【应用】Keysight PathWave制造分析软件帮助智能电表制造商将其设备综合效率提高40%

时间： 2022-08-16 来源：Keysight

对于大多数设计团队而言，完成一项设计，使其进入制造阶段就是胜利完成任务。然而，产品投产之后，设计和测试方面的挑战并未结束。元器件质量、装配方法或制造工艺只要稍有变化，就可能会对产品良率产生重大影响。您可以利用合适的物联网传感器和数据分析工具对制造过程进行检测，从而确保最大程度地提高产品良率，满足对创新技术的需求。

一家总部位于欧洲的大型全球物联网（IoT）器件制造商正在为能源供应商开发智能电表（eMeters）。在欧洲和亚太地区，智能电表是智能电网的重要组成部分。智能电表上的一块电池必须运行至少 15 年，并且无论环境出现任何变化，都要始终如一地提供准确、可靠的读数。产品质量出现任何缺陷都可能导致计费过高，对消费者选择更高效的能源造成影响，甚至会妨碍能源供应商妥善地管理能源使用情况。

最初，该制造商按照客户所需的高性能和高品质交付了智能电表。但是，随着产量不断扩容，因元器件、生产过程和测试可变性而导致的虚假不合格的情形逐渐增加，产品质量开始受到影响。设备综合效率（OEE）作为衡量制造生产率的行业标准，也受到了影响。该制造商遇到了首次合格率低、计划外停机、测试时间不一致等诸多问题。最终导致效率降低，损失大量收入。

制造商知道，为了找出这些问题的根源，必须要对自己的生产过程、测试和设备数据展开深入调查。然而，调查情况不容乐观。他们要对全球站点的多年数据进行分析，这不仅耗费时间而且非常复杂。持续存在的问题还会对生产率和产量带来更大的损失。采用传统方法来隔离问题则需要进行大量测试，还会增加总体测试时间和成本。

利用大数据

是德科技的PathWave 制造分析软件使这家制造商成功走出了困局。该软件可以利用来自生产过程、测试和设备的数据执行高级分析，从而提升制造水平和效率（图 1）。

PathWave制造分析软件从多个来源收集数据来监控OEE。如果OEE为100%，则意味着制造部门在以最快的速度生产合格的部件，并且没有发生任何停机。

为了了解如何改善其OEE，制造商需要掌握自己的产品状况、制造状况和机器状况。只有先确定了问题所在，才能谈得上如何开始解决问题。通常，我们首先要考虑的是如何让制造过程稳定下来，然后再对其进行优化。

例如，针对在线测试仪（ICT）执行的每个步骤，可以收集并分析每项测试的测量数据，进而了解制造商的产品和制造状况。安装在机器上的物联网传感器可以监测每台机器的参数，例如温度、气流和真空压力。这些信息可以帮助判断机器的运行状况，而不会干扰其功能。

以这家智能电表制造商为例，他们就使用PathWave制造分析软件对上述各种情形进行了数据采集。该软件所具有的强大的趋势检测能力和异常检测算法都被应用到了数据上，用以识别和隔离异常现象。通过PathWave制造分析软件和强大的云计算能力，制造商迅速进行了多维分析，确定了造成异常的根本原因（图 2）。之后，软件为工程师发出报警，向他们通报发现的异常，以便工程师采取纠正措施。这不仅消除了制造商未来可能遇到的问题，还改善了制造过程的稳定性。

利用PathWave制造分析软件的分析结果，制造商可以预测潜在故障。有了这些分析数据，制造商能够就如何规避这些风险做出明智的决策，防止将来出现停机。此外，由于PathWave制造分析软件是从多个站点和区域采集数据，因此制造商可以跨区域、实时执行良率分析和产量分析（图 3）。通过这种方式，该制造商认识到，在不同的地点，良率和测试时间会有差异。他们迅速采取措施对出现的差异进行调查，并纠正了装配过程中发现的问题。

产品质量得到提升，生产效率得以优化

通过是德科技的PathWave制造分析解决方案，这家智能电表制造商快速确定了造成质量问题的根本原因，并且顺利解决了问题。制造商还发现了导致良率和产量下降的流程差异。他们对这些差异进行隔离，进而改进、优化了流程。没过多久，该制造商就实现了30%的生产率提升和35%的吞吐量提升。通过制定基于数据的决策来提高资产利用率，他们还实现了40%的OEE 提升。现在，该制造商能够以最佳的产品质量交付智能电表，同时保持了较高的营收回报。有了优化的流程，这家制造商已经能够从容应对未来的客户和产品需求。