AWS IoT SiteWise による総合設備効率（OEE）ガイド

はじめに

OEE（Overall Equipment Effectiveness）は、製造業の生産性を測定するための指標です。これは、品質、性能、可動率の 3 つの要素を包含しています。したがって、OEE が 100％ というスコアは、製造システムが良い部品だけを、可能な限り速く、停止時間なしで生産していることを意味します。

OEE は、パフォーマンスとベンチマークを通じて損失を特定し、効率を高め、機器の問題点を特定することで、製造プロセスを改善する方法に関する重要な洞察を提供します。このブログ記事では、手荷物処理システム (BHS) について取り上げます。これは空港でよく見られるシステムで、一見すると OEE を使用する従来の製造例ではありません。しかし、品質、パフォーマンス、可動率に貢献する要素を正しく特定することで、OEE を使って BHS のオペレーションを監視することができます。私たちは、AWS IoT SiteWise を使用して、エンドツーエンドのソリューションとして、OEE 計算を収集、保存、変換、表示しています。

ユースケース

このブログでは、中東地域の主要空港に設置された BHS について説明します。この顧客は、現場の既存機器と、この分析に必要なデータを提供し、さらに処理するためにデータをクラウドにストリーミングする機能を持つソリューションを統合することで、システムをプロアクティブに監視する必要がありました。 このプロジェクトが迅速な実行を必要としたのは、この導入の成功によって、他の顧客サイトにも複数の導入が必要となったからです。

この顧客は、パートナーインテグレーターである Northbay Solutions（Airis-Solutions.ai 傘下）と協力し、マシンコネクティビティについては、AWS パートナーである CloudRail と協力して、デプロイを簡素化し、データ取得を加速させるとともに、AWS IoT サービスによるデータ取り込みを促進しました。

標準化された OT/IT 接続を可能にする CloudRail の標準アーキテクチャ

アーキテクチャと接続性

OEE 計算に必要なデータポイントを得るために、ノースベイソリューションズは BHS にセンサーを追加した。産業環境と同様に、カルーセルに設置されたハードウェアは、埃や水、物理的な衝撃などの過酷な条件に耐える必要があります。その結果、ノースベイソリューションズは、それぞれの保護等級（IP67/69K）を持つ IFM エレクトロニクス社製のプロフェッショナルな工業用グレードのセンサーを利用しています。

地元の空港メンテナンスチームが、モーター監視用の振動センサー 2 つ、コンベア監視用の速度センサー 1 つ、手荷物の処理量をカウントする光電センサーという 4 つのセンサーを取り付けました。物理ハードウェアをインストールした後、CloudRail.DMC (デバイス管理クラウド) を使用してセンサーをプロビジョニングし、お客様の AWS アカウントで AWS IoT SiteWise への通信を設定しました。12,000 を超える産業用センサーについて、このソリューションはそれぞれのデータポイントを自動的に識別し、JSON 形式に自動的に正規化します。この簡単なプロビジョニングと明確なデータ構造により、IT 担当者は産業資産を AWS IoT に簡単に接続できます。その後、そのデータはレポート、状態監視、AI/ML、3D デジタルツインなどのサービスで使用できます。

IoT プロジェクトの時間と費用を節約する高速接続に加えて、CloudRail のフリート管理は、何千ものゲートウェイに長期的な互換性やセキュリティパッチのための機能アップデートを提供します。

BHS ソリューションのアーキテクチャは次のようになります:

センサーデータは CloudRail によって収集され、フォーマットされます。これにより、AWS API 呼び出しを使用して AWS IoT SiteWise で利用できるようになります。この統合は CloudRail によって簡素化され、CloudRail.DMC (デバイス管理クラウド) から直接設定できます (カルーセルのモデルとアセットモデルは、このブログの次のセクションで説明するように、最初に AWS IoT SiteWise で作成する必要があります)。このアーキテクチャには、Amazon Lookout for Equipment と統合して予測メンテナンスを実行するための未加工データを保存する S3 バケットを通じてセンサーデータを他の AWS サービスで利用できるようにするための追加コンポーネントが含まれていますが、このブログ記事では取り上げません。BHS の予知保全ソリューションを統合する方法の詳細については、このリンクをご覧ください。

AWS IoT SiteWise に BHS センサーデータを使用することで、モデルを定義し、そこからアセットを作成し、クラウドに届くすべてのセンサーデータをモニタリングする方法について説明します。このデータを AWS IoT SiteWise で利用できるようにすることで、OEE コンポーネント (可動率、パフォーマンス、品質) を測定できるメトリックスとデータ変換 (トランスフォーム) を定義できます。最後に、AWS IoT SiteWise を使用して BHS の生産性を示すダッシュボードを作成します。このダッシュボードは、BHS のあらゆる側面に関するリアルタイムの洞察を提供し、さらなる最適化に役立つ情報を提供します。

データモデル定義

AWS IoT SiteWise にデータを送信する前に、モデルを作成してそのプロパティを定義する必要があります。前述のように、4 つのセンサーを 1 つのモデルにグループ化し、次の測定値 (機器からのデータストリーム) を設定します。:

測定値に加えて、アセットモデルにいくつかの属性 (静的データ) を追加します。これらの属性は、振動センサーの最高温度や BHS の速度の許容値など、OEE 計算に必要なさまざまな値を表しています。

OEE の計算

標準的な OEE の計算式は以下の通りです:

条件:

• Run_time (seconds): 指定された時間間隔で問題なく稼動しているマシンの合計時間。
• Down_time (seconds): 機械の総停止時間。これは、計画された活動、故障、および/または指定された時間間隔にわたるアイドル状態により、機械が稼動していない時間の合計です。
• Success: 指定された時間間隔で正常に充填されたユニットの数。
• Failures: 指定された時間間隔で正常に充填されなかったユニットの数。
• Ideal_Run_Rate: 指定された時間間隔におけるマシンのパフォーマンスを、理想的な実行レート (秒単位) に対するパーセンテージで表したものです。今回のケースでは、理想的な可動率は 1 時間あたり 300 個です。この値はシステムによって異なりますので、メーカーから入手するか、現場での観察結果に基づいて入手してください。

これらのパラメータを定義したら、次のステップは AWS IoT SiteWise に届くセンサーデータから OEE 式を構成する要素を特定することです。

Availability

Availability = Run_time/(Run_time + Down_time)

Run_Time と Down_Time を計算するには、マシンの状態と現在の状態を決定する変数を定義する必要があります。AWS IoT SiteWise にはトランスフォームがあります。トランスフォームとは、プロパティのデータポイントをある形式から別の形式にマッピングする数式です。BHS には4 つのセンサーがあるため、計算に含めるセンサーの測定値（温度、振動など）を定義する必要があります。これは非常に複雑になり、10 または 100 の変数が含まれる可能性があります。ただし、カルーセルが正しく動作するための主な指標は、2 つの振動センサーからの温度と振動の強さ（それぞれ摂氏とm/s^2）と、スピードセンサーからのカルーセルの速度（m/s）であると定義しています。

正しい操作に使用できる値を定義するために、以前に定義したアセットモデルの属性を使用します。属性は数式を読みやすくする定数として機能し、個々のアセットに移動して何度も変更しなくても、アセットモデルレベルで値を変更できます。

最後に、一定期間にわたる可動率パラメータを計算するために、モデルのプロパティからデータを集計できるメトリクスを追加します。

Quality

Quality = Successes / (Successes + Failures)

OEE Quality では、何が成功と失敗かを定義する必要があります。今回のケースでは、生産単位はカウントされた手荷物の数です。では、手荷物が正常にカウントされた場合とカウントされなかった場合を定義するにはどうすればよいでしょうか。画像認識などの外部システムを使用してこの品質プロセスを向上させる方法は複数ありますが、簡単に言うと、4 つのセンサーから得られる測定値とデータのみを使用しましょう。まず、光電センサーが提供している距離を見て、手荷物の数がカウントされていることを説明しましょう。物体がバンドを通過するとき、測定される距離は基準距離よりも短く、したがって物体が検出されます。これは通過する荷物を計算する非常に簡単な方法ですが、同時に複数の条件が重なって測定の精度に影響を与える可能性があります。

Successes = sum(Bag_Count) – sum(Dubious_Bag_Count)

Failures = sum(Dubious_Bag_Count)

Quality = Successes / (Successes + Failures)

すべての計算で同じメトリック間隔を使用することを忘れないでください。

Performance

Performance = ((Successes + Failures) / Run_Time) / Ideal_Run_Rate

品質計算による成功と失敗、および可動率による実行時間はすでにあります。したがって、必要なのは Ideal_Run_Rate を定義することだけです。前述のように、当社のシステムは 1 時間あたり 300 個で稼働するのが理想的です。これは、0.0833333 個/秒に相当します。

この値を取得するには、アセットモデルレベルで定義された Ideal_Run_Rate 属性を使用します。

OEE Value:

Availability、Quality、Performance を把握した上で、OEE の最後の指標を定義します。

OEE = Availability * Quality * Performance

AWS IoT SiteWise におけるOEEの可視化

OEE データを AWS IoT SiteWise に組み込んだら、AWS IoT SiteWise ポータルを介してダッシュボードを作成して、データの一貫したビューを表示したり、ユーザーに必要なアクセスを定義したりできます。詳細については、AWS のドキュメントを参照してください。

OEE ダッシュボード

まとめ

このブログ記事では、BHS からのセンサーデータを使用してシステムから洞察に満ちた情報を抽出し、このデータを使用して総合設備効率（OEE）計算を利用して物理システムの全体像を把握する方法について説明しました。

CloudRail 接続ソリューションを使用することで、BHS に搭載されたセンサーを AWS IoT SiteWise などの AWS サービスに数分以内に統合することができました。この統合を行うことで、システムのセンサーからのデータを保存、変換、視覚化し、システムのパフォーマンス、可動率、品質に関するリアルタイムの情報を提供するダッシュボードを作成できるようになりました。

AWS IoT サービスとパートナーソリューションの詳細については、このリンクをご覧ください。

著者について