לסווג בלוקים באופן אוטומטי, כגון כל דוחות תוכנה ספציפיים כדי ליצור שינויים ספציפיים, או שינויים.
Machine Learning for Pattern Recognition
אלגוריתמי למידת מכונה מוחלים יותר ויותר על מנת ללמוד נתונים כדי לזהות דפוסים שאנליסטים אנושיים עשויים להחמיץ.על ידי מודלים של הכשרה על וידאו היסטורי, חיישן או נתוני יומן תוכנה, מהנדסים יכולים באופן אוטומטי לסווג אלמנטים עבודה, לזהות omalies, ולנבא את זמן מחזור זמן פנוי. לדוגמה, מודל עשוי ללמוד כדי לבודד בין תנאי הפעלה רגילים ושיבושים שנגרמו על ידי מחסור בחומרים, ללבוש, או ניתוחי ראייה יכולים גם לחשוף מערכות יחסים מתוחכמות כגון גורמי טמפרטורה, כאשר הם זקוקים להפחתה של זמן, עם שיטות למידה.
נתונים מבוססי ענן Aggregation ושיתוף פעולה
פלטפורמות ענן מאפשרות למהנדסים לאסוף מידע על זמן ממתקנים מרובים, מחלקות, ומכשירים ל-Spotation יחיד, גישה זו תומכת ב-Sitemarking באתרים, סטנדרטיזציה של שיטות עבודה, ושיתוף שיטות עבודה הטובות ביותר ברחבי הארגון.בעלי מניות יכולים לגשת למקלטים ולדיווחים הקיימים מכל מכשיר, תוך מתן מענה מרחוק לניתוח ושיתוף פעולה עם צוותים באזורי זמן שונים.
היתרונות של טכניקות חדשניות
אימוץ שיטות איסוף נתונים מודרניות מניב הטבות מדידה המשתרעות מעבר לחיסכון פשוט בזמן.השולחן מתחת לסכמת את היתרונות המרכזיים, אך ההשפעה הטרנספורמציה ביותר היא היכולת לקבל החלטות מונעות נתונים עם ביטחון.מהנדסים אשר מסתמכים על נתונים אוטומטיים, מאומתים יכולים להצדיק שינויים בתהליך עם ראיות קונקרטיות, צמצום ההתנגדות מפעולות וניהול כאחד.
- (FLT:0) דיוק מבוזר: מערכות אוטומטיות מבטלות שגיאות תצפית אנושיות, כגון הפסקת צפייה בקריאה באי דיוקים, שגיאות תעתיק ודעות להתבוננות.התוצאה היא נתונים המשקף ביצועים אמיתיים של תהליכים.
- יעילות:0 (Timeיעילות: FigFLT:1) איסוף נתונים אשר לאחר שעות של התבוננות ידנית ניתן להשלים תוך דקות באמצעות סקירת וידאו או מהנדסי כניסה אוטומטיים יכול להתמקד במאמץ שלהם בניתוח ושיפור ולא איסוף נתונים.
- (FLT:0) תובנות בזמן אמת: FLT:1 דשורדות ואזהרות לספק משוב מיידי על הביצועים, ומאפשר למנהלים לטפל בבעיות כפי שהם מתעוררים ולא לאחר העובדה, יכולת זו היא קריטית לשמירה על פעולות רזות.
- (FLT:0) נתונים מסובכים:FLT:1 ניטור רציף ללכוד כל מחזור, לא רק מדגם.זה מבטל את אי הוודאות הקשורה מרווחי דגימה ומספק תמונה מלאה של זמינות תהליכים.
- (FLT:0) קבלת עובדים מוכחת: FLT:1 כאשר ייושמו בשקיפות ובקלט של עובדים, שיטות אוטומטיות יכולות להפחית את התחושה של צפייה, כפי שהצופה הוחלף במצלמות או בחיישנים.
- (FLT:0) ,Enhanced מעקב אחר: רשומות דיגיטליות של FLT:1 יוצרות שביל ביקורתי של האופן שבו נקבעו תקני הזמן, תמיכה בציות לתקנות העבודה ולהסכמי האיחוד.
- (FLT:0) calScalability: 1:1 ברגע שטכניקה מאומתת, היא יכולה להיות פרוסת על פני קווים מרובים, שינויים או מתקנים עם מתודולוגיה עקבית, המאפשרת סטנדרטיזציה ארגונית.
אתגרים ושיקולים
בעוד היתרונות הם משמעותיים, יישום טכניקות איסוף נתונים חדשניות דורש תכנון קפדני וניהול של כמה אתגרים. ארגונים ממהרים לאימוץ מבלי להתמודד עם בעיות אלה סיכון השקעה מבוזבז, איכות נתונים ירודה או התנגדות עובדים.
השקעה ראשונה וחזרה על ההשקעה
מצלמות וידאו באיכות גבוהה, חיישניים לבישים, תשתיות IoT ורישיונות תוכנה מייצגים עלויות גדולות משמעותית.צוותי הנדסה חייבים לבנות מקרה עסקי כי קוונטים צפויים יתרונות כגון חיסכון בעבודה, עבודה מופחתת, או שינוי קו מהיר יותר. פרויקטים של פיילוט הם דרך יעילה לאמת הנחות ולהפגין ערך לפני הסקאלה.זה גם חשוב תקציב עבור תחזוקה מתמשכת, עדכוני תוכנה, פוטנציאל חלופי ספקים מציעים מודלים מתקדמים כדי להפחית את הטכניקות מתקדמות יותר, כדי להפחית את הטכניקות מתקדמות יותר.
פרטיות נתונים ואבטחה
לעובדים עשויים להיות חששות לגיטימיים לגבי הטמעת או מעקב, במיוחד כאשר חיישנים בעלי יכולת לתפוס נתונים של תנועה שניתן לראות כפולשים.ארגונים חייבים לקבוע מדיניות ברורה לגבי בעלות נתונים, גישה, שמירה ושימוש.טכניקות אנונימיזציה ניתן ליישם כדי לאסוף נתונים לפני שיתוף דוחות עם ניהול. Compliance עם תקנות כגון GDPR או דיני העבודה המקומיים הוא חובה.
ניהול והחלפת
מהנדסים וטכנאים זקוקים לאימון לשימוש בכלים חדשים ביעילות, לפרש נתונים נכון, ולשלב ממצאים לתהליכי שיפור. בדומה, מפעילי ומשגיחים חייבים להבין את המטרה והיתרונות של שיטות איסוף הנתונים החדשות לתמיכה באימוץ.אסטרטגיות ניהול שינוי צריך לכלול תוכניות, לולאות משוב קבועות והכרה באימוץ מוקדם.ללא הכשרה נאותה, אפילו הכלים המתוחכמות ביותר יניבו תוצאות לא אמינות.
שילוב טכני ואיכות נתונים
חיבור מכשירים חדשים ותוכנה למערכות צמחיות קיימות יכול להיות מאתגר מבחינה טכנית, במיוחד בסביבות עם ציוד מורשת או ספקים מרובים. בעיות איכות נתונים כגון דגימות חסרות, סחף חיישן, או נטייה רשת יכול לפשר ניתוח. מהנדסים צריכים ליישם שגרות אימות כי נקודות נתונים חשוד דגל לבדיקת. Standardizing פורמטים ופרוטוקולים נתונים על פני מערכות מקטין מורכבות.
בחירת הגישה הנכונה עבור הסביבה שלך
אף טכניקה אחת לא מתאימה לכל מצב.הבחירה הטובה ביותר תלויה בגורמים כגון מורכבות תהליכים, תקציב, דמוגרפים של עובדים ותרבות ארגונית.כאן כמה הנחיות שיסייעו להתאים טכניקות להקשרים:
- (FLT:0) פעילות גבוהה, נמוכה כרכים:FLT 1 ניתוח וידאו עם אנטוט ידני הוא גמיש ולוכד את קצב משימות לא תחרותיות.
- (FLT:0) תהליכים חוזרים: FIRLT:1 ; אוטומטית נתונים הזנת מכונות ו- PLCs מספק את איסוף הנתונים היעיל ביותר ומלא.
- (FLT:0)Distributed or Distance תפעול:031) פתרונות מבוססי ענן מאפשרים הדבקה מרכזית וניתוח על פני אתרים, אפילו עם תמיכה הנדסית מוגבלת באתר.
- (FLT:0) חקירות עם כוח העבודה המאורגן: ibph:1) נציגי אנגאז' מוקדם, להבטיח שהנתונים משמשים לשיפור תהליכים ולא הערכה אישית, ולבחון את ניתוח הווידאו כחלופה פחות פולשנית לניטור מתמשך.
- (FLT:0)Startups או מתקנים קטנים: FLT:1 מתחיל עם ניתוח וידאו זול באמצעות מצלמות כיתה הצרכן ותוכנות אנטוטציה חינם. לשדרג לחיישנים מתקדמים ומיקום אוטומטי ככל שהניתוח גדל ותקציב מאפשר.
מגמות עתידיות ב-Time Study Data Collection
קצב החדשנות ממשיך להאיץ.כמה התפתחויות מתעוררות צפויות לשנות עוד יותר את האופן שבו מהנדסים אוספים ומשתמשים בנתונים של מחקר זמן.ממשקים המוערכים על מציאות (AR) יאפשרו לאנליסטים להדוף נתונים על סביבת העבודה הפיזית, זיהוי אי יעילות בזמן אמת. Edge יאפשר עיבוד נתונים בשלב האיסוף, צמצום דרישות הגמישות והפסיביות של יישומים בזמן אמתיים, אשר יאפשרו למהנדסים מתקדמים של טכנולוגיות וירטואליות, כגון, כדי למנוע שינויים בתהליכים של זמןיים, ללא שינוי נתונים מתקדמים, כדי לנבאים, כדי לאפשר עיבוד נתונים בשלב זה, ללא בעיות בזמן אמתיים, תוך כדי סימולציה של זמן, ללא שימוש במנועי זמן, תוך כדי חיזוי, תוך כדי סימולציה של תהליכי עיבוד נתונים.
מסקנה
טכניקות איסוף נתונים חדשניות הן מחקרים הנדסיים משתנים באופן יסודי, המציעות רמות דיוק, יעילות ותובנה שלא היו ניתנות לדמיון בשיטות ידניות.ניתוח וידאו, חיישנים בעלי יכולת לב, חדירה אוטומטית, למידה ופלטפורמות ענן כל אחת מביאה כוחות ייחודיים שניתן להתאים לצרכים הספציפיים של מתקן, בעוד שפיתוחם של תהליכי ניהול, פרטיות והכשרה חייב להיות מנוהל בקפידה, היתרונות ארוכי טווח בפרודוקטיביות, ומאמץ רב יותר יעיל של מהנדסים חדשים, אך הם בעלי יכולת חשיבה יעילה יותר, אך הם בעלי ביצועים יעילה יותר, אך הם בעלי ביצועים יעילה יותר, אשר אינם מספקים, אשר הם בעלי ביצועים חדשים, אשר אינם מספקים יותר, אלא שיפור יעיל יותר, תוך שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר, תוך כדי שיפור יעיל יותר